RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Χισιρίδης Μιχαήλ-Άγγελος

2023-02-24T11:11:10Z

CHISIRIDIS:

[[Ανίχνευση περιφερειακών χιονοστιβάδων με χρήση δεδομένων Sentinel-1 SLC]]

[[Τηλεανίχνευση καρστικών βυθισμάτων για τη μελέτη της οικολογίας άγριων αιλουροειδών.]]

[[Εντοπισμός γεωθερμικού δυναμικού με δεδομένα θερμικής υπέρυθρης ακτινοβολίας και μετρήσεων ραδονίου.]]

[[Αναγνώριση της τρωτότητας του υπόγειου νερού στο τοπογραφικό καρστ.]]

[[category: ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Χισιρίδης Μιχαήλ-Άγγελος

2023-02-24T11:03:56Z

CHISIRIDIS: Νέα σελίδα με 'Ανίχνευση περιφερειακών χιονοστιβάδων με χρήση δεδομένων Sentinel-1 SLC [[Τηλεανίχνευση καρστικ...'

Ανίχνευση περιφερειακών χιονοστιβάδων με χρήση δεδομένων Sentinel-1 SLC

2023-02-24T11:00:05Z

CHISIRIDIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος : '''Automatic Detection of Regional Snow Avalanches with Scattering and Interference of C-band SAR Data '''Συγγραφείς : ''...'

'''Πρωτότυπος τίτλος : '''Automatic Detection of Regional Snow Avalanches with Scattering and Interference of C-band SAR Data

'''Συγγραφείς : '''Jinming Yang, Chengzhi Li, Lanhai Li, Jianli Ding, Run Zhang, Tao Han, Yang Liu

'''Δημοσιεύθηκε : '''Remote Sensing, August 2020

'''Σύνδεσμος πρωτότυπου κειμένου : '''[[https://doi.org/10.3390/rs12172781]]

'''Λέξεις-κλειδιά : '''Sentinel-1 SLC, C-band ανίχνευση χιονοστιβάδων, σκέδαση, παρεμβολή, μηχανική μάθηση

[[Αρχείο:4 1 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 1. '''Σχηματικό διάγραμμα της περιοχής μελέτης. (α) Η χιονοστιβάδα απέκλεισε την εθνική οδό G217 (β) οι χιονοστιβάδες απειλούν την ασφάλεια.]]
[[Αρχείο:4 2 CHISIRIDIS.png|200px|thumb|right|'''Πίνακας 1. '''Στατιστικά στοιχεία των γεωγραφικών χαρακτηριστικών της περιοχής μελέτης.]]
[[Αρχείο:4 3 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 2. '''Σχηματικό διάγραμμα της συνολικής ροής των εργασιών.]]
[[Αρχείο:4 4 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 3. '''Χαρακτηριστικά σκέδασης και παρεμβολής χιονοστιβάδας (a,b). US : Αδιατάρακτο χιόνι, SA : Χιονοστιβάδα]]
[[Αρχείο:4 5 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 4. '''Χαρακτηριστικά σκέδασης και παρεμβολής των χιονοστιβάδων (c, d) - Μέθοδος γραφικής αναπαράστασης boxplot. US : Αδιατάρακτο χιόνι, SA : Χιονοστιβάδα]]
[[Αρχείο:4 6 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 5. '''Χαρτογράφηση χιονοστιβάδων (a) Kizilkeya.]]
[[Αρχείο:4 7 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 6. '''Χαρτογράφηση χιονοστιβάδων (b) Kizilkeya.]]
[[Αρχείο:4 8 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 7. '''Χαρτογράφηση χιονοστιβάδων (c) Aktep.]]
[[Αρχείο:4 9 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 8. '''Χαρτογράφηση χιονοστιβάδων (d) Aktep.]]
[[Αρχείο:4 10 CHISIRIDIS.png|200px|thumb|right|'''Πίνακας 2. '''Στατιστικά στοιχεία αξιολόγησης του μοντέλου.]]

'''Εισαγωγή'''

Οι χιονοστιβάδες συγκαταλέγονται μεταξύ των πιο καταστροφικών φυσικών φαινομένων, απειλώντας την ασφάλεια των ανθρώπων, την κοινωνικοοικονομική ανάπτυξη και την βιοποικιλότητα. Εξαιτίας της διάβρωσης που προκαλούν, αλλάζει ο τύπος και η πυκνότητα της επιφανειακής κάλυψης, αναδιαμορφώνονται οι μικρο-γεωμορφολογικές συνθήκες και τα εδάφη γίνονται πιο ασταθή. Ως αποτέλεσμα, οι συνθήκες για εκδήλωση νέας χιονοστιβάδας γίνονται ολοένα και πιο ευνοϊκές και έτσι δημιουργείται έναν φαύλος κύκλος. Τα ακραία καιρικά φαινόμενα και η επίδραση της κλιματικής αλλαγής στις ορεινές περιοχές επιδεινώνουν αυτόν τον κίνδυνο. Η κακή πρόβλεψη και λήψη αποφάσεων είναι οι κύριες αιτίες των καταστροφικών χιονοστιβάδων. Ως εκ τούτου, κρίνεται επείγουσα η ανάγκη χαρτογράφησης της χωρικής τους κατανομής για την αποτελεσματικότερη αντιμετώπιση και μετρίαση των αρνητικών τους συνεπειών.

Για την παραγωγή χαρτών χιονοστιβάδων έχουν χρησιμοποιηθεί διάφορες προσεγγίσεις. Μέσω παρατηρήσεων πεδίου έχουν δημιουργηθεί κάποια σύνολα δεδομένων για εκδήλωση χιονοστιβάδων, παρέχοντας μια επιστημονική βάση για την ορθολογική χρήση και διαχείριση γης στις ορεινές περιοχές. Ωστόσο, οι χιονοστιβάδες συνήθως αγνοούνται σε απρόσιτες περιοχές και εκεί που δεν υπάρχουν σταθμοί παρατήρησης, δημιουργώντας ένα σημαντικό κενό δεδομένων για τη μελέτη του φαινομένου. Η μέθοδος ανίχνευσης ηχητικών κυμάτων, η μέθοδος των λιμναίων ιζημάτων και η μέθοδος ανακατασκευής χιονοστιβάδων με βάση τους δακτυλίους των δέντρων έχουν προταθεί ως αρχικές μέθοδοι διερεύνησης, αλλά αυτές έχουν μόνο τοπικό χαρακτήρα. Το αποτέλεσμα είναι να υπάρχει ακόμα η ανάγκη λήψης δεδομένων εκδήλωσης χιονοστιβάδων σε περιφερειακό επίπεδο για να καλυφθεί το σημαντικό κενό δεδομένων.

Η ραγδαία ανάπτυξη της τηλεπισκόπησης έχει αποδώσει σε αρκετές περιπτώσεις χιονοστιβάδες σε περιφερειακό επίπεδο με τη χρήση μεθόδων οπτικής ερμηνείας, ανίχνευσης αλλαγών και αντικειμενοστραφούς ταξινόμησης. Οι κύριες ενδείξεις κατά την ερμηνεία των πολυφασματικών εικόνων είναι οι σαφείς διαφορές στη μορφολογία και την υφή μεταξύ του σώματος της χιονοστιβάδας και του αδιατάρακτου χιονιού που την περιβάλλει. Ακόμα και πολύ μικρές χιονοστιβάδες μπορούν να εντοπιστούν όταν η ανάλυση είναι υψηλή. Όταν όμως τα πολυφασματικά χαρακτηριστικά είναι θολά, στην υποκειμενική ερμηνεία εισάγονται σημαντικά σφάλματα.
Από τις παραπάνω μεθόδους μπορούν να αναγνωριστούν χιονοστιβάδες σε περιφερειακό επίπεδο, αν και η ακρίβεια αναγνώρισης περιορίζεται από τα σύννεφα, τις σκιές του εδάφους και την ανθρώπινη αντίληψη. Για να ξεπεραστούν τα παραπάνω μειονεκτήματα, έχει προταθεί η μέθοδος της ανίχνευσης των αλλαγών στην οπισθοσκέδαση σε εικόνες ενεργών μικροκυμάτων. Ακόμα και έτσι, αυτό δεν είναι εφαρμόσιμο σε περιοχές με περίπλοκη τοπογραφία ή με σποραδικές χιονοστιβάδες μικρής έκτασης. Από πραγματικές παρατηρήσεις έχει προκύψει ότι η ηχώ που προκαλείται και προκαλεί αύξηση στην οπισθοσκέδαση δεν είναι απαραίτητα από τη χιονοστιβάδα, αλλά από ποιοτικές αλλαγές στην κάλυψη του χιονιού ή από άλλα ειδικά χαρακτηριστικά του περιβάλλοντος. Ως εκ τούτου, είναι ανάγκη να δημιουργηθεί ένα πιο αντικειμενικό, καθολικό και αξιόπιστο σύστημα για τον αυτόματο εντοπισμό χιονοστιβάδων σε περιφερειακή κλίμακα.

Σύγχρονες Μέθοδοι μηχανικής μάθησης όπως η διανυσματική μηχανική υποστήριξη SVM (Support Vector Machine) που χρησιμοποιούνται ευρέως για την αξιολόγηση κατολισθήσεων, την ανάλυση επικινδυνότητας για πλημμύρες και την αναγνώριση καλλιεργειών, έχουν χρησιμοποιηθεί από λίγους μόνο ερευνητές στην μελέτη των χιονοστιβάδων και η απόδοσή τους μένει να επιβεβαιωθεί.

Η παρούσα έρευνα αποσκοπεί η αναζήτηση των χαρακτηριστικών απόκρισης της σκέδασης και της παρεμβολής χιονοστιβάδων σε εικόνες Sentinel 1 SLC (Single Look Complex), έτσι ώστε να βρεθεί μία πιο ισχυρή και εφαρμόσιμη μέθοδος αυτόματης ανίχνευσης περιφερειακών χιονοστιβάδων. Κύριοι στόχοι είναι :

1. Η εξόρυξη των χαρακτηριστικών σκέδασης και παρεμβολής χιονοστιβάδων ψυχρού και ξηρού χιονιού στην περιοχή των ενεργών μικροκυμάτων της C-band του ηλεκτρομαγνητικού φάσματος.

2. Η χρήση της μεθόδου μηχανικής μάθησης SVM για την αυτόματη χαρτογράφηση χιονοστιβάδων.

3. Η επαλήθευση της ακρίβειας και η αξιολόγηση της απόδοσης της μεθόδου.

'''Περιοχή Μελέτης'''

Η παρούσα μελέτη στοχεύει στην αναγνώριση των χιονοστιβάδων που εκδηλώνονται στο Kizilkeya και το Aktep, στο δυτικό τμήμα των βουνών Tianshan της Κίνας. Η περιοχή μελέτης διατρέχεται από δύο εθνικές οδούς μεταφοράς εμπορευμάτων, αποτελώντας κρίσιμο τμήμα της ανάπτυξης και διατήρησης της κεντρικής οικονομικής ζώνης του Δρόμου του Μεταξιού που διατρέχει και συνδέει την Ευρασία. Η οδός G217 διέρχεται από τις κοιλάδες του Kizilkeya και η G218 από το Aktep.

Το δυτικό τμήμα των βουνών Tianshan είναι μια περιοχή επιρρεπής στην εκδήλωση χιονοστιβάδων περιοδικού χαρακτήρα. Από τη δεκαετία του 1960 οι ερευνητές του κέντρου εκδήλωσης χιονοστιβάδων της Κινεζικής Ακαδημίας Επιστημών, με επιτόπιες έρευνες πεδίου, συγκεντρώνουν πληροφορίες σχετικά με τη θέση, τον τύπο, την κλίμακα και την κατανομή των χιονοστιβάδων. Παρόλα αυτά, η ακρίβεια και η ποσότητα των δεδομένων κρίνονται ανεπαρκείς, λόγω των συνθηκών της περιοχής και του χαμηλού επαγγελματισμού του προσωπικού. Επιπλέον, τα ιστορικά δεδομένα δεν είναι πλέον εφαρμόσιμα λόγω της κλιματικής αλλαγής και της τοπογραφικής εξέλιξης.

Η ανάπτυξη των τελευταίων 15 ετών στους τομείς της κατασκευής νέων ορεινών μεταφορικών οδών, της επέκτασης ενεργειακών και επικοινωνιακών γραμμών και του τριτογενούς τομέα για την εξυπηρέτηση χειμερινών αθλημάτων έχουν επιφέρει σημαντική αύξηση του κινδύνου καταστροφικών χιονοστιβάδων για τους ανθρώπους, τις υποδομές, την οικονομία και την οικολογική διατήρηση. Για τους παραπάνω λόγους κρίνεται επιτακτική η ανάγκη ανάπτυξης μεθόδων αυτόματης αναγνώρισης χιονοστιβάδων στην περιοχή.

'''Υλικά και Μεθοδολογία'''

1. Η απόκτηση και προετοιμασία του υλικού

Αυτό περιλαμβάνει την απόκτηση και προ-επεξεργασία των εικόνων Sentinel-1A SLC και της εικόνας Super View-1, καθώς και τη διεξαγωγή ερευνών πεδίου για χιονοστιβάδες. Οι εικόνες Sentinel-1A SLC χρησιμοποιούνται για των καθορισμό των δεικτών που θα χρησιμοποιηθούν για την αυτόματα ανίχνευση των χιονοστιβάδων, ενώ οι εικόνες Super View-1 για τη δημιουργία ενός χάρτη καταγραφής χιονοστιβάδων υψηλής ακρίβειας.

Η προ-επεξεργασία των εικόνων Sentinel-1A SLC που αποκτήθηκαν περιλαμβάνει την αποκοπή της περιοχής μελέτης, τις τροχιακές, ραδιομετρικές και γεωμετρικές διορθώσεις στα δεδομένα SAR (Synthetic Aperture Radar), το φιλτράρισμα και την εξάλειψη των οριζόντιων μαύρων κηλίδων και τη μείωση του θορύβου.
Στην παρούσα μελέτη χρησιμοποιήθηκαν συνολικά τέσσερις εικόνες Sentinel-1A SLC, που περιλαμβάνουν ένα ζεύγος ανοδικής τροχιάς και ένα ζεύγος καθοδικής τροχιάς που το καθένα περιέχει μία σκηνή πριν και μία σκηνή μετά την εκδήλωση της χιονοστιβάδας.

Οι δύο εικόνες Super View-1 υποβλήθηκαν σε προ-επεξεργασία με αφαίρεση των νεφών, ραδιομετρική βαθμονόμηση, ατμοσφαιρική διόρθωση FLAASH και ορθοφωτογραφική διόρθωση.

Κατά τις έρευνες πεδίου διάρκειας εφτά ημερών καταγράφηκαν λεπτομερώς ο τύπος, η θέση και ο τύπος κάλυψης του περιβάλλοντα χώρου για 276 χιονοστιβάδες. Επίσης, μετρήθηκαν το μέγεθος των σωματιδίων, η περιεκτικότητα σε υγρασία, η πυκνότητα και το βάθος του χιονιού σύμφωνα με τα πρότυπα της IACS (International Association of Cryosphere Science).

2. Ο προσδιορισμός των χαρακτηριστικών των μεταβλητών

Με χρήση της ανάλυσης κύριων συνιστωσών PCA (Principal Component Analysis) προσδιορίζονται η εντροπία πόλωσης (ΔH), ο δείκτης άλφα (α), η οπισθοσκέδαση (σ) και η συνεκτικότητα/συνοχή (γ) των χιονοστιβάδων και γίνεται ο καθορισμός των αντίστοιχων δεικτών, οι οποίοι με τη σειρά είναι οι ∆H, ∆α, ∆σVV, ∆σVH, γVV και γVH.

Με την ανάλυση κύριων συνιστωσών, συσχετιζόμενες σύνθετες μεταβλητές πολλαπλών διαστάσεων όπως οι παραπάνω, αναλύονται σε γραμμικά ανεξάρτητες μεταβλητές λίγων διαστάσεων, αποκαλύπτοντας έτσι τα πιο σημαντικά στοιχεία και δομές τους.

3. Η χαρτογράφηση των χιονοστιβάδων

Με χρήση της μεθόδου SVM γίνεται η εκμάθηση του απλουστευμένου συνόλου δεδομένων και στη συνέχεια η αυτόματη ανίχνευση χιονοστιβάδων, από το μοντέλο εκπαίδευσης με την υψηλότερη ακρίβεια, από τα συνολικά έξι μοντέλα που παράχθηκαν.

4. Η επαλήθευση της απόδοσης του μοντέλου

Με τον χάρτη απογραφής χιονοστιβάδων Super View-1 και μέσω στατιστικών δεικτών γίνεται η αξιολόγηση της απόδοσης του μοντέλου.

Οι στατιστικού δείκτες που επιλέχθηκαν στην παρούσα έρευνα είναι ο δείκτης πιθανότητας ανίχνευσης POD (Probability Of Detection), ο δείκτης ποσοστού ψευδούς συναγερμού FAR (False Alarm Rate), ο δείκτης συχνότητας αστοχίας FOM (Frequency Of Missed) και ο δείκτης στατιστικής αληθινών δεξιοτήτων TSS (True Skill Statistic).

'''Αποτελέσματα'''

1. Χαρακτηριστικά Χιονοστιβάδων από τις εικόνες Sentinel-1 SLC

Σε σύγκριση με το αδιατάρακτο χιόνι, η εκδήλωση χιονοστιβάδας οδηγεί σε μία προφανή αύξηση της εντροπίας (Η), απότομη μείωση του άλφα (α) τόσο στις ανοδικές, όσο και στις καθοδικές εικόνες, μέτρια αύξηση της οπισθοσκέδασης (σ) και πτώση της συνεκτικότητας/συνοχής (γ). Στις εικόνες που ακολουθούν γίνεται μία ανάλυση και σύγκριση των ζευγών εικόνων ανοδικής και καθοδικής τροχιάς (Εικόνα 3, 4).

2. Προσδιορισμός Χαρακτηριστικών των Μεταβλητών

Μέσω της ανάλυσης κύριων συνιστωσών προκύπτει ότι για την περιοχή Kizilkeya ο κυρίαρχος δείκτης σε ποσοστό συνεισφοράς είναι ο ∆σVH και στα δύο ζεύγη εικόνων, ενώ για την περιοχή Aktep, οι κύριο δείκτες με υψηλό ποσοστό συνεισφοράς είναι ο γVV, ο γVH και ο ∆σVH και στα δύο ζεύγη εικόνων.

3. Χαρτογράφηση Χιονοστιβάδων

Οι χιονοστιβάδες στην περιοχή Kizilkeya είναι άνισα κατανεμημένες χωρικά, σε περιοχές με υψόμετρο από 2750m έως 3450m και με κλίση από 25ο έως 50ο. Συγκεκριμένα, 281 χιονοστιβάδες εντοπίστηκαν σε εικόνες ανοδικής τροχιάς και 311 σε εικόνες καθοδικής τροχιάς. Η ελάχιστη έκταση χιονοστιβάδας που εντοπίστηκε είναι 0,09Km2 και η μέγιστη 83,40Km2. Σύμφωνα με την ταξινόμηση αμερικανικών προτύπων για την κλίμακα των χιονοστιβάδων, στην περιοχή εκδηλώνονται κυρίως μικρές (96%) και μεσαίες χιονοστιβάδες. Τέλος, το ποσοστό των μικρών χιονοστιβάδων είναι μεγαλύτερο στα ζεύγη εικόνων με καθοδική τροχιά από ότι στα ζεύγη εικόνων με ανοδική. (Εικόνες 5, 6)

Οι χιονοστιβάδες στην περιοχή Aktep κατανέμονται οριζόντια στο χώρο, κυρίως κατά μήκος της εθνικής οδού μεταφοράς G218 και στα νοτιοδυτικά κοντά στον ποταμό Kungers, σε περιοχές με υψόμετρο από 1600m έως 2000m και με κλίση από 25ο έως 50ο. 104 από αυτές εντοπίστηκαν στα ζεύγη εικόνων ανοδικής τροχιάς και 111 στα ζεύγη εικόνων καθοδικής τροχιάς. (Εικόνες 7, 8)

Συνολικά, παρατηρείται ότι οι χιονοστιβάδες μπορούν να εντοπιστούν αυτόματα και στις εικόνες ανοδικής τροχιάς και στις καθοδικής. Ωστόσο, εξαιτίας της αντίθετης τροχιακής θέσης του δορυφόρου κατά τη σάρωση της επιφάνειας, σε συνδυασμό με τον ρόλο της τοπογραφίας της περιοχής μελέτης, στα ζεύγη εικόνων καθοδικής τροχιάς είναι πιο ευνοϊκή η αποτύπωση των χαρακτηριστικών των χιονοστιβάδων και η αποτύπωση είναι πάντα καλύτερη και πιο λεπτομερής στα δύσβατα τερέν σε σχέση με τα ζεύγη εικόνων ανοδικής τροχιάς. Επιπλέον, παρατηρείται ότι οι χιονοστιβάδες δεν είναι ομοιόμορφα κατανεμημένες, αλλά εμφανίζονται συχνά σε περιοχές με απότομο έδαφος κατά μήκος των φιόρδ, σε πλαγιές και τάφρους και καθόλου στις πεδιάδες και τις δασικές περιοχές Picea Schrenkiana. Τέλος, οι χιονοστιβάδες είναι έντονες κατά μήκος των εθνικών οδών μεταφοράς G217 και G218, που γειτνιάζουν άμεσα με ανθρώπινες ιδιοκτησίες.

4. Επαλήθευση Απόδοσης Μοντέλου

Συνοπτικά, η μέθοδος αυτόματης αναγνώρισης χιονοστιβάδων που αναπτύχθηκε στην παρούσα μελέτη έχει ισχυρή διακριτική ικανότητα και είναι πιο αποτελεσματική για τα ζεύγη εικόνων καθοδικής τροχιάς.

Τα αποτελέσματα της αυτόματης αναγνώρισης αξιολογήθηκαν με τους στατιστικούς δείκτες POD, FAR, FOM και TSS, τα αποτελέσματα των οποίων φαίνονται στον σχετικό πίνακα (Πίνακας 2).

Τα αποτελέσματα καταδεικνύουν ότι οι περισσότερες χιονοστιβάδες εντοπίζονται από τα ζεύγη εικόνων καθοδικής τροχιάς, τα οποία είναι και πιο αποδοτικά στην αναγνώριση μικρών χιονοστιβάδων, οπότε θεωρούνται και περισσότερο αξιόπιστα. Οι χιονοστιβάδες που δεν εντοπίστηκαν αποτελούν κυρίως μικρές και συνήθως ξηρές χιονοστιβάδες σε στενές τάφρους και σε ορεινές περιοχές με μεγάλες εδαφικές διακυμάνσεις.

'''Συζήτηση'''

1. Διαθεσιμότητα Δορυφορικών Απεικονίσεων

Εξετάζεται και αξιολογείται η διαθεσιμότητα των δορυφορικών απεικονίσεων για την περιοχή μελέτης και ο αντίκτυπός της στα αποτελέσματα της εργασίας.

Στις δύο ορεινές περιοχές που εξετάστηκαν οι χιονοστιβάδες που εκδηλώνονται είναι σχετικά μικρές, οπότε για να εντοπιστούν με ακρίβεια χρειάζονται δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης. Στην παρούσα μελέτη χρησιμοποιήθηκαν δορυφορικές απεικονίσεις από διάφορους αισθητήρες, αλλά οι περισσότερες από αυτές δεν ήταν αρκετά χρήσιμες. Η πολυφασματική ζώνη του δορυφόρου Quickbird, η παγχρωματική ζώνη του Landsat-8 και η κοντινή υπέρυθρη του δορυφόρου SPOT επαληθεύτηκαν στην ικανότητα ανίχνευσης χιονοστιβάδων. Όμως, πολλές από τις απεικονίσεις τους καλύπτονται από σύννεφα και σκιές, παρόλη την καλή χωρική τους ανάλυση. Κάποιοι από τους δορυφόρους δεν σαρώνουν την περιοχή μελέτης. Οι εικόνες του Super View-1 είναι διαθέσιμες, αλλά για την κάθε περιοχή μελέτης είναι διαθέσιμη μόνο μία σκηνή. Οπότε, η ανεύρεση κατάλληλων δορυφορικών απεικονίσεων για τον εντοπισμό χιονοστιβάδων κρίνεται αρκετά δύσκολη.

Οι εικόνες από τη C ζώνη SAR του δορυφόρου Sentinel-1 έχουν υψηλή χωρική και χρονική ανάλυση, συλλέγονται σε παγκόσμια κλίμακα και δεν επηρεάζονται από τα σύννεφα, τις σκιές και την έλλειψη φωτός τη νύχτα. Αυτά τους τα πλεονεκτήματα τις καθιστούν πολύ χρήσιμες στον εντοπισμό χιονοστιβάδων.

Η σημαντική διαφορά στην οπισθοσκέδαση των χιονοστιβάδων σε σχέση με του αδιατάρακτου χιονιού, που έχει παρατηρηθεί σε διάφορες δημοσιεύσεις, αποτελεί κριτήριο εντοπισμού και αναγνώρισης, αλλά κρίνεται ανεπαρκής. Για το λόγο αυτό έχει αναγνωριστεί η καθιέρωση πολυμεταβλητών, όπως η απόκριση σκέδασης και παρεμβολής, οι οποίες μπορούν να αναλυθούν από τις εικόνες SLC του Sentinel-1. Στη σχετική εικόνα, οι χιονοστιβάδες φαίνεται να προκαλούν αλλαγές στο μηχανισμό σκέδασης στην περιοχή της χαμηλής και της υψηλής εντροπίας. Παρατηρείται μείωση της γωνίας σκέδασης όσο αυξάνεται η τυχαιότητα. Ως εκ τούτου, πρέπει να λαμβάνεται υπόψιν η πολλαπλή σκέδαση στο κοντινό πεδίο της χιονοστιβάδας.

Ο καθορισμός των δεικτών ΔΗ και Δα φαίνεται να αφαιρεί την υποκειμενική επιφάνεια σκέδασης που υπάρχει πριν και μετά την εκδήλωση της χιονοστιβάδας. Οι χιονοστιβάδες παρουσιάζουν συγκεκριμένα χαρακτηριστικά παρεμβολής. Συγκεκριμένα, το βάθος του χιονιού είναι πολύ διαφορετικό στην περιοχή εκκίνησης, ολίσθησης και απόθεσης της χιονοστιβάδας και αυτό οδηγεί σε μείωση της συνοχής του χιονιού σε αυτήν.

Έτσι, κρίνεται ότι τα χαρακτηριστικά των χιονοστιβάδων μπορούν να ερμηνευθούν με μεγαλύτερη πληρότητα και ακρίβεια μετά από ενδελεχή αξιολόγηση των πληροφοριών που προκύπτουν από τις εικόνες SLC του δορυφόρου Sentinel-1. Επιπρόσθετα, η εξαιρετική ποιότητα των εικόνων του, παρέχει τη δυνατότητα εντοπισμού και σωστού καθορισμού ακόμα και χιονοστιβάδων πολύ μικρών διαστάσεων.

2. Αποτελεσματικότητα Μεθόδου Αυτόματης Ανίχνευσης

Ο συνδυασμός της ανίχνευσης χιονοστιβάδων με βάση εικόνες ενεργών μικροκυμάτων και της εφαρμογής της μεθόδου μηχανικής μάθησης SVM για αυτόματο εντοπισμό που εφαρμόστηκαν στην παρούσα μελέτη, αποφεύγει την παρέμβαση του ανθρώπινου παράγοντα, καθιστώντας την πιο αντικειμενική, ταχύτερη και αποτελεσματική. Η ικανότητα εντοπισμού μικρών χιονοστιβάδων, χιονοστιβάδων σε σύνθετο τερέν και με δυσμενείς ατμοσφαιρικές συνθήκες την καθιστά ανώτερη από άλλες μεθόδους. Τέλος, στην παρούσα μελέτη γίνεται επικαιροποίηση των γεωμετρικών χαρακτηριστικών των χιονοστιβάδων για βελτιστοποίηση της οπτικής ερμηνείας.

3. Πηγές Σφαλμάτων

Κατά την εφαρμογή της μεθόδου μηχανικής μάθησης SVM, παρόλο που ο αριθμός των μικτών εικονοστοιχείων σε κάθε δείγμα ελέγχεται όσο το δυνατόν πιο τεχνητά, αναπόφευκτα δημιουργείται το φαινόμενο διαφορετικά αντικείμενα να αντανακλούν στο ίδιο φάσμα. Το φαινόμενο αυτό μπορεί να προκληθεί από φυσικές αλλαγές του εποχιακού χιονιού, δυναμικές αλλαγές στα στρώματα του χιονιού και από την αλληλεπίδρασή του με το έδαφος και τον αέρα. Για την ελαχιστοποίηση των σφαλμάτων εισάγονται περισσότεροι δείκτες που καθιστούν διαφορετικό το ένα αντικείμενο από το άλλο.

4. Περιορισμοί και Βελτιώσεις

Η έρευνα για την αυτόματα ανίχνευση χιονοστιβάδων βρίσκεται στο στάδιο της ανάπτυξης και της διερεύνησης. Τα δεδομένα του Sentinel-1 είναι διαθέσιμα παγκοσμίως, οπότε η συγκεκριμένη μέθοδος μπορεί να εφαρμοστεί για οποιαδήποτε ορεινή περιοχή πλήττεται από χιονοστιβάδες.

Η ακρίβεια της μεθόδου μπορεί να περιοριστεί από την ανάλυση της εικόνας του Sentinel-1, τη διεισδυτική ισχύ της ζώνης C, τις σκιές της εικόνας και το φαινόμενο της επικάλυψης και σμίκρυνσης στις απότομες πλαγιές. Οι πολύ μικρές χιονοστιβάδες θα εξακολουθήσουν να μην ανιχνεύονται.

Κάτι που αξίζει να διερευνηθεί περαιτέρω είναι οι ζώνες X και L πέρα από τη C, διότι είναι οι πιο κατάλληλές για την εξαγωγή πληροφοριών, λαμβάνοντας υπόψιν την επίδραση του ατμοσφαιρικού παραθύρου μετάδοσης, της συχνότητας και της πόλωσης. Ακόμα, η χρήση συγχωνευμένων εικόνων τηλεπισκόπησης πολλαπλών πηγών μπορεί να βελτιώσει σημαντικά την ακρίβεια της αυτόματης ανίχνευσης, παρέχοντας πληροφορίες για χαρακτηριστικά όπως η μορφολογία, η υφή ή το albedo μιας χιονοστιβάδας. Η προσθήκη δεικτών, όπως το βάθος του χιονιού και η κατεύθυνση ροής της χιονοστιβάδας προτείνονται για να γίνει το μοντέλο πιο πλήρες.

Τέλος, η δημιουργία χρονοσειρών και η μελέτη των επιπτώσεων των χιονοστιβάδων στο ανάγλυφο και στα μοτίβα που δημιουργούνται από αυτές, είναι απαραίτητα στην επέκταση του ερευνητικού περιεχομένου κατά την παρακολούθηση των χιονοστιβάδων, υπό το πρίσμα της κλιματικής μεταβολής.

'''Συμπεράσματα'''

Η παρούσα μελέτη πρότεινε μια ισχυρή, καθολική μέθοδο για την αυτόματη ανίχνευση περιφερειακών χιονοστιβάδων χρησιμοποιώντας δεδομένα σκέδασης και παρεμβολής από εικόνες ενεργών μικροκυμάτων της C-ζώνης, η οποία μπορεί να παράγει ακριβείς χάρτες χιονοστιβάδων. Η εξαιρετική απόδοση της μεθόδου εκδηλώνεται με την αντικειμενικότητά της, χωρίς να περιορίζεται από ακραίες γεωγραφικές συνθήκες.

Η επίτευξη της ταχείας αυτόματης ανίχνευσης περιφερειακών χιονοστιβάδων έχει βαθιά κοινωνική σημασία, η οποία μπορεί να βοηθήσει στην αντιμετώπιση των απειλών των φυσικών καταστροφών από χιονοστιβάδες και στην ενημέρωση του κοινού σχετικά με τον κίνδυνο.

[[category:Χιονοστιβάδες]]

Εντοπισμός γεωθερμικού δυναμικού με δεδομένα θερμικής υπέρυθρης ακτινοβολίας και μετρήσεων ραδονίου.

2023-02-23T18:51:48Z

CHISIRIDIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος : '''Thermal infrared remote sensing and soil gas radon for detecting blind geothermal area '''Συγγραφείς : '''Junliang Sun...'

'''Πρωτότυπος τίτλος : '''Thermal infrared remote sensing and soil gas radon for detecting blind geothermal area

'''Συγγραφείς : '''Junliang Sun, Kai Liu, Qingcheng He, Tingxi Yu, Yuefei Deng

'''Δημοσιεύθηκε : '''Geothermics, November 2022

'''Σύνδεσμος πρωτότυπου κειμένου : '''[[https://doi.org/10.1016/j.geothermics.2022.102534]]

'''Λέξεις-κλειδιά : '''γεωθερμικό δυναμικό, θερμικό υπέρυθρο, Landsat 8, LST, ραδόνιο

[[Αρχείο:3 1 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 1.''' Γεωλογικός και Τοπογραφικός χάρτης της περιοχής μελέτης.]]

'''Εισαγωγή'''

Στην παρούσα μελέτη ερευνάτε το γεωθερμικό πεδίο περιοχής στην Κίνα με τη χρήση τηλεσκοπικών δεδομένων Landsat 8, μέσω της ανίχνευσης θερμοκρασιακών ανωμαλιών στην επιφάνεια του εδάφους δύσκολης προσβασιμότητας. Επίσης, εξετάζεται η συσχέτιση των ρηγμάτων με τις θερμοκρασιακές ανωμαλίες, καθώς και ο ρόλος του ραδονίου ως δείκτη ανεύρεσης γεωθερμικού πεδίου.

'''Περιοχή έρευνας'''

Η περιοχή είναι πλούσια σε γεωθερμικό δυναμικό και διαθέτει μακρά ιστορία εκμετάλλευσης. Τεκτονικά, αποτελεί ένα κατακερματισμένο αντίκλινο που διατρέχεται από τρία κύρια περιφερειακά ρήγματα, ΝΔ-ΒΑ κατεύθυνσης. Πάνω στη ζώνη των ρηγμάτων έχουν ανακαλυφθεί τουλάχιστον δύο συστήματα θερμών πηγών. Συνεπώς, η έρευνα για τον εντοπισμό γεωθερμικών πόρων επικεντρώνεται επάνω στις ζώνες των ρηγμάτων.

'''Εικόνα 1.''' 1 : Άργιλος και άμμος (Τεταρτογενές), 2 : Γρανίτης (Κρητιδικό), 3 : Γρανίτης (Ιουρασικό), 4 : Γρανίτης (Σιλλούριο), 5 : Χαλαζιακός ψαμμίτης, σχιστόλιθος και φυλλίτης (Κάμβριο), 6 : Πυριτική ζώνη θραύσης, 7 : Ρήγμα, 8 : Θέση μέτρησης ραδονίου στο έδαφος, 9 : Θερμή πηγή.

[[Αρχείο:3 2 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 2.''' Δειγματοληπτικές θέσεις μέτρησης ραδονίου (A-O) κατά μήκος και μεταξύ των τριών ρηγμάτων (F1, F2, F3).]]

'''Υλικά και μέθοδοι'''

Ανίχνευση της θερμοκρασίας της γήινης επιφάνειας

Η μέθοδος με τη μεγαλύτερη ακρίβεια για την ανίχνευση της θερμοκρασίας της γήινης επιφάνειας (Land Surface Temperature, LST) που εφαρμόζεται στην παρούσα έρευνα, είναι η αυτή που βασίζεται στην εξίσωση μεταφοράς ακτινοβολίας με χρήση του καναλιού 10. Ο αλγόριθμος εξαλείφει την επίδραση της ατμόσφαιρας στην θερμική ακτινοβολία βασιζόμενος στην εξίσωση μεταφοράς της θερμικής υπέρυθρης ακτινοβολίας (Thermal Infrared Radiation, TIR), έτσι ώστε η μέτρηση της θερμοκρασίας της γήινης επιφάνειας να είναι ακριβέστερη. Απαραίτητα στη συγκεκριμένη μέθοδο είναι ο συντελεστής εκπομπής (ε) της γήινης επιφάνειας και ο συντελεστής ατμοσφαιρικής διαπερατότητας (τ). Το τ λαμβάνεται από την ιστοσελίδα της γεωλογικής υπηρεσίας Ηνωμένων Πολιτειών (USGS) ανάλογα με το χρόνο λήψης της εικόνας και το κεντρικό γεωγραφικό πλάτος και μήκος της, ενώ το ε υπολογίζεται από ένα σύνολο τιμών NDVI.
Η επίδραση της τοπογραφίας στην θερμοκρασία της γήινης επιφάνειας ελέγχεται από το υψόμετρο, τον προσανατολισμό και την κλήση. Η διόρθωση προκύπτει μετά από γραμμική παλινδρόμηση στην οποία συμπεριλαμβάνονται το υψόμετρο (Altitude) και η μεταβλητή Hillshade που εμπεριέχει τον προσανατολισμό και την κλήση.

Μετρήσεις εδαφικού αερίου ραδονίου

Οι μετρήσεις του ραδονίου γίνανε σε 15 προφίλ κατά μήκος και μεταξύ των τριών ρηγμάτων (F1, F2, F3) (Εικόνα 2). Σε περιοχές όπου αναβλύζουν γεωθερμικά ρευστά η πτητικότητα του ραδονίου είναι μεγαλύτερη και έτσι αναδύεται περισσότερο στην επιφάνεια. Για το λόγο αυτό, στις ζώνες υψηλής ανίχνευσης ραδονίου αναμένεται να υπάρχει περισσότερη θερμική ενέργεια και άρα πιθανό γεωθερμικό πεδίο.

[[Αρχείο:3 3 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 3.''' Η διακύμανση της θερμοκρασίας της γήινης επιφάνειας στην ευρύτερη περιοχή μελέτης.]]
[[Αρχείο:3 4 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 4.''' Η συγκέντρωση τους ραδονίου K(Q) κατά μήκος των διαφορετικών προφίλ μέτρησης.]]
'''Αποτελέσματα'''

Θερμοκρασία γήινης επιφάνειας (LST)

Από τις επιμέρους περιοχές που μελετήθηκαν , οι δύο (Wenjia, Hongjiang) έχουν γνωστό γεωθερμικό δυναμικό που αναπτύσσεται επάνω στη ζώνη ρηγμάτων μεγάλου μήκους και βάθους (Εικόνα 3). Σε δύο άλλες (Tangjiashan, Sanjiang) παρατηρείται σχετικά αυξημένη LST σε σχέση με τις γύρω περιοχές. Επίσης, αυτές βρίσκονται επάνω στη ζώνη μεγάλων ρηγμάτων και ανάμεσα στις περιοχές με το ήδη γνωστό γεωθερμικό δυναμικό. Οπότε οι περιοχές αυτές χαρακτηρίζονται ως υποψήφιες για γεωθερμική διερεύνηση.

Συγκέντρωση ραδονίου KQ κατά μήκος των ρηγμάτων

Η συγκέντρωση του ραδονίου, K(Q), στα προφίλ κατά μήκος των ζωνών ρηγμάτων παρουσιάζει μεγάλη μεταβλητότητα (Εικόνα 4). Στις επιμέρους περιοχές μελέτης κατατάσσεται ως εξής : Tangjiashan > Sanjiang > Hongjiang > Wenjia.

'''Συζήτηση'''

Σύμφωνα με την κοινή ερμηνεία των δεδομένων που προέκυψαν από την τηλεπισκόπηση θερμικής υπέρυθρης ακτινοβολίας και τις δειγματοληψίες ραδονίου, η περιοχή Tangjiashan παρουσιάζει το μεγαλύτερο ενδιαφέρον για τη διερεύνηση του γεωθερμικού της δυναμικού.

'''Συμπεράσματα'''

Από τα δεδομένα τηλεπισκόπησης θερμικής υπέρυθρης ακτινοβολίας με τις απαραίτητες διορθώσεις λόγω τοπογραφίας προέκυψε ο χάρτης θερμοκρασίας γήινης επιφάνειας της περιοχής μελέτης. Σε συνδυασμό με ήδη γνωστά γεωλογικά και γεωθερμικά χαρακτηριστικά της περιοχής, καταδείχθηκαν επιμέρους περιοχές εν δύναμη γεωθερμικού δυναμικού. Από τις δειγματοληπτικές μετρήσεις συγκέντρωσης ραδονίου στο έδαφος προέκυψε συσχέτιση με την θερμοκρασία της γήινης επιφάνειας, γεγονός που κατέστησε την περιοχή Tangjiashan ως πρωταρχικό στόχο για ερευνητική γεώτρηση. Η ακρίβεια της μεθόδου που ακολουθήθηκε επιβεβαιώνεται μετά την επιτυχή γεώτρηση στο σημείο που καταδείχθηκε, από την οποία προέκυψε γεωθερμικό ρευστό 45◦C.
Συμπεραίνεται ότι η παραπάνω μέθοδος μπορεί να καθοδηγήσει έρευνες γεωθερμικού δυναμικού και σε άλλες περιοχές δύσκολης προσβασιμότητας.

[[category:Γεωλογία – Εδαφολογία]]

Τηλεανίχνευση καρστικών βυθισμάτων για τη μελέτη της οικολογίας άγριων αιλουροειδών.

2023-02-23T18:25:22Z

CHISIRIDIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος : '''Dolines and Cats: Remote Detection of Karst Depressions and their application to Study Wild Felid Ecology. '''Συγγραφεί...'

'''Πρωτότυπος τίτλος : '''Dolines and Cats: Remote Detection of Karst Depressions and their application to Study Wild Felid Ecology.

'''Συγγραφείς : '''Spela Conc, Teresa Oliveira, Ruben Portas, Rok Cerne, Mateja Breg Valjavec, Miha Krofel

'''Δημοσιεύθηκε : '''Remote Sensing, 29 January 2022

'''Σύνδεσμος πρωτότυπου κειμένου : '''[[https://doi.org/10.3390/rs14030656]]

'''Λέξεις-κλειδιά : '''LiDAR, καρστικά βυθίσματα, γεωμορφολογία, οικολογία άγριων αιλουροειδών

[[Αρχείο:2 1 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 1.''' Διάγραμμα ροής ανίχνευσης καρστικών βυθισμάτων.]]
[[Αρχείο:2 2 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 2.''' Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.]]
[[Αρχείο:2 3 CHISIRIDIS.png|200px|thumb|right|'''Εικόνα 2.1.''' Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.]]
[[Αρχείο:2 4 CHISIRIDIS.png|200px|thumb|right|'''Πίνακας 1.''' Εκτιμώμενες ελάχιστες και μέγιστες τιμές για κάθε μορφομετρικό χαρακτηριστικό και οι ενδιάμεσες τιμές τους.]]

'''Εισαγωγή'''

Το LiDAR (Light Detection and Ranging) είναι μια μέθοδος τηλεπισκόπησης που χρησιμοποιεί ηλεκτρομαγνητική ενέργεια για να ανιχνεύσει ένα αντικείμενο και να καθορίσει την απόστασή του από το όργανο, καθώς και να αποδώσει τις φυσικές του ιδιότητες με βάση την ακτινοβολία. Εκτός των άλλων του χρήσεων, μπορεί να εφαρμοστεί στην οικολογική έρευνα, καθώς παρέχει πληροφορίες για την τρισδιάστατη φυσική δομή των οικοσυστημάτων, δηλαδή τα χαρακτηριστικά του αναγλύφου ακόμα και κάτω από τη βλάστηση. Η σημασία των πληροφοριών που παράγονται αυξάνεται σε περιπτώσεις μεγάλων, απομακρυσμένων ή δύσκολα προσβάσιμων περιοχών.

Η καρστική τοπογραφία αποτελεί ένα από τα πιο τραχιά ανάγλυφα της επιφάνειας του πλανήτη και συχνά παρουσιάζει υψηλή πυκνότητα διαφορετικών γεωμορφολογικών χαρακτηριστικών. Ένα από τα κυριότερα είναι τα καρστικά βυθίσματα, με πιο χαρακτηριστικό και σύνηθες τις δολίνες. Οι δολίνες αποτελούν κυκλικές ή ελλειπτικές κοιλότητες, διαμέτρου και βάθους που ποικίλει από μερικά μέτρα έως μερικές εκατοντάδες. Αποτελούν πεδίο έρευνας διάφορων επιστημών και για το λόγω αυτό έχουν προταθεί διάφορες μέθοδοι για την απομακρυσμένη ανίχνευσή τους, οι οποίες χωρίζονται σε 3 διαφορετικές προσεγγίσεις : την οριοθέτηση με βάση την κλειστή γραμμή περιγράμματος, με βάση τη λεκάνη απορροής και με βάση το ψηφιακό μοντέλο εδάφους.

Κύριος στόχος της παρούσας έρευνας υπήρξε η εξ αποστάσεως ανίχνευση καρστικών βυθισμάτων με χρήση δεδομένων LiDAR και η πιθανή οικολογική σημασία της μεθόδου για δύο αυτόχθονα σαρκοφάγα, τον ευρασιατικό λύγκα (Lynx lynx) και την ευρωπαϊκή αγριόγατα (Felis Silvestris) στα Διναρικά βουνά της Σλοβενίας. Χρησιμοποιήθηκαν τηλεμετρικά δεδομένα GPS και για τα δύο αιλουροειδή για να διαπιστωθεί εάν αυτά επιλέγουν τα καρστικά βυθίσματα για τη διαβίωσή τους και στην περίπτωση του λύγκα και για τη θήρευση.

'''Υλικά και Μεθοδολογία'''

Ανίχνευση καρστικών βυθισμάτων

Για την ανίχνευση των καρστικών βυθισμάτων επιλέχθηκε η μέθοδος LiDAR με βάση το ψηφιακό μοντέλο εδάφους. Χρησιμοποιήθηκαν δεδομένα σημείων εδάφους από εναέρια σάρωση λέιζερ για να δημιουργηθεί ένα raster DEM με ανάλυση 1x1. Για την ανίχνευση και μέτρηση των μορφομετρικών χαρακτηριστικών των βυθισμάτων χρησιμοποιήθηκε το λογισμικό ESRI ArcGIS Pro 2.8.2. Αυτά που δεν είχαν καρστική προέλευση ή δεν ήταν μεγαλύτερα από 2m βάθος και 10m διάμετρο, απορρίφθηκαν. Στο διάγραμμα ροής (Εικόνα 1) περιγράφονται τα στάδια της παραπάνω μεθόδου.

Σχέση των καρστικών βυθισμάτων σε σχέση με τα ενδιαιτήματα των 2 αιλουροειδών

Χρησιμοποιήθηκαν τηλεμετρικά δεδομένα GPS από 2 λύγκες και 2 αγριόγατες που κατοικούν στην περιοχή μελέτης για να αξιολογηθεί η επίδραση των καρστικών βυθισμάτων στη χρήση του χώρου τους. Τα πρωτόκολλα για τη σύλληψη, την εφαρμογή του κολλάρου και την παρακολούθηση των αιλουροειδών ήταν τα τυπικά. Εξετάστηκε η σχέση των μορφομετρικών χαρακτηριστικών των βυθισμάτων με την επιλογή τους από τα αιλουροειδή. Επίσης εξετάστηκε η σχέση των δολινών και των άλλων καρστικών βυθισμάτων με το χώρο θήρευσης του λύγκα.

'''Αποτελέσματα'''

Εύρεση των καρστικών βυθισμάτων (Εικόνα 2, 2.1) και των μορφομετρικών τους χαρακτηριστικών (Πίνακας 1)

Μέσα από 37 πολύγωνο που επιλέχθηκαν τυχαία για να συγκριθεί το μοντέλο αυτόματης αναγνώρισης με τα οπτικά αναγνωρισμένα καρστικά βυθίσματα, σημειώθηκαν χειροκίνητα 2186 καρστικά βυθίσματα με βάση το σκιασμένο ανάγλυφο, ενώ η αυτόματη μέθοδος εντόπισε 1988. Συνολικά 1826 (83,5%) χειροκίνητα σημειωμένα καρστικά βυθίσματα ταίριαζαν με αυτά που ανιχνεύθηκαν αυτόματα. Το μοντέλο εντόπισε 162 (8,2%) καρστικά βυθίσματα που δεν είχαν εντοπιστεί χειροκίνητα (ψευδώς θετικές), ενώ 360 (16,5%) από τα καρστικά βυθίμστα που σημειώθηκαν χειροκίνητα δεν είχαν εντοπιστεί αυτόματα (ψευδώς αρνητικές).

'''Συζήτηση'''

Τηλεανίχνευση μεγάλης κλίμακας γεωμορφολογικών χαρακτηριστικών αναγλύφου

Από την παρούσα έρευνα προέκυψε ότι η εφαρμογή του LiDAR για την υψηλή ανάλυση αναγλύφου σε μεγάλη κλίμακα έδωσε πολλά και ικανοποιητικά δεδομένα για τα γεωμορφολογικά χαρακτηριστικά της περιοχής μελέτης και τα μορφομετρικά τους χαρακτηριστικά, τα οποία δεν θα μπορούσαν ή θα ήταν πάρα πολύ ενεργοβόρο να έχουν εξαχθεί με συμβατικές μεθόδους χρήσης τοπογραφικών χαρτών πολύ περιορισμένης ανάλυσης.

Επιλογή καρστικών βυθισμάτων από άγρια αιλουροειδή

Η παρούσα μελέτη κατέδειξε τις δυνατότητες του συνδυασμού τηλεμετρικών δεδομένων GPS με τοπογραφικά δεδομένα LiDAR στην μελέτη 2 άγριων αιλουροειδών. Δύο αδύναμα σημεία της μελέτης είναι ότι τα τηλεμετρικά δεδομένα GPS προέρχονται από 4 μόνο άτομα και ότι η περιοχή μελέτης έχει πολύ μεγάλη πυκνότητα καρστικών βυθισμάτων και έτσι δεν καταδεικνύεται έντονα η επιλογή τους από τα αιλουροειδή. Επίσης, η μελέτη επιβεβαίωση την επιλογή των καρστικών βυθισμάτων για κυνήγι από τον λύγκα, αλλά θα χρειαζόντουσαν παραπάνω δείγματα πεδίου για να κατανοηθεί ο ρόλος τους καλύτερα.

'''Συμπεράσματα'''

Τελικά, συμπεραίνεται ότι η τηλεανίχνευση των καρστικών βυθισμάτων του τοπογραφικού αναγλύφου μεγάλης κλίμακας, η γενική χωρική τους ανάλυση και ο υπολογισμός των μορφομετρικών και μορφολογικών τους χαρακτηριστικών επιτυγχάνεται πολύ πιο οικονομικά, γρήγορα και με πολύ πιο υψηλή ανάλυση χρησιμοποιώντας δεδομένα LiDAR σε σχέση με συμβατικές μεθόδους. Επίσης, προκύπτει ότι η μέθοδος έχει εφαρμογές σε επιστήμες πέραν της γεωμορφολογίας, όπως γεωλογία, ζωολογία, βοτανική, τουρισμό, χωροταξικό σχεδιασμό, περιβαλλοντική προστασία, διατήρηση της γεωποικιλότητας, δημιουργία νέων γεωπάρκων κ.α.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Αναγνώριση της τρωτότητας του υπόγειου νερού στο τοπογραφικό καρστ.

2023-02-23T17:39:52Z

CHISIRIDIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος : ''' Application of remote sensing and GIS to identify the vulnerability of ground-water pollution in topographic karst. '''Συγγ...'

'''Πρωτότυπος τίτλος : ''' Application of remote sensing and GIS to identify the vulnerability of ground-water pollution in topographic karst.

'''Συγγραφείς : ''' K Prasetyo and Yulinar, Department Of Geography Education, Universitas Negeri Surabaya, Indonesia

'''Δημοσιεύθηκε : ''' IOP Conference Series: Earth and Environmental Science, 2022

'''Σύνδεσμος πρωτότυπου κειμένου : ''' [https://iopscience.iop.org/article/10.1088/1755-1315/1089/1/012026/pdf]

'''Λέξεις-κλειδιά : ''' τρωτότητα, ρύπανση, υπόγειο νερό, καρστικός υδροφορέας

'''Εισαγωγή'''

Στο παρόν άρθρο τονίζεται η σημασία του νερού ως φυσικός πόρος και του καρστ λόγω της δυναμικής του να αποθηκεύει μεγάλες ποσότητες νερού. Η καρστική τοπογραφία προκύπτει λόγω της υψηλής διαλυτότητας των πετρωμάτων και του καλά ανεπτυγμένου δευτερογενούς πορώδους και χαρακτηρίζεται από υπόγεια ρέματα, σπήλαια, πηγές, αυλακώσεις και εξάρσεις πετρωμάτων.
Οι καρστικές περιοχές έχουν σημαντικό υδατικό δυναμικό καθώς τα περισσότερα επιφανειακά νερά διέρχονται βαθύτερα μέσω σχισμών και λάκκων και σχηματίζουν υπόγεια ποτάμια. Το γεγονός αυτό τις καθιστά ευάλωτες στην ρύπανση. Η αύξηση του ανθρώπινου πληθυσμού και της δραστηριότητάς του έχει σαν επακόλουθο την αύξηση της ποσότητας και των τύπων ρύπανσης στα καρστικά υπόγεια συστήματα.
Σκοπός της παρούσας μελέτης υπήρξε ο προσδιορισμός του βαθμού της τρωτότητας στη ρύπανση του καρστικού υδροφορέα Rengel στην ανατολική επαρχία Tuban της Ιάβας στην Ινδονησία, με την αξιοποίηση δεδομένων τηλεπισκόπησης και των δυνατοτήτων των γεωγραφικών συστημάτων πληροφοριών.
Ως τρωτότητα ή ρυπαντική επιδεκτικότητα ή ευαλωσιμότητα ορίζεται η ευαισθησία ή η επιδεκτικότητα στους ρύπους των υπόγειων νερών ή των υδροφορέων. (Μargat 1968)

'''Μέθοδος'''

Η παρούσα έρευνα είναι ποσοτικού τύπου. Ακολουθήθηκε μια τυχαία μέθοδος δειγματοληψίας που βασίζεται στο φασματικό δείκτη που προέκυψε από τον πληθυσμό των δεδομένων των δορυφορικών εικόνων Landsat 8 OLI και GDEM ASTER, με τη μορφή pixel. Τα πρωτογενή δεδομένα προέκυψαν από άμεσες παρατηρήσεις-δειγματοληψίες πεδίου στην περιοχή, ενώ τα δευτερογενή ελήφθησαν από τις δορυφορικές εικόνες της Γεωλογικής Υπηρεσίας Ηνωμένων Πολιτειών (USGS). Εφαρμόστηκαν δοκιμές λογιστικής παλινδρόμησης και φωτοερμηνεία. Τα αποτελέσματα του μοντέλου λογιστικής παλινδρόμησης συγκρίνονται με τις συνθήκες που προέκυψαν από τις μετρήσεις πεδίου.

'''Αποτελέσματα – Συζήτηση'''

Συνθήκες στην καρστική περιοχή Rengel

Η χρήση εικόνων τηλεπισκόπησης υψηλής ανάλυσης μας παρέχει ακριβείς πληροφορίες για τη θέση, την κατανομή, τα όρια, το μέγεθος και τον τύπο της κάθε χρήσης γης στην περιοχή μελέτης, έτσι ώστε να μπορεί εύκολα να χαρτογραφηθεί η κατανομή των πηγών ρύπων των υπόγειων υδάτων.
Η περιοχή μελέτης χαρακτηρίζεται από καρστική τοπογραφία με το υψόμετρο να κυμαίνεται από 0-500 m. Το πάχος του εδάφους δεν ξεπερνάει τα 4 cm. Η ποιότητα του εδάφους καθορίζει και την ποιότητα του υπόγειου νερού. Η χρήση γης έχει τη μορφή ξηρών εκτάσεων, δασών, οικισμών και ανοιχτών εδαφών. Στις τοπογραφικά υψηλές περιοχές επικρατούν οι θάμνοι και τα δάση, ενώ χαμηλότερα στις κοιλάδες επικρατούν οι γεωργικές εκτάσεις και οι οικισμοί.

[[Αρχείο:1 1 CHISIRIDIS.png|thumb|right|'''Εικόνα 1.''' Χάρτης τρωτότητας καρστικού υδροφορέα Rengel.]]

Μοντέλο αξιολόγησης τρωτότητας – Προσδιορισμός κατηγοριών ευπάθειας

Το μοντέλο λογιστικής παλινδρόμησης χρησιμοποιείται ως βάση για τον προσδιορισμό των κατηγοριών ευπάθειας, οι οποίες υπολογίζονται από την ενότητα Grid-Calculator στο SAGA GIS. Τα κύρια δεδομένα που χρησιμοποιούνται για την αξιολόγηση της τρωτότητας του καρστ είναι φασματικά δεδομένα της ζώνης 2, της ζώνης 5, του δείκτη βράχου και του δείκτη τραχύτητας επιφάνειας. Η διαδικασία υπολογισμού γίνεται με τη χρήση του Raster-Calculator στο λογισμικό QGIS και ArcGIS.
Στη συνέχεια, υπολογίζονται τρεις διαφορετικές τιμές (y1,y2,y3) καθεμία από τις οποίες εκφράζει και μια κατηγορία ευπάθειας. Κάθε pixel χρωματίζεται ανάλογα σε ποια τιμή είναι κοντινότερη η τιμή του.
Ο σχετκός χάρτης (Εικόνα 1) δείχνει την κατανομή του βαθμού τρωτότητας της καρστικής περιοχής Rengel. Οι περιοχές με υψηλή ευπάθεια στη ρύπανση συμβολίζονται με κόκκινο, με μεσαία ευπάθεια με κίτρινο και με χαμηλή ευπάθεια με πράσινο.

Επικύρωση του μοντέλου αξιολόγησης τρωτότητας

Όσο υψηλότερη η τιμή ακρίβειας που παράγεται από το μοντέλο αξιολόγησης, τόσο μικραίνει η πιθανότητα υπολογισμού σφάλματος από αυτό. Η συνολική τιμή ακρίβειας υπολογίζεται από τη σύγκριση του αριθμού των pixel που μπορούν να προβλεφθούν ακριβώς, σε σύγκριση με τα pixel που είχαν προβλεφθεί λανθασμένα. Η ακρίβεια του μοντέλου λογιστικής παλινδρόμησης που παρήχθη σε αυτή την εργασία είναι 70% και σύμφωνα με τον Skidmore η εξίσωση λογιστικής παλινδρόμησης που προέκυψε μπορεί να χρησιμοποιηθεί σαν μαθηματικό μοντέλο.

Υπολογισμός ακρίβειας περιοχών έρευνας

Οι δειγματοληψίες πραγματοποιήθηκαν από 30 σημεία στο πεδίο με αποτέλεσμα η συνολική μέση ακρίβεια ερμηνείας να είναι 94,95%. Αυτός ο μέσος όρος είναι μεγαλύτερος σε σχέση με τα αποτελέσματα ερμηνείας όταν χρησιμοποιήθηκαν δεδομένα Landsat ETM+ (89,3%), ASTER VNIR (91,5%) και ALOS AVNIR (93,6%).

'''Συμπεράσματα'''

Από την παρούσα μελέτη προέκυψε το συμπέρασμα ότι, καθώς οι ανθρώπινες δραστηριότητες παράγουν ρύπους, η ερμηνεία των χρήσεων γης με την ανάλυση των δεδομένων τηλεπισκόπησης είναι πολύ χρήσιμη για τον εντοπισμό της κατανομής των πηγών των ρύπων σε μια περιοχή. Επιπλέον, με τη χρήση των εφαρμογών των γεωγραφικών συστημάτων πληροφοριών εξάγονται πληροφορίες για τις περιοχές που έχουν μεγαλύτερη πιθανότητα να ρυπανθούν, δηλαδή είναι πιο επιδεκτικές στη ρύπανση.
Από τη συγκεκριμένη έρευνα προέκυψε ότι η μέση ερευνητική περιοχή μελέτης ταξινομήθηκε με βάση την τρωτότητά της ως ευάλωτη στη ρύπανση.

[[category:Ποιότητα τοπίου]]

Αρχείο:4 10 CHISIRIDIS.png

2023-02-23T11:43:26Z

CHISIRIDIS: Πίνακας 2. Στατιστικά στοιχεία αξιολόγησης του μοντέλου.

Πίνακας 2. Στατιστικά στοιχεία αξιολόγησης του μοντέλου.

Αρχείο:4 9 CHISIRIDIS.png

2023-02-23T11:42:31Z

CHISIRIDIS: Σχήμα 8. Χαρτογράφηση χιονοστιβάδων (d) Aktep.

Σχήμα 8. Χαρτογράφηση χιονοστιβάδων (d) Aktep.

Αρχείο:4 8 CHISIRIDIS.png

2023-02-23T11:42:04Z

CHISIRIDIS: Σχήμα 7. Χαρτογράφηση χιονοστιβάδων (c) Aktep.

Σχήμα 7. Χαρτογράφηση χιονοστιβάδων (c) Aktep.

Αρχείο:4 7 CHISIRIDIS.png

2023-02-23T11:41:36Z

CHISIRIDIS: Σχήμα 6. Χαρτογράφηση χιονοστιβάδων (b) Kizilkeya.

Σχήμα 6. Χαρτογράφηση χιονοστιβάδων (b) Kizilkeya.

Αρχείο:4 6 CHISIRIDIS.png

2023-02-23T11:40:38Z

CHISIRIDIS: Σχήμα 5. Χαρτογράφηση χιονοστιβάδων (a) Kizilkeya.

Σχήμα 5. Χαρτογράφηση χιονοστιβάδων (a) Kizilkeya.

Αρχείο:4 5 CHISIRIDIS.png

2023-02-23T11:34:08Z

CHISIRIDIS: Σχήμα 4. Χαρακτηριστικά σκέδασης και παρεμβολής των χιονοστιβάδων (c, d) - Μέθοδος γραφικής αναπαράστασης boxplot. US : Αδιατάρακτο χιόνι, SA : Χιονο�

Σχήμα 4. Χαρακτηριστικά σκέδασης και παρεμβολής των χιονοστιβάδων (c, d) - Μέθοδος γραφικής αναπαράστασης boxplot.
US : Αδιατάρακτο χιόνι, SA : Χιονοστιβάδα

Αρχείο:4 4 CHISIRIDIS.png

2023-02-23T11:24:23Z

CHISIRIDIS: Σχήμα 3. Χαρακτηριστικά σκέδασης και παρεμβολής χιονοστιβάδας (α,β). US : Αδιατάρακτο χιόνι, SA : Χιονοστιβάδα

Σχήμα 3. Χαρακτηριστικά σκέδασης και παρεμβολής χιονοστιβάδας (α,β).
US : Αδιατάρακτο χιόνι, SA : Χιονοστιβάδα

Αρχείο:4 3 CHISIRIDIS.png

2023-02-23T11:21:58Z

CHISIRIDIS: Σχήμα 2. Σχηματικό διάγραμμα της συνολικής ροής των εργασιών.

Σχήμα 2. Σχηματικό διάγραμμα της συνολικής ροής των εργασιών.

Αρχείο:4 2 CHISIRIDIS.png

2023-02-23T11:20:04Z

CHISIRIDIS: Πίνακας 1. Στατιστικά στοιχεία των γεωγραφικών χαρακτηριστικών της περιοχής μελέτης.

Πίνακας 1. Στατιστικά στοιχεία των γεωγραφικών χαρακτηριστικών της περιοχής μελέτης.

Αρχείο:4 1 CHISIRIDIS.png

2023-02-23T11:15:22Z

CHISIRIDIS: Σχήμα 1. Σχηματικό διάγραμμα της περιοχής μελέτης. (α) Η χιονοστιβάδα απέκλεισε την εθνική οδό G217 (β) οι χιονοστιβάδες απειλούν την ασφάλεια

Σχήμα 1. Σχηματικό διάγραμμα της περιοχής μελέτης.
(α) Η χιονοστιβάδα απέκλεισε την εθνική οδό G217
(β) οι χιονοστιβάδες απειλούν την ασφάλεια της ανθρώπινης ζωής και τις υποδομές.

Αρχείο:3 4 CHISIRIDIS.png

2023-02-23T11:08:50Z

CHISIRIDIS: Σχήμα 4. Η συγκέντρωση τους ραδονίου K(Q) κατά μήκος των διαφορετικών προφίλ μέτρησης.

Σχήμα 4. Η συγκέντρωση τους ραδονίου K(Q) κατά μήκος των διαφορετικών προφίλ μέτρησης.

Αρχείο:3 3 CHISIRIDIS.png

2023-02-23T11:07:57Z

CHISIRIDIS: Σχήμα 3. Η διακύμανση της θερμοκρασίας της γήινης επιφάνειας στην ευρύτερη περιοχή μελέτης.

Σχήμα 3. Η διακύμανση της θερμοκρασίας της γήινης επιφάνειας στην ευρύτερη περιοχή μελέτης.

Αρχείο:3 2 CHISIRIDIS.png

2023-02-23T11:07:10Z

CHISIRIDIS: Σχήμα 2. Δειγματοληπτικές θέσεις μέτρησης ραδονίου (A-O) κατά μήκος και μεταξύ των τριών ρηγμάτων (F1, F2, F3).

Σχήμα 2. Δειγματοληπτικές θέσεις μέτρησης ραδονίου (A-O) κατά μήκος και μεταξύ των τριών ρηγμάτων (F1, F2, F3).

Αρχείο:3 1 CHISIRIDIS.png

2023-02-23T11:06:19Z

CHISIRIDIS: Σχήμα 1. Γεωλογικός και Τοπογραφικός χάρτης της περιοχής μελέτης. 1:Άργιλος-Άμμος(Τεταρτογενές), 2:Γρανίτης(Κρητιδικό), 3:Γρανίτης(Ιουρασικό),

Σχήμα 1. Γεωλογικός και Τοπογραφικός χάρτης της περιοχής μελέτης.
1:Άργιλος-Άμμος(Τεταρτογενές), 2:Γρανίτης(Κρητιδικό), 3:Γρανίτης(Ιουρασικό), 4:Γρανίτης(Σιλλούριο), 5:Χαλαζιακός Ψαμμίτης-Σχιστόλιθος-Φυλλίτης(Κάμβριο), 6:Πυριτική ζώνη θραύσης, 7:Ρήγμα, 8:Θέση δειγματοληψίας για αέριο ραδονίου στο έδαφος, 9:Θερμή πηγή.

Αρχείο:2 4 CHISIRIDIS.png

2023-02-23T11:02:06Z

CHISIRIDIS: Πίνακας 1. Εκτιμώμενες ελάχιστες και μέγιστες τιμές για κάθε μορφομετρικό χαρακτηριστικό και οι ενδιάμεσες τιμές τους.

Πίνακας 1. Εκτιμώμενες ελάχιστες και μέγιστες τιμές για κάθε μορφομετρικό

χαρακτηριστικό και οι ενδιάμεσες τιμές τους.

Αρχείο:2 3 CHISIRIDIS.png

2023-02-23T11:01:25Z

CHISIRIDIS: Σχήμα 3. Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.

Σχήμα 3. Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.

Αρχείο:2 2 CHISIRIDIS.png

2023-02-23T11:00:38Z

CHISIRIDIS: Σχήμα 2. Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.

Σχήμα 2. Η γεωλογία της περιοχής μελέτης και τα καρστικά βυθίσματα που ανιχνεύθηκαν.

Αρχείο:2 1 CHISIRIDIS.png

2023-02-23T10:58:20Z

CHISIRIDIS: Σχήμα 1. Διάγραμμα ροής ανίχνευσης καρστικών βυθισμάτων.

Σχήμα 1. Διάγραμμα ροής ανίχνευσης καρστικών βυθισμάτων.

Αρχείο:1 1 CHISIRIDIS.png

2023-02-21T19:46:16Z

CHISIRIDIS: Σχήμα 1: Χάρτης τρωτότητας στη ρύπανσης καρστικού υδροφορέα Rengel.

Σχήμα 1: Χάρτης τρωτότητας στη ρύπανσης καρστικού υδροφορέα Rengel.

Αρχείο:RS paper1 1 Chisiridis.png

2023-02-02T16:20:15Z

CHISIRIDIS: Map of Rengel Karst groundwater pollution vulnerability level.

Map of Rengel Karst groundwater pollution vulnerability level.

Αρχείο:732 RGB.png

2023-01-31T11:53:09Z

CHISIRIDIS: ςΕΗΓ;

ςΕΗΓ;