RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Οπτική τηλεπισκόπηση της λίμνης Victoria

2022-02-28T19:40:41Z

Ch barbalias:

=='''Οπτική τηλεπισκόπηση της λίμνης Victoria'''==

'''Πρωτότυπος τίτλος:''' Optical remote sensing of Lake Victoria

'''Συγγραφείς:''' Runya Robert , Kevin Ruddick and Quinten Vanhellemont

'''Δημοσιεύθηκε:''' researchgate.net

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi:10.13140/RG.2.1.4149.4807/1 ]

'''Θέμα και πεδίο μελέτης'''

Η λίμνη Victoria είναι η δεύτερη μεγαλύτερη λίμνη γλυκού νερού στον κόσμο. Η λίμνη έχει μεγάλη οικονομική και οικολογική σημασία, αφού υποστηρίζει τις αλιευτικές δραστηριότητες των τοπικών πληθυσμών και αποτελεί hotspot βιοποικιλότητας. Παρά τις κοινές ενέργειες των χωρών που συνορεύουν με τη λίμνη εξακολουθεί να βρίσκεται υπό σοβαρή ανθρώπινη πίεση. Αυτή η μελέτη στοχεύει να καταδείξει την καταλληλότητα χρήσης δορυφορικών δεδομένων τηλεπισκόπισης από τους διαχειριστές φυσικών πόρων, ώστε να λάβουν τις βέλτιστες αποφάσεις για να διασφαλίσουν τη βιωσιμότητα της αλιείας, της βιοποικιλότητας και των πόρων του οικοσυστήματος.[[Αρχείο:Rs_wiki_barbalias_10.1.png|200px|thumb|left|Εικόνα 1: Μια σύνθετη εικόνα RGB Landsat-8 του Winam Gulf που δείχνει τα διαφορετικά οπτικά χαρακτηριστικά που παρατηρήθηκαν από τη σκηνή Landsat (LC81700602013109LGN01) που τραβήχτηκε στις 19 Απριλίου 2013. Η επεξεργασία της εικόνας έγινε με χρήση ACOLITE (https://odnature.naturalsciences.be/remsem/software-and- data/ acolite) και λήφθηκε από τον ιστότοπο του USGS (http://earthexplorer.usgs.gov/) ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση χρησιμοποιείται για την παροχή θεματικών προϊόντων όπως π.χ πλωτή βλάστηση, αιωρούμενα σωματίδια και διαφάνεια νερού. Αυτά τα προϊόντα εάν είναι διαθέσιμα με σωστή χρονική συχνότητα είναι χρήσιμα για τον εντοπισμό των συνθηκών που προκαλούν την εμφάνιση της θολότητας των νερών και της πλωτής βλάστησης, οι οποίες μπορούν δυνητικά να συνδεθούν με τη μείωση του πλούτου των ειδών.[[Αρχείο:Rs_wiki_barbalias_10.2.png|200px|thumb|Right|Εικόνα 2:Μια μάσκα (δεξιά εικόνα, υποσύνολο φαίνεται στην αριστερή εικόνα) που δείχνει την περιοχή που καλύπτεται από αιωρούμενη βλάστηση με πράσινο χρώμα (σκηνή LC81700602013333LGN00 ) . Τα εικονοστοιχεία βλάστησης υπολογίστηκαν με βάση τη μαθηματική έκφραση ( ρrc 865 - ρ rc 655) > 0,05 και ρrc 1609 < 0,0215, η οποία λαμβάνει υπόψη την απορρόφηση chl – a απορρόφηση στην κόκκινη ζώνη και την ανάκλαση στο NIR και το SWIR κανάλι (865 και 1609). ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε ο δορυφόρος Landsat-8, που παρέχει δωρεάν εικόνες κάθε 16 ημέρες με χωρική ανάλυση 30 μ. Ο Landsat-5 παρείχε μια πρόσθετη χρονική ανάλυση με εικόνες από το 1984. Άλλες πηγές δεδομένων που χρησιμοποιήθηκαν είναι ο δορυφόρος Sentinel-2/MSI και η γεωστατική σειρά SEVIRI ( εικόνες κάθε 15 λεπτά κατά τη διάρκεια του φωτός της ημέρας από το 2003, με 3 χλμ. ανάλυση στο σημείο υποδορυφόρου και είναι δωρεάν για ερευνητική χρήση. Η RBINS σχεδίασε αλγόριθμους και λογισμικό επεξεργασίας για Landsat, Sentinel-2 και SEVIRI που υποστηρίζουν την επεξεργασία δεδομένων για το εσωτερικό του νερού.

[[Αρχείο:Rs_wiki_barbalias_10.3.png|200px|thumb|Right| Εικόνα 3: Ένα διάγραμμα που δείχνει τη διορθωμένη ανάκλαση Rayleigh των διαφορετικών χαρακτηριστικών που παρατηρούνται στην εικόνα LC81700602013333LGN00. A) Το θολό νερό (κόκκινη γραμμή) περιέχει αιωρούμενα σωματίδια που διασκορπίζουν το φως στο κόκκινο και στο NIR τμήμα του φάσματος. Β) Το φάσμα βλάστησης (πράσινο) εμφανίζει κορυφές ανάκλασης στις πράσινες ζώνες (561 nm) και NIR (865 nm) και μια χλωροφύλλη - a απορρόφηση στο κόκκινο (665 nm). Γ) Η ανάκλαση του νέφους (γκρι) είναι πολύ μεγαλύτερη από την ανάκλαση του νερού. ]]

'''Συμπεράσματα'''

• Η οπτική τηλεπισκόπηση κάνει χρήση αισθητήρων που απεικονίζουν την επιφάνεια της γης στο ορατό, εγγύς υπέρυθρο (NIR) και μέσο υπέρυθρο (SWIR) φάσμα.
• Το χρώμα του νερού επηρεάζεται από τα συστατικά του, όπως το SPM, το φυτοπλαγκτόν, η πλωτή βλάστηση και το CDOM που διασκορπίζουν και απορροφούν το φως διαφορετικά σε όλο το φάσμα.
• Αυτό επιτρέπει τη μοναδική αναγνώριση των οπτικών χαρακτηριστικών, χρησιμοποιώντας τις διαφορετικές υπογραφές φασματικής ανάκλασης στις εικόνες της τηλεπισκόπησης.
• Οι εποχιακές διαφορές στις οπτικές ιδιότητες του Winam Gulf εντοπίζονται από το Landast.
• Ο ατμοσφαιρικός θόρυβος επηρεάζει τη διαθεσιμότητα των δεδομένων, αλλά τα προϊόντα της τηλεπισκόπησης είναι χρήσιμα για την υποστήριξη της μακροπρόθεσμης περιβαλλοντικής παρακολούθησης και διαχείρισης της λίμνης Victoria.

Οπτική τηλεπισκόπηση της λίμνης Victoria

2022-02-28T19:39:58Z

Ch barbalias: Νέα σελίδα με '=='''Οπτική τηλεπισκόπηση της λίμνης Victoria'''== '''Πρωτότυπος τίτλος:''' Optical remote sensing of Lake Victoria '''Συ...'

=='''Οπτική τηλεπισκόπηση της λίμνης Victoria'''==

'''Πρωτότυπος τίτλος:''' Optical remote sensing of Lake Victoria

'''Συγγραφείς:''' Runya Robert , Kevin Ruddick and Quinten Vanhellemont

'''Δημοσιεύθηκε:''' researchgate.net

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi:10.13140/RG.2.1.4149.4807/1 ]

'''Θέμα και πεδίο μελέτης'''

Η λίμνη Victoria είναι η δεύτερη μεγαλύτερη λίμνη γλυκού νερού στον κόσμο. Η λίμνη έχει μεγάλη οικονομική και οικολογική σημασία, αφού υποστηρίζει τις αλιευτικές δραστηριότητες των τοπικών πληθυσμών και αποτελεί hotspot βιοποικιλότητας. Παρά τις κοινές ενέργειες των χωρών που συνορεύουν με τη λίμνη εξακολουθεί να βρίσκεται υπό σοβαρή ανθρώπινη πίεση. Αυτή η μελέτη στοχεύει να καταδείξει την καταλληλότητα χρήσης δορυφορικών δεδομένων τηλεπισκόπισης από τους διαχειριστές φυσικών πόρων, ώστε να λάβουν τις βέλτιστες αποφάσεις για να διασφαλίσουν τη βιωσιμότητα της αλιείας, της βιοποικιλότητας και των πόρων του οικοσυστήματος.[[Αρχείο:Rs_wiki_barbalias_10.1.png|200px|thumb|left|Εικόνα 1: Μια σύνθετη εικόνα RGB Landsat-8 του Winam Gulf που δείχνει τα διαφορετικά οπτικά χαρακτηριστικά που παρατηρήθηκαν από τη σκηνή Landsat (LC81700602013109LGN01) που τραβήχτηκε στις 19 Απριλίου 2013. Η επεξεργασία της εικόνας έγινε με χρήση ACOLITE (https://odnature.naturalsciences.be/remsem/software-and- data/ acolite) και λήφθηκε από τον ιστότοπο του USGS (http://earthexplorer.usgs.gov/) ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση χρησιμοποιείται για την παροχή θεματικών προϊόντων όπως π.χ πλωτή βλάστηση, αιωρούμενα σωματίδια και διαφάνεια νερού. Αυτά τα προϊόντα εάν είναι διαθέσιμα με σωστή χρονική συχνότητα είναι χρήσιμα για τον εντοπισμό των συνθηκών που προκαλούν την εμφάνιση της θολότητας των νερών και της πλωτής βλάστησης, οι οποίες μπορούν δυνητικά να συνδεθούν με τη μείωση του πλούτου των ειδών.[[Αρχείο:Rs_wiki_barbalias_10.2.png|200px|thumb|left|Εικόνα 2:Μια μάσκα (δεξιά εικόνα, υποσύνολο φαίνεται στην αριστερή εικόνα) που δείχνει την περιοχή που καλύπτεται από αιωρούμενη βλάστηση με πράσινο χρώμα (σκηνή LC81700602013333LGN00 ) . Τα εικονοστοιχεία βλάστησης υπολογίστηκαν με βάση τη μαθηματική έκφραση ( ρrc 865 - ρ rc 655) > 0,05 και ρrc 1609 < 0,0215, η οποία λαμβάνει υπόψη την απορρόφηση chl – a απορρόφηση στην κόκκινη ζώνη και την ανάκλαση στο NIR και το SWIR κανάλι (865 και 1609). ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε ο δορυφόρος Landsat-8, που παρέχει δωρεάν εικόνες κάθε 16 ημέρες με χωρική ανάλυση 30 μ. Ο Landsat-5 παρείχε μια πρόσθετη χρονική ανάλυση με εικόνες από το 1984. Άλλες πηγές δεδομένων που χρησιμοποιήθηκαν είναι ο δορυφόρος Sentinel-2/MSI και η γεωστατική σειρά SEVIRI ( εικόνες κάθε 15 λεπτά κατά τη διάρκεια του φωτός της ημέρας από το 2003, με 3 χλμ. ανάλυση στο σημείο υποδορυφόρου και είναι δωρεάν για ερευνητική χρήση. Η RBINS σχεδίασε αλγόριθμους και λογισμικό επεξεργασίας για Landsat, Sentinel-2 και SEVIRI που υποστηρίζουν την επεξεργασία δεδομένων για το εσωτερικό του νερού.

[[Αρχείο:Rs_wiki_barbalias_10.3.png|200px|thumb|Right| Εικόνα 3: Ένα διάγραμμα που δείχνει τη διορθωμένη ανάκλαση Rayleigh των διαφορετικών χαρακτηριστικών που παρατηρούνται στην εικόνα LC81700602013333LGN00. A) Το θολό νερό (κόκκινη γραμμή) περιέχει αιωρούμενα σωματίδια που διασκορπίζουν το φως στο κόκκινο και στο NIR τμήμα του φάσματος. Β) Το φάσμα βλάστησης (πράσινο) εμφανίζει κορυφές ανάκλασης στις πράσινες ζώνες (561 nm) και NIR (865 nm) και μια χλωροφύλλη - a απορρόφηση στο κόκκινο (665 nm). Γ) Η ανάκλαση του νέφους (γκρι) είναι πολύ μεγαλύτερη από την ανάκλαση του νερού. ]]

'''Συμπεράσματα'''

• Η οπτική τηλεπισκόπηση κάνει χρήση αισθητήρων που απεικονίζουν την επιφάνεια της γης στο ορατό, εγγύς υπέρυθρο (NIR) και μέσο υπέρυθρο (SWIR) φάσμα.
• Το χρώμα του νερού επηρεάζεται από τα συστατικά του, όπως το SPM, το φυτοπλαγκτόν, η πλωτή βλάστηση και το CDOM που διασκορπίζουν και απορροφούν το φως διαφορετικά σε όλο το φάσμα.
• Αυτό επιτρέπει τη μοναδική αναγνώριση των οπτικών χαρακτηριστικών, χρησιμοποιώντας τις διαφορετικές υπογραφές φασματικής ανάκλασης στις εικόνες της τηλεπισκόπησης.
• Οι εποχιακές διαφορές στις οπτικές ιδιότητες του Winam Gulf εντοπίζονται από το Landast.
• Ο ατμοσφαιρικός θόρυβος επηρεάζει τη διαθεσιμότητα των δεδομένων, αλλά τα προϊόντα της τηλεπισκόπησης είναι χρήσιμα για την υποστήριξη της μακροπρόθεσμης περιβαλλοντικής παρακολούθησης και διαχείρισης της λίμνης Victoria.

Αρχείο:Rs wiki barbalias 10.3.png

2022-02-28T19:38:00Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 10.2.png

2022-02-28T19:37:45Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 10.1.png

2022-02-28T19:37:27Z

Ch barbalias:

Μπαρμπαλιάς Χαράλαμπος

2022-02-28T19:29:37Z

Ch barbalias:

[[Ανίχνευση του στρες στις τομάτες που προκαλείται από την ασθένεια του περονόσπορου στην Καλιφόρνια, Η.Π.A..]]

[[Επίγεια υπερφασματική τηλεπισκόπηση για ανίχνευση ασθενειών σε φυτά καπνού.]]

[[Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....]]

[[Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...]]

[[Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.]]

[[Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

[[Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.]]

[[Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας]]

[[Οπτική τηλεπισκόπηση της λίμνης Victoria]]

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

[[category:ΔΠΜΣ ]]

Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας

2022-02-24T22:22:05Z

Ch barbalias:

=='''Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας'''==

'''Πρωτότυπος τίτλος:''' Remote sensing as a useful tool in strawberry cultivation

'''Συγγραφείς:''' M. Boonen1, N. Gallace, S. Delalieux, A. Sima, B. Delauré and D. Bylemans

'''Δημοσιεύθηκε:''' actahort.org

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.17660/ActaHortic.2017.1156.80 ]

'''Θέμα και πεδίο μελέτης'''

Η ανάγκη ακριβούς παρακολούθησης της υγείας των φυτών και πρόβλεψη της παραγωγικότητας σε ένα αγρόκτημα είναι πιο εμφανής από ποτέ σε μια όλο και πιο ανταγωνιστική αγορά φράουλας. Ο παραδοσιακός τρόπος με τον οποίο οι καλλιεργητές κάνουν εκτιμήσεις είναι μέσω της οπτικής επιθεώρησης. Ωστόσο, τέτοιες μέθοδοι είναι υποκειμενικές, χρονοβόρες και απαιτητικές σε πόρους, ιδιαίτερα σε εργατικό δυναμικό. Η χρήση της τηλεπισκόπησης φαίνεται να προσφέρει ένα αυτοματοποιημένο τρόπο επιθεώρησης της καλλιέργειας για τη λήψη έγκαιρων και αποτελεσματικών διαχειριστικών αποφάσεων. Το πείραμα πραγματοποιήθηκε το Μάιο και τον Ιούνιο του 2015 σε ένα πειραματικό αγρό φράουλας στο Sint-Truiden στο Βέλγιο.[[Αρχείο:Rs_wiki_barbalias_9.1.png|200px|thumb|Right|Εικόνα 1:Αρχές απόκτησης δεδομένων με σύστημα COSI σε RPAS (Sima et al., 2016). ]]

'''Μεθοδολογία'''

Είναι γενικά αποδεκτό ότι τα φυτά που βιώνουν στρες διαφέρουν κατά κάποιο τρόπο ( π.χ βιομάζα,δείκτη φυλλικής επιφάνειας, περιεκτικότητα βιοχημικών παραμέτρων ( χλωροφύλλη,ανθοκυανίνες, φωτοσυνθετική αποδοτικότητα) σε σύγκριση με φυτά που καλλιεργούνται υπό βέλτιστες συνθήκες. Αυτά τα χαρακτηριστικά μπορούν να χρησιμοποιηθούν ως δείκτες υγείας των φυτών. Η τηλεπισκόπηση είναι σε θέση να ανιχνεύει και να παρακολουθεί τέτοιες φυτοϋγειονομικές παραμέτρους.[[Αρχείο:Rs_wiki_barbalias_9.2.png|200px|thumb|left|Εικόνα 2: Μια επισκόπηση του πειραματικού χωραφιού φράουλας στο pcfruit npo, Βέλγιο. Γεωμετρικοί στόχοι αναφοράς σημειωμένοι με μπλε. Σύνθετο ψευδών χρωμάτων (R=801,7 nm, G=672,6 nm, Β=604,0 nm) (Sima et al., 2016). ]]

'''Συλλογή δεδομένων'''

Το VITO (Φλαμανδικό Ινστιτούτο Τεχνολογικής Έρευνας) έχει αναπτύξει ένα μικρό και ελαφρύ υπερφασματικό σύστημα κάμερας. Το σύστημα COSI (σύστημα συμπαγής υπερφασματικής απεικόνισης) είναι παρόμοιο με τυπική κάμερα RGB. Ένα φίλτρο με πολλές φασματικές περιοχές (5-10 nm) το ένα δίπλα στο άλλο καλύπτοντας το φασματικό εύρος 600-900 nm τοποθετείται στον αισθητήρα επιφάνειας. Το φασματικό εύρος είναι ευνοϊκό για μελέτες γεωργίας και βλάστησης. Οι εικόνες λαμβάνονται διαδοχικά γρήγορα έτσι ώστε σε κάθε θέση στο έδαφος να απεικονίζεται από όλα τα φασματικά κανάλια δημιουργώντας δισδιάστατες υπερφασματικές εικόνες πολύ υψηλής ανάλυσης ( 2,5 cm).

[[Αρχείο:Rs_wiki_barbalias_8.3.png|200px|thumb|Right| Εικόνα 3: Ο δείκτης χλωροφύλλης b (R800/R635) υπολογίζεται ανά πειραματικό τεμάχιο και ο μέσος όρος φαίνεται σε αυτό το σχήμα. Τα κίτρινα και γκρίζα διαγράμματα έχουν χαμηλότερη περιεκτικότητα σε χλωροφύλλη από πράσινα πειραματικά τεμάχια. Το κόκκινο κουτί περιέχει τρία πειραματικά τεμάχια που δεν έλαβαν άρδευση και λίπανση κατά τη διάρκεια της καλλιεργητικής περιόδου ]]

'''Αποτελέσματα'''

Το πείραμα πεδίου δείχνει ξεκάθαρα τις δυνατότητες του συστήματος υπερφασματικής κάμερας. Οι παραλλαγές στο πεδίο είναι ορατές ακόμη και σε μικρή κλίμακα. Στρες από ξηρασία, έλλειψη αζώτου και προβλήματα υγείας των φυτών μπορούν να επιλυθούν με την απόκτηση δεδομένων από τη COSIcam. Με βάση αυτές τις πληροφορίες θα πρέπει οι αποφάσεις διαχείρισης να είναι στοχευμένες καλύτερα στα γεωργικά πεδία

Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας

2022-02-24T22:21:10Z

Ch barbalias: Νέα σελίδα με '=='''Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας'''== '''Πρωτότυπος τίτλος:''' Rem...'

=='''Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας'''==

'''Πρωτότυπος τίτλος:''' Remote sensing as a useful tool in strawberry cultivation

'''Συγγραφείς:''' M. Boonen1, N. Gallace, S. Delalieux, A. Sima, B. Delauré and D. Bylemans

'''Δημοσιεύθηκε:''' actahort.org

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.17660/ActaHortic.2017.1156.80 ]

'''Θέμα και πεδίο μελέτης'''

Η ανάγκη ακριβούς παρακολούθησης της υγείας των φυτών και πρόβλεψη της παραγωγικότητας σε ένα αγρόκτημα είναι πιο εμφανής από ποτέ σε μια όλο και πιο ανταγωνιστική αγορά φράουλας. Ο παραδοσιακός τρόπος με τον οποίο οι καλλιεργητές κάνουν εκτιμήσεις είναι μέσω της οπτικής επιθεώρησης. Ωστόσο, τέτοιες μέθοδοι είναι υποκειμενικές, χρονοβόρες και απαιτητικές σε πόρους, ιδιαίτερα σε εργατικό δυναμικό. Η χρήση της τηλεπισκόπησης φαίνεται να προσφέρει ένα αυτοματοποιημένο τρόπο επιθεώρησης της καλλιέργειας για τη λήψη έγκαιρων και αποτελεσματικών διαχειριστικών αποφάσεων. Το πείραμα πραγματοποιήθηκε το Μάιο και τον Ιούνιο του 2015 σε ένα πειραματικό αγρό φράουλας στο Sint-Truiden στο Βέλγιο.[[Αρχείο:Rs_wiki_barbalias_9.1.png|200px|thumb|Right|Εικόνα 1:Αρχές απόκτησης δεδομένων με σύστημα COSI σε RPAS (Sima et al., 2016). ]]

'''Μεθοδολογία'''

Είναι γενικά αποδεκτό ότι τα φυτά που βιώνουν στρες διαφέρουν κατά κάποιο τρόπο ( π.χ βιομάζα,δείκτη φυλλικής επιφάνειας, περιεκτικότητα βιοχημικών παραμέτρων ( χλωροφύλλη,ανθοκυανίνες, φωτοσυνθετική αποδοτικότητα) σε σύγκριση με φυτά που καλλιεργούνται υπό βέλτιστες συνθήκες. Αυτά τα χαρακτηριστικά μπορούν να χρησιμοποιηθούν ως δείκτες υγείας των φυτών. Η τηλεπισκόπηση είναι σε θέση να ανιχνεύει και να παρακολουθεί τέτοιες φυτοϋγειονομικές παραμέτρους.[[Αρχείο:Rs_wiki_barbalias_9.2.png|200px|thumb|Right|Εικόνα 2: Μια επισκόπηση του πειραματικού χωραφιού φράουλας στο pcfruit npo, Βέλγιο. Γεωμετρικοί στόχοι αναφοράς σημειωμένοι με μπλε. Σύνθετο ψευδών χρωμάτων (R=801,7 nm, G=672,6 nm, Β=604,0 nm) (Sima et al., 2016). ]]

'''Συλλογή δεδομένων'''

Το VITO (Φλαμανδικό Ινστιτούτο Τεχνολογικής Έρευνας) έχει αναπτύξει ένα μικρό και ελαφρύ υπερφασματικό σύστημα κάμερας. Το σύστημα COSI (σύστημα συμπαγής υπερφασματικής απεικόνισης) είναι παρόμοιο με τυπική κάμερα RGB. Ένα φίλτρο με πολλές φασματικές περιοχές (5-10 nm) το ένα δίπλα στο άλλο καλύπτοντας το φασματικό εύρος 600-900 nm τοποθετείται στον αισθητήρα επιφάνειας. Το φασματικό εύρος είναι ευνοϊκό για μελέτες γεωργίας και βλάστησης. Οι εικόνες λαμβάνονται διαδοχικά γρήγορα έτσι ώστε σε κάθε θέση στο έδαφος να απεικονίζεται από όλα τα φασματικά κανάλια δημιουργώντας δισδιάστατες υπερφασματικές εικόνες πολύ υψηλής ανάλυσης ( 2,5 cm).

[[Αρχείο:Rs_wiki_barbalias_8.3.png|200px|thumb|Right| Εικόνα 3: Ο δείκτης χλωροφύλλης b (R800/R635) υπολογίζεται ανά πειραματικό τεμάχιο και ο μέσος όρος φαίνεται σε αυτό το σχήμα. Τα κίτρινα και γκρίζα διαγράμματα έχουν χαμηλότερη περιεκτικότητα σε χλωροφύλλη από πράσινα πειραματικά τεμάχια. Το κόκκινο κουτί περιέχει τρία πειραματικά τεμάχια που δεν έλαβαν άρδευση και λίπανση κατά τη διάρκεια της καλλιεργητικής περιόδου ]]

'''Αποτελέσματα'''

Το πείραμα πεδίου δείχνει ξεκάθαρα τις δυνατότητες του συστήματος υπερφασματικής κάμερας. Οι παραλλαγές στο πεδίο είναι ορατές ακόμη και σε μικρή κλίμακα. Στρες από ξηρασία, έλλειψη αζώτου και προβλήματα υγείας των φυτών μπορούν να επιλυθούν με την απόκτηση δεδομένων από τη COSIcam. Με βάση αυτές τις πληροφορίες θα πρέπει οι αποφάσεις διαχείρισης να είναι στοχευμένες καλύτερα στα γεωργικά πεδία

Αρχείο:Rs wiki barbalias 9.3.png

2022-02-24T22:20:43Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 9.2.png

2022-02-24T22:19:22Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 9.1.png

2022-02-24T22:18:51Z

Ch barbalias:

Μπαρμπαλιάς Χαράλαμπος

2022-02-24T22:10:52Z

Ch barbalias:

[[Ανίχνευση του στρες στις τομάτες που προκαλείται από την ασθένεια του περονόσπορου στην Καλιφόρνια, Η.Π.A..]]

[[Επίγεια υπερφασματική τηλεπισκόπηση για ανίχνευση ασθενειών σε φυτά καπνού.]]

[[Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....]]

[[Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...]]

[[Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.]]

[[Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

[[Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.]]

[[Η τηλεπισκόπηση ως χρήσιμο εργαλείο στην καλλιέργεια φράουλας]]

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

[[category:ΔΠΜΣ ]]

Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.

2022-02-24T22:09:26Z

Ch barbalias:

=='''Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.'''==

'''Πρωτότυπος τίτλος:''' Leaf nitrogen estimation in potato based on spectral data and on simulated bands of the VENlS satellite.

'''Συγγραφείς:''' MY. Cohen • V. Alchanatis • Y. Zusman • Z. Dar • D. J. Bonfil • A. Karnieli • A. Zilberman • A. Moulin • V. Ostrovsky • A. Levi • R. Brikman • M. Shenker

'''Δημοσιεύθηκε:''' Precision Agriculture

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1007/s11119-009-9147-8 ]

'''Θέμα και πεδίο μελέτης'''

Στη δημοσίευση αναγνωρίζεται η μεγάλη σημασία ενός σωστού προγράμματος λίπανσης με άζωτο σε καλλιέργεια πατάτας, τόσο για τη μεγιστοποίηση της παραγωγής όσο και για την ελαχιστοποίηση της απώλειας αζώτου στα υπόγεια ύδατα. Η διαχείριση λιπασμάτων στην αρδευόμενη πατατοπαραγωγή παγκοσμίως βασίζεται επί του παρόντος σε ενιαίους ρυθμούς εφαρμογής αζώτου, χωρίς να λαμβάνει υπόψη τη χωρική διακύμανση της ζήτησης Ν από τα φυτά, η οποία οφείλεται στη μεταβλητότητα των χαρακτηριστικών του εδάφους και του περιβάλλοντος του κάθε χωραφιού. Στο πείραμα αυτό γίνεται προσπάθεια εφαρμογής των τεχνικών της τηλεπισκόπησης με σκοπό να παρέχουν πληροφορίες για την περιεκτικότητα σε άζωτο που έχει η κάθε καλλιέργεια σε κάθε στάδιο ανάπτυξης, με σκοπό το βέλτιστο προγραμματισμό της λίπανσης. Το πείραμα έγινε σε καλλιέργειες πατάτας στο Ισραήλ την άνοιξη του 2006 και 2007.[[Αρχείο:Rs_wiki_barbalias_8.1.png|200px|thumb|Right|Εικόνα 1: a φύλλο -%N και β μίσχος NO3-N ως συνάρτηση των τιμών TCARI για όλες τις ημερομηνίες δειγματοληψίας το 2007 ]]

'''Μεθοδολογία'''

Η τηλεπισκόπιση χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του θόλου των φυτών σε καλλιέργειες πατάτας με σκοπό την ταχεία εκτίμηση της συγκέντρωσης της χλωροφύλλης η οποία παρέχει ένα μέτρο για την περιεκτικότητα των φυτών σε άζωτο. Βασίζεται στο γεγονός ότι η φασματική περιοχή μεταξύ του κόκκινου και του εγγύς υπέρυθρου ( κόκκινη άκρη) αλλάζει σχήμα και θέση όταν το φυτο παρουσιάζει έλλειψη σε άζωτο.
Τα μοντέλα πρόβλεψης των επιπέδων Ν αναπτύχθηκαν με τρείς μεθόδους:
1. Υπολογισμός του δείκτη ανάκλασης απορρόφησης μετασχηματισμένης χλωροφύλλης.
2. Ανάλυση μερικής παλινδρόμησης ελαχίστων τετραγώνων (PLSR) ολόκληρου του φάσματος.
3. Προσομοίωση των καναλιών VENμS, ακολουθούμενη από τον υπολογισμό TCARI και της πολυμεταβλητής ανάλυσης της γραμμικής παλινδρόμησης (MLR) των προσομοιωμένων καναλιών.
[[Αρχείο:Rs_wiki_barbalias_8.2.png|200px|thumb|Right|Εικόνα 2: Μετρήση έναντι των προβλεπόμενων: a NO3–N το 2006–2007 και β φύλλο-%N το 2007 με βάση την ανάλυση PLSR ]]

'''Συλλογή δεδομένων'''

Η ανάκλαση των φύλλων στο χωράφι μετρήθηκε με το φορητό φασματόμετρο HR2000 ( OceanOpticsInc, Dukedin, FL, USA) με φασματικό εύρος 400-900 nm και 50-lm σχισμή. Η οπτική φασματική ανάλυση του συστήματος που καθορίζεται από το πλάτος της σχισμής και το πλέγμα περίθλασης ήταν 1,8 nm ( πλήρες πλάτος στο μισό μέγιστο, FWHM). Επίσης χρησιμοποιήθηκε ο αισθητήρας του δορυφόρου VENμS που παρέχει 12 συνεχόμενα φασματικα κανάλια από 423 nm έως 908 nm με χωρική ανάλυση 5 m.

[[Αρχείο:Rs_wiki_barbalias_8.3.png|200px|thumb|Right| Εικόνα 3: Μετρήση έναντι των προβλεπόμενων: a NO3–N το 2006–2007 και β φύλλο -%N το 2007 με βάση την ανάλυση MLR των προσομοιωμένων καναλιών του VENμS του μίσχου ]]

'''Αποτελέσματα'''

• Ο δείκτης TCARI για μεμονωμένα φύλλα στο χωράφι συσχετίστηκε ισχυρά με τα νιτρικά ιόντα (ΝΟ3-Ν) που περιέχει ο μίσχος της πατάτας και με το Ν που περιέχει το φύλλο.
• Το μοντέλο βασισμένο σε PLSR του φάσματος στην περιοχή 400-900 nm συσχετίστηκε ισχυρά με τα νιτρικά ιόντα που περιέχει ο μίσχος και το άζωτο που περιέχει το φύλλο κατά τη διάρκεια της βλάστικής περιόδου και της περιόδου αύξησης των κονδύλων.
• Η συσχέτιση των προσομοιωμένων φασμάτων VENμS με το ποσοστό αζώτου στο φύλλο ήταν παρόμοια με αυτή των φασμάτων που λαμβάνονται από το φασματόμετρο, αλλά ήταν ασθενέστερη σε σχέση με τα νιτρικά ιόντα που περιέχει ο μίσχος.

Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.

2022-02-24T22:09:02Z

Ch barbalias: Νέα σελίδα με '=='''Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσο...'

=='''Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.'''==

'''Πρωτότυπος τίτλος:''' Leaf nitrogen estimation in potato based on spectral data and on simulated bands of the VENlS satellite.

'''Συγγραφείς:''' MY. Cohen • V. Alchanatis • Y. Zusman • Z. Dar • D. J. Bonfil • A. Karnieli • A. Zilberman • A. Moulin • V. Ostrovsky • A. Levi • R. Brikman • M. Shenker

'''Δημοσιεύθηκε:''' Precision Agriculture

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1007/s11119-009-9147-8 ]

'''Θέμα και πεδίο μελέτης'''

Στη δημοσίευση αναγνωρίζεται η μεγάλη σημασία ενός σωστού προγράμματος λίπανσης με άζωτο σε καλλιέργεια πατάτας, τόσο για τη μεγιστοποίηση της παραγωγής όσο και για την ελαχιστοποίηση της απώλειας αζώτου στα υπόγεια ύδατα. Η διαχείριση λιπασμάτων στην αρδευόμενη πατατοπαραγωγή παγκοσμίως βασίζεται επί του παρόντος σε ενιαίους ρυθμούς εφαρμογής αζώτου, χωρίς να λαμβάνει υπόψη τη χωρική διακύμανση της ζήτησης Ν από τα φυτά, η οποία οφείλεται στη μεταβλητότητα των χαρακτηριστικών του εδάφους και του περιβάλλοντος του κάθε χωραφιού. Στο πείραμα αυτό γίνεται προσπάθεια εφαρμογής των τεχνικών της τηλεπισκόπησης με σκοπό να παρέχουν πληροφορίες για την περιεκτικότητα σε άζωτο που έχει η κάθε καλλιέργεια σε κάθε στάδιο ανάπτυξης, με σκοπό το βέλτιστο προγραμματισμό της λίπανσης. Το πείραμα έγινε σε καλλιέργειες πατάτας στο Ισραήλ την άνοιξη του 2006 και 2007.[[Αρχείο:Rs_wiki_barbalias_8.1.png|200px|thumb|Right|Εικόνα 1: a φύλλο -%N και β μίσχος NO3-N ως συνάρτηση των τιμών TCARI για όλες τις ημερομηνίες δειγματοληψίας το 2007 ]]

'''Μεθοδολογία'''

Η τηλεπισκόπιση χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του θόλου των φυτών σε καλλιέργειες πατάτας με σκοπό την ταχεία εκτίμηση της συγκέντρωσης της χλωροφύλλης η οποία παρέχει ένα μέτρο για την περιεκτικότητα των φυτών σε άζωτο. Βασίζεται στο γεγονός ότι η φασματική περιοχή μεταξύ του κόκκινου και του εγγύς υπέρυθρου ( κόκκινη άκρη) αλλάζει σχήμα και θέση όταν το φυτο παρουσιάζει έλλειψη σε άζωτο.
Τα μοντέλα πρόβλεψης των επιπέδων Ν αναπτύχθηκαν με τρείς μεθόδους:
1. Υπολογισμός του δείκτη ανάκλασης απορρόφησης μετασχηματισμένης χλωροφύλλης.
2. Ανάλυση μερικής παλινδρόμησης ελαχίστων τετραγώνων (PLSR) ολόκληρου του φάσματος.
3. Προσομοίωση των καναλιών VENμS, ακολουθούμενη από τον υπολογισμό TCARI και της πολυμεταβλητής ανάλυσης της γραμμικής παλινδρόμησης (MLR) των προσομοιωμένων καναλιών.
[[Αρχείο:Rs_wiki_barbalias_8.2.png|200px|thumb|Right|Εικόνα 2: Μετρήση έναντι των προβλεπόμενων: a NO3–N το 2006–2007 και β φύλλο-%N το 2007 με βάση την ανάλυση PLSR ]]

'''Συλλογή δεδομένων'''

Η ανάκλαση των φύλλων στο χωράφι μετρήθηκε με το φορητό φασματόμετρο HR2000 ( OceanOpticsInc, Dukedin, FL, USA) με φασματικό εύρος 400-900 nm και 50-lm σχισμή. Η οπτική φασματική ανάλυση του συστήματος που καθορίζεται από το πλάτος της σχισμής και το πλέγμα περίθλασης ήταν 1,8 nm ( πλήρες πλάτος στο μισό μέγιστο, FWHM). Επίσης χρησιμοποιήθηκε ο αισθητήρας του δορυφόρου VENμS που παρέχει 12 συνεχόμενα φασματικα κανάλια από 423 nm έως 908 nm με χωρική ανάλυση 5 m.

[[Αρχείο:Rs_wiki_barbalias_1.3.png|200px|thumb|Right| Εικόνα 3: Μετρήση έναντι των προβλεπόμενων: a NO3–N το 2006–2007 και β φύλλο -%N το 2007 με βάση την ανάλυση MLR των προσομοιωμένων καναλιών του VENμS του μίσχου ]]

'''Αποτελέσματα'''

• Ο δείκτης TCARI για μεμονωμένα φύλλα στο χωράφι συσχετίστηκε ισχυρά με τα νιτρικά ιόντα (ΝΟ3-Ν) που περιέχει ο μίσχος της πατάτας και με το Ν που περιέχει το φύλλο.
• Το μοντέλο βασισμένο σε PLSR του φάσματος στην περιοχή 400-900 nm συσχετίστηκε ισχυρά με τα νιτρικά ιόντα που περιέχει ο μίσχος και το άζωτο που περιέχει το φύλλο κατά τη διάρκεια της βλάστικής περιόδου και της περιόδου αύξησης των κονδύλων.
• Η συσχέτιση των προσομοιωμένων φασμάτων VENμS με το ποσοστό αζώτου στο φύλλο ήταν παρόμοια με αυτή των φασμάτων που λαμβάνονται από το φασματόμετρο, αλλά ήταν ασθενέστερη σε σχέση με τα νιτρικά ιόντα που περιέχει ο μίσχος.

Αρχείο:Rs wiki barbalias 8.3.png

2022-02-24T22:08:54Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 8.2.png

2022-02-24T22:08:43Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 8.1.png

2022-02-24T22:08:29Z

Ch barbalias:

Μπαρμπαλιάς Χαράλαμπος

2022-02-24T21:55:19Z

Ch barbalias:

[[Ανίχνευση του στρες στις τομάτες που προκαλείται από την ασθένεια του περονόσπορου στην Καλιφόρνια, Η.Π.A..]]

[[Επίγεια υπερφασματική τηλεπισκόπηση για ανίχνευση ασθενειών σε φυτά καπνού.]]

[[Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....]]

[[Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...]]

[[Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.]]

[[Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

[[Εκτίμηση του αζώτου των φύλλων στην πατάτα βασισμένη σε φασματικά δεδομένα και στην προσομοίωση καναλιών του VENμS δορυφόρου.]]

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

[[category:ΔΠΜΣ ]]

Μπαρμπαλιάς Χαράλαμπος

2022-02-24T21:54:40Z

Ch barbalias:

[[Ανίχνευση του στρες στις τομάτες που προκαλείται από την ασθένεια του περονόσπορου στην Καλιφόρνια, Η.Π.A..]]

[[Επίγεια υπερφασματική τηλεπισκόπηση για ανίχνευση ασθενειών σε φυτά καπνού.]]

[[Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....]]

[[Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...]]

[[Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.]]

[[Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

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

[[category:ΔΠΜΣ ]]

Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.

2022-02-24T21:53:30Z

Ch barbalias:

=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.'''==

'''Πρωτότυπος τίτλος:''' Forest cover assessment using remote-sensing techniques in Crete Island, Greece

'''Συγγραφείς:''' Mohamed Elhag, Silevna Boteva, and Nassir Al-Amri

'''Δημοσιεύθηκε:''' Open Geosciences

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1515/geo-2020-0235 ]

'''Θέμα και πεδίο μελέτης'''

Οι λεκάνες απορροής και η σωστή διαχείριση τους αποτελούν μείζον θέμα ανησυχίας για τους διαχειριστές των πόρων παγκοσμίως. Αυτό οφείλεται στο γεγονός ότι έχει αυξηθεί ο αριθμός των μεγάλων λεκανών απορροής που αντιμετωπίζουν σοβαρά προβλήματα από τις πλημμύρες και τη διάβρωση του εδάφους. Η χρησιμότητα της εφαρμογής της τηλεπισκόπησης στη χαρτογράφηση χρήσεων γης αναγνωρίζεται ολοένα περισσότερο. Οι στόχοι της παρούσας έρευνας είναι να αναπτυχθούν ένα μοντέλο πιθανοτήτων απώλειας βλάστησης καθώς και η αναγνώριση και η χωρική ποσοτικοποίηση των περιοχών προτεραιότητας για προστασία από τη διάβρωση του εδάφους. Η μελέτη πραγματοποιήθηκε στην λεκάνη απορροής του ποταμού Σούγια, που βρίσκεται στο δυτικό τμήμα του νησιού της Κρήτης.[[Αρχείο:Rs_wiki_barbalias_7.1.png|200px|thumb|left|Εικόνα 1: Θέση της λεκάνης απορροής της Σούγιας, Κρήτη, Ελλάδα. ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως, είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους.[[Αρχείο:Rs_wiki_barbalias_7.2.png|200px|thumb|left|Εικόνα 2: Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) που προέρχεται από τις χωρικές εικόνες Landsat (a–c) για τη λεκάνη απορροής και το αντίστοιχο ιστόγραμμα NDVI για τις ημερομηνίες απόκτησης του 1995, 2005 και 2015, αντίστοιχα. ]]
[[Αρχείο:Rs_wiki_barbalias_7.3.png|200px|thumb|Right| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 1995. ]]

'''Συλλογή δεδομένων'''

Οι εικόνες αποκτήθηκαν από δορυφόρους παρατήρησης ανά διαστήματα 10 ετών, ξεκινώντας από το 1995 και για δύο δεκαετίες. Πιο συγκεκριμένα, χρησιμοποιήθηκαν εικόνες από τη σειρά Landsat για χαρτογράφηση κάλυψης γης, αφού παρέχουν πολυφασματικά δεδομένα στα 30 μ. ανάλυση και ειδικά ο OLI-8 που παρέχει χωρικά βελτιωμένη ανάλυση 15 μέτρων. Επίσης, χρησιμοποιήθηκαν εικόνες από το φασματομετρητή απεικόνισης ( MODIS)(MOD13Q1) με χωρική ανάλυση των μοτίβων βλάστησης που προέρχονται από τους δείκτες βλάστησης. Τέλος, οι ταξινομημένες περιοχές στους παραγόμενους χάρτες κάλυψης γης συγκρίθηκαν με τις πραγματικές κατηγορίες κάλυψης γης που καθορίστηκαν από τους χάρτες CORINE.

[[Αρχείο:Rs_wiki_barbalias_7.4.png|200px|thumb|left| Εικόνα 4: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 2015. ]]

'''Αποτελέσματα'''

• Τρεις θεματικοί χάρτες NDVI δημιουργήθηκαν και τα αντίστοιχα ιστογράμματα τους. Τα αποτελέσματα υποδηλώνουν σταδιακή μείωση της κάλυψης γης με βλάστηση από το 1995 έως το 2015 με το 1995 να έχει την υψηλότερη τιμή NDVI. Η ποσοτική μείωση βρέθηκε να είναι 4% μεταξύ του 1995 και 2005 και 7% μεταξύ του 2005 και 2015.
• Οι τιμές LAI υπολογίστηκαν για το δάσος, τη γεωργία, τους θάμνους και τα ποώδη φυτά. Διαπιστώθηκε ότι μεταξύ του 1995 και του 2005 η γεωργία αυξήθηκε κατά 77,10% και μέχρι το 2015 επανήλθε στην κατάσταση που βρισκόταν το 1995. Ωστόσο, τα αποτελέσματα του LAI που προέκυψαν για το δάσος είναι επιρρεπή σε διακυμάνσεις λόγω του υψηλού LAI που συνδέεται με την ανάκλαση της επιφάνειας.
• Τα αποτελέσματα του EVI ήταν ασυνεπή, υποδηλώνοντας ότι οι εποχιακές καλλιέργειες επηρεάζουν τη χρονική κατανομή της φυτικής κάλυψης.

Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.

2022-02-24T21:53:03Z

Ch barbalias:

=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.'''==

'''Πρωτότυπος τίτλος:''' Forest cover assessment using remote-sensing techniques in Crete Island, Greece

'''Συγγραφείς:''' Mohamed Elhag, Silevna Boteva, and Nassir Al-Amri

'''Δημοσιεύθηκε:''' Open Geosciences

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1515/geo-2020-0235 ]

'''Θέμα και πεδίο μελέτης'''

Οι λεκάνες απορροής και η σωστή διαχείριση τους αποτελούν μείζον θέμα ανησυχίας για τους διαχειριστές των πόρων παγκοσμίως. Αυτό οφείλεται στο γεγονός ότι έχει αυξηθεί ο αριθμός των μεγάλων λεκανών απορροής που αντιμετωπίζουν σοβαρά προβλήματα από τις πλημμύρες και τη διάβρωση του εδάφους. Η χρησιμότητα της εφαρμογής της τηλεπισκόπησης στη χαρτογράφηση χρήσεων γης αναγνωρίζεται ολοένα περισσότερο. Οι στόχοι της παρούσας έρευνας είναι να αναπτυχθούν ένα μοντέλο πιθανοτήτων απώλειας βλάστησης καθώς και η αναγνώριση και η χωρική ποσοτικοποίηση των περιοχών προτεραιότητας για προστασία από τη διάβρωση του εδάφους. Η μελέτη πραγματοποιήθηκε στην λεκάνη απορροής του ποταμού Σούγια, που βρίσκεται στο δυτικό τμήμα του νησιού της Κρήτης.[[Αρχείο:Rs_wiki_barbalias_7.1.png|200px|thumb|left|Εικόνα 1: Θέση της λεκάνης απορροής της Σούγιας, Κρήτη, Ελλάδα. ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως, είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους.[[Αρχείο:Rs_wiki_barbalias_7.2.png|200px|thumb|left|Εικόνα 2: Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) που προέρχεται από τις χωρικές εικόνες Landsat (a–c) για τη λεκάνη απορροής και το αντίστοιχο ιστόγραμμα NDVI για τις ημερομηνίες απόκτησης του 1995, 2005 και 2015, αντίστοιχα. ]]
[[Αρχείο:Rs_wiki_barbalias_7.3.png|200px|thumb|Right| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 1995. ]]

'''Συλλογή δεδομένων'''

Οι εικόνες αποκτήθηκαν από δορυφόρους παρατήρησης ανά διαστήματα 10 ετών, ξεκινώντας από το 1995 και για δύο δεκαετίες. Πιο συγκεκριμένα, χρησιμοποιήθηκαν εικόνες από τη σειρά Landsat για χαρτογράφηση κάλυψης γης, αφού παρέχουν πολυφασματικά δεδομένα στα 30 μ. ανάλυση και ειδικά ο OLI-8 που παρέχει χωρικά βελτιωμένη ανάλυση 15 μέτρων. Επίσης, χρησιμοποιήθηκαν εικόνες από το φασματομετρητή απεικόνισης ( MODIS)(MOD13Q1) με χωρική ανάλυση των μοτίβων βλάστησης που προέρχονται από τους δείκτες βλάστησης. Τέλος, οι ταξινομημένες περιοχές στους παραγόμενους χάρτες κάλυψης γης συγκρίθηκαν με τις πραγματικές κατηγορίες κάλυψης γης που καθορίστηκαν από τους χάρτες CORINE.

[[Αρχείο:Rs_wiki_barbalias_7.4.png|200px|thumb|left| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 2015. ]]

'''Αποτελέσματα'''

• Τρεις θεματικοί χάρτες NDVI δημιουργήθηκαν και τα αντίστοιχα ιστογράμματα τους. Τα αποτελέσματα υποδηλώνουν σταδιακή μείωση της κάλυψης γης με βλάστηση από το 1995 έως το 2015 με το 1995 να έχει την υψηλότερη τιμή NDVI. Η ποσοτική μείωση βρέθηκε να είναι 4% μεταξύ του 1995 και 2005 και 7% μεταξύ του 2005 και 2015.
• Οι τιμές LAI υπολογίστηκαν για το δάσος, τη γεωργία, τους θάμνους και τα ποώδη φυτά. Διαπιστώθηκε ότι μεταξύ του 1995 και του 2005 η γεωργία αυξήθηκε κατά 77,10% και μέχρι το 2015 επανήλθε στην κατάσταση που βρισκόταν το 1995. Ωστόσο, τα αποτελέσματα του LAI που προέκυψαν για το δάσος είναι επιρρεπή σε διακυμάνσεις λόγω του υψηλού LAI που συνδέεται με την ανάκλαση της επιφάνειας.
• Τα αποτελέσματα του EVI ήταν ασυνεπή, υποδηλώνοντας ότι οι εποχιακές καλλιέργειες επηρεάζουν τη χρονική κατανομή της φυτικής κάλυψης.

Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.

2022-02-24T21:52:21Z

Ch barbalias:

=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.'''==

'''Πρωτότυπος τίτλος:''' Forest cover assessment using remote-sensing techniques in Crete Island, Greece

'''Συγγραφείς:''' Mohamed Elhag, Silevna Boteva, and Nassir Al-Amri

'''Δημοσιεύθηκε:''' Open Geosciences

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1515/geo-2020-0235 ]

'''Θέμα και πεδίο μελέτης'''

Οι λεκάνες απορροής και η σωστή διαχείριση τους αποτελούν μείζον θέμα ανησυχίας για τους διαχειριστές των πόρων παγκοσμίως. Αυτό οφείλεται στο γεγονός ότι έχει αυξηθεί ο αριθμός των μεγάλων λεκανών απορροής που αντιμετωπίζουν σοβαρά προβλήματα από τις πλημμύρες και τη διάβρωση του εδάφους. Η χρησιμότητα της εφαρμογής της τηλεπισκόπησης στη χαρτογράφηση χρήσεων γης αναγνωρίζεται ολοένα περισσότερο. Οι στόχοι της παρούσας έρευνας είναι να αναπτυχθούν ένα μοντέλο πιθανοτήτων απώλειας βλάστησης καθώς και η αναγνώριση και η χωρική ποσοτικοποίηση των περιοχών προτεραιότητας για προστασία από τη διάβρωση του εδάφους. Η μελέτη πραγματοποιήθηκε στην λεκάνη απορροής του ποταμού Σούγια, που βρίσκεται στο δυτικό τμήμα του νησιού της Κρήτης.[[Αρχείο:Rs_wiki_barbalias_7.1.png|200px|thumb|left|Εικόνα 1: Θέση της λεκάνης απορροής της Σούγιας, Κρήτη, Ελλάδα. ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως, είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους.[[Αρχείο:Rs_wiki_barbalias_7.2.png|200px|thumb|left|Εικόνα 2: Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) που προέρχεται από τις χωρικές εικόνες Landsat (a–c) για τη λεκάνη απορροής και το αντίστοιχο ιστόγραμμα NDVI για τις ημερομηνίες απόκτησης του 1995, 2005 και 2015, αντίστοιχα. ]]
[[Αρχείο:Rs_wiki_barbalias_7.3.png|200px|thumb|left| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 1995. ]]

'''Συλλογή δεδομένων'''

Οι εικόνες αποκτήθηκαν από δορυφόρους παρατήρησης ανά διαστήματα 10 ετών, ξεκινώντας από το 1995 και για δύο δεκαετίες. Πιο συγκεκριμένα, χρησιμοποιήθηκαν εικόνες από τη σειρά Landsat για χαρτογράφηση κάλυψης γης, αφού παρέχουν πολυφασματικά δεδομένα στα 30 μ. ανάλυση και ειδικά ο OLI-8 που παρέχει χωρικά βελτιωμένη ανάλυση 15 μέτρων. Επίσης, χρησιμοποιήθηκαν εικόνες από το φασματομετρητή απεικόνισης ( MODIS)(MOD13Q1) με χωρική ανάλυση των μοτίβων βλάστησης που προέρχονται από τους δείκτες βλάστησης. Τέλος, οι ταξινομημένες περιοχές στους παραγόμενους χάρτες κάλυψης γης συγκρίθηκαν με τις πραγματικές κατηγορίες κάλυψης γης που καθορίστηκαν από τους χάρτες CORINE.

[[Αρχείο:Rs_wiki_barbalias_7.4.png|200px|thumb|Right| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 2015. ]]

'''Αποτελέσματα'''

• Τρεις θεματικοί χάρτες NDVI δημιουργήθηκαν και τα αντίστοιχα ιστογράμματα τους. Τα αποτελέσματα υποδηλώνουν σταδιακή μείωση της κάλυψης γης με βλάστηση από το 1995 έως το 2015 με το 1995 να έχει την υψηλότερη τιμή NDVI. Η ποσοτική μείωση βρέθηκε να είναι 4% μεταξύ του 1995 και 2005 και 7% μεταξύ του 2005 και 2015.
• Οι τιμές LAI υπολογίστηκαν για το δάσος, τη γεωργία, τους θάμνους και τα ποώδη φυτά. Διαπιστώθηκε ότι μεταξύ του 1995 και του 2005 η γεωργία αυξήθηκε κατά 77,10% και μέχρι το 2015 επανήλθε στην κατάσταση που βρισκόταν το 1995. Ωστόσο, τα αποτελέσματα του LAI που προέκυψαν για το δάσος είναι επιρρεπή σε διακυμάνσεις λόγω του υψηλού LAI που συνδέεται με την ανάκλαση της επιφάνειας.
• Τα αποτελέσματα του EVI ήταν ασυνεπή, υποδηλώνοντας ότι οι εποχιακές καλλιέργειες επηρεάζουν τη χρονική κατανομή της φυτικής κάλυψης.

Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.

2022-02-24T21:51:18Z

Ch barbalias:

=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.'''==

'''Πρωτότυπος τίτλος:''' Forest cover assessment using remote-sensing techniques in Crete Island, Greece

'''Συγγραφείς:''' Mohamed Elhag, Silevna Boteva, and Nassir Al-Amri

'''Δημοσιεύθηκε:''' Open Geosciences

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1515/geo-2020-0235 ]

'''Θέμα και πεδίο μελέτης'''

Οι λεκάνες απορροής και η σωστή διαχείριση τους αποτελούν μείζον θέμα ανησυχίας για τους διαχειριστές των πόρων παγκοσμίως. Αυτό οφείλεται στο γεγονός ότι έχει αυξηθεί ο αριθμός των μεγάλων λεκανών απορροής που αντιμετωπίζουν σοβαρά προβλήματα από τις πλημμύρες και τη διάβρωση του εδάφους. Η χρησιμότητα της εφαρμογής της τηλεπισκόπησης στη χαρτογράφηση χρήσεων γης αναγνωρίζεται ολοένα περισσότερο. Οι στόχοι της παρούσας έρευνας είναι να αναπτυχθούν ένα μοντέλο πιθανοτήτων απώλειας βλάστησης καθώς και η αναγνώριση και η χωρική ποσοτικοποίηση των περιοχών προτεραιότητας για προστασία από τη διάβρωση του εδάφους. Η μελέτη πραγματοποιήθηκε στην λεκάνη απορροής του ποταμού Σούγια, που βρίσκεται στο δυτικό τμήμα του νησιού της Κρήτης.[[Αρχείο:Rs_wiki_barbalias_7.1.png|200px|thumb|left|Εικόνα 1: Θέση της λεκάνης απορροής της Σούγιας, Κρήτη, Ελλάδα. ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως, είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους.[[Αρχείο:Rs_wiki_barbalias_7.2.png|200px|thumb|left|Εικόνα 2: Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) που προέρχεται από τις χωρικές εικόνες Landsat (a–c) για τη λεκάνη απορροής και το αντίστοιχο ιστόγραμμα NDVI για τις ημερομηνίες απόκτησης του 1995, 2005 και 2015, αντίστοιχα. ]]

'''Συλλογή δεδομένων'''

Οι εικόνες αποκτήθηκαν από δορυφόρους παρατήρησης ανά διαστήματα 10 ετών, ξεκινώντας από το 1995 και για δύο δεκαετίες. Πιο συγκεκριμένα, χρησιμοποιήθηκαν εικόνες από τη σειρά Landsat για χαρτογράφηση κάλυψης γης, αφού παρέχουν πολυφασματικά δεδομένα στα 30 μ. ανάλυση και ειδικά ο OLI-8 που παρέχει χωρικά βελτιωμένη ανάλυση 15 μέτρων. Επίσης, χρησιμοποιήθηκαν εικόνες από το φασματομετρητή απεικόνισης ( MODIS)(MOD13Q1) με χωρική ανάλυση των μοτίβων βλάστησης που προέρχονται από τους δείκτες βλάστησης. Τέλος, οι ταξινομημένες περιοχές στους παραγόμενους χάρτες κάλυψης γης συγκρίθηκαν με τις πραγματικές κατηγορίες κάλυψης γης που καθορίστηκαν από τους χάρτες CORINE.

[[Αρχείο:Rs_wiki_barbalias_7.3.png|200px|thumb|left| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 1995. ]]
[[Αρχείο:Rs_wiki_barbalias_7.4.png|200px|thumb|Right| Εικόνα 3: Κατηγορίες χρήσης και κάλυψης γης της λεκάνης απορροής το 2015. ]]

'''Αποτελέσματα'''

• Τρεις θεματικοί χάρτες NDVI δημιουργήθηκαν και τα αντίστοιχα ιστογράμματα τους. Τα αποτελέσματα υποδηλώνουν σταδιακή μείωση της κάλυψης γης με βλάστηση από το 1995 έως το 2015 με το 1995 να έχει την υψηλότερη τιμή NDVI. Η ποσοτική μείωση βρέθηκε να είναι 4% μεταξύ του 1995 και 2005 και 7% μεταξύ του 2005 και 2015.
• Οι τιμές LAI υπολογίστηκαν για το δάσος, τη γεωργία, τους θάμνους και τα ποώδη φυτά. Διαπιστώθηκε ότι μεταξύ του 1995 και του 2005 η γεωργία αυξήθηκε κατά 77,10% και μέχρι το 2015 επανήλθε στην κατάσταση που βρισκόταν το 1995. Ωστόσο, τα αποτελέσματα του LAI που προέκυψαν για το δάσος είναι επιρρεπή σε διακυμάνσεις λόγω του υψηλού LAI που συνδέεται με την ανάκλαση της επιφάνειας.
• Τα αποτελέσματα του EVI ήταν ασυνεπή, υποδηλώνοντας ότι οι εποχιακές καλλιέργειες επηρεάζουν τη χρονική κατανομή της φυτικής κάλυψης.

Αρχείο:Rs wiki barbalias 7.4.png

2022-02-24T21:46:22Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 7.3.png

2022-02-24T21:46:01Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 7.2.png

2022-02-24T21:45:43Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 7.1.png

2022-02-24T21:45:22Z

Ch barbalias:

Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.

2022-02-24T21:41:11Z

Ch barbalias: Νέα σελίδα με '=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τε...'

=='''Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.'''==

'''Πρωτότυπος τίτλος:''' Forest cover assessment using remote-sensing techniques in Crete Island, Greece

'''Συγγραφείς:''' Mohamed Elhag, Silevna Boteva, and Nassir Al-Amri

'''Δημοσιεύθηκε:''' Open Geosciences

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1515/geo-2020-0235 ]

'''Θέμα και πεδίο μελέτης'''

Οι λεκάνες απορροής και η σωστή διαχείριση τους αποτελούν μείζον θέμα ανησυχίας για τους διαχειριστές των πόρων παγκοσμίως. Αυτό οφείλεται στο γεγονός ότι έχει αυξηθεί ο αριθμός των μεγάλων λεκανών απορροής που αντιμετωπίζουν σοβαρά προβλήματα από τις πλημμύρες και τη διάβρωση του εδάφους. Η χρησιμότητα της εφαρμογής της τηλεπισκόπησης στη χαρτογράφηση χρήσεων γης αναγνωρίζεται ολοένα περισσότερο. Οι στόχοι της παρούσας έρευνας είναι να αναπτυχθούν ένα μοντέλο πιθανοτήτων απώλειας βλάστησης καθώς και η αναγνώριση και η χωρική ποσοτικοποίηση των περιοχών προτεραιότητας για προστασία από τη διάβρωση του εδάφους. Η μελέτη πραγματοποιήθηκε στην λεκάνη απορροής του ποταμού Σούγια, που βρίσκεται στο δυτικό τμήμα του νησιού της Κρήτης.[[Αρχείο:Rs_wiki_barbalias_1.1.png|200px|thumb|left|Εικόνα 1: Aνάγλυφη είκόνα της παράκτιας Καλιφόρνιας,που δείχνει τη θέση της κοιλάδας Σαλίνας ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως, είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους.[[Αρχείο:Rs_wiki_barbalias_1.2.png|200px|thumb|left|Εικόνα 2: Φάσματα εικόνας του πεδίου, που απεικονίζουν τη φασματική διαφορά κάθε κατηγορίας στην κλίμακα των εικόνων της τηλεπισκόπησης. Οι ετικέτες είναι: H για υγιή φυτά, 1 για LB1, 2 για LB2, 3 για LB3, 4 για LB4 και S για το έδαφος ]]

'''Συλλογή δεδομένων'''

Οι εικόνες αποκτήθηκαν από δορυφόρους παρατήρησης ανά διαστήματα 10 ετών, ξεκινώντας από το 1995 και για δύο δεκαετίες. Πιο συγκεκριμένα, χρησιμοποιήθηκαν εικόνες από τη σειρά Landsat για χαρτογράφηση κάλυψης γης, αφού παρέχουν πολυφασματικά δεδομένα στα 30 μ. ανάλυση και ειδικά ο OLI-8 που παρέχει χωρικά βελτιωμένη ανάλυση 15 μέτρων. Επίσης, χρησιμοποιήθηκαν εικόνες από το φασματομετρητή απεικόνισης ( MODIS)(MOD13Q1) με χωρική ανάλυση των μοτίβων βλάστησης που προέρχονται από τους δείκτες βλάστησης. Τέλος, οι ταξινομημένες περιοχές στους παραγόμενους χάρτες κάλυψης γης συγκρίθηκαν με τις πραγματικές κατηγορίες κάλυψης γης που καθορίστηκαν από τους χάρτες CORINE.

[[Αρχείο:Rs_wiki_barbalias_1.3.png|200px|thumb|Right| Εικόνα 3: Αποτελέσματα ταξινόμησης στην υπερφασματική εικόνα για ταυτοποίηση των προσβεβλημένων φυτών από τα υγιή. (a) Η σύνθεση της εικόνας με ψευδόχρωμα, (β) τα ταξινομημένα αποτελέσματα της εικόνας για την αναγνώριση των άρρωστων φυτών. Σημείωση: H είναι υγιή φυτά; Τα LB2, LB3 και LB4 είναι μολυσμένα φυτά σε στάδια 2, 3 και 4, αντίστοιχα. και τα C1, C2 και C3 είναι άλλες καλλιέργειες αντίστοιχα στα γύρω χωράφια. ]]

'''Αποτελέσματα'''

• Τρεις θεματικοί χάρτες NDVI δημιουργήθηκαν και τα αντίστοιχα ιστογράμματα τους. Τα αποτελέσματα υποδηλώνουν σταδιακή μείωση της κάλυψης γης με βλάστηση από το 1995 έως το 2015 με το 1995 να έχει την υψηλότερη τιμή NDVI. Η ποσοτική μείωση βρέθηκε να είναι 4% μεταξύ του 1995 και 2005 και 7% μεταξύ του 2005 και 2015.
• Οι τιμές LAI υπολογίστηκαν για το δάσος, τη γεωργία, τους θάμνους και τα ποώδη φυτά. Διαπιστώθηκε ότι μεταξύ του 1995 και του 2005 η γεωργία αυξήθηκε κατά 77,10% και μέχρι το 2015 επανήλθε στην κατάσταση που βρισκόταν το 1995. Ωστόσο, τα αποτελέσματα του LAI που προέκυψαν για το δάσος είναι επιρρεπή σε διακυμάνσεις λόγω του υψηλού LAI που συνδέεται με την ανάκλαση της επιφάνειας.
• Τα αποτελέσματα του EVI ήταν ασυνεπή, υποδηλώνοντας ότι οι εποχιακές καλλιέργειες επηρεάζουν τη χρονική κατανομή της φυτικής κάλυψης.

Μπαρμπαλιάς Χαράλαμπος

2022-02-24T21:35:12Z

Ch barbalias:

[[Ανίχνευση του στρες στις τομάτες που προκαλείται από την ασθένεια του περονόσπορου στην Καλιφόρνια, Η.Π.A..]]

[[Επίγεια υπερφασματική τηλεπισκόπηση για ανίχνευση ασθενειών σε φυτά καπνού.]]

[[Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....]]

[[Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...]]

[[Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.]]

[[Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.]]

[[Αξιολόγηση δασικής κάλυψης στο νησί της Κρήτης, στην Ελλάδα με τη χρήση τηλεπισκοπικών τεχνικών.]]

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

[[category:ΔΠΜΣ ]]

Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.

2022-02-22T12:14:03Z

Ch barbalias:

=='''Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.'''==

'''Πρωτότυπος τίτλος:''' OLIVE TREES STRESS DETECTION USING SENTINEL-2 IMAGE

'''Συγγραφείς:''' Ioannis Navrozidisa, Thomas K. Alexandridis, Dimitrios Moshoua, Xanthoula Eirini Pantazia, Afroditi Alexandra Tamouridoua, Dmitrii Kozhukh, Fabien Castel, Anastasia Lagopodi, Zois Zartaloudis ,Spiros Mourelatos, Francisco Javier Nieto de Santos

'''Δημοσιεύθηκε:''' ikee.lib.auth.gr

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://ikee.lib.auth.gr/record/306895/files/OliveTrees.pdf ]

'''Θέμα και πεδίο μελέτης'''

Στη δημοσίευση αναγνωρίζεται η μεγάλη σημασία στον τομέα της φυτοπροστασίας της γρήγορης και ακριβούς αναγνώρισης της πηγής του προβλήματος για να αξιοποιούνται στο έπακρο οι πιο αποτελεσματικές εφαρμογές. Σε αυτό το πείραμα γίνεται χρήση της τηλεπισκόπησης για την ανίχνευση του Verticillium dahlia στην ελιά. Το πειραματικό μέρος πραγματοποιήθηκε στη Χαλκιδική[[Αρχείο:Rs_wiki_barbalias_6.1.png|200px|thumb|left|Εικόνα 1: Περιοχή μελέτης Χαλκιδικής (Βόρεια Ελλάδα). Οι ελαιοκαλλιέργειες καλύπτουν μεγάλη έκταση του νομού ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του θόλου των ελαιόδεντρων με στόχο την ανίχνευση του στρες στα δέντρα, λόγω έλλειψης νερού που προκαλείται κυρίως από παθογόνα όπως το Verticillium dahliae. Στη συνέχεια με βάση την ανάλυση της εικόνας των Sentinel-2 θα κατασκευαστεί ο δείκτης ανάκλασης των καροτενοειδών 2 (CRI2), ο οποίος είναι ένας δείκτης που παρέχει πληροφορίες σχετικά με τα επίπεδα στρες των φυτών που σχετίζονται με τη στέρηση νερού. Αυτό οφείλεται στην αύξηση της συγκέντρωσης των καροτενοειδών σε σχέση με τη συγκέντρωση της χλωροφύλλης που μειώνεται στους φυτικούς ιστούς, η οποία μπορεί να εκφραστεί με διαφοροποιήσεις της ανακλαστικότητας στο ηλεκτρομαγνητικό φάσμα.

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκαν οι δορυφόροι Sentinel-2 που έχουν 13 φασματικά κανάλια στο φάσμα του ορατού και του εγγύς υπέρυθρου, με μέγιστη χωρική ανάλυση 10 μ.

[[Αρχείο:Rs_wiki_barbalias_6.2.png|200px|thumb|Right| Εικόνα 2: Φασματικός δείκτης που δείχνει τα επίπεδα υδατικής καταπόνησης στις ελιές στη Χαλκιδική, Ελλάδα. ]]

'''Αποτελέσματα'''

Ο δείκτης υπολογίστηκε από την ακόλουθη εξίσωση χρησιμοποιώντας τα κανάλια 2 και 5:
CRI2= (1/(Band2 - 1/Band5)
Ο δείκτης σε πράσινη βλάστηση έχει τιμή από 0-20. Mεγαλύτερες τιμές αποτελούν ένδειξη πιθανής μόλυνσης από το VW και μπορεί να χρησιμοποιηθεί ως οδηγός για το σχεδιασμό μελλοντικών εφαρμογών για την επίλυση του προβλήματος.

Αρχείο:Rs wiki barbalias 6.2.png

2022-02-22T12:10:40Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 6.1.png

2022-02-22T12:10:27Z

Ch barbalias:

Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.

2022-02-22T12:09:46Z

Ch barbalias: Νέα σελίδα με '=='''Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.'''== '''Πρωτότυπος τίτλος:''' OLIVE TREES...'

=='''Ανίχνευση στρες σε ελαιόδεντρα με χρήση εικόνων των Sentinel-2.'''==

'''Πρωτότυπος τίτλος:''' OLIVE TREES STRESS DETECTION USING SENTINEL-2 IMAGE

'''Συγγραφείς:''' Ioannis Navrozidisa, Thomas K. Alexandridis, Dimitrios Moshoua, Xanthoula Eirini Pantazia, Afroditi Alexandra Tamouridoua, Dmitrii Kozhukh, Fabien Castel, Anastasia Lagopodi, Zois Zartaloudis ,Spiros Mourelatos, Francisco Javier Nieto de Santos

'''Δημοσιεύθηκε:''' ikee.lib.auth.gr

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://ikee.lib.auth.gr/record/306895/files/OliveTrees.pdf ]

'''Θέμα και πεδίο μελέτης'''

Στη δημοσίευση αναγνωρίζεται η μεγάλη σημασία στον τομέα της φυτοπροστασίας της γρήγορης και ακριβούς αναγνώρισης της πηγής του προβλήματος για να αξιοποιούνται στο έπακρο οι πιο αποτελεσματικές εφαρμογές. Σε αυτό το πείραμα γίνεται χρήση της τηλεπισκόπησης για την ανίχνευση του Verticillium dahlia στην ελιά. Το πειραματικό μέρος πραγματοποιήθηκε στη Χαλκιδική[[Αρχείο:Rs_wiki_barbalias_1.1.png|200px|thumb|left|Εικόνα 1: Aνάγλυφη είκόνα της παράκτιας Καλιφόρνιας,που δείχνει τη θέση της κοιλάδας Σαλίνας ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του θόλου των ελαιόδεντρων με στόχο την ανίχνευση του στρες στα δέντρα, λόγω έλλειψης νερού που προκαλείται κυρίως από παθογόνα όπως το Verticillium dahliae. Στη συνέχεια με βάση την ανάλυση της εικόνας των Sentinel-2 θα κατασκευαστεί ο δείκτης ανάκλασης των καροτενοειδών 2 (CRI2), ο οποίος είναι ένας δείκτης που παρέχει πληροφορίες σχετικά με τα επίπεδα στρες των φυτών που σχετίζονται με τη στέρηση νερού. Αυτό οφείλεται στην αύξηση της συγκέντρωσης των καροτενοειδών σε σχέση με τη συγκέντρωση της χλωροφύλλης που μειώνεται στους φυτικούς ιστούς, η οποία μπορεί να εκφραστεί με διαφοροποιήσεις της ανακλαστικότητας στο ηλεκτρομαγνητικό φάσμα.[[Αρχείο:Rs_wiki_barbalias_1.2.png|200px|thumb|left|Εικόνα 2: Φάσματα εικόνας του πεδίου, που απεικονίζουν τη φασματική διαφορά κάθε κατηγορίας στην κλίμακα των εικόνων της τηλεπισκόπησης. Οι ετικέτες είναι: H για υγιή φυτά, 1 για LB1, 2 για LB2, 3 για LB3, 4 για LB4 και S για το έδαφος ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκαν οι δορυφόροι Sentinel-2 που έχουν 13 φασματικά κανάλια στο φάσμα του ορατού και του εγγύς υπέρυθρου, με μέγιστη χωρική ανάλυση 10 μ.

[[Αρχείο:Rs_wiki_barbalias_1.3.png|200px|thumb|Right| Εικόνα 3: Αποτελέσματα ταξινόμησης στην υπερφασματική εικόνα για ταυτοποίηση των προσβεβλημένων φυτών από τα υγιή. (a) Η σύνθεση της εικόνας με ψευδόχρωμα, (β) τα ταξινομημένα αποτελέσματα της εικόνας για την αναγνώριση των άρρωστων φυτών. Σημείωση: H είναι υγιή φυτά; Τα LB2, LB3 και LB4 είναι μολυσμένα φυτά σε στάδια 2, 3 και 4, αντίστοιχα. και τα C1, C2 και C3 είναι άλλες καλλιέργειες αντίστοιχα στα γύρω χωράφια. ]]

'''Αποτελέσματα'''

Ο δείκτης υπολογίστηκε από την ακόλουθη εξίσωση χρησιμοποιώντας τα κανάλια 2 και 5:
CRI2= (1/(Band2 - 1/Band5)
Ο δείκτης σε πράσινη βλάστηση έχει τιμή από 0-20. Mεγαλύτερες τιμές αποτελούν ένδειξη πιθανής μόλυνσης από το VW και μπορεί να χρησιμοποιηθεί ως οδηγός για το σχεδιασμό μελλοντικών εφαρμογών για την επίλυση του προβλήματος.

Μπαρμπαλιάς Χαράλαμπος

2022-02-22T11:59:45Z

Ch barbalias:

Μπαρμπαλιάς Χαράλαμπος

2022-02-22T11:58:26Z

Ch barbalias:

Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης...

2022-02-22T11:55:10Z

Ch barbalias: Νέα σελίδα με '=='''Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τη...'

=='''Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.'''==

'''Πρωτότυπος τίτλος:''' Estimating apple tree canopy chlorophyll content based on Sentinel-2A remote sensing imaging

'''Συγγραφείς:''' Cheng Li, Xicun Zhu1, Yu Wei, Shujing Cao, Xiaoyan Guo, Xinyang Yu & Chunyan Chang

'''Δημοσιεύθηκε:''' nature.com

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.nature.com/articles/s41598-018-21963-0 ]

'''Θέμα και πεδίο μελέτης'''

Στην παρούσα δημοσίευση αναγνωρίζεται η μεγάλη σημασία παρακολούθησης της χλωροφύλλης που περιέχει η κόμη της μηλιάς. Πιο συγκεκριμένα με την παρακολούθηση της μπορεί να ανιχνευθεί η φωτοσυνθετική ικανότητα, το στες σε θρεπτικά συστατικά και το αναπτυξιακό στάδιο της μηλιάς. Επίσης είναι ένα σημαντικό μέσο για την αξιολόγηση της ανάπτυξης των μηλιών, καθώς και των παρασίτων και των ασθενειών. Η παραδοσιακή ανάλυση περιεκτικότητας σε χλωροφύλλη στο εργαστήριο και η ανάγκη δειγματοληψίας πεδίου είναι δαπανηρή από την άποψη του ανθρώπινου δυναμικού, υλικών και χρόνου και δε μπορεί να ανταποκριθεί σε πραγματικό χρόνο παρακολούθησης μιας μεγάλης περιοχής. Η τεχνολογία της τηλεπισκόπησης παρέχει ένα νέο μέσο για τον προσδιορισμό της χλωροφύλλης σε μηλιές, το οποίο περιλαμβάνει ταχεία ανάλυση, χαμηλό κόστος και μεγάλη περιοχή παρακολούθησης. Το πείραμα έγινε στην πόλη Qixia της επαρχίας Shandong, στη Κίνα, τον Ιούνιο 2016.[[Αρχείο:Rs_wiki_barbalias_5.1.png|200px|thumb|left|Εικόνα 1: Tα κανάλια του δέκτη MSI του Sentinel-2A ]]

'''Μεθοδολογία'''

Συνοπτικά, επειδή το κανάλι του κόκκινου άκρου είναι ευαίσθητο στην περιεχόμενη χλωροφύλλη, η εικόνα της τηλεπισκόπησης που περιέχει αυτό το κανάλι είναι η προτιμώμενη για να γίνει η εκτίμηση του ποσού χλωροφύλλης που υπάρχει σε μια καλλιέργεια γρήγορα και σε μεγάλη κλίμακα. Σε αυτή τη μελέτη υπολογίστηκε η περιεκτικότητα σε χλωροφύλλη του θόλου της μηλιάς, χρησιμοποιώντας την εικόνα τηλεπισκόπησης του Sentinel-2A και τα δεδομένα μέτρησης κοντά στη γη στην πόλη Qixia της επαρχίας Shandong. Στη συνέχεια με βάση το φασματικό δείκτη που κατασκευάστηκε από του προκατόχους, ο δείκτης βλάστησης χλωροφύλλης του θόλου των μηλιών επιλέχθηκε και κατασκευάστηκε χρησιμοποιώντας την εικόνα του Sentinel-2A που περιέχει τα κανάλια μπλε, πράσινο, κόκκινο, κόκκινο άκρο και εγγύς υπέρυθρο. Τέλος το μοντέλο εκτίμησης της περιεκτικότητας σε χλωροφύλλη του θόλου των μηλιών κατασκευάστηκε με βάση το δείκτη βλάστησης. Συγκρίνοντας την ακρίβεια διαφορετικών μοντέλων επιλέχθηκε το καλύτερο μοντέλο εκτίμησης. [[Αρχείο:Rs_wiki_barbalias_5.2.png|200px|thumb|left|Εικόνα 2: Διαγράμματα διασποράς των μετρούμενων και προβλεπόμενων τιμών επικύρωσης με BPNN 1(a), 2(b) και 3(c) με βάση τους δείκτες βλάστησης ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε το φορητό φασματόμετρο επιφανειών ASD FIELDSPEC 4 που έχει 2151 φασματικά κανάλια με φασματικό εύρος από 350 nm έως 2500 nm. Το διάστημα δειγματοληψίας των καναλιών από 350 nm έως 1000 nm είναι 1,4 nm και η φασματική ανάλυση είναι 3 nm. Το διάστημα δειγματοληψίας των καναλιών από 1001 nm έως 2500 nm είναι 2 nm και η φασματική ανάλυση είναι 8 nm. Επίσης χρησιμοποιήθηκε ο δέκτης MSI του δορυφόρου Sentinel-2A, ο οποίος έχει 13 φασματικά κανάλια με φασματικό εύρος από 0,433μm έως 2,280 μm και χωρική ανάλυση 20 m. Είναι ο πρώτος πολιτικός δορυφόρος με τρία κανάλια “ κόκκινο άκρο’’ που παρέχει περισσότερη επιλογή καναλιών για τη δυναμική παρακολούθηση της περιεκτικότητας σε χλωροφύλλη στη βλάστηση. Για την ατμοσφαιρική διόρθωση χρησιμοποιήθηκε το λογισμικό SNAP που παρέχεται από την ESA.

[[Αρχείο:Rs_wiki_barbalias_5.3.png|200px|thumb|Right| Εικόνα 3: Διαγράμματα διασποράς των μετρούμενων και προβλεπόμενων τιμών επικύρωσης με SVMR 1(a), 2(b) και 3(c) με βάση τους δείκτες βλάστησης ]]

'''Αποτελέσματα'''

• Ο συντελεστής του σετ βαθμονόμησης της τιμής προσδιορισμού (R2) 0,729 και του σετ επικύρωσης της τιμής R2 0,667 του μοντέλου, χρησιμοποιώντας τη μέθοδο SVMR με βάση τους δείκτες βλάστησης (NDVIgreen + NDVIred + NDVIre), ήταν υψηλότεροι από εκείνους του μοντέλου που χρησιμοποιεί τη μέθοδο BPNN κατά 8,2 % και 11 % αντίστοιχα.
• Το σετ βαθμονόμησης της ρίζας μέσης τετραγωνικής αποκλίσεως (RMSE) 0,159 και το σετ επικύρωσης RMSE 0,178 του μοντέλου, χρησιμοποιώντας τη μέθοδο SVMR που βασίζεται στους δείκτες βλάστησης (NDVIgreen + NDVIred + NDVIre), ήταν χαμηλότεροι από εκείνους του μοντέλου που χρησιμοποιεί τη μέθοδο BPNN κατά 5,9 % και 3,8 % αντίστοιχα.

Μπαρμπαλιάς Χαράλαμπος

2022-02-22T11:47:31Z

Ch barbalias:

Εκτίμηση της περιεκτικότητας σε χλωροφύλλη του θόλου της μηλιάς βασισμένη στην εικόνα τηλεπισκόπησης του Sentinel-2A.

2022-02-22T11:40:21Z

Αρχείο:Rs wiki barbalias 5.3.png

2022-02-22T11:38:11Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 5.2.png

2022-02-22T11:37:59Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 5.1.png

2022-02-22T11:37:44Z

Ch barbalias:

Μπαρμπαλιάς Χαράλαμπος

2022-02-22T11:30:27Z

Ch barbalias:

Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...

2022-02-20T23:11:04Z

Ch barbalias:

=='''Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja, της περιφέρειας Amhara, στην Αιθιοπία'''==

'''Πρωτότυπος τίτλος:''' Forest cover change detection using remote sensing and GIS in Banja district, Amhara region, Ethiopia

'''Συγγραφείς:''' Abyot Yismaw1, Birhanu Gedif2, Solomon Addisu3, Ferede Zewudu4

'''Δημοσιεύθηκε:''' International Journal of Environmental Monitoring and Analysis

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi: 10.11648/j.ijema.20140206.19 ]

'''Θέμα και πεδίο μελέτης'''

Η ανακάλυψη των συνθηκών που επικρατούν σε ένα δάσος καθώς και η παρακολούθηση των αλλαγών σε διάφορες δασικές, δομικές και βιοφυσικές μεταβλητές μπορούν να επιτρέψουν την ακριβή κατανόηση των υπηρεσιών του δασικού οικοσυστήματος. Η παρακολούθηση της αλλαγής της δασικής κάλυψης είναι μια από τις κύριες εφαρμογές της τηλεπισκόπησης. Βασίζεται στην ανίχνευση αλλαγών ενός συνόλου χρονικών εικόνων που καλύπτουν τη χρονική περίοδο ενδιαφέροντος, χρησιμοποιώντας συγκεκριμένους αλγόριθμους ανίχνευσης αλλαγών. Η μελέτη διεξήχθηκε στην περιοχή Banja, της διοικητικής ζώνης Awi, της περιφέρειας Amhara, στην Αιθιοπία, το 2003.[[Αρχείο:Rs_wiki_barbalias_4.1.png|200px|thumb|left|Εικόνα 1: Θέση της περιοχής μελέτης ]]

'''Μεθοδολογία'''

Η εφαρμογή της τηλεπισκόπησης βασίζεται στο γεγονός ότι τα επίγεια υλικά ανακλούν και απορροφούν το φως σε διαφορετικά μήκη κύματος. Επομένως είναι δυνατή η διαφοροποίηση μεταξύ των υλικών ( βλάστηση, εδάφη, πετρώματα, κ.λ.π) από τις φασματικές υπογραφές τους. Για την ανίχνευση των αλλαγών της δασικής κάλυψης με την πάροδο του χρόνου χρησιμοποιήθηκε ο δείκτης NDVI και οι μέθοδοι ανίχνευσης αλλαγών με τη σύγκριση ταξινομημένων εικόνων.[[Αρχείο:Rs_wiki_barbalias_4.2.png|200px|thumb|left|Εικόνα 2: Χρήση γης/Χάρτης κάλυψης γης για το 1973 ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκαν δεδομένα εικόνας του Landsat MSS με 4 φασματικά κανάλια, του Landsat TM με 7 φασματικά κανάλια και του Landsat ETM+ με 8 φασματικά κανάλια SRTM DEM δεδομένα με ανάλυση 90 μ., τα οποία αποκτήθηκαν στις 02/01/1973, 01/03/1986 και 26/01/2003 αντίστοιχα. Επίσης, χρησιμοποιήθηκε το GARMIN GPS για τη συλλογή σημείων ελέγχου εδάφους για ταξινόμηση εικόνων. Τέλος, πραγματοποιήθηκε ραδιομετρική διόρθωση, εξισορρόπηση θολότητας ιστογράμματος και μείωση θορύβου, καθώς και χωρική επαναδειγματοληψία στις τρεις εικόνες χρησιμοποιώντας το λογισμικό ENVI 4.2..

[[Αρχείο:Rs_wiki_barbalias_4.3.png|200px|thumb|Right| Εικόνα 3: Χρήση γης/Χάρτης κάλυψης γης για το 1986 ]]

'''Αποτελέσματα'''

• Οι δασικοί πόροι μειώθηκαν από 6044 εκτάρια το 1973 σε 2855,9 εκτάρια το 1986 και 2446,9 εκτάρια το 2003. Ο ετήσιος ρυθμός μεταβολής της δασικής κάλυψης μεταξύ του 1973 και 2003 ήταν 120 εκτάρια/έτος.
• Οι κοινωνικοοικονομικοί παράγοντες όπως η πληθυσμιακή αύξηση, η ζήτηση για επέκταση της γεωργικής γης, καυσόξυλα και δομικά υλικά ήταν οι κινητήριες δυνάμεις για τις παρατηρούμενες αλλαγές της δασικής κάλυψης.

Αρχείο:Rs wiki barbalias 4.3.png

2022-02-20T23:08:55Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 4.2.png

2022-02-20T23:08:32Z

Ch barbalias:

Αρχείο:Rs wiki barbalias 4.1.png

2022-02-20T23:08:00Z

Ch barbalias:

Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja...

2022-02-20T22:58:25Z

Ch barbalias: Νέα σελίδα με '=='''Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja, ...'

=='''Ανίχνευση αλλαγής δασικής κάλυψης με χρήση της τηλεπισκόπησης και του GIS στην περιοχή Banja, της περιφέρειας Amhara, στην Αιθιοπία'''==

'''Πρωτότυπος τίτλος:''' Forest cover change detection using remote sensing and GIS in Banja district, Amhara region, Ethiopia

'''Συγγραφείς:''' Abyot Yismaw1, Birhanu Gedif2, Solomon Addisu3, Ferede Zewudu4
1Bureau of Mines and Energy Agency, Amhara National Regional State, Bahir Dar 2Director for Geospatial Data and Technology Center, Lecturer at College of Agriculture and Environmental Sciences, Department of Natural Resources Management, Bahir Dar University 3PhD Research Scholar at Andhra University, College of Science |& Technology, Environmental Sciences Department 4Assistant Professor, at College of Social Sciences, Department of Geography and Environmental Studies, Bahir Dar University

'''Δημοσιεύθηκε:''' Sciencedirect.com

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/S0303-2434(03)00008-4 ]

'''Θέμα και πεδίο μελέτης'''

Στη δημοσίευση αναγνωρίζεται η μεγάλη σημασία της έγκαιρης ανίχνευσης των ασθενειών στις καλλιέργειες με στόχο τη διαχείριση τους με ακρίβεια. Πιο συγκεκριμένα, η ασθένεια του περονόσπορου χρησιμοποιήθηκε ως πλαίσιο για την ανάδειξη της δυνατότητας εφαρμογής της υπερφασματικής τηλεπισκόπησης για την παρακολούθηση ασθενειών στον αγρό και για την ανάπτυξη μεθοδολογίας για το σκοπό αυτό. Η μελέτη πραγματοποιήθηκε σε καλλιέργειες τομάτας στην κοιλάδα του Σαλίνας προς το τέλος του καλοκαιρινής περιόδου του 2018.[[Αρχείο:Rs_wiki_barbalias_1.1.png|200px|thumb|left|Εικόνα 1: Aνάγλυφη είκόνα της παράκτιας Καλιφόρνιας,που δείχνει τη θέση της κοιλάδας Σαλίνας ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση χρησιμοποιείται για τη συλλογή της φασματικής σκέδασης του θόλου των φυτών σε μια προσβεβλήμενη καλλιέργεια τομάτας. Βασίζεται στο γεγονός ότι η μόλυνση προκαλεί μείωση της χλωροφύλλης και αλλάζει την εσωτερική δομή του φυτού με αποτέλεσμα την αλλαγή της φασματικής ανάκλασης του.[[Αρχείο:Rs_wiki_barbalias_1.2.png|200px|thumb|left|Εικόνα 2: Φάσματα εικόνας του πεδίου, που απεικονίζουν τη φασματική διαφορά κάθε κατηγορίας στην κλίμακα των εικόνων της τηλεπισκόπησης. Οι ετικέτες είναι: H για υγιή φυτά, 1 για LB1, 2 για LB2, 3 για LB3, 4 για LB4 και S για το έδαφος ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε ο αερομεταφερόμενος οπτικός αισθητήρας ΑVIRIS που παρέχει 224 συνεχόμενα φασματικά κανάλια από 400 έως 2500 nm. Για την ανάλυση της εικόνας χρησιμοποιήθηκαν οι αλγόριθμοι MNF και SAM για να γίνει η διάκριση των προσβεβλημένων εικονοστοιχείων από τα υγιή. Επίσης χρησιμοποιήθηκε ο φασματομετρητής GER-2600 για τη μέτρηση της φασματικής σκέδασης του θόλου της καλλιέργειας, ένα μέτρο πάνω από το θόλο υπό γωνία (FOV) 23°.

[[Αρχείο:Rs_wiki_barbalias_1.3.png|200px|thumb|Right| Εικόνα 3: Αποτελέσματα ταξινόμησης στην υπερφασματική εικόνα για ταυτοποίηση των προσβεβλημένων φυτών από τα υγιή. (a) Η σύνθεση της εικόνας με ψευδόχρωμα, (β) τα ταξινομημένα αποτελέσματα της εικόνας για την αναγνώριση των άρρωστων φυτών. Σημείωση: H είναι υγιή φυτά; Τα LB2, LB3 και LB4 είναι μολυσμένα φυτά σε στάδια 2, 3 και 4, αντίστοιχα. και τα C1, C2 και C3 είναι άλλες καλλιέργειες αντίστοιχα στα γύρω χωράφια. ]]

'''Αποτελέσματα'''

• Η φασματική σκέδαση των δειγμάτων του αγρού έδειξε ότι το μήκος κύματος του εγγύς υπέρυθρου (0.7–1.3 nm) ήταν το πιο αξιόπιστο σε σχέση με το μήκος κύματος του ορατού φωτός για τη διάκριση των προσβεβλημένων φυτών από τα υγιή και ελαφρά προσβεβλημένα.
• Μετά τη χρήση του MNF 28 κανάλια προσδιορίστηκαν ότι ήταν πολύτιμα για τον διαχωρισμό των υγιών φυτών από τα άρρωστα .
• Η ταξινόμηση των φασμάτων των τηλεπισκοπικών απεικονίσεων με την τεχνική της φασματικής γωνίας (SAM) μετά από την προεπεξεργασία τους με τον αλγόριθμο MNF έδειξε ότι μπορεί να γίνει διαχωρισμός των προσβεβλημένων φυτών από περονόσπορο από τα υγιή φυτά και τα ελαφρά προσβεβλημένα.
• Υψηλές συσχετίσεις μεταξύ των υγιών φυτών και των ελαφρώς προσβεβλημένων καθώς και μεταξύ των προσβεβλημένων και των βαριά προσβεβλημένων, υποδεικνύουν δυσκολία στο διαχώρισμο των κατηγοριών.
• Η φασματική κατανομή στη περιοχή του ορατού φωτός και του εγγύς υπέρυθρου στο πεδίο ήταν παρόμοια με αυτή της εικόνας.

Μπαρμπαλιάς Χαράλαμπος

2022-02-20T22:53:29Z

Ch barbalias:

Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....

2022-02-18T20:00:54Z

Ch barbalias:

=='''Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση δεδομένων τηλεπισκόπησης και συσχέτιζοντας τους με το σχέδιο καλλιέργειας.'''==

'''Πρωτότυπος τίτλος:''' Mapping soil moisture and their correlation with crop pattern using remotely sensed data in arid region.

'''Συγγραφείς:''' E.S. Mohamed a*, Abdelraouf Ali a, Mohammed El-Shirbeny a, Khaled Abutaleb a,b,c, Sameh M. Shaddad d

'''Δημοσιεύθηκε:''' Sciencedirect.com

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ejrs.2019.04.003 ]

'''Θέμα και πεδίο μελέτης'''

Στην παρούσα δημοσίευση αναγνωρίζεται ότι η εκτίμηση της υγρασίας του εδάφους παίζει καθοριστικό ρόλο στην άρδευση ακριβείας. Η υγρασία του εδάφους επηρεάζει πολλούς παράγοντες όπως τη βλάστηση, την εξατμισοδιαπνοή και την ανάπτυξη των καλλιεργειών. Αυτή η μελέτη στοχεύει να προβλέψει την υγρασία του εδάφους χρησιμοποιώντας οπτικά δεδομένα τηλεπισκόπισης και δεδομένα ραντάρ συνθετικού ανοίγματος τα οποία θα αξιοποιηθούν στο σχέδιο καλλιέργειας. Η μελέτη πραγματοποιήθηκε στα ανατολικά του δέλτα του Νείλου της Αιγύπτου (30° 31 έως 30° 33 N, 31° 55 έως 31° 05 E).[[Αρχείο:Rs_wiki_barbalias_3.1.png|200px|thumb|left|Εικόνα 1: Θέση της περιοχής μελέτης και σημεία συλλογής δεδομένων ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση στο θερμικό φάσμα χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του εδάφους για τη διάκριση διαφορών στην περιεχόμενη υγρασία. Το ραντάρ συνθετικού ανοίγματος με τη χρήση παλμών μπορεί να διακρίνει και αυτό διαφορές στην περιεχόμενη υγρασία του εδάφους.[[Αρχείο:Rs_wiki_barbalias_3.2.png|200px|thumb|left|Εικόνα 2: Περιεκτικότητα υγρασίας του εδάφους με βάση το SMI ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε ο Landsat 7 ETM+ με χωρική ανάλυση 30 μ. και ο Sentinel-1 (ESA SAR) με χωρική ανάλυση 10 μ. Επίσης έγινε συλλογή 100 δειγμάτων από το έδαφος που να αντιπροσωπεύουν διαφορετικούς τύπους εδάφους στην περιοχή μελέτης.
Η θερμοκρασία της επιφάνειας του εδάφους (LST) υπολογίστηκε από τα θερμικά υπέρυθρα δεδομένα σύμφωνα με τον τύπο (Jimenez-Munoz and Sobrino, 2003):
Ts = γ (ε6- 1(ψ1* L6sensor + ψ2)+ψ3)+δ
όπου το Τs είναι η LST, το ε6 η εκπομπή, το L6 είναι το φασματικό κανάλι 6 και( ψ1,ψ2,ψ3) οι ατμοσφαιρικές συναρτήσεις
Ο δείκτης εδαφικής υγρασίας (SMI) υπολογίστηκε από τον τύπο:
SMI= (LSTMAX –LST)/(LSTMAX - LSTMIN )
όπου SMI είναι δείκτης υγρασίας εδάφους, LSTmax, LSTmin, LST είναι το μέγιστο, ελάχιστο και την τιμή του ανακτηθέντος LST αντίστοιχα
Η εκτίμηση της τιμής του συντελεστή οπισθοσκέδασης (dB) βασίστηκε στην εξίσωση Pathe et al. (2009) :
σ0 (t,θ)=σ0 dry(30)+ S.MS (t) + β(0-30)

[[Αρχείο:Rs_wiki_barbalias_3.3.png|200px|thumb|Right| Εικόνα 3: Περιεκτικότητα υγρασίας του εδάφους με βάση το dB ]]

'''Αποτελέσματα'''

• Υψηλή συσχέτιση μεταξύ SMC και SMI, ο συντελεστής προσδιορισμού R2 έφτασε στην τιμή 0,81 μεταξύ του δείκτη υγρασίας και της πραγματικής υγρασίας του εδάφους.
• Επιπλέον σημάντική συσχέτιση φάνηκε και από τα δεδομένα του Sentimel-1, με R2 0,83 μεταξύ της πραγματικής υγρασίας του εδάφους και του συντελεστή οπισθοσκέδασης (db).
• Υπάρχει ένα σημαντικό πλεονέκτημα στα θερμικά δεδομένα διότι μπορούν να εμφανίζουν τη διακύμανση των επιπέδων υγρασίας σε διάσπαρτες καλλιεργήσιμες εκτάσεις.

Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση....

2022-02-18T19:58:31Z

Ch barbalias:

=='''Χαρτογράφηση της υγρασίας του εδάφους σε άνυδρη περιοχή, κάνοντας χρήση δεδομένων τηλεπισκόπησης και συσχέτιζοντας τους με το σχέδιο καλλιέργειας.'''==

'''Πρωτότυπος τίτλος:''' Mapping soil moisture and their correlation with crop pattern using remotely sensed data in arid region.

'''Συγγραφείς:''' E.S. Mohamed a*, Abdelraouf Ali a, Mohammed El-Shirbeny a, Khaled Abutaleb a,b,c, Sameh M. Shaddad d

'''Δημοσιεύθηκε:''' Sciencedirect.com

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ejrs.2019.04.003 ]

'''Θέμα και πεδίο μελέτης'''

Στην παρούσα δημοσίευση αναγνωρίζεται ότι η εκτίμηση της υγρασίας του εδάφους παίζει καθοριστικό ρόλο στην άρδευση ακριβείας. Η υγρασία του εδάφους επηρεάζει πολλούς παράγοντες όπως τη βλάστηση, την εξατμισοδιαπνοή και την ανάπτυξη των καλλιεργειών. Αυτή η μελέτη στοχεύει να προβλέψει την υγρασία του εδάφους χρησιμοποιώντας οπτικά δεδομένα τηλεπισκόπισης και δεδομένα ραντάρ συνθετικού ανοίγματος τα οποία θα αξιοποιηθούν στο σχέδιο καλλιέργειας. Η μελέτη πραγματοποιήθηκε στα ανατολικά του δέλτα του Νείλου της Αιγύπτου (30° 31 έως 30° 33 N, 31° 55 έως 31° 05 E).[[Αρχείο:Rs_wiki_barbalias_3.1.png|200px|thumb|left|Εικόνα 1: Θέση της περιοχής μελέτης και σημεία συλλογής δεδομένων ]]

'''Μεθοδολογία'''

Η τηλεπισκόπηση στο θερμικό φάσμα χρησιμοποιείται για τη συλλογή της φασματικής ανάκλασης του εδάφους για τη διάκριση διαφορών στην περιεχόμενη υγρασία. Το ραντάρ συνθετικού ανοίγματος με τη χρήση παλμών μπορεί να διακρίνει και αυτό διαφορές στην περιεχόμενη υγρασία του εδάφους.[[Αρχείο:Rs_wiki_barbalias_3.2.png|200px|thumb|left|Εικόνα 2: Περιεκτικότητα υγρασίας του εδάφους με βάση το SMI ]]

'''Συλλογή δεδομένων'''

Χρησιμοποιήθηκε ο Landsat 7 ETM+ με χωρική ανάλυση 30 μ. και ο Sentinel-1 (ESA SAR) με χωρική ανάλυση 10 μ. Επίσης έγινε συλλογή 100 δειγμάτων από το έδαφος που να αντιπροσωπεύουν διαφορετικούς τύπους εδάφους στην περιοχή μελέτης.
Η θερμοκρασία της επιφάνειας του εδάφους (LST) υπολογίστηκε από τα θερμικά υπέρυθρα δεδομένα σύμφωνα με τον τύπο (Jimenez-Munoz and Sobrino, 2003):
Ts = γ (ε6- 1(ψ1* L6sensor + ψ2)+ψ3)+δ
όπου το Τs είναι η LST, το ε6 η εκπομπή, το L6 είναι το φασματικό κανάλι 6 και( ψ1,ψ2,ψ3) οι ατμοσφαιρικές συναρτήσεις
Ο δείκτης εδαφικής υγρασίας (SMI) υπολογίστηκε από τον τύπο:
SMI= (LSTMAX –LST)/(LSTMAX - LSTMIN )
όπου SMI είναι δείκτης υγρασίας εδάφους, LSTmax, LSTmin, LST είναι το μέγιστο, ελάχιστο και την τιμή του ανακτηθέντος LST αντίστοιχα
Η εκτίμηση της τιμής του συντελεστή οπισθοσκέδασης (dB) βασίστηκε στην εξίσωση Pathe et al. (2009) :
σ0 (t,θ)=σ0 dry(30)+ S.MS (t) + β(0-30)
Περιεκτικότητα υγρασίας του εδάφους με βάση το dB ]]

'''Αποτελέσματα'''

• Υψηλή συσχέτιση μεταξύ SMC και SMI, ο συντελεστής προσδιορισμού R2 έφτασε στην τιμή 0,81 μεταξύ του δείκτη υγρασίας και της πραγματικής υγρασίας του εδάφους.
• Επιπλέον σημάντική συσχέτιση φάνηκε και από τα δεδομένα του Sentimel-1, με R2 0,83 μεταξύ της πραγματικής υγρασίας του εδάφους και του συντελεστή οπισθοσκέδασης (db).
• Υπάρχει ένα σημαντικό πλεονέκτημα στα θερμικά δεδομένα διότι μπορούν να εμφανίζουν τη διακύμανση των επιπέδων υγρασίας σε διάσπαρτες καλλιεργήσιμες εκτάσεις.

Αρχείο:Rs wiki barbalias 3.3.png

2022-02-18T19:56:15Z

Ch barbalias: