http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Chleontidis&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FChleontidis 2026-05-16T08:42:06Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9B%CE%B5%CE%BF%CE%BD%CF%84%CE%AF%CE%B4%CE%B7%CF%82_%CE%A7%CE%B1%CF%81%CE%AC%CE%BB%CE%B1%CE%BC%CF%80%CE%BF%CF%82 2020-02-23T20:23:25Z

<p>Chleontidis: </p> <hr /> <div>[[Συνδέοντας Γεωμορφολογικές και Δημογραφικές Μετακινήσεις: Η Περίπτωση της Νότιας Αλβανίας]]<br /> <br /> [[Αντίκτυπος της Αλλαγής του Αρκτικού Κλίματος και των Αλλαγών των Χρήσεων Γης στην Εκτροφή Ταράνδων: Ιθαγενής Γνώση και Τηλεπισκόπηση]]<br /> <br /> [[Μοντελοποίηση της Κατοικισιμότητας Περιοχών από Μεταναστευτικα Πουλιά με τη χρήση Συνελικτικών Νευρωνικών Δικτύων]]<br /> <br /> [[Συνεισφορά της Τηλεπισκόπησης στα Μοντέλα Πρόβλεψης Καλλιέργειας]]<br /> <br /> [[Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωση της Παραδοσιακής Οικολογικής Ιθαγενούς Γνώσης στην Τηλεπισκοπική Ανάλυση]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%9B%CE%B5%CE%BF%CE%BD%CF%84%CE%AF%CE%B4%CE%B7%CF%82_%CE%A7%CE%B1%CF%81%CE%AC%CE%BB%CE%B1%CE%BC%CF%80%CE%BF%CF%82 2020-02-23T20:22:33Z

<p>Chleontidis: </p> <hr /> <div>[[Συνδέοντας Γεωμορφολογικές και Δημογραφικές Μετακινήσεις: Η Περίπτωση της Νότιας Αλβανίας]]<br /> [[Αντίκτυπος της Αλλαγής του Αρκτικού Κλίματος και των Αλλαγών των Χρήσεων Γης στην Εκτροφή Ταράνδων: Ιθαγενής Γνώση και Τηλεπισκόπηση]]<br /> [[Μοντελοποίηση της Κατοικισιμότητας Περιοχών από Μεταναστευτικα Πουλιά με τη χρήση Συνελικτικών Νευρωνικών Δικτύων]]<br /> [[Συνεισφορά της Τηλεπισκόπησης στα Μοντέλα Πρόβλεψης Καλλιέργειας]]<br /> [[Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωση της Παραδοσιακής Οικολογικής Ιθαγενούς Γνώσης στην Τηλεπισκοπική Ανάλυση]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%9B%CE%B5%CE%BF%CE%BD%CF%84%CE%AF%CE%B4%CE%B7%CF%82_%CE%A7%CE%B1%CF%81%CE%AC%CE%BB%CE%B1%CE%BC%CF%80%CE%BF%CF%82 2020-02-23T20:19:36Z

<p>Chleontidis: Νέα σελίδα με '[[Συνδέοντας Γεωμορφολογικές και Δημογραφικές Μετακινήσεις: Η Περίπτωση της Νότιας Αλβανίας]...'</p> <hr /> <div>[[Συνδέοντας Γεωμορφολογικές και Δημογραφικές Μετακινήσεις: Η Περίπτωση της Νότιας Αλβανίας]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%BD%CE%B4%CE%AD%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CE%93%CE%B5%CF%89%CE%BC%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CE%BA%CE%B1%CE%B9_%CE%94%CE%B7%CE%BC%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AD%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%BA%CE%B9%CE%BD%CE%AE%CF%83%CE%B5%CE%B9%CF%82:_%CE%97_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%9D%CF%8C%CF%84%CE%B9%CE%B1%CF%82_%CE%91%CE%BB%CE%B2%CE%B1%CE%BD%CE%AF%CE%B1%CF%82 2020-02-22T12:59:36Z

<p>Chleontidis: </p> <hr /> <div>'''Linking Geomorphological and Demographic Movements: The Case of Southern Albania'''<br /> <br /> <br /> Συγγραφείς: ''Nataša Gregorič Bon, Damir Josipovič, Urša Kanjir''<br /> <br /> Δημοσιεύτηκε: ''Applied Geography, Volume 100, November 2018, Pages 55-67''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1016/j.apgeog.2018.09.002'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Το άρθρο αυτό υποστηρίζει πως διάφορες περιπτώσεις μετακινήσεων όπως οι φυσικές μετακινήσεις πληθυσμών, γεωτεκτονικές μετακινήσεις και γεωμορφολογικές μετακινήσεις του τοπίου είναι ενσωματωμένες στις πρακτικές των ανθρώπων. Αυτή’η συσχέτιση απουσιάζει από την βιβλιογραφία και η συγκεκριμένη μελέτη προσπαθεί να καλύψει αυτό το κενό. Για τον λόγο αυτό μελετάται η συσχέτιση μεταξύ γεωμορφολογικών και δημογραφικών αλλαγών στην περιοχή της Αυλώνας στην Αλβανία μεταξύ 1979 και 2016. Το τριμερές μοντέλο ανάλυσης που αναπτύσσεται αποτελείται από (Α) τηλεπισκοπική ανάλυση με τη χρήση αυτόματου εντοπισμού στεριάς-γης, (Β) δημογραφική ανάλυση με βάρος στις αλλαγές των πληθυσμών με χρήση στατιστικών αναλύσεων και (Γ) εκτενή ανθρωπολογική έρευνα πεδίου με ανοιχτές και ημικατασκευασμένες συνεντεύξεις και συζητήσεις. Οι συγγραφείς υποστηρίζουν πως πρόσφατες δημογραφικές αλλαγές στην ευρύτερη περιοχή της Αυλώνας συντελούν στο παρόν τοπίο. Συγκεκριμένα, η αστικοποίηση με τις δραστηριότητες που αυτή συνεπάγεται συντελεί στην συρρίκνωση της προσχωσιγενούς πεδιάδας και κατ’ επέκταση στην απώλεια εδάφους και μετακίνηση της ακτογραμμής.<br /> <br /> '''Υλικό και μεθοδολογία'''<br /> <br /> Οι πηγές δεδομένων αυτής της μελέτης προκύπτουν από εκτενή ανθρωπογραφική έρευνα πεδίου με έναρξη το 2004, επίσημα δημογραφικά στατιστικά δεδομένα και δορυφορικές εικόνες. Οι τελευταίες αποτελούνται από εννιά σύνολα εικόνων Landsat για τις χρονιές μεταξύ 1984 και 2016 που συμπίπτουν με περιόδους μεγάλων κοινωνικοοικονομικών, πολιτικών και οικονομικών αλλαγών στην Αλβανία. Τα τηλεπισκοπικά δεδομένα προεπεξεργάστηκαν με χρήση της αλυσιδωτής επεξεργασίας STORM και στη συνέχεια χρησιμοποιήθηκε το λογισμικό ATCOR για την ατμοσφαιρική διόρθωση.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5a.png|200px|thumb|right|Αρχική εικόνα του Landsat (a), το προϊόν του MNDWI(b) και ταξινομημένη εικόνα(c).]]<br /> '''Μέθοδοι'''<br /> <br /> Για τον αυτοματοποιημένο διαχωρισμό της ανοιχτής θάλασσας από την γη χρησιμοποιήθηκε ο τροποποιημένος δείκτης MNDWI (MNDWI = (Green – MIR)/(Green + MIR). Με την χρήση του προκύπτουν οι τιμές για τα πίξελ που καλύπτονται από νερό ως θετικές και αυτές του εδάφους και της βλάστησης συνήθως ως αρνητικές. Στη συνέχεια προκύπτει από το ιστόγραμμα της εικόνας το κατώφλι για τα τοπικά μέγιστα των τιμών του νερού και των υπόλοιπων και κατωφλιώνοντας δίνεται η τιμή 1 στα πίξελ νερού και 0 στα υπόλοιπα. Έπειτα τα δυαδικά ψηφιακά δεδομένα μετατρέπονται σε διανυσματικά. Τα δεδομένα αυτά τέλος τροποποιούνται χειροκίνητα κυρίως για να αφαιρεθούν κάποιες λάθος ταξινομημένες περιοχές όπως περιοχές νεφοκάλυψης. Τα αποτελέσματα δείχνουν πως ο MNDWI υπερέχει στον εντοπισμού του νερού έναντι των NDWI και NDVI με τους οποίους συγκρίθηκε. Όταν προκύψει το τελικό διανυσματικό αποτέλεσμα για κάθε χρονιά, τα δεδομένα κατηγοριοποιούνται σε: στεριά, θάλασσα, λίμνη και ποτάμι. Σχετικά με τα δημογραφικά δεδομένα που προέκυψαν από την INSTAT (Institute of Statistics), η ανάλυσή τους έδειξε μεγάλη ανομοιομορφία στην ποιότητά τους. Για να διορθωθεί η μεροληψία στην συλλογή των κατάλληλων δεδομένων, έγιναν προεκτάσεις και παρεμβολές σε αυτά. Έτσι μπόρεσε να υπολογιστεί η διαφορά μεταξύ των επισήμων τιμών και της δημογραφικής πραγματικότητας in situ. Προκειμένου να προσεγγιστεί η σχέση μεταξύ των αλλαγών στην επιφάνεια της γης και των δυναμικών του πληθυσμού, συγκρίθηκε η μεταβλητότητα των δύο. Οι στατιστικές μέθοδοι που χρησιμοποιήθηκαν για αυτή την ανάλυση ποικίλαν από απλή περιγραφική στατιστική μέχρι την παρατήρηση των οπτικών ομοιοτήτων των δύο συγκρινόμενων οντοτήτων.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5b.png|200px|thumb|right|Γράφημα της τάσης του πληθυσμού σε σχέση με της αλλαγές κάλυψης γης (ποσοστιαίες) σε ένα διάστημα 32 ετών.]]<br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Σε σχέση με τα δημογραφικά δεδομένα προκύπτει πως η πόλη της Αυλώνας έχει δεχτεί μία έντονη αστικοποίηση τα τελευταία 35 χρόνια με τον πληθυσμό να αυξάνεται από 56.000 σε 79.000. Παράλληλα η επαρχία της Αυλώνας μεταξύ 2001 και 2011 έχει δεχτεί πλήγμα από την μετανάστευση με τον πληθυσμό να της να μειώνεται κατά 29.000 (περίπου 15%). Επίσης κατά την τηλεπισκοπική ανάλυση προκύπτουν οι μεταβολές στην ακτογραμμή ως αποτέλεσμα της παλίρροιας και των φερτών υλικών του ποταμού. Η παλίρροια στην περιοχή αυτή ποικίλει στον κατακόρυφο άξονα μεταξύ 20 και 30cm, γεγονός που δυνητικά παρουσιάζει μία βαθιά επιρροή στην ενδοχώρα παρά την χωρική ανάλυση των 30 μέτρων. Παρ’ όλα αυτά, στην συγκεκριμένη τοποθεσία, η διαμόρφωση της ακτής με διάσπαρτους αμμόλοφους και χαμηλά βράχια δύσκολα επιτρέπει στην παλίρροια να διεισδύσει πάνω από 10 μέτρα προς κάθε κατεύθυνση. Έτσι τα παλιρροϊκά φαινόμενα είναι πολύ ασθενή για να αποτυπωθούν στην δεδομένη χωρική ανάλυση των εικόνων Landsat. Για την εξέταση των αποτελεσμάτων από μία συγκριτική οπτική συγκρίθηκαν οι τέσσερις κατηγορίες (ποτάμι, στάσιμο νερό – λίμνη, θάλασσα και στέρεη γη) με τα δεδομένα που αφορούν τον πληθυσμό. Τα δεδομένα αντιπαρατέθηκαν βάσει των ημερομηνιών της λήψης των δορυφορικών εικόνων. Τα νέα δεδομένα αποτελούνταν από 14 ζεύγη μεταξύ του 1979 και του 2016. Το πρώτο στάδιο της διαδικασίας περιλάμβανε την σύγκριση των αλλαγών στην κάλυψη γης και στον πληθυσμό. Όσον αφορά την κάλυψη γης, η εκβολή του ποταμού έχει μετατοπιστεί σημαντικά αυτά τα χρόνια, πάνω από ένα χιλιόμετρο, επίσης έχουν συμβεί επιχωματώσεις στην περιοχή βόρια της Αυλώνας σε έκταση ως μισό τετραγωνικό χιλιόμετρο λόγω της κατασκευής ενός λιμενοβραχίονα. Όσον αφορά τον πληθυσμό, αυτός σταθερά αυξάνεται με μία έντονη πτώση το 2000. Το επόμενο βήμα ήταν η απόκτηση των αποτελεσμάτων της συσχέτισης για κάθε μεταβλητή. Από την ανάλυση προκύπτει μία έντονη θετική συσχέτιση μεταξύ του μεγέθους της λίμνης και του πληθυσμού, μία έντονα αρνητική συσχέτιση μεταξύ της έκτασης της επιφάνειας της γης και του πληθυσμού και συσχέτιση χωρίς στατιστική σημασία μεταξύ θάλασσας και πληθυσμού. Έτσι υποστηρίζεται πως η παράκτια περιοχή υποχωρεί λόγω της πληθυσμιακής πίεσης των τελευταίων 40 ετών. Εξ’ αιτίας της αστικοποίησης γύρω από την Αυλώνα, το ποτάμι δεν μπορεί να φέρει τόσα υλικά όσα στο παρελθόν λόγω του φιλτραρίσματος. Οι ίδιοι παράγοντες επιδρούν και στη λίμνη.<br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%BD%CE%B4%CE%AD%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CE%93%CE%B5%CF%89%CE%BC%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CE%BA%CE%B1%CE%B9_%CE%94%CE%B7%CE%BC%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AD%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%BA%CE%B9%CE%BD%CE%AE%CF%83%CE%B5%CE%B9%CF%82:_%CE%97_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%9D%CF%8C%CF%84%CE%B9%CE%B1%CF%82_%CE%91%CE%BB%CE%B2%CE%B1%CE%BD%CE%AF%CE%B1%CF%82 2020-02-22T12:58:44Z

<p>Chleontidis: </p> <hr /> <div>'''Linking Geomorphological and Demographic Movements: The Case of Southern Albania'''<br /> <br /> <br /> Συγγραφείς: ''Nataša Gregorič Bon, Damir Josipovič, Urša Kanjir''<br /> <br /> Δημοσιεύτηκε: ''Applied Geography, Volume 100, November 2018, Pages 55-67''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1016/j.apgeog.2018.09.002'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Το άρθρο αυτό υποστηρίζει πως διάφορες περιπτώσεις μετακινήσεων όπως οι φυσικές μετακινήσεις πληθυσμών, γεωτεκτονικές μετακινήσεις και γεωμορφολογικές μετακινήσεις του τοπίου είναι ενσωματωμένες στις πρακτικές των ανθρώπων. Αυτή’η συσχέτιση απουσιάζει από την βιβλιογραφία και η συγκεκριμένη μελέτη προσπαθεί να καλύψει αυτό το κενό. Για τον λόγο αυτό μελετάται η συσχέτιση μεταξύ γεωμορφολογικών και δημογραφικών αλλαγών στην περιοχή της Αυλώνας στην Αλβανία μεταξύ 1979 και 2016. Το τριμερές μοντέλο ανάλυσης που αναπτύσσεται αποτελείται από (Α) τηλεπισκοπική ανάλυση με τη χρήση αυτόματου εντοπισμού στεριάς-γης, (Β) δημογραφική ανάλυση με βάρος στις αλλαγές των πληθυσμών με χρήση στατιστικών αναλύσεων και (Γ) εκτενή ανθρωπολογική έρευνα πεδίου με ανοιχτές και ημικατασκευασμένες συνεντεύξεις και συζητήσεις. Οι συγγραφείς υποστηρίζουν πως πρόσφατες δημογραφικές αλλαγές στην ευρύτερη περιοχή της Αυλώνας συντελούν στο παρόν τοπίο. Συγκεκριμένα, η αστικοποίηση με τις δραστηριότητες που αυτή συνεπάγεται συντελεί στην συρρίκνωση της προσχωσιγενούς πεδιάδας και κατ’ επέκταση στην απώλεια εδάφους και μετακίνηση της ακτογραμμής.<br /> <br /> '''Υλικό και μεθοδολογία'''<br /> <br /> Οι πηγές δεδομένων αυτής της μελέτης προκύπτουν από εκτενή ανθρωπογραφική έρευνα πεδίου με έναρξη το 2004, επίσημα δημογραφικά στατιστικά δεδομένα και δορυφορικές εικόνες. Οι τελευταίες αποτελούνται από εννιά σύνολα εικόνων Landsat για τις χρονιές μεταξύ 1984 και 2016 που συμπίπτουν με περιόδους μεγάλων κοινωνικοοικονομικών, πολιτικών και οικονομικών αλλαγών στην Αλβανία. Τα τηλεπισκοπικά δεδομένα προεπεξεργάστηκαν με χρήση της αλυσιδωτής επεξεργασίας STORM και στη συνέχεια χρησιμοποιήθηκε το λογισμικό ATCOR για την ατμοσφαιρική διόρθωση.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5a.png|200px|thumb|right|Αρχική εικόνα του Landsat (a), το προϊόν του MNDWI(b) και ταξινομημένη εικόνα(c).]]<br /> '''Μέθοδοι'''<br /> <br /> Για τον αυτοματοποιημένο διαχωρισμό της ανοιχτής θάλασσας από την γη χρησιμοποιήθηκε ο τροποποιημένος δείκτης MNDWI <br /> (MNDWI = (Green – MIR)/(Green + MIR). Με την χρήση του προκύπτουν οι τιμές για τα πίξελ που καλύπτονται από νερό ως θετικές και αυτές του εδάφους και της βλάστησης συνήθως ως αρνητικές. Στη συνέχεια προκύπτει από το ιστόγραμμα της εικόνας το κατώφλι για τα τοπικά μέγιστα των τιμών του νερού και των υπόλοιπων και κατωφλιώνοντας δίνεται η τιμή 1 στα πίξελ νερού και 0 στα υπόλοιπα. Έπειτα τα δυαδικά ψηφιακά δεδομένα μετατρέπονται σε διανυσματικά. Τα δεδομένα αυτά τέλος τροποποιούνται χειροκίνητα κυρίως για να αφαιρεθούν κάποιες λάθος ταξινομημένες περιοχές όπως περιοχές νεφοκάλυψης. Τα αποτελέσματα δείχνουν πως ο MNDWI υπερέχει στον εντοπισμού του νερού έναντι των NDWI και NDVI με τους οποίους συγκρίθηκε. Όταν προκύψει το τελικό διανυσματικό αποτέλεσμα για κάθε χρονιά, τα δεδομένα κατηγοριοποιούνται σε: στεριά, θάλασσα, λίμνη και ποτάμι. Σχετικά με τα δημογραφικά δεδομένα που προέκυψαν από την INSTAT (Institute of Statistics), η ανάλυσή τους έδειξε μεγάλη ανομοιομορφία στην ποιότητά τους. Για να διορθωθεί η μεροληψία στην συλλογή των κατάλληλων δεδομένων, έγιναν προεκτάσεις και παρεμβολές σε αυτά. Έτσι μπόρεσε να υπολογιστεί η διαφορά μεταξύ των επισήμων τιμών και της δημογραφικής πραγματικότητας in situ. Προκειμένου να προσεγγιστεί η σχέση μεταξύ των αλλαγών στην επιφάνεια της γης και των δυναμικών του πληθυσμού, συγκρίθηκε η μεταβλητότητα των δύο. Οι στατιστικές μέθοδοι που χρησιμοποιήθηκαν για αυτή την ανάλυση ποικίλαν από απλή περιγραφική στατιστική μέχρι την παρατήρηση των οπτικών ομοιοτήτων των δύο συγκρινόμενων οντοτήτων.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5b.png|200px|thumb|right|Γράφημα της τάσης του πληθυσμού σε σχέση με της αλλαγές κάλυψης γης (ποσοστιαίες) σε ένα διάστημα 32 ετών.]]<br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Σε σχέση με τα δημογραφικά δεδομένα προκύπτει πως η πόλη της Αυλώνας έχει δεχτεί μία έντονη αστικοποίηση τα τελευταία 35 χρόνια με τον πληθυσμό να αυξάνεται από 56.000 σε 79.000. Παράλληλα η επαρχία της Αυλώνας μεταξύ 2001 και 2011 έχει δεχτεί πλήγμα από την μετανάστευση με τον πληθυσμό να της να μειώνεται κατά 29.000 (περίπου 15%). Επίσης κατά την τηλεπισκοπική ανάλυση προκύπτουν οι μεταβολές στην ακτογραμμή ως αποτέλεσμα της παλίρροιας και των φερτών υλικών του ποταμού. Η παλίρροια στην περιοχή αυτή ποικίλει στον κατακόρυφο άξονα μεταξύ 20 και 30cm, γεγονός που δυνητικά παρουσιάζει μία βαθιά επιρροή στην ενδοχώρα παρά την χωρική ανάλυση των 30 μέτρων. Παρ’ όλα αυτά, στην συγκεκριμένη τοποθεσία, η διαμόρφωση της ακτής με διάσπαρτους αμμόλοφους και χαμηλά βράχια δύσκολα επιτρέπει στην παλίρροια να διεισδύσει πάνω από 10 μέτρα προς κάθε κατεύθυνση. Έτσι τα παλιρροϊκά φαινόμενα είναι πολύ ασθενή για να αποτυπωθούν στην δεδομένη χωρική ανάλυση των εικόνων Landsat. Για την εξέταση των αποτελεσμάτων από μία συγκριτική οπτική συγκρίθηκαν οι τέσσερις κατηγορίες (ποτάμι, στάσιμο νερό – λίμνη, θάλασσα και στέρεη γη) με τα δεδομένα που αφορούν τον πληθυσμό. Τα δεδομένα αντιπαρατέθηκαν βάσει των ημερομηνιών της λήψης των δορυφορικών εικόνων. Τα νέα δεδομένα αποτελούνταν από 14 ζεύγη μεταξύ του 1979 και του 2016. Το πρώτο στάδιο της διαδικασίας περιλάμβανε την σύγκριση των αλλαγών στην κάλυψη γης και στον πληθυσμό. Όσον αφορά την κάλυψη γης, η εκβολή του ποταμού έχει μετατοπιστεί σημαντικά αυτά τα χρόνια, πάνω από ένα χιλιόμετρο, επίσης έχουν συμβεί επιχωματώσεις στην περιοχή βόρια της Αυλώνας σε έκταση ως μισό τετραγωνικό χιλιόμετρο λόγω της κατασκευής ενός λιμενοβραχίονα. Όσον αφορά τον πληθυσμό, αυτός σταθερά αυξάνεται με μία έντονη πτώση το 2000. Το επόμενο βήμα ήταν η απόκτηση των αποτελεσμάτων της συσχέτισης για κάθε μεταβλητή. Από την ανάλυση προκύπτει μία έντονη θετική συσχέτιση μεταξύ του μεγέθους της λίμνης και του πληθυσμού, μία έντονα αρνητική συσχέτιση μεταξύ της έκτασης της επιφάνειας της γης και του πληθυσμού και συσχέτιση χωρίς στατιστική σημασία μεταξύ θάλασσας και πληθυσμού. Έτσι υποστηρίζεται πως η παράκτια περιοχή υποχωρεί λόγω της πληθυσμιακής πίεσης των τελευταίων 40 ετών. Εξ’ αιτίας της αστικοποίησης γύρω από την Αυλώνα, το ποτάμι δεν μπορεί να φέρει τόσα υλικά όσα στο παρελθόν λόγω του φιλτραρίσματος. Οι ίδιοι παράγοντες επιδρούν και στη λίμνη.<br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%BD%CE%B4%CE%AD%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CE%93%CE%B5%CF%89%CE%BC%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CE%BA%CE%B1%CE%B9_%CE%94%CE%B7%CE%BC%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AD%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%BA%CE%B9%CE%BD%CE%AE%CF%83%CE%B5%CE%B9%CF%82:_%CE%97_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%9D%CF%8C%CF%84%CE%B9%CE%B1%CF%82_%CE%91%CE%BB%CE%B2%CE%B1%CE%BD%CE%AF%CE%B1%CF%82 2020-02-22T12:58:03Z

<p>Chleontidis: Νέα σελίδα με ''''Linking Geomorphological and Demographic Movements: The Case of Southern Albania''' Συγγραφείς: ''Nataša Gregorič Bon, Damir Josipovič, Urša Kanjir'' ...'</p> <hr /> <div>'''Linking Geomorphological and Demographic Movements: The Case of Southern Albania'''<br /> <br /> <br /> Συγγραφείς: ''Nataša Gregorič Bon, Damir Josipovič, Urša Kanjir''<br /> <br /> Δημοσιεύτηκε: ''Applied Geography, Volume 100, November 2018, Pages 55-67''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1016/j.apgeog.2018.09.002'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Το άρθρο αυτό υποστηρίζει πως διάφορες περιπτώσεις μετακινήσεων όπως οι φυσικές μετακινήσεις πληθυσμών, γεωτεκτονικές μετακινήσεις και γεωμορφολογικές μετακινήσεις του τοπίου είναι ενσωματωμένες στις πρακτικές των ανθρώπων. Αυτή’η συσχέτιση απουσιάζει από την βιβλιογραφία και η συγκεκριμένη μελέτη προσπαθεί να καλύψει αυτό το κενό. Για τον λόγο αυτό μελετάται η συσχέτιση μεταξύ γεωμορφολογικών και δημογραφικών αλλαγών στην περιοχή της Αυλώνας στην Αλβανία μεταξύ 1979 και 2016. Το τριμερές μοντέλο ανάλυσης που αναπτύσσεται αποτελείται από (Α) τηλεπισκοπική ανάλυση με τη χρήση αυτόματου εντοπισμού στεριάς-γης, (Β) δημογραφική ανάλυση με βάρος στις αλλαγές των πληθυσμών με χρήση στατιστικών αναλύσεων και (Γ) εκτενή ανθρωπολογική έρευνα πεδίου με ανοιχτές και ημικατασκευασμένες συνεντεύξεις και συζητήσεις. Οι συγγραφείς υποστηρίζουν πως πρόσφατες δημογραφικές αλλαγές στην ευρύτερη περιοχή της Αυλώνας συντελούν στο παρόν τοπίο. Συγκεκριμένα, η αστικοποίηση με τις δραστηριότητες που αυτή συνεπάγεται συντελεί στην συρρίκνωση της προσχωσιγενούς πεδιάδας και κατ’ επέκταση στην απώλεια εδάφους και μετακίνηση της ακτογραμμής.<br /> <br /> '''Υλικό και μεθοδολογία'''<br /> <br /> Οι πηγές δεδομένων αυτής της μελέτης προκύπτουν από εκτενή ανθρωπογραφική έρευνα πεδίου με έναρξη το 2004, επίσημα δημογραφικά στατιστικά δεδομένα και δορυφορικές εικόνες. Οι τελευταίες αποτελούνται από εννιά σύνολα εικόνων Landsat για τις χρονιές μεταξύ 1984 και 2016 που συμπίπτουν με περιόδους μεγάλων κοινωνικοοικονομικών, πολιτικών και οικονομικών αλλαγών στην Αλβανία. Τα τηλεπισκοπικά δεδομένα προεπεξεργάστηκαν με χρήση της αλυσιδωτής επεξεργασίας STORM και στη συνέχεια χρησιμοποιήθηκε το λογισμικό ATCOR για την ατμοσφαιρική διόρθωση.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5a.png|200px|thumb|right|Αρχική εικόνα του Landsat (a), το προϊόν του MNDWI(b) και ταξινομημένη εικόνα(c).]]<br /> '''Μέθοδοι'''<br /> <br /> Για τον αυτοματοποιημένο διαχωρισμό της ανοιχτής θάλασσας από την γη χρησιμοποιήθηκε ο τροποποιημένος δείκτης MNDWI (MNDWI = (Green – MIR)/(Green + MIR). Με την χρήση του προκύπτουν οι τιμές για τα πίξελ που καλύπτονται από νερό ως θετικές και αυτές του εδάφους και της βλάστησης συνήθως ως αρνητικές. Στη συνέχεια προκύπτει από το ιστόγραμμα της εικόνας το κατώφλι για τα τοπικά μέγιστα των τιμών του νερού και των υπόλοιπων και κατωφλιώνοντας δίνεται η τιμή 1 στα πίξελ νερού και 0 στα υπόλοιπα. Έπειτα τα δυαδικά ψηφιακά δεδομένα μετατρέπονται σε διανυσματικά. Τα δεδομένα αυτά τέλος τροποποιούνται χειροκίνητα κυρίως για να αφαιρεθούν κάποιες λάθος ταξινομημένες περιοχές όπως περιοχές νεφοκάλυψης. Τα αποτελέσματα δείχνουν πως ο MNDWI υπερέχει στον εντοπισμού του νερού έναντι των NDWI και NDVI με τους οποίους συγκρίθηκε. Όταν προκύψει το τελικό διανυσματικό αποτέλεσμα για κάθε χρονιά, τα δεδομένα κατηγοριοποιούνται σε: στεριά, θάλασσα, λίμνη και ποτάμι. Σχετικά με τα δημογραφικά δεδομένα που προέκυψαν από την INSTAT (Institute of Statistics), η ανάλυσή τους έδειξε μεγάλη ανομοιομορφία στην ποιότητά τους. Για να διορθωθεί η μεροληψία στην συλλογή των κατάλληλων δεδομένων, έγιναν προεκτάσεις και παρεμβολές σε αυτά. Έτσι μπόρεσε να υπολογιστεί η διαφορά μεταξύ των επισήμων τιμών και της δημογραφικής πραγματικότητας in situ. Προκειμένου να προσεγγιστεί η σχέση μεταξύ των αλλαγών στην επιφάνεια της γης και των δυναμικών του πληθυσμού, συγκρίθηκε η μεταβλητότητα των δύο. Οι στατιστικές μέθοδοι που χρησιμοποιήθηκαν για αυτή την ανάλυση ποικίλαν από απλή περιγραφική στατιστική μέχρι την παρατήρηση των οπτικών ομοιοτήτων των δύο συγκρινόμενων οντοτήτων.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo5b.png|200px|thumb|right|Γράφημα της τάσης του πληθυσμού σε σχέση με της αλλαγές κάλυψης γης (ποσοστιαίες) σε ένα διάστημα 32 ετών.]]<br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Σε σχέση με τα δημογραφικά δεδομένα προκύπτει πως η πόλη της Αυλώνας έχει δεχτεί μία έντονη αστικοποίηση τα τελευταία 35 χρόνια με τον πληθυσμό να αυξάνεται από 56.000 σε 79.000. Παράλληλα η επαρχία της Αυλώνας μεταξύ 2001 και 2011 έχει δεχτεί πλήγμα από την μετανάστευση με τον πληθυσμό να της να μειώνεται κατά 29.000 (περίπου 15%). Επίσης κατά την τηλεπισκοπική ανάλυση προκύπτουν οι μεταβολές στην ακτογραμμή ως αποτέλεσμα της παλίρροιας και των φερτών υλικών του ποταμού. Η παλίρροια στην περιοχή αυτή ποικίλει στον κατακόρυφο άξονα μεταξύ 20 και 30cm, γεγονός που δυνητικά παρουσιάζει μία βαθιά επιρροή στην ενδοχώρα παρά την χωρική ανάλυση των 30 μέτρων. Παρ’ όλα αυτά, στην συγκεκριμένη τοποθεσία, η διαμόρφωση της ακτής με διάσπαρτους αμμόλοφους και χαμηλά βράχια δύσκολα επιτρέπει στην παλίρροια να διεισδύσει πάνω από 10 μέτρα προς κάθε κατεύθυνση. Έτσι τα παλιρροϊκά φαινόμενα είναι πολύ ασθενή για να αποτυπωθούν στην δεδομένη χωρική ανάλυση των εικόνων Landsat. Για την εξέταση των αποτελεσμάτων από μία συγκριτική οπτική συγκρίθηκαν οι τέσσερις κατηγορίες (ποτάμι, στάσιμο νερό – λίμνη, θάλασσα και στέρεη γη) με τα δεδομένα που αφορούν τον πληθυσμό. Τα δεδομένα αντιπαρατέθηκαν βάσει των ημερομηνιών της λήψης των δορυφορικών εικόνων. Τα νέα δεδομένα αποτελούνταν από 14 ζεύγη μεταξύ του 1979 και του 2016. Το πρώτο στάδιο της διαδικασίας περιλάμβανε την σύγκριση των αλλαγών στην κάλυψη γης και στον πληθυσμό. Όσον αφορά την κάλυψη γης, η εκβολή του ποταμού έχει μετατοπιστεί σημαντικά αυτά τα χρόνια, πάνω από ένα χιλιόμετρο, επίσης έχουν συμβεί επιχωματώσεις στην περιοχή βόρια της Αυλώνας σε έκταση ως μισό τετραγωνικό χιλιόμετρο λόγω της κατασκευής ενός λιμενοβραχίονα. Όσον αφορά τον πληθυσμό, αυτός σταθερά αυξάνεται με μία έντονη πτώση το 2000. Το επόμενο βήμα ήταν η απόκτηση των αποτελεσμάτων της συσχέτισης για κάθε μεταβλητή. Από την ανάλυση προκύπτει μία έντονη θετική συσχέτιση μεταξύ του μεγέθους της λίμνης και του πληθυσμού, μία έντονα αρνητική συσχέτιση μεταξύ της έκτασης της επιφάνειας της γης και του πληθυσμού και συσχέτιση χωρίς στατιστική σημασία μεταξύ θάλασσας και πληθυσμού. Έτσι υποστηρίζεται πως η παράκτια περιοχή υποχωρεί λόγω της πληθυσμιακής πίεσης των τελευταίων 40 ετών. Εξ’ αιτίας της αστικοποίησης γύρω από την Αυλώνα, το ποτάμι δεν μπορεί να φέρει τόσα υλικά όσα στο παρελθόν λόγω του φιλτραρίσματος. Οι ίδιοι παράγοντες επιδρούν και στη λίμνη.<br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo5b.png 2020-02-22T12:50:42Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo5a.png 2020-02-22T12:50:32Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CE%91%CF%81%CE%BA%CF%84%CE%B9%CE%BA%CE%BF%CF%8D_%CE%9A%CE%BB%CE%AF%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CF%84%CF%89%CE%BD_%CE%A7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%93%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CE%BA%CF%84%CF%81%CE%BF%CF%86%CE%AE_%CE%A4%CE%B1%CF%81%CE%AC%CE%BD%CE%B4%CF%89%CE%BD:_%CE%99%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CE%AE%CF%82_%CE%93%CE%BD%CF%8E%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-02-22T12:49:54Z

<p>Chleontidis: Νέα σελίδα με ''''Impacts of Arctic Climate Change and Land Use Changes on Reindeer Pastoralism: Indigenous Knowledge and Remote Sensing''' Συγγραφείς: ''Inger Marie Gaup Eir...'</p> <hr /> <div>'''Impacts of Arctic Climate Change and Land Use Changes on Reindeer Pastoralism: Indigenous Knowledge and Remote Sensing'''<br /> <br /> <br /> Συγγραφείς: ''Inger Marie Gaup Eira, Svein D. Mathiesen, Anders Oskal, Johan Mathis Turi, Nancy G Maynard, Boris Yurchak, Vladimir Etylin, Jennifer Gebelein''<br /> <br /> Δημοσιεύτηκε: ''Gutman G., Reissell A. (eds) Eurasian Arctic Land Cover and Land Use in a Changing Climate. Springer, Dordrecht''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/978-90-481-9118-5_8''<br /> <br /> '''Εισαγωγή'''<br /> <br /> Κατά μήκος όλης της Ευρασίας για χιλιάδες χρόνια οι άνθρωποι εκτρέφουν ταράνδους. Οι βοσκοί ζουν είτε μία νομαδική ζωή σε σκηνές στην αρκτική τούντρα είτε μία ημινομαδική ζωή, περνώντας διαστήματα στις σκηνές. Έτσι οι βοσκοί πρέπει να προσαρμόζονται καθημερινά ώστε να βρίσκουν τις βέλτιστες συνθήκες για τα κοπάδια τους, όταν οι τελευταίες είναι μονίμως μεταβαλλόμενες. Στην Αρκτική ειδικά οι αλλαγές στο κλίμα συμβαίνουν ταχύτερα από ότι στην υπόλοιπη υφήλιο. Σαν απάντηση σε αυτές τις αλλαγές, οι βοσκοί ταράνδων της Ευρασίας δημιούργησαν το εγχείρημα EALAT, μία πρωτοβουλία που προσπαθεί να δημιουργήσει στρατηγικές προσαρμογής βασιζόμενη στην παραδοσιακή γνώση, σε συνεργασία με την επιστημονική και τηλεπισκοπική κοινότητα. Κάποια από τα προβλήματα που έχουν προκύψει λόγω της κλιματικής αλλαγής είναι ο ασταθής ή και καθόλου πάγος στα ποτάμια που αναγκάζει τους μικρούς ταράνδους να περάσουν ανοιχτό νερό με αποτέλεσμα να χάνονται πολλοί. Επίσης περίοδοι με ήπιο βροχερό χειμώνα που ακολουθούνται από κρύο δημιουργούν σκληρά στρώματα πάγου πάνω από τη βοσκή με αποτέλεσμα να χάνονται τάρανδοι λόγω ασιτίας. Σε σχέση με τους βοσκούς, η εγκατάλειψη των αρκτικών περιοχών λόγω της κλιματικής αλλαγής οδηγεί στην απουσία υπηρεσιών υγείας και βασικών ειδών πρώτης ανάγκης σχετικά εύκολα προσβάσιμων. Για τους λόγους αυτούς η βοσκή των ταράνδων βρίσκεται σε ύφεση.<br /> <br /> '''EALAT'''<br /> <br /> Η δράση ΕALAT αποτελεί ένα διεπιστημονικό εγχείρημα οργανωμένο από την ίδια την κοινότητα των βοσκών ταράνδων με στόχο να μελετήσει και να δώσει απαντήσεις σχετικά με την ευαισθησία της εκτροφής ταράνδων στην κλιματική αλλαγή. Εισάγοντας στο εγχείρημα την εμπειρία των βοσκών, η επιστημονική μέθοδος μπορεί να αποδώσει πολύ καλύτερα στην επιθυμητή κατεύθυνση.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo4.png|200px|thumb|right|Ένα ταξινομημένο τμήμα μίας χαμηλής ανάλυσης εικόνας ραντάρ της περιοχής έρευνας του ποταμού Anadyr.]]<br /> '''Ερευνες του ΕΑLΑΤ'''<br /> <br /> Μία κεντρική έρευνα του ΕΑLAT αποτελεί αυτή για την χρήση της τεχνολογίας SAR (Synthetic Aperture Radar) για τον χαρακτηρισμό της ποιότητας της βοσκής σαν εναλλακτική προς τους αισθητήρες που χρησιμοποιούν το ορατό φάσμα, περιοχή προβληματική λόγω της συχνής νεφοκάλυψης και του υποφωτισμού της αρκτικής ζώνης. Η έρευνα απέδειξε πως η τεχνολογία SAR μπορεί να εντοπίσει τα ίχνη πυρκαγιών πολύ καλά και μπορεί να χρησιμοποιηθεί για τη χαρτογράφηση τους σε συνδυασμό με άλλα εργαλεία όπως τo MODIS Rapid Response System. Επίσης οι έρευνες έδειξαν πως το SAR μπορεί να χαρακτηρίσει τα διαφορετικά είδη τούνδρας καθώς και να αποτυπώσει εποχιακές αλλαγές σε μορφή χρονοσειρών. Ακόμα το SAR όταν συγκρίθηκαν τα αποτελέσματά του με βοτανικούς χάρτες, αποδείχθηκε ικανό να διακρίνει και να οριοθετήσει τα γεωβοτανικά πολύγωνα με λεπτομέρεια μεγαλύτερη από εναέριες καταγραφές.<br /> Άλλες έρευνες του EALAT είναι η γλωσσολογική έρευνα σχετικά με τα βοσκικά ιδιώματα των βοσκών των ταράνδων και σχετικά με τη μελέτη του χιονιού. Η τελευταία, επικεντρώνεται στην ορολογία των Σάμι και στις στρατηγικές βόσκισης. Κάθε βοσκός καταγράφει σε GPS τη θέση του σε σχέση με τις ημερήσιες παρατηρήσεις του όσον αφορά 11 καιρικές παραμέτρους. Οι παρατηρήσεις των βοσκών υποστηρίζονται επίσης από τηλεπισκοπικά και μετεωρολογικά δεδομένα από τον ίδιο τόπο και χρόνο εάν αυτό είναι δυνατό. Εκεί συμπεριλαμβάνονται εικόνες Landsat, MODIS, AMSR-E και υψηλής ανάλυσης εμπορικές δορυφορικές εικόνες. Ακόμα γίνεται μία έρευνα για την αντιμετώπιση του φαινομένου της επικάλυψης της βοσκής με στρώμα πάγου που οδηγεί στην εξασθένιση και ασιτία πολλών ζώων. Μετεωρολόγοι από το Όσλο παρέχουν μοντέλα δεδομένων που προσπαθούν να προβλέψουν τις συνθήκες του χιονιού στην Φιλανδία και Δανία εξετάζοντας τη διαβάθμιση της θερμοκρασίας στα στρώματα της χιονοκάλυψης. Τα μοντέλα αυτά επαληθεύονται συνδυαζόμενα με παρατηρήσεις πραγματικού χρόνου από βοσκούς και δεδομένα από τη χρήση κάποιων τεχνολογιών της ΝΑSA. Οι παρατηρήσεις συγκρίνονται με τηλεπισκοπικά δεδομένα της NASA και της ESA. Η διαδικασία αυτή επαναλαμβάνεται για τέσσερις διαδοχικούς χειμώνες προκειμένου να προκύψει μία βάση δεδομένων που να μπορεί να συγκριθεί με το κατασκευασμένο μοντέλο. Τέλος γίνεται έρευνα σε σχέση με τη βόσκηση των ταράνδων με τη χρήση τηλεπισκόπησης, τεχνολογίας GIS και της ιθαγενούς γνώσης. Η ομάδα έχει εξασφαλίσει εικόνες Landsat και δεδομένα GIS για δύο τοποθεσίες. Στη συνέχεια δημιουργεί μία συγκεκριμένη ποιοτική και ποσοτική αξιολόγηση πολυφασματικών δεδομένων σε συνδυασμό με την παραδοσιακή γνώση των βοσκών σε περιβάλλον GIS όπου μπορεί να φανεί ο αντίκτυπος της παγκόσμιας θέρμανσης, της κλιματικής αλλαγής, και της ανάπτυξης υποδομών όπως αυτός φαίνεται στην εκτροφή των ταράνδων. Έμφαση δίνεται στις χωρικές και χρονικές μεταβολές στη βλάστηση, στης πηγές νερού και στις υποδομές σε συνδυασμό με τις παραλλαγές/μεταβολές του καιρού και του κλίματος.<br /> <br /> '''Προσαρμογή και σχεδιασμός για το μέλλον'''<br /> <br /> Οι βοσκοί του EALAT αναπτύσσουν ένα δικό τους σύστημα βασιζόμενο στην παραδοσιακή γνώση και σε νέες τεχνολογίες για να καταγράφουν τις υφιστάμενες αλλαγές. Αυτό βασίζεται σε αρχές διεθνών διακηρύξεων σχετικά με τη βιοποικιλότητα, τα δικαιώματα των ιθαγενών και της πολιτισμικής ποικιλότητας. Το σύστημα αυτό αποτελείται από τον συνδυασμό της παραδοσιακής γνώσης και φυσικών, επιστημονικών και τεχνικών δεδομένων σε μία κοινή βάση δεδομένων GIS, για την καλύτερη λήψη αποφάσεων και διαχείριση του κοπαδιού. Αυτό το σύστημα θα χρησιμοποιεί ασφαλείς συνδέσεις μέσω ενός κλειστού δικτύου για τη συλλογή, διαχείριση, εκπομπή, ανάλυση και παρουσίαση των δεδομένων. Το σύστημα θα λειτουργεί ως ένα εργαλείο για να συνδεθούν δεδομένα από μία μεγάλη ποικιλία πηγών και να διοχετευθεί αυτή η πληροφορία σε πολλούς βοσκούς. Παράλληλα θα μπορεί να γίνεται σε πραγματικό ή σχεδόν πραγματικό χρόνο ανάλυση και εντοπισμός φαινομένων και συνθηκών που επηρεάζουν τους ανθρώπους, την γεωργία και το περιβάλλον για να οργανώνεται η έγκαιρη προειδοποίηση, διαχείριση και προσαρμογή. Παράλληλα είναι σκόπιμο να ενημερώνονται οι βοσκοί σε πραγματικό χρόνο για τις περιοριστικές ή επικίνδυνες συνθήκες που επικρατούν όσον αφορά τη βοσκή τον καιρό και το έδαφος. Επίσης γίνεται προσπάθεια για την κατασκευή ενός εργαλείου καταγραφής και παρατήρησης των κινήσεων του κοπαδιού σε πραγματικό χρόνο.<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση βοσκοτόπων]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo4.png 2020-02-22T12:47:13Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%9A%CE%B1%CF%84%CE%BF%CE%B9%CE%BA%CE%B9%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%B1%CF%80%CF%8C_%CE%9C%CE%B5%CF%84%CE%B1%CE%BD%CE%B1%CF%83%CF%84%CE%B5%CF%85%CF%84%CE%B9%CE%BA%CE%B1_%CE%A0%CE%BF%CF%85%CE%BB%CE%B9%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%A3%CF%85%CE%BD%CE%B5%CE%BB%CE%B9%CE%BA%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%9D%CE%B5%CF%85%CF%81%CF%89%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B9%CE%BA%CF%84%CF%8D%CF%89%CE%BD 2020-02-22T12:42:57Z

<p>Chleontidis: </p> <hr /> <div>'''Modeling Habitat Suitability of Migratory Birds from Remote Sensing Images Using Convolutional Neural Networks'''<br /> <br /> <br /> Συγγραφείς: ''Jin-He Su, Ying-Chao Piao, Ze Luo και Bao-Ping Yan''<br /> <br /> Δημοσιεύτηκε: ''Animals 2018, 8, 66.''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.3390/ani8050066'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν δύο σημαντικοί περιορισμοί στα παραδοσιακά μοντέλα κατανομής πληθυσμού ενός είδους. Ο ένας είναι η έλλειψη ακρίβειας στα υπάρχοντα χωρικά δεδομένα (συνήθως σε μουσεία και παλιές συλλογές). Ο δεύτερος είναι η απουσία εύστοχων μεταβλητών για να περιγράφονται πλήρως τα χαρακτηριστικά της κατοικίας ενός είδος. Στη συγκεκριμένη έρευνα, μία ταξινόμηση σε δύο στάδια πραγματοποιήθηκε για τον συνδυασμό των δεδομένων της μετακίνησης. Αρχικά προτείνεται μία νέα μέθοδος ομαδοποίησης βασιζόμενη στην πυκνότητα (DBIC) για τον εντοπισμό των σημείων στάσεων των μεταναστευτικών πουλιών. Χωρίζουμε τις τηλεπισκοπικές εικόνες σε τμήματα 16x16 και τις σηματοδοτούμε ως θετικές αν περιέχουν στάση πουλιών. Στη συνέχεια ένα πολυσυνελικτικό νευρωνικό δίκτυο προτείνεται για την εξαγωγή στοιχείων από δεδομένα θερμοκρασίας και τηλεπισκοπικές εικόνες. Τέλος ένα μη γραμμικό μοντέλο μηχανής διανυσμάτων υποστήριξης βασισμένο σε συναρτήσεις πυρήνα (RBF-SVM) χρησιμοποιήθηκε για τον συνδυασμό όλων των στοιχείων και την εξαγωγή της ταξινόμησης. Η ανάλυση πραγματοποιήθηκε σε εικόνες Landsat 5 TM και σε ένα σύνολο δεδομένων GPS συλλεγμένο από 29 πουλιά μέσα σε τρία χρόνια.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Αρχικά οι ερευνητές εξήγαγαν τα σημεία ενδιαφέροντος από τι ίχνος του GPS χρησιμοποιώντας τον αλγόριθμο DBIC. Στη συνέχεια, οι εικόνες Landsat μαζί με τα δεδομένα της θερμοκρασίας χωρίστηκαν σε θετικά/αρνητικά δείγματα ανάλογα με το αν η εικόνα έχει επικάλυψη με κάποιες θέσεις στάσης. Τρίτον, τα ταξινομημένα δείγματα χρησιμοποιήθηκαν για την εκπαίδευση του πολυσυνελικτικού νευρωνικού δικτύου. Τέλος, τα αντιπροσωπευτικά στοιχεία που αναγνώρισε το νευρωνικό δίκτυο χρησιμοποιήθηκαν για να μοντελοποιηθεί η καταλληλότητα της κατοικίας για τα μεταναστευτικά πουλιά με το μοντέλο SVM.<br /> <br /> '''Πείραμα'''<br /> <br /> '''''Δεδομένα:'''''<br /> Για κάθε στάση που έδωσε το GPS, βρέθηκαν οι κοντινότερες χρονικά εικόνες του Landsat 5, στη συνέχεια οι εικόνες χωρίστηκαν σε κελιά 16x16 και αυτά χαρακτηρίστηκαν ως θετικά ή αρνητικά ανάλογα με τον αν περιέχουν στάσεις ή όχι. Εικόνες με νεφοκάλυψη πάνω από 20% απορρίφθηκαν και χρησιμοποιήθηκαν τα κανάλια 1,2,3,4,5 και 7 του δορυφόρου.<br /> Τα θερμικά δεδομένα είναι από 11 σταθμούς στην περιοχή και αποτελούνται από την μέση ημερήσια θερμοκρασία πριν και μετά τη λήψη της δορυφορικής εικόνας, συνολικά 15 ημερών.<br /> Ακολουθήθηκαν τρεις διαφορετικές μέθοδοι για την διεξαγωγή του πειράματος. Στην πρώτη, για την εκπαίδευση του δικτύου χρησιμοποιήθηκε μία απλή μέθοδος αύξησης των δεδομένων, η περιστροφή των 6.065 τυχαίων θετικών δειγμάτων εκπαίδευσης κατά 90ο και 180ο. Αυτή η τεχνική χρησιμοποιήθηκε για να ισορροπήσει το πλήθος των δειγμάτων καθώς από τον DBIC προέκυψαν 8.696 θετικά και 19.018 αρνητικά δείγματα. Το δείγμα εκπαίδευσης χωρίστηκε τέσσερις φορές σε τρία μέρη τυχαία, εκπαίδευση, επαλήθευση και έλεγχος. Κάθε φορά ήταν άλλα τα ποσοστά στα οποία μοιράστηκε και στο τέλος συγκρίθηκαν οι μέσοι και οι τυπικές αποκλίσεις για κάθε καταμερισμό.<br /> Στην δεύτερη μέθοδο, χρησιμοποιήθηκε διάφορες ταξινομήσεις για την πρόβλεψη της καταλληλότητας των περιοχών της λίμνης Qinghai στις 22 Φεβρουαρίου και 14 Αυγούστου, δύο ημερομηνίες που γνωρίζουμε πως η λίμνη είναι πολύ ακατάλληλη και πολύ κατάλληλη αντίστοιχα.<br /> Στο τρίτο σενάριο επιλέχθηκαν τέσσερα θετικά δείγματα και χρησιμοποιήθηκε μία διαδικασία αποσυνέλιξης για να ανακατασκευαστούν οι αρχικές εικόνες κάθε επιπέδου του πολυσυνελικτικού δικτύου. Έτσι υπολογίστηκε η απώλεια δεδομένων σε σχέση με την πραγματική εικόνα.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo3a.png|200px|thumb|right|Κατανομή των στάσεων, μπλέ τα σημεία του GPS, πράσινα τα αποτελέσματα της μεθόδου και κόκκινες οι θέσεις των μετεωρολογικών σταθμών.]]<br /> [[Αρχείο:ChLDPMS2019Metsovo3b.png|200px|thumb|right|Αποτελέσματα για τις διαφορετικές μεθόδους που χρησιμοποιήθηκαν, με bold οι καλύτερες τιμές]]<br /> '''''Αποτελέσματα:'''''<br /> Τα αποτελέσματα ταξινόμησης για κάθε μέθοδο που χρησιμοποιήθηκε φαίνονται στον πίνακα. Οι μέθοδοι που εφαρμόστηκαν είναι: η προσέγγιση του SVM με τη χρήση του grey-level co-occurence matrix (GLCM), DenseNet, συνελικτικού νευρωνικού δικτύου (CNN), CNN + SVM, πολυσυνελικτικού νευρωνικού δικτύου M-CNN και M-CNN + SVM.<br /> Για την μέτρηση της ποιότητας των αλγορίθμων χρησιμοποιούνται η συνολική ακρίβεια, η τιμή F1, η περιοχή κάτω από την καμπύλη (AUC) του ROC (receiver operating characteristic), η ακρίβεια και η ευαισθησία (recall). <br /> <br /> '''Συζήτηση'''<br /> <br /> Στο πρώτο σενάριο, το μοντέλο αποδίδει καλύτερα από πολλές μεθόδους όσον αφορά όλους τους δείκτες. Ωστόσο οι προσεγγίσεις SVM + GLCM και DenseNet έχουν και οι δύο κακή απόδοση στην ταξινόμηση και στην πρόβλεψη. Επίσης από την σύγκριση των δύο CNN με τα CNN + SVM, φαίνεται πως η χρήση του σταδίου ταξινόμησης SVM είναι απαραίτητο για την επιτυχία καλύτερου αποτελέσματος όταν γίνεται χρήση συνελικτικού νευρωνικού δικτύου. Τέλος οι προσεγγίσεις DenseNet, CNN + SVM και M-CNN φαίνονται να εκτιμούν σωστά τις περιοχές που προτιμούν οι χήνες να κατοικήσουν γύρω από τη λίμνη στο δεύτερο σενάριο και αποδίδουν επίσης καλύτερα από άλλες προσεγγίσεις κάτω από αυτή τη σκοπιά. Άρα συνολικά οι συγγραφείς προτείνουν ως πλέον αποδοτική από τις μεθόδους που εξετάστηκαν την M-CNN συνδυασμό με τον RBF-SVM ταξινομητή.<br /> <br /> [[category:Χαρτογράφηση των οικοτόπων της πανίδας]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%9A%CE%B1%CF%84%CE%BF%CE%B9%CE%BA%CE%B9%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%B1%CF%80%CF%8C_%CE%9C%CE%B5%CF%84%CE%B1%CE%BD%CE%B1%CF%83%CF%84%CE%B5%CF%85%CF%84%CE%B9%CE%BA%CE%B1_%CE%A0%CE%BF%CF%85%CE%BB%CE%B9%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%A3%CF%85%CE%BD%CE%B5%CE%BB%CE%B9%CE%BA%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%9D%CE%B5%CF%85%CF%81%CF%89%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B9%CE%BA%CF%84%CF%8D%CF%89%CE%BD 2020-02-22T12:42:17Z

<p>Chleontidis: Νέα σελίδα με ''''Modeling Habitat Suitability of Migratory Birds from Remote Sensing Images Using Convolutional Neural Networks''' Συγγραφείς: ''Jin-He Su, Ying-Chao Piao, Z...'</p> <hr /> <div>'''Modeling Habitat Suitability of Migratory Birds from Remote Sensing Images Using Convolutional Neural Networks'''<br /> <br /> <br /> Συγγραφείς: ''Jin-He Su, Ying-Chao Piao, Ze Luo και Bao-Ping Yan''<br /> <br /> Δημοσιεύτηκε: ''Animals 2018, 8, 66.''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.3390/ani8050066'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν δύο σημαντικοί περιορισμοί στα παραδοσιακά μοντέλα κατανομής πληθυσμού ενός είδους. Ο ένας είναι η έλλειψη ακρίβειας στα υπάρχοντα χωρικά δεδομένα (συνήθως σε μουσεία και παλιές συλλογές). Ο δεύτερος είναι η απουσία εύστοχων μεταβλητών για να περιγράφονται πλήρως τα χαρακτηριστικά της κατοικίας ενός είδος. Στη συγκεκριμένη έρευνα, μία ταξινόμηση σε δύο στάδια πραγματοποιήθηκε για τον συνδυασμό των δεδομένων της μετακίνησης. Αρχικά προτείνεται μία νέα μέθοδος ομαδοποίησης βασιζόμενη στην πυκνότητα (DBIC) για τον εντοπισμό των σημείων στάσεων των μεταναστευτικών πουλιών. Χωρίζουμε τις τηλεπισκοπικές εικόνες σε τμήματα 16x16 και τις σηματοδοτούμε ως θετικές αν περιέχουν στάση πουλιών. Στη συνέχεια ένα πολυσυνελικτικό νευρωνικό δίκτυο προτείνεται για την εξαγωγή στοιχείων από δεδομένα θερμοκρασίας και τηλεπισκοπικές εικόνες. Τέλος ένα μη γραμμικό μοντέλο μηχανής διανυσμάτων υποστήριξης βασισμένο σε συναρτήσεις πυρήνα (RBF-SVM) χρησιμοποιήθηκε για τον συνδυασμό όλων των στοιχείων και την εξαγωγή της ταξινόμησης. Η ανάλυση πραγματοποιήθηκε σε εικόνες Landsat 5 TM και σε ένα σύνολο δεδομένων GPS συλλεγμένο από 29 πουλιά μέσα σε τρία χρόνια.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Αρχικά οι ερευνητές εξήγαγαν τα σημεία ενδιαφέροντος από τι ίχνος του GPS χρησιμοποιώντας τον αλγόριθμο DBIC. Στη συνέχεια, οι εικόνες Landsat μαζί με τα δεδομένα της θερμοκρασίας χωρίστηκαν σε θετικά/αρνητικά δείγματα ανάλογα με το αν η εικόνα έχει επικάλυψη με κάποιες θέσεις στάσης. Τρίτον, τα ταξινομημένα δείγματα χρησιμοποιήθηκαν για την εκπαίδευση του πολυσυνελικτικού νευρωνικού δικτύου. Τέλος, τα αντιπροσωπευτικά στοιχεία που αναγνώρισε το νευρωνικό δίκτυο χρησιμοποιήθηκαν για να μοντελοποιηθεί η καταλληλότητα της κατοικίας για τα μεταναστευτικά πουλιά με το μοντέλο SVM.<br /> <br /> <br /> '''Πείραμα'''<br /> <br /> ''Δεδομένα:''<br /> Για κάθε στάση που έδωσε το GPS, βρέθηκαν οι κοντινότερες χρονικά εικόνες του Landsat 5, στη συνέχεια οι εικόνες χωρίστηκαν σε κελιά 16x16 και αυτά χαρακτηρίστηκαν ως θετικά ή αρνητικά ανάλογα με τον αν περιέχουν στάσεις ή όχι. Εικόνες με νεφοκάλυψη πάνω από 20% απορρίφθηκαν και χρησιμοποιήθηκαν τα κανάλια 1,2,3,4,5 και 7 του δορυφόρου.<br /> Τα θερμικά δεδομένα είναι από 11 σταθμούς στην περιοχή και αποτελούνται από την μέση ημερήσια θερμοκρασία πριν και μετά τη λήψη της δορυφορικής εικόνας, συνολικά 15 ημερών.<br /> Ακολουθήθηκαν τρεις διαφορετικές μέθοδοι για την διεξαγωγή του πειράματος. Στην πρώτη, για την εκπαίδευση του δικτύου χρησιμοποιήθηκε μία απλή μέθοδος αύξησης των δεδομένων, η περιστροφή των 6.065 τυχαίων θετικών δειγμάτων εκπαίδευσης κατά 90ο και 180ο. Αυτή η τεχνική χρησιμοποιήθηκε για να ισορροπήσει το πλήθος των δειγμάτων καθώς από τον DBIC προέκυψαν 8.696 θετικά και 19.018 αρνητικά δείγματα. Το δείγμα εκπαίδευσης χωρίστηκε τέσσερις φορές σε τρία μέρη τυχαία, εκπαίδευση, επαλήθευση και έλεγχος. Κάθε φορά ήταν άλλα τα ποσοστά στα οποία μοιράστηκε και στο τέλος συγκρίθηκαν οι μέσοι και οι τυπικές αποκλίσεις για κάθε καταμερισμό.<br /> Στην δεύτερη μέθοδο, χρησιμοποιήθηκε διάφορες ταξινομήσεις για την πρόβλεψη της καταλληλότητας των περιοχών της λίμνης Qinghai στις 22 Φεβρουαρίου και 14 Αυγούστου, δύο ημερομηνίες που γνωρίζουμε πως η λίμνη είναι πολύ ακατάλληλη και πολύ κατάλληλη αντίστοιχα.<br /> Στο τρίτο σενάριο επιλέχθηκαν τέσσερα θετικά δείγματα και χρησιμοποιήθηκε μία διαδικασία αποσυνέλιξης για να ανακατασκευαστούν οι αρχικές εικόνες κάθε επιπέδου του πολυσυνελικτικού δικτύου. Έτσι υπολογίστηκε η απώλεια δεδομένων σε σχέση με την πραγματική εικόνα.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo3a.png|200px|thumb|right|Κατανομή των στάσεων, μπλέ τα σημεία του GPS, πράσινα τα αποτελέσματα της μεθόδου και κόκκινες οι θέσεις των μετεωρολογικών σταθμών.]]<br /> [[Αρχείο:ChLDPMS2019Metsovo3b.png|200px|thumb|right|Αποτελέσματα για τις διαφορετικές μεθόδους που χρησιμοποιήθηκαν, με bold οι καλύτερες τιμές]]<br /> ''Αποτελέσματα:''<br /> Τα αποτελέσματα ταξινόμησης για κάθε μέθοδο που χρησιμοποιήθηκε φαίνονται στον πίνακα. Οι μέθοδοι που εφαρμόστηκαν είναι: η προσέγγιση του SVM με τη χρήση του grey-level co-occurence matrix (GLCM), DenseNet, συνελικτικού νευρωνικού δικτύου (CNN), CNN + SVM, πολυσυνελικτικού νευρωνικού δικτύου M-CNN και M-CNN + SVM.<br /> Για την μέτρηση της ποιότητας των αλγορίθμων χρησιμοποιούνται η συνολική ακρίβεια, η τιμή F1, η περιοχή κάτω από την καμπύλη (AUC) του ROC (receiver operating characteristic), η ακρίβεια και η ευαισθησία (recall). <br /> <br /> '''Συζήτηση'''<br /> <br /> Στο πρώτο σενάριο, το μοντέλο αποδίδει καλύτερα από πολλές μεθόδους όσον αφορά όλους τους δείκτες. Ωστόσο οι προσεγγίσεις SVM + GLCM και DenseNet έχουν και οι δύο κακή απόδοση στην ταξινόμηση και στην πρόβλεψη. Επίσης από την σύγκριση των δύο CNN με τα CNN + SVM, φαίνεται πως η χρήση του σταδίου ταξινόμησης SVM είναι απαραίτητο για την επιτυχία καλύτερου αποτελέσματος όταν γίνεται χρήση συνελικτικού νευρωνικού δικτύου. Τέλος οι προσεγγίσεις DenseNet, CNN + SVM και M-CNN φαίνονται να εκτιμούν σωστά τις περιοχές που προτιμούν οι χήνες να κατοικήσουν γύρω από τη λίμνη στο δεύτερο σενάριο και αποδίδουν επίσης καλύτερα από άλλες προσεγγίσεις κάτω από αυτή τη σκοπιά. Άρα συνολικά οι συγγραφείς προτείνουν ως πλέον αποδοτική από τις μεθόδους που εξετάστηκαν την M-CNN συνδυασμό με τον RBF-SVM ταξινομητή.<br /> <br /> [[category:Χαρτογράφηση των οικοτόπων της πανίδας]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo3b.png 2020-02-22T12:30:35Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo3a.png 2020-02-22T12:30:26Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AC_%CF%84%CE%B7%CF%82_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B1_%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CE%9A%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82 2020-02-22T12:28:51Z

<p>Chleontidis: </p> <hr /> <div>'''Contribution of Remote Sensing on Crop Models: A Review'''<br /> <br /> <br /> Συγγραφείς: ''Dimitrios A. Kasampalis, Thomas K. Alexandridis, Chetan Deva, Andrew Challinor, Dimitrios Moshpu, Georgios Zalidis''<br /> <br /> Δημοσιεύτηκε: ''Contribution of Remote Sensing on Crop Models: A Review. Journal of Imaging, 4 (4). 52. ISSN 2313-433X''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.3390/jimaging4040052''<br /> <br /> '''Περίληψη'''<br /> <br /> Τα μοντέλα ανάπτυξης καλλιεργειών προσομοιώνουν τη σχέση μεταξύ φυτών και περιβάλλοντος προκειμένου να βελτιστοποιηθεί η διαχείρησή τους, να αποφευχθούν καιρικά ρίσκα και να προβλεφθεί η αναμενόμενη σοδειά. Η βασική έλλειψη των μοντέλων αυτών είναι η απουσία χωρικών δεδομένων, τα οποία μπορεί να παράσχει η τηλεπισκόπηση. Το άρθρο κάνει μια ανασκόπηση των πιο πρόσφατων τηλεπισκοπικών εφαρμογών που συνεισφέρουν στην πρόβλεψη της σοδειάς, των μεθόδων που ακολουθούν και των αδυναμιών και των πρωταιρημάτων τους.<br /> <br /> '''Εισαγωγή, ιστορική αναδρομή'''<br /> <br /> Τα μοντέλα πρόβλεψης της σοδειάς προσπαθούν να μεταφράσουν τη σχέση μεταξύ φυτών και περιβάλλοντος, προσομοιώνοντας φυσιολογικές διεργασίες σε χρονικά πλαίσια συνήθως με συχνότητα μίας ημέρας. Αυτά τα μοντέλα παίζουν μεταξύ των άλλων σημαντικό ρόλο στην έρευνα της βιοσιμότητας όσον αφορά τη διαχείριση μίας περιοχής. Την δεκαετία του ’60 ξεκίνησε η έρευνα πάνω στα μοντέλα ανάπτυξης καλλιεργειών. Την δεκαετία του ’70 μετά από μία μεγάλη αγορά σταριού της Αμερικής από τη Σοβιετική Ένωση, ξεκίνησε από αμερικάνους επιστήμονες η έρευνα στην τηλεπισκόπηση σε σχέση με τα μοντέλα πρόβλεψης σοδειάς. Σήμερα μια απο τις μεγαλύτερες προκλήσεις στην έρευνα της ανταπόκρισης των καλλιεργειών στην κλιματική αλλαγή είναι η εύρεση ακριβούς χωρικής πληροφορίας. Αυτό το πρόβλημα καλείται να λύσει η τηλεπισκόπηση.<br /> <br /> '''Μοντέλα πρόβλεψης καλλιέργειας'''<br /> <br /> Τα μοντέλα πρόβλεψης καλλιέργειας χωρίζονται κεντρικά σε τρεις κατηγορίες. Υπάρχουν τα εμπειρικά μοντέλα τα οποία εκφράζονται σαν εξισώσεις παλινδρόμησης και τα οποία δεν παρέχουν πληροφορία γύρω από τον μηχανισμό που χρησιμοποιούν ώστε να παράξουν το αποτέλεσμα. Υπάρχουν τρεις κύριοι τύποι στατιστικών μοντέλων, οι χρονοσειρές, η ανάλυση διαστρωματικών δεδομένων (panel data) και η συγχρονική (cross-sectional) προσέγγιση. Ωστόσο τα στατιστικά μοντέλα συνήθως δεν μπορούν να περιγράψουν την αντίδραση της καλλιέργειας σε συνθήκες ή τόπους χωρίς ιστορικά δεδομένα. Τέλος τα δυναμικά μοντέλα, τα οποία προσομοιώνουν την εξέλιξη της καλλιέργειας στον χρόνο, με συγκεκριμένο χρονικό βήμα, με την χρήση διαφορικών εξισώσεων. Ένα σημαντικό πλεονέκτημά των τελευταίων έναντι των στατιστικών είναι πως μπορούν να προβλέψουν την ανταπόκριση της σοδειάς σε νέες κλιματικές συνθήκες και μεθόδους διαχείρισης χωρίς προηγούμενο ιστορικό.<br /> <br /> '''Τηλεπισκόπηση και μοντέλα πρόβλεψης καλλιέργειας'''<br /> <br /> Τηλεπισκοπικά δεδομένα χαμηλής ανάλυσης χρησιμοποιούνται ευρέως στον τομέα αυτό λόγω της υψηλής χρονικής συχνότητας κάλυψης και του χαμηλού κόστους τους. Στις εικόνες αυτές χρησιμοποιούνται κυρίως συνδυασμοί των περιοχών του εγγύς υπερύθρου και του κόκκινου για την δημιουργία διαφόρων δεικτών βλάστησης όπως ο NDVI. Οι δείκτες αυτοί μεταξύ των άλλων χρησιμοποιούνται για την εξαγωγή ουσιωδών πληροφοριών σχετικά με το φύλλωμα όπως είναι ο δείκτης έκτασης φυλλώματος (LAI). Αυτός αντιπροσωπεύει την διαθέσιμη έκταση για ανταλλαγή ενέργειας μεταξύ του φυτού και της ατμόσφαιρας και χρησιμοποιείται για τη μοντελοποίηση της εξατμισοδιαπνοής, της παραγωγής βιομάζας και της σοδειάς. Η χρήση του LAI σε συνδυασμό με την εξατμισοδιαπνοή που αντιπροσωπεύει το διαθέσιμο νερό για την ανάπτυξη του φυτού μπορούν εάν προσεγγιστούν καλά να δώσουν ακριβείς εκτιμήσεις της αναμενόμενης σοδειάς. Κάποιες μελέτες επίσης έχουν χρησιμοποιήσει υπερφασματικά δεδομένα πετυχαίνοντας ακρίβεια 20% με 25% μεγαλύτερη από αντίστοιχες εφαρμογές με μονοφασματικά δεδομένα. Υπάρχουν περιπτώσεις βέβαια που δεν μπορεί να χρησιμοποιηθεί οπτική εικόνα λόγω νεφοκάλυψης είτε λόγω αδυναμίας χρήσης του NDVI. Εκεί πολλές μελέτες έχουν χρησιμοποιήσει με επιτυχία δεδομένα ραντάρ.<br /> <br /> Υπάρχουν τρεις κύριες μέθοδοι με τις οποίες τηλεπισκοπικά δεδομένα συνδυάζονται με μοντέλα καλλιέργειας. Η πρώτη είναι μία έμμεση προσέγγιση όπου τα τηλεπισκοπικά δεδομένα συνεργάζονται με ένα μοντέλο προσομοίωσης ώστε να καλιμπραριστεί σωστά εξ αρχής είτε να ρυθμιστεί σωστά κατά την διάρκεια της λειτουργίας του. Τα μοντέλα ανάπτυξης καλλιέργειας αποτελούν από τρία μέρη, τις μεταβλητές κατάστασης, τις μεταβλητές οδήγησης και τις παραμέτρους. Η πιο απλή μέθοδος είναι να χρησιμοποιηθεί τηλεπισκόπηση για την αξιολόγηση κάποιων μεταβλητών οδήγησης του μοντέλου. Η τρίτη μέθοδος τέλος είναι η ανανέωση μιας μεταβλητής κατάστασης του μοντέλου με την τιμή των τηλεπισκοπικών δεδομένων. Συνηθίζεται τα δεδομένα να λαμβάνονται από δορυφόρους με χαμηλή ανάλυση αλλά μικρό χρόνο κάλυψης της επιφάνειας της γης. Ωστόσο αυτή η σχέση χαμηλής χωρικής και υψηλής χρονικής ανάλυσης αποτελεί ένα κεντρικό μειονέκτημα της χρήσης της τηλεπισκόπησης στα μοντέλα πρόβλεψης καλλιέργειας. <br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo2.png|200px|thumb|right|Σχέση χωρικής, χρονικής και φασματικής ανάλυσης των δορυφορικών εικόνων]]<br /> '''Περιορισμοί και μειονεκτήματα των μεθόδων – Συμπεράσματα'''<br /> <br /> Τα βασικά πλεονεκτήματα της ενσωμάτωσης τηλεπισκοπικών μεθόδων στα μοντέλα πρόβλεψης καλλιέργειας αποτελούν η αναπαράσταση της χωρικής πληροφορίας που απουσιάζει από τα μοντέλα αυτά και η ακριβέστερη περιγραφή της κατάστασης της σοδειάς κατά τη διάρκεια των διαφόρων σταδίων της ανάπτυξης. Τα καταγεγραμμένα μειονεκτήματα ωστόσο αναφέρονται στην ακρίβεια της τηλεπισκοπικά συγκεντρωμένης πληροφορίας και στην πιθανή νεφοκάλυψη η οποία παρεμποδίζει τη συλλογή πληροφορίας. Ωστόσο δεδομένων των πλεονεκτημάτων, είναι βέβαιο πως η συνεργασία τηλεπισκοπικών μεθόδων και μοντέλων πρόβλεψης καλλιέργειας θα αυξηθεί, ιδανικά ενσωματώνοντας αυτοματοποιημένες διαδικασίες που θα βελτιώσουν την απόδοση των μοντέλων.<br /> <br /> [[category:Γεωργία]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%99%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CE%BF%CF%8D%CF%82_%CE%93%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-22T12:28:39Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AC_%CF%84%CE%B7%CF%82_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B1_%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CE%9A%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82 2020-02-22T12:28:00Z

<p>Chleontidis: Νέα σελίδα με ''''Contribution of Remote Sensing on Crop Models: A Review''' '''Συνεισφορά της Τηλεπισκόπησης στα Μοντέλα Πρόβλεψης Καλ...'</p> <hr /> <div>'''Contribution of Remote Sensing on Crop Models: A Review'''<br /> <br /> '''Συνεισφορά της Τηλεπισκόπησης στα Μοντέλα Πρόβλεψης Καλλιέργειας'''<br /> <br /> <br /> Συγγραφείς: ''Dimitrios A. Kasampalis, Thomas K. Alexandridis, Chetan Deva, Andrew Challinor, Dimitrios Moshpu, Georgios Zalidis''<br /> <br /> Δημοσιεύτηκε: ''Contribution of Remote Sensing on Crop Models: A Review. Journal of Imaging, 4 (4). 52. ISSN 2313-433X''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.3390/jimaging4040052''<br /> <br /> '''Περίληψη'''<br /> <br /> Τα μοντέλα ανάπτυξης καλλιεργειών προσομοιώνουν τη σχέση μεταξύ φυτών και περιβάλλοντος προκειμένου να βελτιστοποιηθεί η διαχείρησή τους, να αποφευχθούν καιρικά ρίσκα και να προβλεφθεί η αναμενόμενη σοδειά. Η βασική έλλειψη των μοντέλων αυτών είναι η απουσία χωρικών δεδομένων, τα οποία μπορεί να παράσχει η τηλεπισκόπηση. Το άρθρο κάνει μια ανασκόπηση των πιο πρόσφατων τηλεπισκοπικών εφαρμογών που συνεισφέρουν στην πρόβλεψη της σοδειάς, των μεθόδων που ακολουθούν και των αδυναμιών και των πρωταιρημάτων τους.<br /> <br /> '''Εισαγωγή, ιστορική αναδρομή'''<br /> <br /> Τα μοντέλα πρόβλεψης της σοδειάς προσπαθούν να μεταφράσουν τη σχέση μεταξύ φυτών και περιβάλλοντος, προσομοιώνοντας φυσιολογικές διεργασίες σε χρονικά πλαίσια συνήθως με συχνότητα μίας ημέρας. Αυτά τα μοντέλα παίζουν μεταξύ των άλλων σημαντικό ρόλο στην έρευνα της βιοσιμότητας όσον αφορά τη διαχείριση μίας περιοχής. Την δεκαετία του ’60 ξεκίνησε η έρευνα πάνω στα μοντέλα ανάπτυξης καλλιεργειών. Την δεκαετία του ’70 μετά από μία μεγάλη αγορά σταριού της Αμερικής από τη Σοβιετική Ένωση, ξεκίνησε από αμερικάνους επιστήμονες η έρευνα στην τηλεπισκόπηση σε σχέση με τα μοντέλα πρόβλεψης σοδειάς. Σήμερα μια απο τις μεγαλύτερες προκλήσεις στην έρευνα της ανταπόκρισης των καλλιεργειών στην κλιματική αλλαγή είναι η εύρεση ακριβούς χωρικής πληροφορίας. Αυτό το πρόβλημα καλείται να λύσει η τηλεπισκόπηση.<br /> <br /> '''Μοντέλα πρόβλεψης καλλιέργειας'''<br /> <br /> Τα μοντέλα πρόβλεψης καλλιέργειας χωρίζονται κεντρικά σε τρεις κατηγορίες. Υπάρχουν τα εμπειρικά μοντέλα τα οποία εκφράζονται σαν εξισώσεις παλινδρόμησης και τα οποία δεν παρέχουν πληροφορία γύρω από τον μηχανισμό που χρησιμοποιούν ώστε να παράξουν το αποτέλεσμα. Υπάρχουν τρεις κύριοι τύποι στατιστικών μοντέλων, οι χρονοσειρές, η ανάλυση διαστρωματικών δεδομένων (panel data) και η συγχρονική (cross-sectional) προσέγγιση. Ωστόσο τα στατιστικά μοντέλα συνήθως δεν μπορούν να περιγράψουν την αντίδραση της καλλιέργειας σε συνθήκες ή τόπους χωρίς ιστορικά δεδομένα. Τέλος τα δυναμικά μοντέλα, τα οποία προσομοιώνουν την εξέλιξη της καλλιέργειας στον χρόνο, με συγκεκριμένο χρονικό βήμα, με την χρήση διαφορικών εξισώσεων. Ένα σημαντικό πλεονέκτημά των τελευταίων έναντι των στατιστικών είναι πως μπορούν να προβλέψουν την ανταπόκριση της σοδειάς σε νέες κλιματικές συνθήκες και μεθόδους διαχείρισης χωρίς προηγούμενο ιστορικό.<br /> <br /> '''Τηλεπισκόπηση και μοντέλα πρόβλεψης καλλιέργειας'''<br /> <br /> Τηλεπισκοπικά δεδομένα χαμηλής ανάλυσης χρησιμοποιούνται ευρέως στον τομέα αυτό λόγω της υψηλής χρονικής συχνότητας κάλυψης και του χαμηλού κόστους τους. Στις εικόνες αυτές χρησιμοποιούνται κυρίως συνδυασμοί των περιοχών του εγγύς υπερύθρου και του κόκκινου για την δημιουργία διαφόρων δεικτών βλάστησης όπως ο NDVI. Οι δείκτες αυτοί μεταξύ των άλλων χρησιμοποιούνται για την εξαγωγή ουσιωδών πληροφοριών σχετικά με το φύλλωμα όπως είναι ο δείκτης έκτασης φυλλώματος (LAI). Αυτός αντιπροσωπεύει την διαθέσιμη έκταση για ανταλλαγή ενέργειας μεταξύ του φυτού και της ατμόσφαιρας και χρησιμοποιείται για τη μοντελοποίηση της εξατμισοδιαπνοής, της παραγωγής βιομάζας και της σοδειάς. Η χρήση του LAI σε συνδυασμό με την εξατμισοδιαπνοή που αντιπροσωπεύει το διαθέσιμο νερό για την ανάπτυξη του φυτού μπορούν εάν προσεγγιστούν καλά να δώσουν ακριβείς εκτιμήσεις της αναμενόμενης σοδειάς. Κάποιες μελέτες επίσης έχουν χρησιμοποιήσει υπερφασματικά δεδομένα πετυχαίνοντας ακρίβεια 20% με 25% μεγαλύτερη από αντίστοιχες εφαρμογές με μονοφασματικά δεδομένα. Υπάρχουν περιπτώσεις βέβαια που δεν μπορεί να χρησιμοποιηθεί οπτική εικόνα λόγω νεφοκάλυψης είτε λόγω αδυναμίας χρήσης του NDVI. Εκεί πολλές μελέτες έχουν χρησιμοποιήσει με επιτυχία δεδομένα ραντάρ.<br /> <br /> Υπάρχουν τρεις κύριες μέθοδοι με τις οποίες τηλεπισκοπικά δεδομένα συνδυάζονται με μοντέλα καλλιέργειας. Η πρώτη είναι μία έμμεση προσέγγιση όπου τα τηλεπισκοπικά δεδομένα συνεργάζονται με ένα μοντέλο προσομοίωσης ώστε να καλιμπραριστεί σωστά εξ αρχής είτε να ρυθμιστεί σωστά κατά την διάρκεια της λειτουργίας του. Τα μοντέλα ανάπτυξης καλλιέργειας αποτελούν από τρία μέρη, τις μεταβλητές κατάστασης, τις μεταβλητές οδήγησης και τις παραμέτρους. Η πιο απλή μέθοδος είναι να χρησιμοποιηθεί τηλεπισκόπηση για την αξιολόγηση κάποιων μεταβλητών οδήγησης του μοντέλου. Η τρίτη μέθοδος τέλος είναι η ανανέωση μιας μεταβλητής κατάστασης του μοντέλου με την τιμή των τηλεπισκοπικών δεδομένων. Συνηθίζεται τα δεδομένα να λαμβάνονται από δορυφόρους με χαμηλή ανάλυση αλλά μικρό χρόνο κάλυψης της επιφάνειας της γης. Ωστόσο αυτή η σχέση χαμηλής χωρικής και υψηλής χρονικής ανάλυσης αποτελεί ένα κεντρικό μειονέκτημα της χρήσης της τηλεπισκόπησης στα μοντέλα πρόβλεψης καλλιέργειας. <br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo2.png|200px|thumb|right|Σχέση χωρικής, χρονικής και φασματικής ανάλυσης των δορυφορικών εικόνων]]<br /> '''Περιορισμοί και μειονεκτήματα των μεθόδων – Συμπεράσματα'''<br /> <br /> Τα βασικά πλεονεκτήματα της ενσωμάτωσης τηλεπισκοπικών μεθόδων στα μοντέλα πρόβλεψης καλλιέργειας αποτελούν η αναπαράσταση της χωρικής πληροφορίας που απουσιάζει από τα μοντέλα αυτά και η ακριβέστερη περιγραφή της κατάστασης της σοδειάς κατά τη διάρκεια των διαφόρων σταδίων της ανάπτυξης. Τα καταγεγραμμένα μειονεκτήματα ωστόσο αναφέρονται στην ακρίβεια της τηλεπισκοπικά συγκεντρωμένης πληροφορίας και στην πιθανή νεφοκάλυψη η οποία παρεμποδίζει τη συλλογή πληροφορίας. Ωστόσο δεδομένων των πλεονεκτημάτων, είναι βέβαιο πως η συνεργασία τηλεπισκοπικών μεθόδων και μοντέλων πρόβλεψης καλλιέργειας θα αυξηθεί, ιδανικά ενσωματώνοντας αυτοματοποιημένες διαδικασίες που θα βελτιώσουν την απόδοση των μοντέλων.<br /> <br /> [[category:Γεωργία]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo2.png 2020-02-22T12:25:38Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%99%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CE%BF%CF%8D%CF%82_%CE%93%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:24:15Z

<p>Chleontidis: Αντικατάσταση σελίδας με '&lt;nowiki&gt;Εισάγετε εδώ το μη μορφοποιημένο κείμενο.&lt;/nowiki&gt;'</p> <hr /> <div>&lt;nowiki&gt;Εισάγετε εδώ το μη μορφοποιημένο κείμενο.&lt;/nowiki&gt;</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%99%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CE%BF%CF%8D%CF%82_%CE%93%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:23:26Z

<p>Chleontidis: Νέα σελίδα με ''''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses''' '''Παραγωγή Ταξι...'</p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:21:12Z

<p>Chleontidis: </p> <hr /> <div>&lt;nowiki&gt;Εισάγετε εδώ το μη μορφοποιημένο κείμενο.&lt;/nowiki&gt;</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:20:55Z

<p>Chleontidis: Διαγραφή του περιεχομένου της σελίδας</p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%99%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CE%BF%CF%8D%CF%82_%CE%93%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:19:48Z

<p>Chleontidis: Νέα σελίδα με ''''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses''' '''Παραγωγή Ταξι...'</p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:14:26Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> ''' Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:13:30Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:12:58Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> '''Αποτελέσματα'''<br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:12:15Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]<br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:07:28Z

<p>Chleontidis: </p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες<br /> κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png|200px|thumb|right|Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png|200px|thumb|right|Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CE%BF%CE%BC%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%92%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%AD%CF%83%CE%B1_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%B1%CE%B4%CE%BF%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%9F%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%BD%CF%8E%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B9%CE%B8%CE%B1%CE%B3%CE%B5%CE%BD%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2020-02-17T17:02:56Z

<p>Chleontidis: Νέα σελίδα με ''''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses''' '''Παραγωγή Ταξι...'</p> <hr /> <div>'''Emergence of Indigenous Vegetation Classifications Through Integration of Traditional Ecological Knowledge and Remote Sensing Analyses'''<br /> <br /> '''Παραγωγή Ταξινομήσεων της Βλάστησης μέσα από την Ενσωμάτωσης της Παραδοσιακής Οικολογικής γνώσης των ιθαγενών στην Τηλεπισκοπική Ανάλυση'''<br /> <br /> <br /> Συγγραφείς: ''Robin Naido, Kim Hill''<br /> <br /> Δημοσιεύτηκε: ''Environmental Management (2006) 38: 377''<br /> <br /> Σύνδεσμος: ''https://doi.org/10.1007/s00267-004-0338-9'' <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η συγκεκριμένη έρευνα αποσκοπεί στην ένταξη της παραδοσιακής οικολογικής γνώσης ΠΟΓ (traditional ecologic knowledge TEK) σε τηλεπισκοπικές ερευνητικές πρακτικές, με στόχο να αντικαταστήσει ή να συμπληρώσει την έρευνα πεδίου όταν αυτή δεν μπορεί να διεξαχθεί λόγω δυσχερών συνθηκών ή δύσκολης πρόσβασης. Συγκεκριμένα σε δασικά οικοσυστήματα με πυκνή και ποικίλη βλάστηση όπου ζουν ιθαγενείς ομάδες μπορούμε να χρησιμοποιήσουμε την ΠΟΓ για να καταλάβουμε τα μοτίβα της βλάστησης, λαμβάνοντας υπόψιν πως η γνώση της ομάδας περιορίζεται στις πτυχές του δάσους που σχετίζονται με τις υπαρξιακές ανάγκες της ομάδας. Μία τέτοια περίπτωση είναι το δάσος Mbaracayu της Παραγουάης και η φυλή Άτσε που ζει μέσα σε αυτό. Στην συγκεκριμένη μελέτη συνδυάζονται τηλεπισκοπικές αρχές με την ΠΟΓ της φυλής Άτσε και τίθενται τα εξής ερωτήματα:<br /> 1. Οι ταξινομήσεις των ιθαγενών για τις περιοχές βλάστησης παρουσιάζονται σαν διακριτές φασματικά περιοχές όταν μελετώνται σε δορυφορικές εικόνες;<br /> 2. Μπορούν οι χάρτες βλάστησης που προκύπτουν από συνδυασμό της ΠΟΓ και της τηλεπισκόπησης να δώσουν επιπλέον πληροφορίες σε σχέση με χάρτες κατασκευασμένους με πιο τυπικές “επιστημονικές” μεθόδους; <br /> <br /> '''Οι Άτσε'''<br /> <br /> Αποτελούν φυλή κυνηγών θηρευτών που δρουν εντός του δάσους Mbaracayu ενώ οι οικισμοί τους έχουν μεταφερθεί στις παρυφές του εφόσον αυτό πλέον αποτελεί προστατευόμενη ζώνη. Οι Άτσε, εντός ενός οικοσυστήματος με τεράστια βιοποικιλότητα, έχουν αναπτύξει ένα λεπτομερές σύστημα ταξινόμησης για να περιγράψουν τους παρόντες τύπους δάσους εντός των εκτάσεων που κυνηγούν. Με μία ιδιαίτερα ποικίλη και χρωματισμένη ταξινόμηση, οι Άτσε χωρίζουν το δάσος σε τμήματα που αντανακλούν χαρακτηριστικά όπως η ευκολία διάσχισης, η αφθονία θηράματος και η απόσταση από το νερό. Ο χαρακτηρισμός του δάσους μπορεί να αλλάζει κάθε λίγα μέτρα και απαρτίζεται από 69 κατηγορίες που βασίζονται κεντρικά στη δομή της βλάστησης, στα κυρίαρχα είδη, στην εγγύτητα σε άλλα γεωγραφικά χαρακτηριστικά ή οικισμούς, σε τοπογραφικά χαρακτηριστικά και στην υγρασία. Μετά από ανάλυση αυτής της κατηγοριοποίησης προέκυψαν επτά βασικές κατηγορίες για να αντιπαρατεθούν με τα δορυφορικά δεδομένα: α) Ξέφωτο, β) Βάλτος, γ) Δάση μπαμπού 15-20 μέτρων, δ) Πυκνά δάση αγράμπελης με πλήθος κληματσίδων, ε) Χαμηλά δάση έως 15 μέτρα σε στεγνές περιοχές με πλήθος ποωδών στο έδαφος , στ) Ψηλά δάση έως 25 μέτρα ή ψηλότερα με πλήθος ποωδών, ζιγγιβερωδών και φτερών στο έδαφος, ζ) Δάση μπαμπού του 10-15 μέτρων του είδους Guadua angustifolia.<br /> <br /> '''Καταγραφή στο πεδίο'''<br /> <br /> Η καταγραφή έγινε από πέντε εκπαιδευμένα μέλη της φυλής Άτσε τα οποία περπατούσαν σε απόσταση περίπου 50 μέτρων μεταξύ τους και κάθε 200 μέτρα κατέγραφαν τον τύπο βλάστησης που συναντούσαν. Λόγω της ακρίβειας του GPS, καταγραφόταν ένα στίγμα ανά 200 μέτρα και για τους πέντε βοηθούς πεδίου. Για τον λόγο αυτό, μόνο οι καταγραφές στις οποίες συμφωνούσαν και οι πέντε θεωρήθηκαν ακριβείς και χρησιμοποιήθηκαν παρακάτω στη μελέτη. Αυτές αποτέλεσαν λίγο πάνω από το 50% του συνόλου, δηλαδή 6129 καταγραφές.<br /> <br /> '''Μέθοδοι ταξινόμησης'''<br /> <br /> Για την τηλεπισκοπική ταξινόμηση χρησιμοποιήθηκε μια εικόνα του Landsat 7 τραβηγμένη την ημέρα που τέλειωσε η μελέτη πεδίου. Αυτή περιείχε τα 6 οπτικά κανάλια ανάλυσης 30 μέτρων και ένα θερμικό ανάλυσης 120 μέτρων. Από τους 6129 τομείς που είχαν ταξινομηθεί χρησιμοποιήθηκαν περίπου οι μισοί ως δείγμα εκπαίδευσης για την επιβλεπόμενη ταξινόμηση και οι υπόλοιποι για την αξιολόγηση της ακρίβειάς της. Ένα έγχρωμο σύνθετο που φάνηκε ιδιαίτερα χρήσιμο ήταν τα κανάλια 1,2 και 7 του Landsat. Για κάθε μία από τις 7 κατηγορίες έγιναν από 10 έως 44 πεδία εκπαίδευσης και χρησιμοποιήθηκε ένας αλγόριθμος μέγιστης πιθανοφάνειας. Χρησιμοποιώντας την ταξινόμηση που προέκυψε, διερευνήθηκαν οι σχέσεις βλάστησης-τοπογραφίας με την επίθεση ενός ψηφιακού μοντέλου ανύψωσης και του χάρτη του τοπικού δίκτυο υδάτων και με την σύγκριση με έναν πρόσφατο χάρτη της βλάστησης του δάσους Mbaracayu.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απέδωσε μια γενική ακρίβεια της τάξης του 60.1% και συντελεστή κάπα 0.53. Μετρώντας τα κελιά που ταξινομήθηκαν σε κάθε κατηγορία και συγκρίνοντας τα με την ταξινόμηση των Άτσε στο πεδίο, υπολογίζεται και η ακρίβεια με την οποία ταξινομήθηκαν σωστά τα κελιά (από 51% έως 75%) και η ακρίβεια με την οποία αναμενόταν να ταξινομηθούν τα κελιά (6.3% έως 86.1%). Η ταξινόμηση των Άτσε επίσης προκύπτει να είναι ισχυρά συσχετιζόμενη με τοπογραφικά χαρακτηριστικά όπως το υψόμετρο, η κλίση του εδάφους και η απόσταση από τα ποτάμια.<br /> <br /> '''Συζήτηση'''<br /> <br /> Υπήρξε μεγάλη απόκλιση στην ακρίβεια της ταξινόμησης μεταξύ διαφόρων τάξεων, τα ξέφωτα και οι βάλτοι ταξινομήθηκαν με ικανοποιητική ακρίβεια ενώ το ποσοστό επιτυχίας ήταν μικρότερο όσον αφορά τους διάφορους τύπους δάσους. Πιθανή αιτία αυτού του φαινομένου είναι πως η διάκριση ανάμεσα σε αυτούς τους τύπους δάσους βασίζεται κυρίως σε χαρακτηριστικά της βλάστησης υπό τον θόλο των μεγαλύτερων δέντρων, χαρακτηριστικό που διακρίνεται καλύτερα με ραντάρ από ότι με οπτικές τηλεπισκοπικές μεθόδους όπως του Landsat. Επίσης η μεγάλη έκταση που αντιστοιχεί σε ένα μοναδικό σημείο του GPS και το αυξημένο σφάλμα της γεωαναφοράς του GPS κάτω από το φύλλωμα των δέντρων έχουν εισαγάγει σφάλμα στην ταξινόμηση. Δεδομένων αυτών των παραγόντων, είναι αξιοσημείωτο πως η ταξινόμηση της βλάστησης των Άτσε προέκυψε με τέτοια ακρίβεια από την τηλεπισκοπική ανάλυση. Η απάντηση στην πρώτη ερώτηση που τίθεται στην εισαγωγή είναι πως είναι δυνατό να προκύψει η ταξινόμηση των ιθαγενών ως διαφορετικές φασματικές τάξεις εάν η ανάλυση της καταγραφής που γίνεται στο πεδίο είναι αντίστοιχη αυτής της δορυφορικής εικόνας. Όσον αφορά τη δεύτερη ερώτηση, συνδυάζοντας την ΠΟΓ των Άτσε και τις τεχνικές τηλεπισκόπησης, προκύπτει ένας χάρτης που προσφέρει νέα πληροφορία όσον αφορά τη δομή του χώρου καθώς η ταξινόμηση των Άτσε δεν ενσωματώνει τοπογραφικά χαρακτηριστικά αλλά βασίζεται στην χρήση των τύπων δάσους στις δραστηριότητες των Άτσε. Επίσης κινούμενοι μέσα από το δάσος και όχι μόνο κοντά σε δρόμους και μονοπάτια, οι Άτσε έχουν καταγράψει την βλάστηση σε κάθε περιοχή του δάσους ενώ προηγούμενες έρευνες περιορίζονταν αποκλειστικά σε περιοχές εντός μίας ακτίνας 2 χιλιομέτρων από τους δρόμους.<br /> Η χρήση της ΠΟΓ στην επιστημονική έρευνα σταδιακά αυξάνεται αλλά παραμένει εκτός των συμβατικών μεθόδων όσον αφορά την έρευνα στην οικολογία και την προστασία της βιοποικιλότητας. Ωστόσο ο συνδυασμός της επιστημονικής ανάλυσης και της εμπειρίας της χρήσης σε βάθος πολλών γενεών μπορεί να οδηγήσει στην καλύτερη κατανόηση του δάσους ως σύνολο, ένα όφελος που έχει παρατηρηθεί σε άλλα οικολογικά και πολιτισμικά οικοσυστήματα.<br /> <br /> [[category:Αναγνώριση δασικών ειδών]]<br /> <br /> [[Αρχείο:ChLDPMS2019Metsovo1a.png]| thumb | right | Χάρτης βλάστησης του δάσους Mbaracayu όπως προέκυψε από προηγούμενες έρευνες,[https://media.springernature.com/full/springer-static/image/art%3A10.1007%2Fs00267-004-0338-9/MediaObjects/267_2004_338_f2.jpg?as=webp πηγή]]]<br /> [[Αρχείο:ChLDPMS2019Metsovo1b.png]| thumb | right | Αποτέλεσμα της επιβλεπόμενης ταξινόμησης με χρήση της κατηγοριοποίησης των Άτσε , [https://media.springernature.com/full/springer-static/image/art%3A10.1007%2Fs00267-004-0338-9/MediaObjects/267_2004_338_f3.jpg?as=webpσυνδέσμου πηγή]]]</div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo1b.png 2020-02-17T16:54:38Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:ChLDPMS2019Metsovo1a.png 2020-02-17T16:54:20Z

<p>Chleontidis: </p> <hr /> <div></div>

Chleontidis