http://147.102.106.44/rs/wiki/index.php?feed=atom&target=DASENAKIS+GEORGIOS&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 2026-04-29T15:41:39Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T18:11:43Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Χάρτες καταλληλότητας ενδιαιτημάτων της καφέ αρκούδας που προκύπτουν από πολυμεταβλητά μοντέλα για κάθε σύνολο δεδομένων: α) παγκόσμιο σύνολο δεδομένων (από τις εικόνες Sentinel-1 και Sentinel-2), β) ηπειρωτικό σύνολο δεδομένων (από το χάρτη CORINE Land Cover 2018 σε συνδυασμό με Forest Type high-resolution layer του CLMS), και γ) εθνικό σύνολο δεδομένων (ισπανικός δασικός χάρτης σε συνδυασμό με LiDAR).]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:''' Χάρτες ρεύματος με βάση τη μεθοδολογία της θεωρίας κυκλωμάτων για τις τρεις επιφάνειες αντίστασης: (α) σφαιρικό μοντέλο, (β) συνοπτικό- (γ) εθνικό μοντέλο (βλ. σχήμα Α5 στο προσάρτημα Β για τον χάρτη ρεύματος του γενετικού μοντέλου).]]<br /> <br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.<br /> <br /> <br /> [[category:Ποιότητα τοπίου]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B9%CE%BA%CE%B9%CE%BD%CE%B4%CF%85%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B1%CF%82_%CE%BC%CE%B5_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85%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_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2025-03-07T18:11:10Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_2_1.png|thumb|right| '''Εικόνα 1.1:'''Η περιοχή μελέτης με τις περιοχές που καταγράφηκαν καταστροφές από την πλημμύρα στις 9/10/21. Χάρτης από Google Earth.]]<br /> <br /> [[Εικόνα:gdasenakis_2_2.png|thumb|right| '''Εικόνα 1.2:'''Το υδρογραφικό δίκτυο της περιοχής μελέτης.]]<br /> <br /> [[Εικόνα:gdasenakis_2_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/59270/DIPLWMATIKH_VS.pdf?sequence=1&amp;amp;isAllowed=y]]:'''Επιμέλεια''': Β. Σπετσιέρης Επιβλέπουσα: Β. Καραθανάση<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή έχει συμβάλει στην αύξηση της συχνότητας και της έντασης των δασικών πυρκαγιών και των πλημμυρών, δύο φυσικών καταστροφών που συνδέονται άμεσα. Η απώλεια βλάστησης λόγω πυρκαγιών μεταβάλλει την υδρολογική συμπεριφορά μιας περιοχής, αυξάνοντας την επικινδυνότητα πλημμύρας. Η μελέτη αυτή αξιοποιεί μεθόδους τηλεπισκόπησης και πολυκριτηριακή ανάλυση για την εκτίμηση του κινδύνου πλημμύρας πριν και μετά από δασικές πυρκαγιές στη Βόρεια Εύβοια.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη εφαρμόστηκε σε περιοχές που επλήγησαν από τις πυρκαγιές του Αυγούστου 2021 και ακολούθησαν καταστροφικές πλημμύρες τον Οκτώβριο του ίδιου έτους. Δύο δορυφορικές εικόνες από τους αισθητήρες SENTINEL-2, πριν και μετά την πυρκαγιά, αναλύθηκαν με αντικειμενοστρεφή μέθοδο ταξινόμησης εικόνας.<br /> <br /> Τα κύρια κριτήρια που χρησιμοποιήθηκαν στην πολυκριτηριακή ανάλυση ήταν:<br /> * Κλίση εδάφους<br /> * Απόσταση από το υδρογραφικό δίκτυο<br /> * Υφή υδρογραφικού δικτύου<br /> * Γεωλογία<br /> * Κάλυψη γης<br /> <br /> === Πολυκριτηριακή Ανάλυση και Μέθοδος Αναλυτικής Ιεράρχησης (AHP) ===<br /> Η πολυκριτηριακή ανάλυση χρησιμοποιείται για τη σύνθεση διαφορετικών γεωγραφικών δεδομένων και την ποσοτική εκτίμηση του κινδύνου πλημμύρας. Τα κριτήρια που επιλέχθηκαν κανονικοποιήθηκαν και ταξινομήθηκαν βάσει της σημασίας τους.<br /> <br /> Για τον υπολογισμό της σχετικής βαρύτητας των κριτηρίων, χρησιμοποιήθηκε η Μέθοδος Αναλυτικής Ιεράρχησης (Analytic Hierarchy Process - AHP), όπου:<br /> # Δημιουργείται ένας πίνακας σύγκρισης κριτηρίων κατά ζεύγη.<br /> # Ορίζονται συντελεστές βαρύτητας με βάση την επιρροή κάθε κριτηρίου στον κίνδυνο πλημμύρας.<br /> # Εξάγεται ο Δείκτης Επικινδυνότητας Πλημμύρας (ΔΕΠ) για κάθε περιοχή.<br /> <br /> Η τελική ανάλυση πραγματοποιήθηκε σε περιβάλλον GIS, όπου εφαρμόστηκε η σταθμισμένη επικάλυψη των χαρτών των κριτηρίων, οδηγώντας στη δημιουργία των χαρτών επικινδυνότητας πλημμύρας.<br /> <br /> === Αποτελέσματα ===<br /> Δημιουργήθηκαν χάρτες επικινδυνότητας πλημμύρας πριν και μετά την πυρκαγιά. Συγκρίνοντας τους δύο χάρτες, παρατηρήθηκε αύξηση της επικινδυνότητας στις καμένες εκτάσεις, αν και μικρότερη από την αναμενόμενη. Επιπλέον, οι χάρτες συγκρίθηκαν με επίσημες μελέτες επικινδυνότητας, επιβεβαιώνοντας την αξιοπιστία της μεθόδου.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση τηλεπισκόπησης σε συνδυασμό με πολυκριτηριακή ανάλυση αποδεικνύεται χρήσιμη για την εκτίμηση της επικινδυνότητας πλημμύρας σε περιοχές που έχουν πληγεί από δασικές πυρκαγιές. Η μεθοδολογία αυτή μπορεί να αξιοποιηθεί για τη διαχείριση κινδύνου και τον σχεδιασμό μέτρων πρόληψης και προστασίας.<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T18:10:45Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Χάρτες καταλληλότητας ενδιαιτημάτων της καφέ αρκούδας που προκύπτουν από πολυμεταβλητά μοντέλα για κάθε σύνολο δεδομένων: α) παγκόσμιο σύνολο δεδομένων (από τις εικόνες Sentinel-1 και Sentinel-2), β) ηπειρωτικό σύνολο δεδομένων (από το χάρτη CORINE Land Cover 2018 σε συνδυασμό με Forest Type high-resolution layer του CLMS), και γ) εθνικό σύνολο δεδομένων (ισπανικός δασικός χάρτης σε συνδυασμό με LiDAR).]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:''' Χάρτες ρεύματος με βάση τη μεθοδολογία της θεωρίας κυκλωμάτων για τις τρεις επιφάνειες αντίστασης: (α) σφαιρικό μοντέλο, (β) συνοπτικό- (γ) εθνικό μοντέλο (βλ. σχήμα Α5 στο προσάρτημα Β για τον χάρτη ρεύματος του γενετικού μοντέλου).]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.<br /> <br /> <br /> [[category:Ποιότητα τοπίου]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B3%CF%81%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2025-03-07T18:10:16Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_4_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_4_2.png|thumb|right| '''Εικόνα 1.2:'''Τα στάδια σχηματισμού του δείκτη έκτασης υγροτόπου.]]<br /> <br /> [[Εικόνα:gdasenakis_4_3.png|thumb|right| '''Εικόνα 1.3:'''Επιλεγμένες δορυφορικές εικόνες και οι αλλαγές στην έκταση του υγροτόπου Arjan.]]<br /> <br /> <br /> Πηγή [[https://link.springer.com/article/10.1007/s00704-024-04969-9]]: Nima Heidarzadeh1 · Mahdiyeh Eghbal · Negar Esmaeili · Kaveh Panaghi Received: 17 July 2023 / Accepted: 3 April 2024 / Published online: 13 April 2024<br /> <br /> <br /> == Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή αποτελεί μία από τις μεγαλύτερες περιβαλλοντικές προκλήσεις των τελευταίων δεκαετιών, επηρεάζοντας τα υδάτινα οικοσυστήματα και ειδικά τους υγροτόπους. Οι υγρότοποι διαδραματίζουν κρίσιμο ρόλο στη διατήρηση της βιοποικιλότητας, στη ρύθμιση του υδρολογικού κύκλου και στην αποθήκευση άνθρακα. Ωστόσο, η αύξηση της θερμοκρασίας και η μεταβολή των βροχοπτώσεων μπορεί να οδηγήσουν στη μείωση της έκτασής τους και στην υποβάθμιση της οικολογικής τους λειτουργίας. <br /> <br /> Στην παρούσα μελέτη, εξετάζεται η επίδραση της κλιματικής αλλαγής στον υγρότοπο Arjan στο Ιράν. Για την πρόβλεψη της θερμοκρασίας του αέρα και των βροχοπτώσεων για την περίοδο 2025–2066, χρησιμοποιήθηκαν τα παγκόσμια κλιματικά μοντέλα canESM2 και hadGEM2, καθώς και τα σενάρια εκπομπών RCP 2.6, 4.5 και 8.5. Τα δεδομένα θερμοκρασίας και βροχοπτώσεων μειώθηκαν χωρικά (downscaled) με τα λογισμικά SDSM και LARS-WG. Στη συνέχεια, η έκταση του υγροτόπου υπολογίστηκε μέσω επεξεργασίας δορυφορικών εικόνων Landsat με τη χρήση του αλγορίθμου MNDWI (Modified Normalized Difference Water Index).<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη υλοποιήθηκε μέσω των εξής σταδίων:<br /> * **Πρόβλεψη θερμοκρασίας και βροχοπτώσεων**: Χρησιμοποιήθηκαν τα κλιματικά μοντέλα canESM2 και hadGEM2 για την περίοδο 2025–2066, υπό τα σενάρια RCP 2.6, 4.5 και 8.5. Οι προσομοιώσεις θερμοκρασίας και βροχόπτωσης προσαρμόστηκαν τοπικά μέσω των μοντέλων SDSM και LARS-WG.<br /> * **Ανάλυση ξηρασίας**: Εφαρμόστηκαν οι δείκτες ξηρασίας PDI (Percent of Normal Precipitation Index), PNPI (Palmer Drought Severity Index) και scPDSI (Self-Calibrated Palmer Drought Severity Index) για την περίοδο 1986–2018, προκειμένου να αξιολογηθεί η μεταβολή των ξηρών και υγρών περιόδων.<br /> * **Ανάλυση δεδομένων τηλεπισκόπησης**: Χρησιμοποιήθηκαν εικόνες Landsat 5, 7 και 8 για την περίοδο 1986–2018. Με τη χρήση του MNDWI, αποτυπώθηκε η μεταβολή της επιφάνειας του υγροτόπου στο χρόνο.<br /> * **Συσχέτιση της έκτασης του υγροτόπου με κλιματικές παραμέτρους**: Τα δεδομένα θερμοκρασίας, βροχοπτώσεων και ξηρασίας συνδυάστηκαν με τα δεδομένα τηλεπισκόπησης για την πρόβλεψη της έκτασης του υγροτόπου στο μέλλον.<br /> <br /> === Αποτελέσματα ===<br /> Τα ευρήματα της μελέτης δείχνουν ότι η έκταση του υγροτόπου Arjan επηρεάζεται σημαντικά από τις κλιματικές μεταβολές:<br /> * **Προβλεπόμενη μείωση της έκτασης**: Η έκταση του υγροτόπου αναμένεται να μειωθεί, με το 90% των ετών μεταξύ 2045 και 2066 να παρουσιάζουν συνολική επιφάνεια μικρότερη των 800 εκταρίων.<br /> * **Περίοδοι έντονης ξηρασίας**: Προβλέπονται σοβαρές ξηρασίες κατά τα έτη 2036–2039, 2042, 2052, 2056–2058 και 2062, όπου η επιφάνεια του υγροτόπου θα μειωθεί κάτω από 200 εκτάρια.<br /> * **Περίοδοι υψηλής υγρασίας**: Τα έτη 2025, 2044 και 2045 προβλέπονται ως έτη αυξημένης υγρασίας, όπου η έκταση του υγροτόπου θα είναι συγκριτικά μεγαλύτερη.<br /> * **Συνολική τάση**: Η γενική τάση δείχνει μείωση της έκτασης του υγροτόπου λόγω της κλιματικής αλλαγής, οδηγώντας σταδιακά προς αποξήρανση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα υπογραμμίζει ότι η κλιματική αλλαγή θα έχει σημαντική επίδραση στην έκταση των υγροτόπων, με τις περιόδους ξηρασίας να αυξάνονται και τη διαθέσιμη υδάτινη επιφάνεια να μειώνεται σταδιακά. Παρόλο που η τάση δείχνει μείωση της έκτασης, τα αποτελέσματα υποδηλώνουν ότι οι υγρότοποι είναι λιγότερο απειλούμενοι από ό,τι αρχικά προβλεπόταν. <br /> <br /> Η μελέτη παρέχει χρήσιμα δεδομένα για τη διαχείριση των υδάτινων πόρων και την προσαρμογή των υγροτοπικών οικοσυστημάτων στις μελλοντικές κλιματικές συνθήκες. Η εφαρμογή μεθόδων τηλεπισκόπησης και η χρήση προηγμένων αλγορίθμων, όπως το MNDWI, μπορούν να συμβάλουν στην παρακολούθηση των υγροτόπων και στη λήψη έγκαιρων μέτρων διαχείρισης για τη διατήρηση αυτών των κρίσιμων οικοσυστημάτων.<br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B9%CE%BA%CE%B9%CE%BD%CE%B4%CF%85%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B1%CF%82_%CE%BC%CE%B5_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85%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_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2025-03-07T18:08:40Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_2_1.png|thumb|right| '''Εικόνα 1.1:'''Η περιοχή μελέτης με τις περιοχές που καταγράφηκαν καταστροφές από την πλημμύρα στις 9/10/21. Χάρτης από Google Earth.]]<br /> <br /> [[Εικόνα:gdasenakis_2_2.png|thumb|right| '''Εικόνα 1.2:'''Το υδρογραφικό δίκτυο της περιοχής μελέτης.]]<br /> <br /> [[Εικόνα:gdasenakis_2_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/59270/DIPLWMATIKH_VS.pdf?sequence=1&amp;amp;isAllowed=y]]:'''Επιμέλεια''': Β. Σπετσιέρης Επιβλέπουσα: Β. Καραθανάση<br /> <br /> == Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή έχει συμβάλει στην αύξηση της συχνότητας και της έντασης των δασικών πυρκαγιών και των πλημμυρών, δύο φυσικών καταστροφών που συνδέονται άμεσα. Η απώλεια βλάστησης λόγω πυρκαγιών μεταβάλλει την υδρολογική συμπεριφορά μιας περιοχής, αυξάνοντας την επικινδυνότητα πλημμύρας. Η μελέτη αυτή αξιοποιεί μεθόδους τηλεπισκόπησης και πολυκριτηριακή ανάλυση για την εκτίμηση του κινδύνου πλημμύρας πριν και μετά από δασικές πυρκαγιές στη Βόρεια Εύβοια.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη εφαρμόστηκε σε περιοχές που επλήγησαν από τις πυρκαγιές του Αυγούστου 2021 και ακολούθησαν καταστροφικές πλημμύρες τον Οκτώβριο του ίδιου έτους. Δύο δορυφορικές εικόνες από τους αισθητήρες SENTINEL-2, πριν και μετά την πυρκαγιά, αναλύθηκαν με αντικειμενοστρεφή μέθοδο ταξινόμησης εικόνας.<br /> <br /> Τα κύρια κριτήρια που χρησιμοποιήθηκαν στην πολυκριτηριακή ανάλυση ήταν:<br /> * Κλίση εδάφους<br /> * Απόσταση από το υδρογραφικό δίκτυο<br /> * Υφή υδρογραφικού δικτύου<br /> * Γεωλογία<br /> * Κάλυψη γης<br /> <br /> === Πολυκριτηριακή Ανάλυση και Μέθοδος Αναλυτικής Ιεράρχησης (AHP) ===<br /> Η πολυκριτηριακή ανάλυση χρησιμοποιείται για τη σύνθεση διαφορετικών γεωγραφικών δεδομένων και την ποσοτική εκτίμηση του κινδύνου πλημμύρας. Τα κριτήρια που επιλέχθηκαν κανονικοποιήθηκαν και ταξινομήθηκαν βάσει της σημασίας τους.<br /> <br /> Για τον υπολογισμό της σχετικής βαρύτητας των κριτηρίων, χρησιμοποιήθηκε η Μέθοδος Αναλυτικής Ιεράρχησης (Analytic Hierarchy Process - AHP), όπου:<br /> # Δημιουργείται ένας πίνακας σύγκρισης κριτηρίων κατά ζεύγη.<br /> # Ορίζονται συντελεστές βαρύτητας με βάση την επιρροή κάθε κριτηρίου στον κίνδυνο πλημμύρας.<br /> # Εξάγεται ο Δείκτης Επικινδυνότητας Πλημμύρας (ΔΕΠ) για κάθε περιοχή.<br /> <br /> Η τελική ανάλυση πραγματοποιήθηκε σε περιβάλλον GIS, όπου εφαρμόστηκε η σταθμισμένη επικάλυψη των χαρτών των κριτηρίων, οδηγώντας στη δημιουργία των χαρτών επικινδυνότητας πλημμύρας.<br /> <br /> === Αποτελέσματα ===<br /> Δημιουργήθηκαν χάρτες επικινδυνότητας πλημμύρας πριν και μετά την πυρκαγιά. Συγκρίνοντας τους δύο χάρτες, παρατηρήθηκε αύξηση της επικινδυνότητας στις καμένες εκτάσεις, αν και μικρότερη από την αναμενόμενη. Επιπλέον, οι χάρτες συγκρίθηκαν με επίσημες μελέτες επικινδυνότητας, επιβεβαιώνοντας την αξιοπιστία της μεθόδου.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση τηλεπισκόπησης σε συνδυασμό με πολυκριτηριακή ανάλυση αποδεικνύεται χρήσιμη για την εκτίμηση της επικινδυνότητας πλημμύρας σε περιοχές που έχουν πληγεί από δασικές πυρκαγιές. Η μεθοδολογία αυτή μπορεί να αξιοποιηθεί για τη διαχείριση κινδύνου και τον σχεδιασμό μέτρων πρόληψης και προστασίας.<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B5%CF%81%CE%B5%CF%8D%CE%BD%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%87%CE%AD%CF%83%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CE%BE%CF%8D_%CF%87%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%BF%CF%87%CE%AE%CF%82_%CF%80%CE%B1%CF%81%CE%B5%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_Sentinel-1_%CE%BA%CE%B1%CE%B9_%CE%B1%CF%80%CE%BF%CE%B4%CF%8C%CF%83%CE%B5%CF%89%CE%BD_%CE%AC%CE%B3%CF%81%CE%B9%CF%89%CE%BD_%CE%B5%CE%B4%CF%8E%CE%B4%CE%B9%CE%BC%CF%89%CE%BD_%CE%BC%CE%B1%CE%BD%CE%B9%CF%84%CE%B1%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%BC%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%B9%CE%B1%CE%BA%CE%AC_%CE%B4%CE%AC%CF%83%CE%B7 2025-03-07T18:08:05Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_3_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_3_2.png|thumb|right| '''Εικόνα 1.2:'''Χωρική κατανομή της διαρθρωτικής μεταβλητότητας των δασών και της παραγωγικότητας των μανιταριών κατά την περίοδο 2018-2021.]]<br /> <br /> [[Εικόνα:gdasenakis_3_3.png|thumb|right| '''Εικόνα 1.3:'''Στατιστική σχέση - μεταξύ των συμβολομετρικών συνεκτικότητας και δασικής δομής μεταβλητές.]]<br /> <br /> Πηγή [[https://link.springer.com/article/10.1007/s41651-024-00199-9]]:'''Επιμέλεια''': Raquel Martínez-Rodrigo, Beatriz Águeda, Juan M. Lopez-Sanchez, José Miguel Altelarrea, Pablo Alejandro &amp; Cristina Gómez<br /> <br /> == Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση ==<br /> <br /> === Εισαγωγή ===<br /> Τα άγρια εδώδιμα μανιτάρια διαδραματίζουν σημαντικό οικολογικό και οικονομικό ρόλο στα μεσογειακά δάση. Η κατανόηση των παραγόντων που επηρεάζουν την παραγωγή τους είναι κρίσιμη για τη βιώσιμη διαχείριση αυτών των οικοσυστημάτων. Οι τεχνολογίες τηλεπισκόπησης, και ειδικότερα τα δεδομένα συνθετικής απεικόνισης ραντάρ (SAR) από τον δορυφόρο Sentinel-1, προσφέρουν τη δυνατότητα μελέτης των περιβαλλοντικών μεταβλητών που επηρεάζουν την ανάπτυξη των μανιταριών. Η παρούσα μελέτη διερευνά τη σχέση μεταξύ των χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και της παραγωγικότητας των άγριων εδώδιμων μανιταριών σε μεσογειακά δάση.<br /> <br /> === Μεθοδολογία ===<br /> Η έρευνα χρησιμοποιεί δεδομένα συνοχής παρεμβολής από τον δορυφόρο Sentinel-1, που συλλέχθηκαν σε συγκεκριμένη χρονική περίοδο, για να αναλύσει τις μεταβολές στις συνθήκες εδάφους και βλάστησης που επηρεάζουν την παραγωγή μανιταριών. Η περιοχή μελέτης αποτελείται από μεσογειακά δάση όπου πραγματοποιείται συλλογή εδώδιμων μανιταριών. Η μεθοδολογία περιλαμβάνει:<br /> <br /> * Επιλογή περιοχών μελέτης βάσει ιστορικών δεδομένων παραγωγής μανιταριών.<br /> * Επεξεργασία εικόνων SAR από τον Sentinel-1 για εξαγωγή τιμών συνοχής παρεμβολής.<br /> * Στατιστική ανάλυση των χρονοσειρών συνοχής σε σχέση με την παραγωγικότητα των μανιταριών.<br /> * Εκτίμηση της συσχέτισης μεταξύ των μεταβολών συνοχής και περιβαλλοντικών παραμέτρων, όπως η υγρασία του εδάφους, οι βροχοπτώσεις και η κάλυψη της βλάστησης.<br /> <br /> === Επεξεργασία Δεδομένων ===<br /> Τα δεδομένα SAR από τον Sentinel-1 προ-επεξεργάστηκαν χρησιμοποιώντας τυπικές τεχνικές παρεμβολής, που περιλάμβαναν:<br /> <br /> * Ραδιομετρική βαθμονόμηση και μείωση του θορύβου speckle.<br /> * Συσχέτιση των χρονοσειρών εικόνων.<br /> * Υπολογισμό χαρτών συνοχής για διαφορετικές χρονικές περιόδους.<br /> * Κανονικοποίηση των τιμών συνοχής για συγκριτική ανάλυση.<br /> <br /> Τα επεξεργασμένα δεδομένα αναλύθηκαν παράλληλα με μετρήσεις πεδίου σχετικά με την παραγωγή μανιταριών, ώστε να εντοπιστούν μοτίβα και συσχετίσεις.<br /> <br /> === Αποτελέσματα ===<br /> Η μελέτη αποκάλυψε ότι οι διακυμάνσεις στη συνοχή παρεμβολής Sentinel-1 σχετίζονται σημαντικά με την παραγωγικότητα των άγριων μανιταριών. Βασικά ευρήματα περιλαμβάνουν:<br /> <br /> * Υψηλότερες τιμές συνοχής παρατηρήθηκαν σε περιόδους μειωμένης υγρασίας εδάφους, γεγονός που επηρεάζει την ανάπτυξη των μανιταριών.<br /> * Οι εποχικές τάσεις συνοχής συνδέθηκαν με γνωστούς κύκλους καρποφορίας των μανιταριών.<br /> * Περιβαλλοντικές μεταβλητές, όπως οι βροχοπτώσεις και η θερμοκρασία, επηρέασαν τα μοτίβα συνοχής και, κατά συνέπεια, την παραγωγικότητα των μανιταριών.<br /> <br /> Τα αποτελέσματα δείχνουν ότι τα δεδομένα συνοχής SAR μπορούν να χρησιμοποιηθούν ως δείκτης για την εκτίμηση της παραγωγικότητας των μανιταριών σε μεσογειακά δάση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα καταδεικνύει ότι τα δεδομένα συνοχής παρεμβολής Sentinel-1 προσφέρουν πολύτιμες πληροφορίες για τις περιβαλλοντικές συνθήκες που επηρεάζουν την παραγωγή άγριων εδώδιμων μανιταριών. Ο συνδυασμός τηλεπισκόπησης και επιτόπιων παρατηρήσεων ενισχύει την ικανότητά μας να παρακολουθούμε και να προβλέπουμε την παραγωγικότητα των μανιταριών, συμβάλλοντας στη βιώσιμη διαχείριση και προστασία των μεσογειακών δασικών οικοσυστημάτων.<br /> <br /> Μελλοντικές έρευνες θα μπορούσαν να διερευνήσουν τη χρήση πολυαισθητηριακών προσεγγίσεων, ενσωματώνοντας οπτικά και θερμικά δεδομένα, για τη βελτίωση των μοντέλων πρόβλεψης και την εις βάθος κατανόηση των οικολογικών αλληλεπιδράσεων στα μεσογειακά δάση.<br /> <br /> <br /> [[category:Οικολογία]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T17:53:44Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Χάρτες καταλληλότητας ενδιαιτημάτων της καφέ αρκούδας που προκύπτουν από πολυμεταβλητά μοντέλα για κάθε σύνολο δεδομένων: α) παγκόσμιο σύνολο δεδομένων (από τις εικόνες Sentinel-1 και Sentinel-2), β) ηπειρωτικό σύνολο δεδομένων (από το χάρτη CORINE Land Cover 2018 σε συνδυασμό με Forest Type high-resolution layer του CLMS), και γ) εθνικό σύνολο δεδομένων (ισπανικός δασικός χάρτης σε συνδυασμό με LiDAR).]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:''' Χάρτες ρεύματος με βάση τη μεθοδολογία της θεωρίας κυκλωμάτων για τις τρεις επιφάνειες αντίστασης: (α) σφαιρικό μοντέλο, (β) συνοπτικό- (γ) εθνικό μοντέλο (βλ. σχήμα Α5 στο προσάρτημα Β για τον χάρτη ρεύματος του γενετικού μοντέλου).]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_5_3.png 2025-03-07T17:53:27Z

<p>DASENAKIS GEORGIOS: Χάρτες ρεύματος με βάση τη μεθοδολογία της θεωρίας κυκλωμάτων για τις τρεις επιφάνειες αντίστασης: (α) σφαιρικό μοντέλο, (β) συνοπτικό- (γ) εθ</p> <hr /> <div>Χάρτες ρεύματος με βάση τη μεθοδολογία της θεωρίας κυκλωμάτων για τις τρεις επιφάνειες αντίστασης: (α) σφαιρικό μοντέλο, (β) συνοπτικό-<br /> (γ) εθνικό μοντέλο (βλ. σχήμα Α5 στο προσάρτημα Β για τον χάρτη ρεύματος του γενετικού μοντέλου).</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T17:52:41Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Χάρτες καταλληλότητας ενδιαιτημάτων της καφέ αρκούδας που προκύπτουν από πολυμεταβλητά μοντέλα για κάθε σύνολο δεδομένων: α) παγκόσμιο σύνολο δεδομένων (από τις εικόνες Sentinel-1 και Sentinel-2), β) ηπειρωτικό σύνολο δεδομένων (από το χάρτη CORINE Land Cover 2018 σε συνδυασμό με Forest Type high-resolution layer του CLMS), και γ) εθνικό σύνολο δεδομένων (ισπανικός δασικός χάρτης σε συνδυασμό με LiDAR).]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_5_2.png 2025-03-07T17:51:53Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T17:51:06Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Το υδρογραφικό δίκτυο της περιοχής μελέτης.]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_5_1.png 2025-03-07T17:50:24Z

<p>DASENAKIS GEORGIOS: Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας τ</p> <hr /> <div>Η ροή εργασίας της μεθοδολογίας που ακολουθήθηκε, συμπεριλαμβανομένης της εκτίμησης των περιβαλλοντικών μεταβλητών, της καταλληλότητας των ενδιαιτημάτων<br /> μοντελοποίηση και μοντελοποίηση συνδεσιμότητας. Στον τύπο, (p) είναι η τιμή καταλληλότητας ενδιαιτήματος κάθε εικονοστοιχείου.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BF%CE%B9%CE%BA%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%B4%CE%B5%CF%83%CE%B9%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82 2025-03-07T17:49:19Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με '[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η περιοχή μελέτης με τις περιοχές που καταγράφηκαν κατ...'</p> <hr /> <div>[[Εικόνα:gdasenakis_5_1.png|thumb|right| '''Εικόνα 1.1:'''Η περιοχή μελέτης με τις περιοχές που καταγράφηκαν καταστροφές από την πλημμύρα στις 9/10/21. Χάρτης από Google Earth.]]<br /> <br /> [[Εικόνα:gdasenakis_5_2.png|thumb|right| '''Εικόνα 1.2:'''Το υδρογραφικό δίκτυο της περιοχής μελέτης.]]<br /> <br /> [[Εικόνα:gdasenakis_5_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://www.mdpi.com/2072-4292/13/6/1138]]: Pablo Cisneros-Araujo, Teresa Goicolea, María Cruz Mateo-Sánchez, Juan Ignacio García-Viñás, Miguel Marchamalo , Audrey Mercier and Aitor Gastón, Published: 17 March 2021<br /> <br /> == Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς ==<br /> <br /> === Εισαγωγή ===<br /> Η απώλεια βιοποικιλότητας αποτελεί μία από τις μεγαλύτερες προκλήσεις για τη διατήρηση της φύσης. Η χαρτογράφηση των οικοτόπων και η ανάλυση συνδεσιμότητας είναι κρίσιμα εργαλεία για την προστασία των ειδών. Τα δεδομένα τηλεπισκόπησης παρέχουν υψηλής ανάλυσης εικόνες που μπορούν να χρησιμοποιηθούν για τη μοντελοποίηση καταλληλότητας οικοτόπων. Η παρούσα μελέτη εξετάζει τη χρησιμότητα δωρεάν δορυφορικών δεδομένων σε σχέση με παραδοσιακές μεθόδους χαρτογράφησης οικοτόπων για την καφέ αρκούδα (Ursus arctos) στην Κανταβρική οροσειρά της Ισπανίας.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη συγκρίνει τρία σύνολα δεδομένων διαφορετικής γεωγραφικής κάλυψης:<br /> * **Παγκόσμια δεδομένα**: Δεδομένα από Sentinel-1 και 2, που παρέχουν παγκόσμια κάλυψη.<br /> * **Πανευρωπαϊκά δεδομένα**: Προϊόντα τηλεπισκόπησης από το Copernicus Land Monitoring Service.<br /> * **Εθνικά δεδομένα**: Χαρτογραφικές πληροφορίες από LiDAR και το Δασικό Χάρτη της Ισπανίας.<br /> <br /> Για την ανάλυση της καταλληλότητας οικοτόπων, συλλέχθηκαν δεδομένα παρουσίας της καφέ αρκούδας από την περίοδο 2000-2010 και συνδυάστηκαν με περιβαλλοντικές μεταβλητές όπως:<br /> * Τύπος βλάστησης και δασική κάλυψη.<br /> * Ανάγλυφο εδάφους και υψομετρικές διαφορές.<br /> * Πυκνότητα κτιρίων και υποδομών (δρόμοι, αυτοκινητόδρομοι).<br /> <br /> Τα δεδομένα αναλύθηκαν μέσω πολυμεταβλητών στατιστικών μοντέλων για να προβλεφθεί η πιθανότητα παρουσίας της αρκούδας.<br /> <br /> === Αποτελέσματα ===<br /> * Τα δορυφορικά δεδομένα Sentinel-1 και 2 παρείχαν ικανοποιητικά αποτελέσματα για τη μοντελοποίηση των οικοτόπων.<br /> * Τα εθνικά δεδομένα από LiDAR έδωσαν την καλύτερη χωρική ανάλυση και ακρίβεια στην πρόβλεψη καταλληλότητας.<br /> * Οι χαρτογραφικές βάσεις δεδομένων της Ε.Ε. παρουσίασαν μικρότερη λεπτομέρεια αλλά προσέφεραν αξιόπιστα αποτελέσματα.<br /> <br /> === Ανάλυση συνδεσιμότητας ===<br /> Η ανάλυση συνδεσιμότητας πραγματοποιήθηκε χρησιμοποιώντας:<br /> * **Least-cost modeling**: Υπολογισμός των λιγότερο ενεργοβόρων διαδρομών μετακίνησης.<br /> * **Circuit theory**: Ανάλυση της πιθανότητας χρήσης διαδρομών από την αρκούδα.<br /> * **Probability of connectivity index (PC)**: Εκτίμηση της συνολικής συνδεσιμότητας του τοπίου.<br /> <br /> Τα αποτελέσματα έδειξαν ότι οι διάδρομοι μετακίνησης που προσδιορίστηκαν μέσω δορυφορικών δεδομένων ήταν συγκρίσιμοι με εκείνους που βασίζονται σε λεπτομερείς εθνικές χαρτογραφήσεις, αποδεικνύοντας τη χρησιμότητα των δεδομένων τηλεπισκόπησης για την προστασία της καφέ αρκούδας.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση δεδομένων τηλεπισκόπησης είναι ένα ισχυρό εργαλείο για τη διαχείριση της βιοποικιλότητας και τον σχεδιασμό διαδρόμων συνδεσιμότητας για προστατευόμενα είδη. Τα παγκόσμια δεδομένα Sentinel αποτελούν μια οικονομικά αποδοτική λύση, αλλά η εθνική χαρτογράφηση με LiDAR προσφέρει υψηλότερη θεματική ανάλυση. Οι μελλοντικές μελέτες θα μπορούσαν να συνδυάσουν δορυφορικά δεδομένα με δεδομένα εδάφους για τη βελτίωση της ακριβείας των μοντέλων διατήρησης της καφέ αρκούδας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:47:27Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση]]<br /> <br /> [[Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης]]<br /> <br /> [[Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:46:20Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση]]<br /> <br /> [[Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:46:03Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση]]<br /> <br /> [[Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης]]<br /> <br /> [[Ο ρόλος των δεδομένων τηλεπισκόπησης στη διαμόρφωση καταλληλότητας οικοτόπων και μοντέλων συνδεσιμότητας: Συμπεράσματα από την καφέ αρκούδα της Κανταβρικής οροσειράς]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B5%CF%81%CE%B5%CF%8D%CE%BD%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%87%CE%AD%CF%83%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CE%BE%CF%8D_%CF%87%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%BF%CF%87%CE%AE%CF%82_%CF%80%CE%B1%CF%81%CE%B5%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_Sentinel-1_%CE%BA%CE%B1%CE%B9_%CE%B1%CF%80%CE%BF%CE%B4%CF%8C%CF%83%CE%B5%CF%89%CE%BD_%CE%AC%CE%B3%CF%81%CE%B9%CF%89%CE%BD_%CE%B5%CE%B4%CF%8E%CE%B4%CE%B9%CE%BC%CF%89%CE%BD_%CE%BC%CE%B1%CE%BD%CE%B9%CF%84%CE%B1%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%BC%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%B9%CE%B1%CE%BA%CE%AC_%CE%B4%CE%AC%CF%83%CE%B7 2025-03-07T17:42:34Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_3_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_3_2.png|thumb|right| '''Εικόνα 1.2:'''Χωρική κατανομή της διαρθρωτικής μεταβλητότητας των δασών και της παραγωγικότητας των μανιταριών κατά την περίοδο 2018-2021.]]<br /> <br /> [[Εικόνα:gdasenakis_3_3.png|thumb|right| '''Εικόνα 1.3:'''Στατιστική σχέση - μεταξύ των συμβολομετρικών συνεκτικότητας και δασικής δομής μεταβλητές.]]<br /> <br /> Πηγή [[https://link.springer.com/article/10.1007/s41651-024-00199-9]]:'''Επιμέλεια''': Raquel Martínez-Rodrigo, Beatriz Águeda, Juan M. Lopez-Sanchez, José Miguel Altelarrea, Pablo Alejandro &amp; Cristina Gómez<br /> <br /> == Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση ==<br /> <br /> === Εισαγωγή ===<br /> Τα άγρια εδώδιμα μανιτάρια διαδραματίζουν σημαντικό οικολογικό και οικονομικό ρόλο στα μεσογειακά δάση. Η κατανόηση των παραγόντων που επηρεάζουν την παραγωγή τους είναι κρίσιμη για τη βιώσιμη διαχείριση αυτών των οικοσυστημάτων. Οι τεχνολογίες τηλεπισκόπησης, και ειδικότερα τα δεδομένα συνθετικής απεικόνισης ραντάρ (SAR) από τον δορυφόρο Sentinel-1, προσφέρουν τη δυνατότητα μελέτης των περιβαλλοντικών μεταβλητών που επηρεάζουν την ανάπτυξη των μανιταριών. Η παρούσα μελέτη διερευνά τη σχέση μεταξύ των χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και της παραγωγικότητας των άγριων εδώδιμων μανιταριών σε μεσογειακά δάση.<br /> <br /> === Μεθοδολογία ===<br /> Η έρευνα χρησιμοποιεί δεδομένα συνοχής παρεμβολής από τον δορυφόρο Sentinel-1, που συλλέχθηκαν σε συγκεκριμένη χρονική περίοδο, για να αναλύσει τις μεταβολές στις συνθήκες εδάφους και βλάστησης που επηρεάζουν την παραγωγή μανιταριών. Η περιοχή μελέτης αποτελείται από μεσογειακά δάση όπου πραγματοποιείται συλλογή εδώδιμων μανιταριών. Η μεθοδολογία περιλαμβάνει:<br /> <br /> * Επιλογή περιοχών μελέτης βάσει ιστορικών δεδομένων παραγωγής μανιταριών.<br /> * Επεξεργασία εικόνων SAR από τον Sentinel-1 για εξαγωγή τιμών συνοχής παρεμβολής.<br /> * Στατιστική ανάλυση των χρονοσειρών συνοχής σε σχέση με την παραγωγικότητα των μανιταριών.<br /> * Εκτίμηση της συσχέτισης μεταξύ των μεταβολών συνοχής και περιβαλλοντικών παραμέτρων, όπως η υγρασία του εδάφους, οι βροχοπτώσεις και η κάλυψη της βλάστησης.<br /> <br /> === Επεξεργασία Δεδομένων ===<br /> Τα δεδομένα SAR από τον Sentinel-1 προ-επεξεργάστηκαν χρησιμοποιώντας τυπικές τεχνικές παρεμβολής, που περιλάμβαναν:<br /> <br /> * Ραδιομετρική βαθμονόμηση και μείωση του θορύβου speckle.<br /> * Συσχέτιση των χρονοσειρών εικόνων.<br /> * Υπολογισμό χαρτών συνοχής για διαφορετικές χρονικές περιόδους.<br /> * Κανονικοποίηση των τιμών συνοχής για συγκριτική ανάλυση.<br /> <br /> Τα επεξεργασμένα δεδομένα αναλύθηκαν παράλληλα με μετρήσεις πεδίου σχετικά με την παραγωγή μανιταριών, ώστε να εντοπιστούν μοτίβα και συσχετίσεις.<br /> <br /> === Αποτελέσματα ===<br /> Η μελέτη αποκάλυψε ότι οι διακυμάνσεις στη συνοχή παρεμβολής Sentinel-1 σχετίζονται σημαντικά με την παραγωγικότητα των άγριων μανιταριών. Βασικά ευρήματα περιλαμβάνουν:<br /> <br /> * Υψηλότερες τιμές συνοχής παρατηρήθηκαν σε περιόδους μειωμένης υγρασίας εδάφους, γεγονός που επηρεάζει την ανάπτυξη των μανιταριών.<br /> * Οι εποχικές τάσεις συνοχής συνδέθηκαν με γνωστούς κύκλους καρποφορίας των μανιταριών.<br /> * Περιβαλλοντικές μεταβλητές, όπως οι βροχοπτώσεις και η θερμοκρασία, επηρέασαν τα μοτίβα συνοχής και, κατά συνέπεια, την παραγωγικότητα των μανιταριών.<br /> <br /> Τα αποτελέσματα δείχνουν ότι τα δεδομένα συνοχής SAR μπορούν να χρησιμοποιηθούν ως δείκτης για την εκτίμηση της παραγωγικότητας των μανιταριών σε μεσογειακά δάση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα καταδεικνύει ότι τα δεδομένα συνοχής παρεμβολής Sentinel-1 προσφέρουν πολύτιμες πληροφορίες για τις περιβαλλοντικές συνθήκες που επηρεάζουν την παραγωγή άγριων εδώδιμων μανιταριών. Ο συνδυασμός τηλεπισκόπησης και επιτόπιων παρατηρήσεων ενισχύει την ικανότητά μας να παρακολουθούμε και να προβλέπουμε την παραγωγικότητα των μανιταριών, συμβάλλοντας στη βιώσιμη διαχείριση και προστασία των μεσογειακών δασικών οικοσυστημάτων.<br /> <br /> Μελλοντικές έρευνες θα μπορούσαν να διερευνήσουν τη χρήση πολυαισθητηριακών προσεγγίσεων, ενσωματώνοντας οπτικά και θερμικά δεδομένα, για τη βελτίωση των μοντέλων πρόβλεψης και την εις βάθος κατανόηση των οικολογικών αλληλεπιδράσεων στα μεσογειακά δάση.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CF%80%CE%BB%CE%B1%CE%BC%CF%80%CE%BB%CE%B1%CE%BC%CF%80%CE%BB%CE%B1 2025-03-07T17:38:31Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με ' '''Εικόνα 1.1:'''vasiliki'</p> <hr /> <div>[[Εικόνα:Smalihudis 1 1.jpg|thumb|right| '''Εικόνα 1.1:'''vasiliki]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Smalihudis_1_1.jpg 2025-03-07T17:38:04Z

<p>DASENAKIS GEORGIOS: basiliki</p> <hr /> <div>basiliki</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B1%CE%BB%CE%B9%CF%87%CE%BF%CF%8D%CE%B4%CE%B7%CF%82_%CE%A3%CF%84%CE%B1%CF%8D%CF%81%CE%BF%CF%82 2025-03-07T17:36:14Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[μπλαμπλαμπλα]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B1%CE%BB%CE%B9%CF%87%CE%BF%CF%8D%CE%B4%CE%B7%CF%82_%CE%A3%CF%84%CE%B1%CF%8D%CF%81%CE%BF%CF%82 2025-03-07T17:35:33Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με 'Add Your Content Here category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) '</p> <hr /> <div>Add Your Content Here <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:32:38Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση]]<br /> <br /> [[Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B3%CF%81%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2025-03-07T17:32:27Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_4_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_4_2.png|thumb|right| '''Εικόνα 1.2:'''Τα στάδια σχηματισμού του δείκτη έκτασης υγροτόπου.]]<br /> <br /> [[Εικόνα:gdasenakis_4_3.png|thumb|right| '''Εικόνα 1.3:'''Επιλεγμένες δορυφορικές εικόνες και οι αλλαγές στην έκταση του υγροτόπου Arjan.]]<br /> <br /> <br /> Πηγή [[https://link.springer.com/article/10.1007/s00704-024-04969-9]]: Nima Heidarzadeh1 · Mahdiyeh Eghbal · Negar Esmaeili · Kaveh Panaghi Received: 17 July 2023 / Accepted: 3 April 2024 / Published online: 13 April 2024<br /> <br /> <br /> == Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή αποτελεί μία από τις μεγαλύτερες περιβαλλοντικές προκλήσεις των τελευταίων δεκαετιών, επηρεάζοντας τα υδάτινα οικοσυστήματα και ειδικά τους υγροτόπους. Οι υγρότοποι διαδραματίζουν κρίσιμο ρόλο στη διατήρηση της βιοποικιλότητας, στη ρύθμιση του υδρολογικού κύκλου και στην αποθήκευση άνθρακα. Ωστόσο, η αύξηση της θερμοκρασίας και η μεταβολή των βροχοπτώσεων μπορεί να οδηγήσουν στη μείωση της έκτασής τους και στην υποβάθμιση της οικολογικής τους λειτουργίας. <br /> <br /> Στην παρούσα μελέτη, εξετάζεται η επίδραση της κλιματικής αλλαγής στον υγρότοπο Arjan στο Ιράν. Για την πρόβλεψη της θερμοκρασίας του αέρα και των βροχοπτώσεων για την περίοδο 2025–2066, χρησιμοποιήθηκαν τα παγκόσμια κλιματικά μοντέλα canESM2 και hadGEM2, καθώς και τα σενάρια εκπομπών RCP 2.6, 4.5 και 8.5. Τα δεδομένα θερμοκρασίας και βροχοπτώσεων μειώθηκαν χωρικά (downscaled) με τα λογισμικά SDSM και LARS-WG. Στη συνέχεια, η έκταση του υγροτόπου υπολογίστηκε μέσω επεξεργασίας δορυφορικών εικόνων Landsat με τη χρήση του αλγορίθμου MNDWI (Modified Normalized Difference Water Index).<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη υλοποιήθηκε μέσω των εξής σταδίων:<br /> * **Πρόβλεψη θερμοκρασίας και βροχοπτώσεων**: Χρησιμοποιήθηκαν τα κλιματικά μοντέλα canESM2 και hadGEM2 για την περίοδο 2025–2066, υπό τα σενάρια RCP 2.6, 4.5 και 8.5. Οι προσομοιώσεις θερμοκρασίας και βροχόπτωσης προσαρμόστηκαν τοπικά μέσω των μοντέλων SDSM και LARS-WG.<br /> * **Ανάλυση ξηρασίας**: Εφαρμόστηκαν οι δείκτες ξηρασίας PDI (Percent of Normal Precipitation Index), PNPI (Palmer Drought Severity Index) και scPDSI (Self-Calibrated Palmer Drought Severity Index) για την περίοδο 1986–2018, προκειμένου να αξιολογηθεί η μεταβολή των ξηρών και υγρών περιόδων.<br /> * **Ανάλυση δεδομένων τηλεπισκόπησης**: Χρησιμοποιήθηκαν εικόνες Landsat 5, 7 και 8 για την περίοδο 1986–2018. Με τη χρήση του MNDWI, αποτυπώθηκε η μεταβολή της επιφάνειας του υγροτόπου στο χρόνο.<br /> * **Συσχέτιση της έκτασης του υγροτόπου με κλιματικές παραμέτρους**: Τα δεδομένα θερμοκρασίας, βροχοπτώσεων και ξηρασίας συνδυάστηκαν με τα δεδομένα τηλεπισκόπησης για την πρόβλεψη της έκτασης του υγροτόπου στο μέλλον.<br /> <br /> === Αποτελέσματα ===<br /> Τα ευρήματα της μελέτης δείχνουν ότι η έκταση του υγροτόπου Arjan επηρεάζεται σημαντικά από τις κλιματικές μεταβολές:<br /> * **Προβλεπόμενη μείωση της έκτασης**: Η έκταση του υγροτόπου αναμένεται να μειωθεί, με το 90% των ετών μεταξύ 2045 και 2066 να παρουσιάζουν συνολική επιφάνεια μικρότερη των 800 εκταρίων.<br /> * **Περίοδοι έντονης ξηρασίας**: Προβλέπονται σοβαρές ξηρασίες κατά τα έτη 2036–2039, 2042, 2052, 2056–2058 και 2062, όπου η επιφάνεια του υγροτόπου θα μειωθεί κάτω από 200 εκτάρια.<br /> * **Περίοδοι υψηλής υγρασίας**: Τα έτη 2025, 2044 και 2045 προβλέπονται ως έτη αυξημένης υγρασίας, όπου η έκταση του υγροτόπου θα είναι συγκριτικά μεγαλύτερη.<br /> * **Συνολική τάση**: Η γενική τάση δείχνει μείωση της έκτασης του υγροτόπου λόγω της κλιματικής αλλαγής, οδηγώντας σταδιακά προς αποξήρανση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα υπογραμμίζει ότι η κλιματική αλλαγή θα έχει σημαντική επίδραση στην έκταση των υγροτόπων, με τις περιόδους ξηρασίας να αυξάνονται και τη διαθέσιμη υδάτινη επιφάνεια να μειώνεται σταδιακά. Παρόλο που η τάση δείχνει μείωση της έκτασης, τα αποτελέσματα υποδηλώνουν ότι οι υγρότοποι είναι λιγότερο απειλούμενοι από ό,τι αρχικά προβλεπόταν. <br /> <br /> Η μελέτη παρέχει χρήσιμα δεδομένα για τη διαχείριση των υδάτινων πόρων και την προσαρμογή των υγροτοπικών οικοσυστημάτων στις μελλοντικές κλιματικές συνθήκες. Η εφαρμογή μεθόδων τηλεπισκόπησης και η χρήση προηγμένων αλγορίθμων, όπως το MNDWI, μπορούν να συμβάλουν στην παρακολούθηση των υγροτόπων και στη λήψη έγκαιρων μέτρων διαχείρισης για τη διατήρηση αυτών των κρίσιμων οικοσυστημάτων.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_4_1.png 2025-03-07T17:31:42Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B3%CF%81%CE%BF%CF%84%CF%8C%CF%80%CF%89%CE%BD_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2025-03-07T17:30:24Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με '[[Εικόνα:gdasenakis_4_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές τ...'</p> <hr /> <div>[[Εικόνα:gdasenakis_4_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_4_2.png|thumb|right| '''Εικόνα 1.2:'''Τα στάδια σχηματισμού του δείκτη έκτασης υγροτόπου.]]<br /> <br /> [[Εικόνα:gdasenakis_4_3.png|thumb|right| '''Εικόνα 1.3:'''Επιλεγμένες δορυφορικές εικόνες και οι αλλαγές στην έκταση του υγροτόπου Arjan.]]<br /> <br /> <br /> Πηγή [[https://link.springer.com/article/10.1007/s00704-024-04969-9]]: Nima Heidarzadeh1 · Mahdiyeh Eghbal · Negar Esmaeili · Kaveh Panaghi Received: 17 July 2023 / Accepted: 3 April 2024 / Published online: 13 April 2024<br /> <br /> == Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης ==<br /> <br /> == Πρόβλεψη της επίδρασης της κλιματικής αλλαγής στην έκταση των υγροτόπων μέσω τηλεπισκόπησης ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή αποτελεί μία από τις μεγαλύτερες περιβαλλοντικές προκλήσεις των τελευταίων δεκαετιών, επηρεάζοντας τα υδάτινα οικοσυστήματα και ειδικά τους υγροτόπους. Οι υγρότοποι διαδραματίζουν κρίσιμο ρόλο στη διατήρηση της βιοποικιλότητας, στη ρύθμιση του υδρολογικού κύκλου και στην αποθήκευση άνθρακα. Ωστόσο, η αύξηση της θερμοκρασίας και η μεταβολή των βροχοπτώσεων μπορεί να οδηγήσουν στη μείωση της έκτασής τους και στην υποβάθμιση της οικολογικής τους λειτουργίας. <br /> <br /> Στην παρούσα μελέτη, εξετάζεται η επίδραση της κλιματικής αλλαγής στον υγρότοπο Arjan στο Ιράν. Για την πρόβλεψη της θερμοκρασίας του αέρα και των βροχοπτώσεων για την περίοδο 2025–2066, χρησιμοποιήθηκαν τα παγκόσμια κλιματικά μοντέλα canESM2 και hadGEM2, καθώς και τα σενάρια εκπομπών RCP 2.6, 4.5 και 8.5. Τα δεδομένα θερμοκρασίας και βροχοπτώσεων μειώθηκαν χωρικά (downscaled) με τα λογισμικά SDSM και LARS-WG. Στη συνέχεια, η έκταση του υγροτόπου υπολογίστηκε μέσω επεξεργασίας δορυφορικών εικόνων Landsat με τη χρήση του αλγορίθμου MNDWI (Modified Normalized Difference Water Index).<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη υλοποιήθηκε μέσω των εξής σταδίων:<br /> * **Πρόβλεψη θερμοκρασίας και βροχοπτώσεων**: Χρησιμοποιήθηκαν τα κλιματικά μοντέλα canESM2 και hadGEM2 για την περίοδο 2025–2066, υπό τα σενάρια RCP 2.6, 4.5 και 8.5. Οι προσομοιώσεις θερμοκρασίας και βροχόπτωσης προσαρμόστηκαν τοπικά μέσω των μοντέλων SDSM και LARS-WG.<br /> * **Ανάλυση ξηρασίας**: Εφαρμόστηκαν οι δείκτες ξηρασίας PDI (Percent of Normal Precipitation Index), PNPI (Palmer Drought Severity Index) και scPDSI (Self-Calibrated Palmer Drought Severity Index) για την περίοδο 1986–2018, προκειμένου να αξιολογηθεί η μεταβολή των ξηρών και υγρών περιόδων.<br /> * **Ανάλυση δεδομένων τηλεπισκόπησης**: Χρησιμοποιήθηκαν εικόνες Landsat 5, 7 και 8 για την περίοδο 1986–2018. Με τη χρήση του MNDWI, αποτυπώθηκε η μεταβολή της επιφάνειας του υγροτόπου στο χρόνο.<br /> * **Συσχέτιση της έκτασης του υγροτόπου με κλιματικές παραμέτρους**: Τα δεδομένα θερμοκρασίας, βροχοπτώσεων και ξηρασίας συνδυάστηκαν με τα δεδομένα τηλεπισκόπησης για την πρόβλεψη της έκτασης του υγροτόπου στο μέλλον.<br /> <br /> === Αποτελέσματα ===<br /> Τα ευρήματα της μελέτης δείχνουν ότι η έκταση του υγροτόπου Arjan επηρεάζεται σημαντικά από τις κλιματικές μεταβολές:<br /> * **Προβλεπόμενη μείωση της έκτασης**: Η έκταση του υγροτόπου αναμένεται να μειωθεί, με το 90% των ετών μεταξύ 2045 και 2066 να παρουσιάζουν συνολική επιφάνεια μικρότερη των 800 εκταρίων.<br /> * **Περίοδοι έντονης ξηρασίας**: Προβλέπονται σοβαρές ξηρασίες κατά τα έτη 2036–2039, 2042, 2052, 2056–2058 και 2062, όπου η επιφάνεια του υγροτόπου θα μειωθεί κάτω από 200 εκτάρια.<br /> * **Περίοδοι υψηλής υγρασίας**: Τα έτη 2025, 2044 και 2045 προβλέπονται ως έτη αυξημένης υγρασίας, όπου η έκταση του υγροτόπου θα είναι συγκριτικά μεγαλύτερη.<br /> * **Συνολική τάση**: Η γενική τάση δείχνει μείωση της έκτασης του υγροτόπου λόγω της κλιματικής αλλαγής, οδηγώντας σταδιακά προς αποξήρανση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα υπογραμμίζει ότι η κλιματική αλλαγή θα έχει σημαντική επίδραση στην έκταση των υγροτόπων, με τις περιόδους ξηρασίας να αυξάνονται και τη διαθέσιμη υδάτινη επιφάνεια να μειώνεται σταδιακά. Παρόλο που η τάση δείχνει μείωση της έκτασης, τα αποτελέσματα υποδηλώνουν ότι οι υγρότοποι είναι λιγότερο απειλούμενοι από ό,τι αρχικά προβλεπόταν. <br /> <br /> Η μελέτη παρέχει χρήσιμα δεδομένα για τη διαχείριση των υδάτινων πόρων και την προσαρμογή των υγροτοπικών οικοσυστημάτων στις μελλοντικές κλιματικές συνθήκες. Η εφαρμογή μεθόδων τηλεπισκόπησης και η χρήση προηγμένων αλγορίθμων, όπως το MNDWI, μπορούν να συμβάλουν στην παρακολούθηση των υγροτόπων και στη λήψη έγκαιρων μέτρων διαχείρισης για τη διατήρηση αυτών των κρίσιμων οικοσυστημάτων.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_4_3.png 2025-03-07T17:30:14Z

<p>DASENAKIS GEORGIOS: Επιλεγμένες δορυφορικές εικόνες και οι αλλαγές στην έκταση του υγροτόπου Arjan</p> <hr /> <div>Επιλεγμένες δορυφορικές εικόνες και οι αλλαγές στην έκταση του υγροτόπου Arjan</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_4_2.png 2025-03-07T17:29:05Z

<p>DASENAKIS GEORGIOS: Τα στάδια σχηματισμού του δείκτη έκτασης υγροτόπου</p> <hr /> <div>Τα στάδια σχηματισμού του δείκτη έκτασης υγροτόπου</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B5%CF%81%CE%B5%CF%8D%CE%BD%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%87%CE%AD%CF%83%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CE%BE%CF%8D_%CF%87%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%83%CF%85%CE%BD%CE%BF%CF%87%CE%AE%CF%82_%CF%80%CE%B1%CF%81%CE%B5%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_Sentinel-1_%CE%BA%CE%B1%CE%B9_%CE%B1%CF%80%CE%BF%CE%B4%CF%8C%CF%83%CE%B5%CF%89%CE%BD_%CE%AC%CE%B3%CF%81%CE%B9%CF%89%CE%BD_%CE%B5%CE%B4%CF%8E%CE%B4%CE%B9%CE%BC%CF%89%CE%BD_%CE%BC%CE%B1%CE%BD%CE%B9%CF%84%CE%B1%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%BC%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%B9%CE%B1%CE%BA%CE%AC_%CE%B4%CE%AC%CF%83%CE%B7 2025-03-07T17:20:34Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με '[[Εικόνα:gdasenakis_3_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές τ...'</p> <hr /> <div>[[Εικόνα:gdasenakis_3_1.png|thumb|right| '''Εικόνα 1.1:'''Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.]]<br /> <br /> [[Εικόνα:gdasenakis_3_2.png|thumb|right| '''Εικόνα 1.2:'''Χωρική κατανομή της διαρθρωτικής μεταβλητότητας των δασών και της παραγωγικότητας των μανιταριών κατά την περίοδο 2018-2021.]]<br /> <br /> [[Εικόνα:gdasenakis_3_3.png|thumb|right| '''Εικόνα 1.3:'''Στατιστική σχέση - μεταξύ των συμβολομετρικών συνεκτικότητας και δασικής δομής μεταβλητές.]]<br /> <br /> == Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση ==<br /> <br /> === Εισαγωγή ===<br /> Τα άγρια εδώδιμα μανιτάρια διαδραματίζουν σημαντικό οικολογικό και οικονομικό ρόλο στα μεσογειακά δάση. Η κατανόηση των παραγόντων που επηρεάζουν την παραγωγή τους είναι κρίσιμη για τη βιώσιμη διαχείριση αυτών των οικοσυστημάτων. Οι τεχνολογίες τηλεπισκόπησης, και ειδικότερα τα δεδομένα συνθετικής απεικόνισης ραντάρ (SAR) από τον δορυφόρο Sentinel-1, προσφέρουν τη δυνατότητα μελέτης των περιβαλλοντικών μεταβλητών που επηρεάζουν την ανάπτυξη των μανιταριών. Η παρούσα μελέτη διερευνά τη σχέση μεταξύ των χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και της παραγωγικότητας των άγριων εδώδιμων μανιταριών σε μεσογειακά δάση.<br /> <br /> === Μεθοδολογία ===<br /> Η έρευνα χρησιμοποιεί δεδομένα συνοχής παρεμβολής από τον δορυφόρο Sentinel-1, που συλλέχθηκαν σε συγκεκριμένη χρονική περίοδο, για να αναλύσει τις μεταβολές στις συνθήκες εδάφους και βλάστησης που επηρεάζουν την παραγωγή μανιταριών. Η περιοχή μελέτης αποτελείται από μεσογειακά δάση όπου πραγματοποιείται συλλογή εδώδιμων μανιταριών. Η μεθοδολογία περιλαμβάνει:<br /> <br /> * Επιλογή περιοχών μελέτης βάσει ιστορικών δεδομένων παραγωγής μανιταριών.<br /> * Επεξεργασία εικόνων SAR από τον Sentinel-1 για εξαγωγή τιμών συνοχής παρεμβολής.<br /> * Στατιστική ανάλυση των χρονοσειρών συνοχής σε σχέση με την παραγωγικότητα των μανιταριών.<br /> * Εκτίμηση της συσχέτισης μεταξύ των μεταβολών συνοχής και περιβαλλοντικών παραμέτρων, όπως η υγρασία του εδάφους, οι βροχοπτώσεις και η κάλυψη της βλάστησης.<br /> <br /> === Επεξεργασία Δεδομένων ===<br /> Τα δεδομένα SAR από τον Sentinel-1 προ-επεξεργάστηκαν χρησιμοποιώντας τυπικές τεχνικές παρεμβολής, που περιλάμβαναν:<br /> <br /> * Ραδιομετρική βαθμονόμηση και μείωση του θορύβου speckle.<br /> * Συσχέτιση των χρονοσειρών εικόνων.<br /> * Υπολογισμό χαρτών συνοχής για διαφορετικές χρονικές περιόδους.<br /> * Κανονικοποίηση των τιμών συνοχής για συγκριτική ανάλυση.<br /> <br /> Τα επεξεργασμένα δεδομένα αναλύθηκαν παράλληλα με μετρήσεις πεδίου σχετικά με την παραγωγή μανιταριών, ώστε να εντοπιστούν μοτίβα και συσχετίσεις.<br /> <br /> === Αποτελέσματα ===<br /> Η μελέτη αποκάλυψε ότι οι διακυμάνσεις στη συνοχή παρεμβολής Sentinel-1 σχετίζονται σημαντικά με την παραγωγικότητα των άγριων μανιταριών. Βασικά ευρήματα περιλαμβάνουν:<br /> <br /> * Υψηλότερες τιμές συνοχής παρατηρήθηκαν σε περιόδους μειωμένης υγρασίας εδάφους, γεγονός που επηρεάζει την ανάπτυξη των μανιταριών.<br /> * Οι εποχικές τάσεις συνοχής συνδέθηκαν με γνωστούς κύκλους καρποφορίας των μανιταριών.<br /> * Περιβαλλοντικές μεταβλητές, όπως οι βροχοπτώσεις και η θερμοκρασία, επηρέασαν τα μοτίβα συνοχής και, κατά συνέπεια, την παραγωγικότητα των μανιταριών.<br /> <br /> Τα αποτελέσματα δείχνουν ότι τα δεδομένα συνοχής SAR μπορούν να χρησιμοποιηθούν ως δείκτης για την εκτίμηση της παραγωγικότητας των μανιταριών σε μεσογειακά δάση.<br /> <br /> === Συμπεράσματα ===<br /> Η έρευνα καταδεικνύει ότι τα δεδομένα συνοχής παρεμβολής Sentinel-1 προσφέρουν πολύτιμες πληροφορίες για τις περιβαλλοντικές συνθήκες που επηρεάζουν την παραγωγή άγριων εδώδιμων μανιταριών. Ο συνδυασμός τηλεπισκόπησης και επιτόπιων παρατηρήσεων ενισχύει την ικανότητά μας να παρακολουθούμε και να προβλέπουμε την παραγωγικότητα των μανιταριών, συμβάλλοντας στη βιώσιμη διαχείριση και προστασία των μεσογειακών δασικών οικοσυστημάτων.<br /> <br /> Μελλοντικές έρευνες θα μπορούσαν να διερευνήσουν τη χρήση πολυαισθητηριακών προσεγγίσεων, ενσωματώνοντας οπτικά και θερμικά δεδομένα, για τη βελτίωση των μοντέλων πρόβλεψης και την εις βάθος κατανόηση των οικολογικών αλληλεπιδράσεων στα μεσογειακά δάση.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_3_3.png 2025-03-07T17:20:01Z

<p>DASENAKIS GEORGIOS: Στατιστική σχέση- μεταξύ των συμβολομετρικών συνεκτικότητας και δασικής δομής μεταβλητές</p> <hr /> <div>Στατιστική σχέση-<br /> μεταξύ των συμβολομετρικών<br /> συνεκτικότητας και δασικής δομής<br /> μεταβλητές</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_3_2.png 2025-03-07T17:18:57Z

<p>DASENAKIS GEORGIOS: Χωρική κατανομή της διαρθρωτικής μεταβλητότητας των δασών και της παραγωγικότητας των μανιταριών κατά την περίοδο 2018-2021</p> <hr /> <div>Χωρική κατανομή της διαρθρωτικής μεταβλητότητας των δασών και της παραγωγικότητας των μανιταριών κατά την περίοδο 2018-2021</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:16:47Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[Διερεύνηση της σχέσης μεταξύ χρονοσειρών δεδομένων συνοχής παρεμβολής Sentinel-1 και αποδόσεων άγριων εδώδιμων μανιταριών σε μεσογειακά δάση]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_3_1.png 2025-03-07T17:15:52Z

<p>DASENAKIS GEORGIOS: Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.</p> <hr /> <div>Περιοχή μελέτης. α Τοποθεσία στην Ισπανία και τροχιές του Sentinel-1, β διάταξη των αγροτεμαχίων στην περιοχή μελέτης και κλιματοδιάγραμμα.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:11:40Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> <br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:11:30Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> <br /> category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T17:10:50Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> [[Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B9%CE%BA%CE%B9%CE%BD%CE%B4%CF%85%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B1%CF%82_%CE%BC%CE%B5_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85%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_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2025-03-07T17:10:03Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_2_1.png|thumb|right| '''Εικόνα 1.1:'''Η περιοχή μελέτης με τις περιοχές που καταγράφηκαν καταστροφές από την πλημμύρα στις 9/10/21. Χάρτης από Google Earth.]]<br /> <br /> [[Εικόνα:gdasenakis_2_2.png|thumb|right| '''Εικόνα 1.2:'''Το υδρογραφικό δίκτυο της περιοχής μελέτης.]]<br /> <br /> [[Εικόνα:gdasenakis_2_3.png|thumb|right| '''Εικόνα 1.3:'''Ο χάρτης επικινδυνότητας πλημμύρας ημερομηνίας 29/07/21 με τους οικισμούς που επλήγησαν από πλημμύρα στις 9/10/21.]]<br /> <br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/59270/DIPLWMATIKH_VS.pdf?sequence=1&amp;amp;isAllowed=y]]:'''Επιμέλεια''': Β. Σπετσιέρης Επιβλέπουσα: Β. Καραθανάση<br /> <br /> == Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή έχει συμβάλει στην αύξηση της συχνότητας και της έντασης των δασικών πυρκαγιών και των πλημμυρών, δύο φυσικών καταστροφών που συνδέονται άμεσα. Η απώλεια βλάστησης λόγω πυρκαγιών μεταβάλλει την υδρολογική συμπεριφορά μιας περιοχής, αυξάνοντας την επικινδυνότητα πλημμύρας. Η μελέτη αυτή αξιοποιεί μεθόδους τηλεπισκόπησης και πολυκριτηριακή ανάλυση για την εκτίμηση του κινδύνου πλημμύρας πριν και μετά από δασικές πυρκαγιές στη Βόρεια Εύβοια.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη εφαρμόστηκε σε περιοχές που επλήγησαν από τις πυρκαγιές του Αυγούστου 2021 και ακολούθησαν καταστροφικές πλημμύρες τον Οκτώβριο του ίδιου έτους. Δύο δορυφορικές εικόνες από τους αισθητήρες SENTINEL-2, πριν και μετά την πυρκαγιά, αναλύθηκαν με αντικειμενοστρεφή μέθοδο ταξινόμησης εικόνας.<br /> <br /> Τα κύρια κριτήρια που χρησιμοποιήθηκαν στην πολυκριτηριακή ανάλυση ήταν:<br /> * Κλίση εδάφους<br /> * Απόσταση από το υδρογραφικό δίκτυο<br /> * Υφή υδρογραφικού δικτύου<br /> * Γεωλογία<br /> * Κάλυψη γης<br /> <br /> === Πολυκριτηριακή Ανάλυση και Μέθοδος Αναλυτικής Ιεράρχησης (AHP) ===<br /> Η πολυκριτηριακή ανάλυση χρησιμοποιείται για τη σύνθεση διαφορετικών γεωγραφικών δεδομένων και την ποσοτική εκτίμηση του κινδύνου πλημμύρας. Τα κριτήρια που επιλέχθηκαν κανονικοποιήθηκαν και ταξινομήθηκαν βάσει της σημασίας τους.<br /> <br /> Για τον υπολογισμό της σχετικής βαρύτητας των κριτηρίων, χρησιμοποιήθηκε η Μέθοδος Αναλυτικής Ιεράρχησης (Analytic Hierarchy Process - AHP), όπου:<br /> # Δημιουργείται ένας πίνακας σύγκρισης κριτηρίων κατά ζεύγη.<br /> # Ορίζονται συντελεστές βαρύτητας με βάση την επιρροή κάθε κριτηρίου στον κίνδυνο πλημμύρας.<br /> # Εξάγεται ο Δείκτης Επικινδυνότητας Πλημμύρας (ΔΕΠ) για κάθε περιοχή.<br /> <br /> Η τελική ανάλυση πραγματοποιήθηκε σε περιβάλλον GIS, όπου εφαρμόστηκε η σταθμισμένη επικάλυψη των χαρτών των κριτηρίων, οδηγώντας στη δημιουργία των χαρτών επικινδυνότητας πλημμύρας.<br /> <br /> === Αποτελέσματα ===<br /> Δημιουργήθηκαν χάρτες επικινδυνότητας πλημμύρας πριν και μετά την πυρκαγιά. Συγκρίνοντας τους δύο χάρτες, παρατηρήθηκε αύξηση της επικινδυνότητας στις καμένες εκτάσεις, αν και μικρότερη από την αναμενόμενη. Επιπλέον, οι χάρτες συγκρίθηκαν με επίσημες μελέτες επικινδυνότητας, επιβεβαιώνοντας την αξιοπιστία της μεθόδου.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση τηλεπισκόπησης σε συνδυασμό με πολυκριτηριακή ανάλυση αποδεικνύεται χρήσιμη για την εκτίμηση της επικινδυνότητας πλημμύρας σε περιοχές που έχουν πληγεί από δασικές πυρκαγιές. Η μεθοδολογία αυτή μπορεί να αξιοποιηθεί για τη διαχείριση κινδύνου και τον σχεδιασμό μέτρων πρόληψης και προστασίας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_2_3.png 2025-03-07T17:09:40Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_2_2.png 2025-03-07T17:08:08Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_2_1.png 2025-03-07T17:07:34Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B9%CE%BA%CE%B9%CE%BD%CE%B4%CF%85%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B1%CF%82_%CE%BC%CE%B5_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85%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_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7 2025-03-07T17:05:50Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με '[[Εικόνα:gdasenakis_1_1.png|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξη ...'</p> <hr /> <div>[[Εικόνα:gdasenakis_1_1.png|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξη προγνωστικών μοντέλων.]]<br /> <br /> [[Εικόνα:gdasenakis_1_2.png|thumb|right| '''Εικόνα 1.2:'''Οπτικοποίηση της ροής δεδομένων και αξιοποίησή της στην εκπαίδευση μοντέλων πρόβλεψης.]]<br /> <br /> [[Εικόνα:gdasenakis_1_3.png|thumb|right| '''Εικόνα 1.3:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το πρώτο έτος μετά την ανακατασκευή.]]<br /> <br /> [[Εικόνα:gdasenakis_1_4.png|thumb|right| '''Εικόνα 1.4:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το δεύτερο έτος μετά την ανακατασκευή.]]<br /> <br /> <br /> = &quot;Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας με μεθόδους Τηλεπισκόπησης και πολυκριτηριακή ανάλυση&quot; =<br /> <br /> Πηγή [[https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/59270/DIPLWMATIKH_VS.pdf?sequence=1&amp;amp;isAllowed=y]]:'''Επιμέλεια''': Β. Σπετσιέρης Επιβλέπουσα: Β. Καραθανάση<br /> <br /> == Μελέτη επιπτώσεων δασικών πυρκαγιών στην επικινδυνότητα πλημμύρας ==<br /> <br /> === Εισαγωγή ===<br /> Η κλιματική αλλαγή έχει συμβάλει στην αύξηση της συχνότητας και της έντασης των δασικών πυρκαγιών και των πλημμυρών, δύο φυσικών καταστροφών που συνδέονται άμεσα. Η απώλεια βλάστησης λόγω πυρκαγιών μεταβάλλει την υδρολογική συμπεριφορά μιας περιοχής, αυξάνοντας την επικινδυνότητα πλημμύρας. Η μελέτη αυτή αξιοποιεί μεθόδους τηλεπισκόπησης και πολυκριτηριακή ανάλυση για την εκτίμηση του κινδύνου πλημμύρας πριν και μετά από δασικές πυρκαγιές στη Βόρεια Εύβοια.<br /> <br /> === Μεθοδολογία ===<br /> Η μελέτη εφαρμόστηκε σε περιοχές που επλήγησαν από τις πυρκαγιές του Αυγούστου 2021 και ακολούθησαν καταστροφικές πλημμύρες τον Οκτώβριο του ίδιου έτους. Δύο δορυφορικές εικόνες από τους αισθητήρες SENTINEL-2, πριν και μετά την πυρκαγιά, αναλύθηκαν με αντικειμενοστρεφή μέθοδο ταξινόμησης εικόνας.<br /> <br /> Τα κύρια κριτήρια που χρησιμοποιήθηκαν στην πολυκριτηριακή ανάλυση ήταν:<br /> * Κλίση εδάφους<br /> * Απόσταση από το υδρογραφικό δίκτυο<br /> * Υφή υδρογραφικού δικτύου<br /> * Γεωλογία<br /> * Κάλυψη γης<br /> <br /> === Πολυκριτηριακή Ανάλυση και Μέθοδος Αναλυτικής Ιεράρχησης (AHP) ===<br /> Η πολυκριτηριακή ανάλυση χρησιμοποιείται για τη σύνθεση διαφορετικών γεωγραφικών δεδομένων και την ποσοτική εκτίμηση του κινδύνου πλημμύρας. Τα κριτήρια που επιλέχθηκαν κανονικοποιήθηκαν και ταξινομήθηκαν βάσει της σημασίας τους.<br /> <br /> Για τον υπολογισμό της σχετικής βαρύτητας των κριτηρίων, χρησιμοποιήθηκε η Μέθοδος Αναλυτικής Ιεράρχησης (Analytic Hierarchy Process - AHP), όπου:<br /> # Δημιουργείται ένας πίνακας σύγκρισης κριτηρίων κατά ζεύγη.<br /> # Ορίζονται συντελεστές βαρύτητας με βάση την επιρροή κάθε κριτηρίου στον κίνδυνο πλημμύρας.<br /> # Εξάγεται ο Δείκτης Επικινδυνότητας Πλημμύρας (ΔΕΠ) για κάθε περιοχή.<br /> <br /> Η τελική ανάλυση πραγματοποιήθηκε σε περιβάλλον GIS, όπου εφαρμόστηκε η σταθμισμένη επικάλυψη των χαρτών των κριτηρίων, οδηγώντας στη δημιουργία των χαρτών επικινδυνότητας πλημμύρας.<br /> <br /> === Αποτελέσματα ===<br /> Δημιουργήθηκαν χάρτες επικινδυνότητας πλημμύρας πριν και μετά την πυρκαγιά. Συγκρίνοντας τους δύο χάρτες, παρατηρήθηκε αύξηση της επικινδυνότητας στις καμένες εκτάσεις, αν και μικρότερη από την αναμενόμενη. Επιπλέον, οι χάρτες συγκρίθηκαν με επίσημες μελέτες επικινδυνότητας, επιβεβαιώνοντας την αξιοπιστία της μεθόδου.<br /> <br /> === Συμπεράσματα ===<br /> Η χρήση τηλεπισκόπησης σε συνδυασμό με πολυκριτηριακή ανάλυση αποδεικνύεται χρήσιμη για την εκτίμηση της επικινδυνότητας πλημμύρας σε περιοχές που έχουν πληγεί από δασικές πυρκαγιές. Η μεθοδολογία αυτή μπορεί να αξιοποιηθεί για τη διαχείριση κινδύνου και τον σχεδιασμό μέτρων πρόληψης και προστασίας.</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T16:50:16Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Τηλεπισκόπηση και κατάσταση του οδικού δικτύου]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T16:49:08Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΙΣΗΣ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΤΟΥ ΠΑΡΑΚΤΙΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B1%CF%83%CE%B5%CE%BD%CE%AC%CE%BA%CE%B7%CF%82_%CE%93%CE%B5%CF%8E%CF%81%CE%B3%CE%B9%CE%BF%CF%82 2025-03-07T16:47:51Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Σύστημα πρόβλεψης για την παρακολούθηση της κατάστασης του οδικού δικτύου με βάση δεδομένα ανοικτού κλίματος και τηλεπισκόπησης - Μελέτη περίπτωσης με ορεινούς δρόμους]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_1_2.png 2025-03-07T16:44:40Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%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_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%BF%CE%B4%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B9%CE%BA%CF%84%CF%8D%CE%BF%CF%85 2025-03-07T16:43:58Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:gdasenakis_1_1.png|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξη προγνωστικών μοντέλων.]]<br /> <br /> [[Εικόνα:gdasenakis_1_2.png|thumb|right| '''Εικόνα 1.2:'''Οπτικοποίηση της ροής δεδομένων και αξιοποίησή της στην εκπαίδευση μοντέλων πρόβλεψης.]]<br /> <br /> [[Εικόνα:gdasenakis_1_3.png|thumb|right| '''Εικόνα 1.3:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το πρώτο έτος μετά την ανακατασκευή.]]<br /> <br /> [[Εικόνα:gdasenakis_1_4.png|thumb|right| '''Εικόνα 1.4:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το δεύτερο έτος μετά την ανακατασκευή.]]<br /> <br /> <br /> = &quot;Predictive System for Road Condition Monitoring Based on Open Climate and Remote Sensing Data – A Case Study with Mountain Roads&quot; =<br /> <br /> Πηγή [[https://www.espublisher.com/journals/articledetails/1081]]: Ainur Kairanbayeva, Serik Nurakynov, Zhumabek Zhantayev, Marat Nurtas, Gulnara Nurpeissova, Dina Panyukova, Andrey Mitkov, Dinara Talgarbayeva and Muratbek Kudaibergenov<br /> <br /> == Εισαγωγή ==<br /> Οι ορεινές περιοχές παρουσιάζουν σημαντικές προκλήσεις στη συντήρηση των δρόμων λόγω του δύσκολου εδάφους, των ακραίων καιρικών συνθηκών και της γεωλογικής αστάθειας. Οι παραδοσιακές προσεγγίσεις παρακολούθησης της κατάστασης των δρόμων συχνά αποδεικνύονται ανεπαρκείς σε τέτοια περιβάλλοντα.<br /> <br /> Η παρούσα μελέτη προτείνει ένα οικονομικά αποδοτικό προληπτικό σύστημα που χρησιμοποιεί προγνωστικά μοντέλα για την πρόβλεψη της υποβάθμισης των δρόμων, επιτρέποντας έγκαιρες παρεμβάσεις. Το σύστημα αξιοποιεί ανοιχτά δεδομένα (open resource), όπως κλιματικά και δεδομένα τηλεπισκόπησης, για να εκπαιδεύσει έναν αλγόριθμο μηχανικής μάθησης (Machine Learning), με σκοπό την πρόβλεψη της κατάστασης ενός ορεινού δρόμου.<br /> <br /> == Εργαλεία και Μεθοδολογία ==<br /> Το προγνωστικό σύστημα ενσωματώνει δύο κύρια σύνολα δεδομένων:<br /> <br /> === Κλιματικά Δεδομένα ===<br /> * Ακραίες θερμοκρασίες (υψηλές και χαμηλές).<br /> * Συχνότητα κύκλων πήξης-απόψυξης.<br /> * Ένταση βροχόπτωσης και χιονοκάλυψης.<br /> * Ηλιακή ακτινοβολία και υγρασία.<br /> * Τα δεδομένα συλλέχθηκαν από ανοιχτές πηγές, όπως το [http://meteocenter.net MeteoCenter], και καλύπτουν την περίοδο από το 2005 έως το 2022.<br /> <br /> === Δεδομένα Τηλεπισκόπησης ===<br /> * Κάθετες μετατοπίσεις και κλίσεις.<br /> * Δείκτης υγρασίας εδάφους (Topographic Wetness Index).<br /> * Δείκτης βλάστησης (SAVI) και χιονοκάλυψη.<br /> * Τα δεδομένα προέρχονται από δορυφορικές εικόνες (π.χ. Sentinel-1) και καλύπτουν την περίοδο 2017-2021.<br /> <br /> === Δεδομένα Πεδίου ===<br /> * Συλλέχθηκαν από επιθεωρήσεις ενός ορεινού δρόμου κοντά στην Αλμάτι του Καζακστάν.<br /> * Περιλαμβάνουν πληροφορίες για ρωγμές, παραμορφώσεις και άλλες ζημιές στον δρόμο.<br /> <br /> Το σύστημα χρησιμοποιεί μοντέλα παλινδρόμησης και νευρωνικά δίκτυα προώθησης για την επεξεργασία των δεδομένων. Τα μοντέλα εκπαιδεύονται επαναλαμβανόμενα, με τα σφάλματα μεταξύ των δεδομένων της πρόγνωσης του μοντέλου και τα δεδομένα του πεδίου να χρησιμοποιούνται για την εξομάλυνση των παραμέτρων μέχρι να επιτευχθεί επιθυμητή ακρίβεια. Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση, κατηγοριοποιώντας τους δρόμους σε τρεις ομάδες ανάλογα με τη σοβαρότητα των παραμορφώσεων.<br /> <br /> == Αποτελέσματα ==<br /> <br /> === Πρόβλεψη Κατάστασης Δρόμων ===<br /> Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση. Οι δρόμοι κατηγοριοποιούνται στις εξής ομάδες:<br /> <br /> * '''Κατηγορία I''': Ελάχιστες παραμορφώσεις (π.χ. μεμονωμένες ρωγμές).<br /> * '''Κατηγορία II''': Μέτριες παραμορφώσεις (5-30% του δρόμου).<br /> * '''Κατηγορία III''': Σοβαρές παραμορφώσεις (πάνω από 30% του δρόμου).<br /> <br /> === Απεικόνιση ===<br /> Το σύστημα δημιουργεί γεωγραφικούς χάρτες (GIS) που απεικονίζουν την κατάσταση των δρόμων με χρώματα:<br /> <br /> * '''Πράσινο''': Κατηγορία I (καλή κατάσταση).<br /> * '''Κόκκινο''': Κατηγορία III (σοβαρή υποβάθμιση).<br /> <br /> == Συζήτηση ==<br /> <br /> === Επίδραση Παραγόντων ===<br /> * '''Μετεωρολογικοί Παράγοντες''': Οι ακραίες θερμοκρασίες και η έντονη βροχόπτωση έχουν σημαντική επίδραση στην υποβάθμιση των δρόμων.<br /> * '''Τοπογραφικοί Παράγοντες''': Η κλίση και η υγρασία του εδάφους επηρεάζουν τη σταθερότητα των δρόμων, αλλά σε μικρότερο βαθμό.<br /> <br /> === Σύγκριση Μοντέλων ===<br /> * Το νευρωνικό δίκτυο ήταν πιο ακριβές στο να προβλέπει παραμέτρους όπως το μήκος των ρωγμών και τις παραμορφώσεις.<br /> * Το μοντέλο παλινδρόμησης ήταν πιο αποτελεσματικό σε συγκεκριμένες περιπτώσεις, όπως η πρόβλεψη ρωγμών μήκους 4-5 μέτρων.<br /> <br /> == Συμπέρασμα ==<br /> Το προτεινόμενο προγνωστικό σύστημα προσφέρει μια οικονομικά αποδοτική και αποτελεσματική λύση για την παρακολούθηση και τη συντήρηση των ορεινών δρόμων. Με την αξιοποίηση ανοιχτών κλιματικών δεδομένων και δεδομένων τηλεπισκόπησης, το σύστημα μειώνει την ανάγκη για δαπανηρές και χρονοβόρες επιτόπιες επιθεωρήσεις.<br /> <br /> Παρέχει πολύτιμες πληροφορίες για τις αρχές των δρόμων, επιτρέποντας προληπτική συντήρηση και βελτιώνοντας την ασφάλεια των δρόμων. Μελλοντική έρευνα θα επικεντρωθεί στη βελτίωση της διεπαφής του συστήματος και στη διεύρυνση της εφαρμογής του στη σχεδίαση και τη βελτιστοποίηση διαδρομών δρόμων.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_1_4.png 2025-03-07T16:43:01Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_1_3.png 2025-03-07T16:42:46Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_1_2.png.png 2025-03-07T16:42:27Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Gdasenakis_1_1.png 2025-03-07T16:42:06Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div></div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%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_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%BF%CE%B4%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B9%CE%BA%CF%84%CF%8D%CE%BF%CF%85 2025-03-07T16:39:43Z

<p>DASENAKIS GEORGIOS: </p> <hr /> <div>[[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξη προγνωστικών μοντέλων.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.2:'''Οπτικοποίηση της ροής δεδομένων και αξιοποίησή της στην εκπαίδευση μοντέλων πρόβλεψης.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.3:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το πρώτο έτος μετά την ανακατασκευή.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.4:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το δεύτερο έτος μετά την ανακατασκευή.]]<br /> <br /> <br /> = &quot;Predictive System for Road Condition Monitoring Based on Open Climate and Remote Sensing Data – A Case Study with Mountain Roads&quot; =<br /> <br /> Πηγή [[https://www.espublisher.com/journals/articledetails/1081]]: Ainur Kairanbayeva, Serik Nurakynov, Zhumabek Zhantayev, Marat Nurtas, Gulnara Nurpeissova, Dina Panyukova, Andrey Mitkov, Dinara Talgarbayeva and Muratbek Kudaibergenov<br /> <br /> == Εισαγωγή ==<br /> Οι ορεινές περιοχές παρουσιάζουν σημαντικές προκλήσεις στη συντήρηση των δρόμων λόγω του δύσκολου εδάφους, των ακραίων καιρικών συνθηκών και της γεωλογικής αστάθειας. Οι παραδοσιακές προσεγγίσεις παρακολούθησης της κατάστασης των δρόμων συχνά αποδεικνύονται ανεπαρκείς σε τέτοια περιβάλλοντα.<br /> <br /> Η παρούσα μελέτη προτείνει ένα οικονομικά αποδοτικό προληπτικό σύστημα που χρησιμοποιεί προγνωστικά μοντέλα για την πρόβλεψη της υποβάθμισης των δρόμων, επιτρέποντας έγκαιρες παρεμβάσεις. Το σύστημα αξιοποιεί ανοιχτά δεδομένα (open resource), όπως κλιματικά και δεδομένα τηλεπισκόπησης, για να εκπαιδεύσει έναν αλγόριθμο μηχανικής μάθησης (Machine Learning), με σκοπό την πρόβλεψη της κατάστασης ενός ορεινού δρόμου.<br /> <br /> == Εργαλεία και Μεθοδολογία ==<br /> Το προγνωστικό σύστημα ενσωματώνει δύο κύρια σύνολα δεδομένων:<br /> <br /> === Κλιματικά Δεδομένα ===<br /> * Ακραίες θερμοκρασίες (υψηλές και χαμηλές).<br /> * Συχνότητα κύκλων πήξης-απόψυξης.<br /> * Ένταση βροχόπτωσης και χιονοκάλυψης.<br /> * Ηλιακή ακτινοβολία και υγρασία.<br /> * Τα δεδομένα συλλέχθηκαν από ανοιχτές πηγές, όπως το [http://meteocenter.net MeteoCenter], και καλύπτουν την περίοδο από το 2005 έως το 2022.<br /> <br /> === Δεδομένα Τηλεπισκόπησης ===<br /> * Κάθετες μετατοπίσεις και κλίσεις.<br /> * Δείκτης υγρασίας εδάφους (Topographic Wetness Index).<br /> * Δείκτης βλάστησης (SAVI) και χιονοκάλυψη.<br /> * Τα δεδομένα προέρχονται από δορυφορικές εικόνες (π.χ. Sentinel-1) και καλύπτουν την περίοδο 2017-2021.<br /> <br /> === Δεδομένα Πεδίου ===<br /> * Συλλέχθηκαν από επιθεωρήσεις ενός ορεινού δρόμου κοντά στην Αλμάτι του Καζακστάν.<br /> * Περιλαμβάνουν πληροφορίες για ρωγμές, παραμορφώσεις και άλλες ζημιές στον δρόμο.<br /> <br /> Το σύστημα χρησιμοποιεί μοντέλα παλινδρόμησης και νευρωνικά δίκτυα προώθησης για την επεξεργασία των δεδομένων. Τα μοντέλα εκπαιδεύονται επαναλαμβανόμενα, με τα σφάλματα μεταξύ των δεδομένων της πρόγνωσης του μοντέλου και τα δεδομένα του πεδίου να χρησιμοποιούνται για την εξομάλυνση των παραμέτρων μέχρι να επιτευχθεί επιθυμητή ακρίβεια. Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση, κατηγοριοποιώντας τους δρόμους σε τρεις ομάδες ανάλογα με τη σοβαρότητα των παραμορφώσεων.<br /> <br /> == Αποτελέσματα ==<br /> <br /> === Πρόβλεψη Κατάστασης Δρόμων ===<br /> Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση. Οι δρόμοι κατηγοριοποιούνται στις εξής ομάδες:<br /> <br /> * '''Κατηγορία I''': Ελάχιστες παραμορφώσεις (π.χ. μεμονωμένες ρωγμές).<br /> * '''Κατηγορία II''': Μέτριες παραμορφώσεις (5-30% του δρόμου).<br /> * '''Κατηγορία III''': Σοβαρές παραμορφώσεις (πάνω από 30% του δρόμου).<br /> <br /> === Απεικόνιση ===<br /> Το σύστημα δημιουργεί γεωγραφικούς χάρτες (GIS) που απεικονίζουν την κατάσταση των δρόμων με χρώματα:<br /> <br /> * '''Πράσινο''': Κατηγορία I (καλή κατάσταση).<br /> * '''Κόκκινο''': Κατηγορία III (σοβαρή υποβάθμιση).<br /> <br /> == Συζήτηση ==<br /> <br /> === Επίδραση Παραγόντων ===<br /> * '''Μετεωρολογικοί Παράγοντες''': Οι ακραίες θερμοκρασίες και η έντονη βροχόπτωση έχουν σημαντική επίδραση στην υποβάθμιση των δρόμων.<br /> * '''Τοπογραφικοί Παράγοντες''': Η κλίση και η υγρασία του εδάφους επηρεάζουν τη σταθερότητα των δρόμων, αλλά σε μικρότερο βαθμό.<br /> <br /> === Σύγκριση Μοντέλων ===<br /> * Το νευρωνικό δίκτυο ήταν πιο ακριβές στο να προβλέπει παραμέτρους όπως το μήκος των ρωγμών και τις παραμορφώσεις.<br /> * Το μοντέλο παλινδρόμησης ήταν πιο αποτελεσματικό σε συγκεκριμένες περιπτώσεις, όπως η πρόβλεψη ρωγμών μήκους 4-5 μέτρων.<br /> <br /> == Συμπέρασμα ==<br /> Το προτεινόμενο προγνωστικό σύστημα προσφέρει μια οικονομικά αποδοτική και αποτελεσματική λύση για την παρακολούθηση και τη συντήρηση των ορεινών δρόμων. Με την αξιοποίηση ανοιχτών κλιματικών δεδομένων και δεδομένων τηλεπισκόπησης, το σύστημα μειώνει την ανάγκη για δαπανηρές και χρονοβόρες επιτόπιες επιθεωρήσεις.<br /> <br /> Παρέχει πολύτιμες πληροφορίες για τις αρχές των δρόμων, επιτρέποντας προληπτική συντήρηση και βελτιώνοντας την ασφάλεια των δρόμων. Μελλοντική έρευνα θα επικεντρωθεί στη βελτίωση της διεπαφής του συστήματος και στη διεύρυνση της εφαρμογής του στη σχεδίαση και τη βελτιστοποίηση διαδρομών δρόμων.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

DASENAKIS GEORGIOS http://147.102.106.44/rs/wiki/index.php/%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_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%BF%CE%B4%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B9%CE%BA%CF%84%CF%8D%CE%BF%CF%85 2025-03-07T16:38:55Z

<p>DASENAKIS GEORGIOS: Νέα σελίδα με '[[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξ...'</p> <hr /> <div>[[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.1:'''Τύποι δεδομένων που χρησιμοποιούνται για την ανάπτυξη προγνωστικών μοντέλων.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|right| '''Εικόνα 1.2:'''Οπτικοποίηση της ροής δεδομένων και αξιοποίησή της στην εκπαίδευση μοντέλων πρόβλεψης.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|left| '''Εικόνα 1.3:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το πρώτο έτος μετά την ανακατασκευή.]]<br /> <br /> [[Εικόνα:Deforestation1_2.jpeg|thumb|left| '''Εικόνα 1.4:'''Η εκτιμώμενη κατηγορία και υποομάδα του δρόμου για το δεύτερο έτος μετά την ανακατασκευή.]]<br /> <br /> <br /> = &quot;Predictive System for Road Condition Monitoring Based on Open Climate and Remote Sensing Data – A Case Study with Mountain Roads&quot; =<br /> <br /> Πηγή [[https://www.espublisher.com/journals/articledetails/1081]]: Ainur Kairanbayeva, Serik Nurakynov, Zhumabek Zhantayev, Marat Nurtas, Gulnara Nurpeissova, Dina Panyukova, Andrey Mitkov, Dinara Talgarbayeva and Muratbek Kudaibergenov<br /> <br /> == Εισαγωγή ==<br /> Οι ορεινές περιοχές παρουσιάζουν σημαντικές προκλήσεις στη συντήρηση των δρόμων λόγω του δύσκολου εδάφους, των ακραίων καιρικών συνθηκών και της γεωλογικής αστάθειας. Οι παραδοσιακές προσεγγίσεις παρακολούθησης της κατάστασης των δρόμων συχνά αποδεικνύονται ανεπαρκείς σε τέτοια περιβάλλοντα.<br /> <br /> Η παρούσα μελέτη προτείνει ένα οικονομικά αποδοτικό προληπτικό σύστημα που χρησιμοποιεί προγνωστικά μοντέλα για την πρόβλεψη της υποβάθμισης των δρόμων, επιτρέποντας έγκαιρες παρεμβάσεις. Το σύστημα αξιοποιεί ανοιχτά δεδομένα (open resource), όπως κλιματικά και δεδομένα τηλεπισκόπησης, για να εκπαιδεύσει έναν αλγόριθμο μηχανικής μάθησης (Machine Learning), με σκοπό την πρόβλεψη της κατάστασης ενός ορεινού δρόμου.<br /> <br /> == Εργαλεία και Μεθοδολογία ==<br /> Το προγνωστικό σύστημα ενσωματώνει δύο κύρια σύνολα δεδομένων:<br /> <br /> === Κλιματικά Δεδομένα ===<br /> * Ακραίες θερμοκρασίες (υψηλές και χαμηλές).<br /> * Συχνότητα κύκλων πήξης-απόψυξης.<br /> * Ένταση βροχόπτωσης και χιονοκάλυψης.<br /> * Ηλιακή ακτινοβολία και υγρασία.<br /> * Τα δεδομένα συλλέχθηκαν από ανοιχτές πηγές, όπως το [http://meteocenter.net MeteoCenter], και καλύπτουν την περίοδο από το 2005 έως το 2022.<br /> <br /> === Δεδομένα Τηλεπισκόπησης ===<br /> * Κάθετες μετατοπίσεις και κλίσεις.<br /> * Δείκτης υγρασίας εδάφους (Topographic Wetness Index).<br /> * Δείκτης βλάστησης (SAVI) και χιονοκάλυψη.<br /> * Τα δεδομένα προέρχονται από δορυφορικές εικόνες (π.χ. Sentinel-1) και καλύπτουν την περίοδο 2017-2021.<br /> <br /> === Δεδομένα Πεδίου ===<br /> * Συλλέχθηκαν από επιθεωρήσεις ενός ορεινού δρόμου κοντά στην Αλμάτι του Καζακστάν.<br /> * Περιλαμβάνουν πληροφορίες για ρωγμές, παραμορφώσεις και άλλες ζημιές στον δρόμο.<br /> <br /> Το σύστημα χρησιμοποιεί μοντέλα παλινδρόμησης και νευρωνικά δίκτυα προώθησης για την επεξεργασία των δεδομένων. Τα μοντέλα εκπαιδεύονται επαναλαμβανόμενα, με τα σφάλματα μεταξύ των δεδομένων της πρόγνωσης του μοντέλου και τα δεδομένα του πεδίου να χρησιμοποιούνται για την εξομάλυνση των παραμέτρων μέχρι να επιτευχθεί επιθυμητή ακρίβεια. Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση, κατηγοριοποιώντας τους δρόμους σε τρεις ομάδες ανάλογα με τη σοβαρότητα των παραμορφώσεων.<br /> <br /> == Αποτελέσματα ==<br /> <br /> === Πρόβλεψη Κατάστασης Δρόμων ===<br /> Το σύστημα προβλέπει την κατάσταση των δρόμων για 1, 2 και 3 χρόνια μετά την ανακαίνιση. Οι δρόμοι κατηγοριοποιούνται στις εξής ομάδες:<br /> <br /> * '''Κατηγορία I''': Ελάχιστες παραμορφώσεις (π.χ. μεμονωμένες ρωγμές).<br /> * '''Κατηγορία II''': Μέτριες παραμορφώσεις (5-30% του δρόμου).<br /> * '''Κατηγορία III''': Σοβαρές παραμορφώσεις (πάνω από 30% του δρόμου).<br /> <br /> === Απεικόνιση ===<br /> Το σύστημα δημιουργεί γεωγραφικούς χάρτες (GIS) που απεικονίζουν την κατάσταση των δρόμων με χρώματα:<br /> <br /> * '''Πράσινο''': Κατηγορία I (καλή κατάσταση).<br /> * '''Κόκκινο''': Κατηγορία III (σοβαρή υποβάθμιση).<br /> <br /> == Συζήτηση ==<br /> <br /> === Επίδραση Παραγόντων ===<br /> * '''Μετεωρολογικοί Παράγοντες''': Οι ακραίες θερμοκρασίες και η έντονη βροχόπτωση έχουν σημαντική επίδραση στην υποβάθμιση των δρόμων.<br /> * '''Τοπογραφικοί Παράγοντες''': Η κλίση και η υγρασία του εδάφους επηρεάζουν τη σταθερότητα των δρόμων, αλλά σε μικρότερο βαθμό.<br /> <br /> === Σύγκριση Μοντέλων ===<br /> * Το νευρωνικό δίκτυο ήταν πιο ακριβές στο να προβλέπει παραμέτρους όπως το μήκος των ρωγμών και τις παραμορφώσεις.<br /> * Το μοντέλο παλινδρόμησης ήταν πιο αποτελεσματικό σε συγκεκριμένες περιπτώσεις, όπως η πρόβλεψη ρωγμών μήκους 4-5 μέτρων.<br /> <br /> == Συμπέρασμα ==<br /> Το προτεινόμενο προγνωστικό σύστημα προσφέρει μια οικονομικά αποδοτική και αποτελεσματική λύση για την παρακολούθηση και τη συντήρηση των ορεινών δρόμων. Με την αξιοποίηση ανοιχτών κλιματικών δεδομένων και δεδομένων τηλεπισκόπησης, το σύστημα μειώνει την ανάγκη για δαπανηρές και χρονοβόρες επιτόπιες επιθεωρήσεις.<br /> <br /> Παρέχει πολύτιμες πληροφορίες για τις αρχές των δρόμων, επιτρέποντας προληπτική συντήρηση και βελτιώνοντας την ασφάλεια των δρόμων. Μελλοντική έρευνα θα επικεντρωθεί στη βελτίωση της διεπαφής του συστήματος και στη διεύρυνση της εφαρμογής του στη σχεδίαση και τη βελτιστοποίηση διαδρομών δρόμων.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

DASENAKIS GEORGIOS