RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Δήμητρα Παπαϊωαννίδου

2020-01-23T21:37:54Z

DimPap: Η Δήμητρα Παπαϊωαννίδου μετακινήθηκε στη θέση Παπαϊωαννίδου Δήμητρα

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Παπαϊωαννίδου Δήμητρα]]

Παπαϊωαννίδου Δήμητρα

2020-01-23T21:37:54Z

DimPap: Η Δήμητρα Παπαϊωαννίδου μετακινήθηκε στη θέση Παπαϊωαννίδου Δήμητρα

* [[Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία]]

* [[Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο]]

* [[Ανάλυση των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου...]]

* [[Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφύγιο Πέλαγος (Δυτική Μεσόγειος Θάλασσα) ...]]

* [[Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine]]

* [[Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση ]]

* [[Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας...]]

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

Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας...

2020-01-23T21:29:32Z

DimPap:

'''Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας: Σύστημα Γεωγραφικών Πληροφοριών (GIS) και μέθοδος τηλεπισκόπησης Landsat για εκτίμηση έκθεσης σε γεωργικά φυτοφάρμακα'''

'''Πρωτότυπος τίτλος:'''Linking pesticides and human health: A geographic information system (GIS) and Landsat remote sensing method to estimate agricultural pesticide exposure

'''Συγγραφείς:''' Trang VoPham, John P. Wilson, Darren Ruddell, Tarek Rashed, Maria M. Brooks, Jian-Min Yuan, Evelyn O. Talbott, Chung-Chou H. Chang, Joel L. Weissfeld

'''Δημοσιεύθηκε:''' Applied Geography Volume 62, August 2015, Pages 171-181

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/abs/pii/S0143622815000922]

'''Λέξεις-Κλειδιά:''' Φυτοφάρμακα, Καλλιέργειες, Υγεία, δείκτης βλάστησης, NDVI, Landsat, Καλιφόρνια

[[Εικόνα:Ar7eik1.jpg| thumb| right|'''Εικόνα 1:''' Περιοχή μελέτης Kern County, Καλιφόρνια, Ηνωμένες Πολιτείες. Η κομητεία Kern στην αγροτική περιοχή Central Valley της Καλιφόρνια εμφανίζεται στα δεξιά.]]

[[Εικόνα:Ar7eik2.jpg| thumb| right|'''Εικόνα 2:''' Φαινολογικές ομάδες αποτελούμενες από χρήσεις γης που μοιράζονται παρόμοια ετήσια πρότυπα NDVI. Αυτές οι φαινολογικές ομάδες, που προέρχονται από μια ανάλυση συμπλέγματος, περιλαμβάνουν χρήσεις γης που παρουσιάζουν (α) μια βαθμιαία κορυφή NDVI το καλοκαίρι, (β) ένα σταθερό πρότυπο NDVI, (γ) μια μέτρια μέγιστη πυκνότητα φυτικής πυκνότητας και (δ) ένα χαμηλό πρότυπο NDVI.]]

[[Εικόνα:Ar7eik3.jpg| thumb| right|'''Πίνακας 1:''' Αξιολόγηση ακρίβειας των ταξινομημένων εικόνων Landsat έναντι LUS το 1990.]]

[[Εικόνα:Ar7eik4.jpg| thumb| right|'''Πίνακας 2:''' Αξιολόγηση ακρίβειας των εικόνων Landsat έναντι LUS το 1990 χρησιμοποιώντας αριθμό τμημάτων.]]

[[Εικόνα:Ar7eik5.jpg| thumb| right|'''Εικόνα 3:''' PLSS τμήματα που επικαλύπτουν το 1990 καλλιέργειες Kern County LUS (αριστερά) και τμήματα Landsat το 1985 (δεξιά). Οι καλλιέργειες LUS και τα τμήματα (που δημιουργήθηκαν από μηνιαίες εικόνες NDVI το 1985) ήταν συνδεδεμένες με τμήματα PLSS σύμφωνα με τον τύπο καλλιέργειας και το τμήμα.]]

[[Εικόνα:Ar7eik6.jpg| thumb| right|'''Εικόνα 4:''' Σύγκριση της εκτίμησης της έκθεσης των γεωργικών καλλιεργειών LUS (αριστερά) έναντι του Landsat (δεξιά) το 1985 για ένα αγροτεμάχιο.]]

'''Εισαγωγή'''

Η ακριβής εκτίμηση της έκθεσης σε φυτοφάρμακα αποτελεί αναπόσπαστο μέρος των επιδημιολογικών μελετών που διασαφηνίζουν το ρόλο των φυτοφαρμάκων στην ανθρώπινη υγεία. Τα φυτοφάρμακα, τα χημικά που έχουν σχεδιαστεί για τη θεραπεία παρασίτων όπως τα έντομα, έχουν συσχετιστεί με αρνητικά αποτελέσματα για την ανθρώπινη υγεία, όπως ο καρκίνος. Οι άνθρωποι που κατοικούν κοντά σε καλλιέργειες που χρησιμοποιύνται παρασιτοκτόνα, μπορούν να εκτεθούν σε φυτοφάρμακα ακόμα και μετά την εφαρμογή τους καθώς αυτά παρασύρονται από τον αέρα και το έδαφος. Η μελέτη αυτή παρουσιάζει ένα βελτιωμένο σύστημα γεωγραφικών πληροφοριών (GIS) και μέθοδο τηλεπισκόπησης Landsat, για την εκτίμηση της έκθεσης των γεωργικών παρασιτοκτόνων μέσω αντιστοίχισης εφαρμογών φυτοφαρμάκων σε καλλιέργειες ταξινομημένες από δορυφορικές εικόνες Landsat στην Καλιφόρνια.

Ο πρώτος ερευνητικός στόχος ήταν η αξιολόγηση ακρίβειας εκτιμήσεων έκθεσης για γεωργικά φυτοφάρμακα συγκρίνοντας εικόνες Landsat το 1990 με αυτές του LUS το 1990. Ο δεύτερος ερευνητικός στόχος ήταν να αξιολογηθεί η ιδιαιτερότητα των καλλιεργειών των εφαρμογών φυτοφαρμάκων, συγκρίνοντας τις εκτιμήσεις έκθεσης σε φυτοφάρμακα που προέρχονται από τα δεδομένα του 1985 που ταιριάζουν με τις εικόνες Landsat από το 1985 έναντι αυτών του 1990 LUS.
Μέθοδοι

Για την μελέτη χρησιμοποιήθηκαν τέσσερις πληροφορίες: δορυφορικές εικόνες Landsat για την περιοχή Kern Country Καλιφόρνια, στοιχεία εδάφους LUS, δεδομένα εφαρμογής φυτοφαρμάκων από το Τμήμα Κανονισμού Φυτοφαρμάκων Καλιφόρνιας (California Department of Pesticide Regulation-CDPR), και θέσεις γεωγραφικών δεδομένων (π.χ., κατοικίες).

Πραγματοποιήθηκαν τα εξής βήματα: ταξινόμηση μηνιαίων εικόνων Landsat NDVI σε καλλιέργειες, ταυτοποίηση εφαρμογών φυτοφαρμάκων στις ταξινομημένες εικόνες Landsat καλλιεργειών και εκτίμηση της έκθεσης σε φυτοφάρμακα από καλλιέργειες σε απόσταση 500 μ. γύρω από γεωγραφικές θέσεις σε GIS.
Δημιουργήθηκαν οι κατάλληλες περιοχές εκπαίδευσης και έγινε ταξινόμηση με αλγόριθμο μέγιστης πιθανοφάνειας. Για την εκτίμηση της ακρίβειας, διασταυρώθηκαν οι ταξινομήσεις Landsat και LUS και συγκρίθηκαν ανά τομέα και συνολική έκταση χρησιμοποιώντας πίνακες σφαλμάτων για συγκεκριμένες τοποθεσίες.

'''Αποτελέσματα:'''

Τα αποτελέσματα φαίνονται στους πίνακες. Τα ποσοστά από το LUS ήταν αρκετά διαφορετικά από τα ποσοστά Landsat. Ωστόσο, ένας παρόμοιος αριθμός καλλιεργειών που έχουν υποστεί επεξεργασία με φυτοφάρμακα διασταυρώθηκαν επίσης με οποιοδήποτε δεδομένο buffer χρησιμοποιώντας LUS και Landsat.

'''Συζήτηση:'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η μέθοδος Landsat μπορεί να βελτιώσει την εκτίμηση της έκθεσης σε φυτοφάρμακα με βάση το GIS συνδυάζοντας περισσότερες εφαρμογές φυτοφαρμάκων σε καλλιέργειες (κυρίως προσωρινές καλλιέργειες) που ταξινομούνται χρησιμοποιώντας εικόνες Landsat σε σύγκριση με μια τυπική μέθοδο που βασίζεται σε δεδομένα σχετικά με την καλλιέργεια της γης που χρησιμοποιούνται συχνά για τη χρήση γης (LUS).

[[category:Υγεία]]

Παπαϊωαννίδου Δήμητρα

2020-01-23T21:26:33Z

DimPap: Νέα σελίδα με '* [[Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλ...'

Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας...

2020-01-23T21:15:59Z

DimPap:

'''Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας: Σύστημα Γεωγραφικών Πληροφοριών (GIS) και μέθοδος τηλεπισκόπησης Landsat για εκτίμηση έκθεσης σε γεωργικά φυτοφάρμακα'''

'''Πρωτότυπος τίτλος:'''Linking pesticides and human health: A geographic information system (GIS) and Landsat remote sensing method to estimate agricultural pesticide exposure

'''Συγγραφείς:''' Trang VoPham, John P. Wilson, Darren Ruddell, Tarek Rashed, Maria M. Brooks, Jian-Min Yuan, Evelyn O. Talbott, Chung-Chou H. Chang, Joel L. Weissfeld

'''Δημοσιεύθηκε:''' Applied Geography Volume 62, August 2015, Pages 171-181

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/abs/pii/S0143622815000922]

'''Λέξεις-Κλειδιά:''' Φυτοφάρμακα, Υγεία, δείκτης βλάστησης, NDVI, Landsat, Καλιφόρνια

[[Εικόνα:Ar7eik1.jpg| thumb| right|'''Εικόνα 1:''' Περιοχή μελέτης Kern County, Καλιφόρνια, Ηνωμένες Πολιτείες. Η κομητεία Kern στην αγροτική περιοχή Central Valley της Καλιφόρνια εμφανίζεται στα δεξιά.]]

[[Εικόνα:Ar7eik2.jpg| thumb| right|'''Εικόνα 2:''' Φαινολογικές ομάδες αποτελούμενες από χρήσεις γης που μοιράζονται παρόμοια ετήσια πρότυπα NDVI. Αυτές οι φαινολογικές ομάδες, που προέρχονται από μια ανάλυση συμπλέγματος, περιλαμβάνουν χρήσεις γης που παρουσιάζουν (α) μια βαθμιαία κορυφή NDVI το καλοκαίρι, (β) ένα σταθερό πρότυπο NDVI, (γ) μια μέτρια μέγιστη πυκνότητα φυτικής πυκνότητας και (δ) ένα χαμηλό πρότυπο NDVI.]]

[[Εικόνα:Ar7eik3.jpg| thumb| right|'''Πίνακας 1:''' Αξιολόγηση ακρίβειας των ταξινομημένων εικόνων Landsat έναντι LUS το 1990.]]

[[Εικόνα:Ar7eik4.jpg| thumb| right|'''Πίνακας 2:''' Αξιολόγηση ακρίβειας των εικόνων Landsat έναντι LUS το 1990 χρησιμοποιώντας αριθμό τμημάτων.]]

[[Εικόνα:Ar7eik5.jpg| thumb| right|'''Εικόνα 3:''' PLSS τμήματα που επικαλύπτουν το 1990 καλλιέργειες Kern County LUS (αριστερά) και τμήματα Landsat το 1985 (δεξιά). Οι καλλιέργειες LUS και τα τμήματα (που δημιουργήθηκαν από μηνιαίες εικόνες NDVI το 1985) ήταν συνδεδεμένες με τμήματα PLSS σύμφωνα με τον τύπο καλλιέργειας και το τμήμα.]]

[[Εικόνα:Ar7eik6.jpg| thumb| right|'''Εικόνα 4:''' Σύγκριση της εκτίμησης της έκθεσης των γεωργικών καλλιεργειών LUS (αριστερά) έναντι του Landsat (δεξιά) το 1985 για ένα αγροτεμάχιο.]]

'''Εισαγωγή'''

Η ακριβής εκτίμηση της έκθεσης σε φυτοφάρμακα αποτελεί αναπόσπαστο μέρος των επιδημιολογικών μελετών που διασαφηνίζουν το ρόλο των φυτοφαρμάκων στην ανθρώπινη υγεία. Τα φυτοφάρμακα, τα χημικά που έχουν σχεδιαστεί για τη θεραπεία παρασίτων όπως τα έντομα, έχουν συσχετιστεί με αρνητικά αποτελέσματα για την ανθρώπινη υγεία, όπως ο καρκίνος. Οι άνθρωποι που κατοικούν κοντά σε καλλιέργειες που χρησιμοποιύνται παρασιτοκτόνα, μπορούν να εκτεθούν σε φυτοφάρμακα ακόμα και μετά την εφαρμογή τους καθώς αυτά παρασύρονται από τον αέρα και το έδαφος. Η μελέτη αυτή παρουσιάζει ένα βελτιωμένο σύστημα γεωγραφικών πληροφοριών (GIS) και μέθοδο τηλεπισκόπησης Landsat, για την εκτίμηση της έκθεσης των γεωργικών παρασιτοκτόνων μέσω αντιστοίχισης εφαρμογών φυτοφαρμάκων σε καλλιέργειες ταξινομημένες από δορυφορικές εικόνες Landsat στην Καλιφόρνια.

Ο πρώτος ερευνητικός στόχος ήταν η αξιολόγηση ακρίβειας εκτιμήσεων έκθεσης για γεωργικά φυτοφάρμακα συγκρίνοντας εικόνες Landsat το 1990 με αυτές του LUS το 1990. Ο δεύτερος ερευνητικός στόχος ήταν να αξιολογηθεί η ιδιαιτερότητα των καλλιεργειών των εφαρμογών φυτοφαρμάκων, συγκρίνοντας τις εκτιμήσεις έκθεσης σε φυτοφάρμακα που προέρχονται από τα δεδομένα του 1985 που ταιριάζουν με τις εικόνες Landsat από το 1985 έναντι αυτών του 1990 LUS.
Μέθοδοι

Για την μελέτη χρησιμοποιήθηκαν τέσσερις πληροφορίες: δορυφορικές εικόνες Landsat για την περιοχή Kern Country Καλιφόρνια, στοιχεία εδάφους LUS, δεδομένα εφαρμογής φυτοφαρμάκων από το Τμήμα Κανονισμού Φυτοφαρμάκων Καλιφόρνιας (California Department of Pesticide Regulation-CDPR), και θέσεις γεωγραφικών δεδομένων (π.χ., κατοικίες).

Πραγματοποιήθηκαν τα εξής βήματα: ταξινόμηση μηνιαίων εικόνων Landsat NDVI σε καλλιέργειες, ταυτοποίηση εφαρμογών φυτοφαρμάκων στις ταξινομημένες εικόνες Landsat καλλιεργειών και εκτίμηση της έκθεσης σε φυτοφάρμακα από καλλιέργειες σε απόσταση 500 μ. γύρω από γεωγραφικές θέσεις σε GIS.
Δημιουργήθηκαν οι κατάλληλες περιοχές εκπαίδευσης και έγινε ταξινόμηση με αλγόριθμο μέγιστης πιθανοφάνειας. Για την εκτίμηση της ακρίβειας, διασταυρώθηκαν οι ταξινομήσεις Landsat και LUS και συγκρίθηκαν ανά τομέα και συνολική έκταση χρησιμοποιώντας πίνακες σφαλμάτων για συγκεκριμένες τοποθεσίες.

'''Αποτελέσματα:'''

Τα αποτελέσματα φαίνονται στους πίνακες. Τα ποσοστά από το LUS ήταν αρκετά διαφορετικά από τα ποσοστά Landsat. Ωστόσο, ένας παρόμοιος αριθμός καλλιεργειών που έχουν υποστεί επεξεργασία με φυτοφάρμακα διασταυρώθηκαν επίσης με οποιοδήποτε δεδομένο buffer χρησιμοποιώντας LUS και Landsat.

'''Συζήτηση:'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η μέθοδος Landsat μπορεί να βελτιώσει την εκτίμηση της έκθεσης σε φυτοφάρμακα με βάση το GIS συνδυάζοντας περισσότερες εφαρμογές φυτοφαρμάκων σε καλλιέργειες (κυρίως προσωρινές καλλιέργειες) που ταξινομούνται χρησιμοποιώντας εικόνες Landsat σε σύγκριση με μια τυπική μέθοδο που βασίζεται σε δεδομένα σχετικά με την καλλιέργεια της γης που χρησιμοποιούνται συχνά για τη χρήση γης (LUS).

[[category:Υγεία]]

Αρχείο:Ar7eik6.jpg

2020-01-23T21:11:01Z

DimPap:

Αρχείο:Ar7eik5.jpg

2020-01-23T21:10:48Z

DimPap:

Αρχείο:Ar7eik4.jpg

2020-01-23T21:10:35Z

DimPap:

Αρχείο:Ar7eik3.jpg

2020-01-23T21:10:13Z

DimPap:

Αρχείο:Ar7eik2.jpg

2020-01-23T21:09:55Z

DimPap:

Αρχείο:Ar7eik1.jpg

2020-01-23T21:09:42Z

DimPap:

Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας...

2020-01-23T21:06:50Z

DimPap: Νέα σελίδα με ''''Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας: Σύστημα Γεωγραφικών Πληροφοριών (GIS) και μέθοδ...'

'''Σύνδεση φυτοφαρμάκων και ανθρώπινης υγείας: Σύστημα Γεωγραφικών Πληροφοριών (GIS) και μέθοδος τηλεπισκόπησης Landsat για εκτίμηση έκθεσης σε γεωργικά φυτοφάρμακα'''

'''Πρωτότυπος τίτλος:'''Linking pesticides and human health: A geographic information system (GIS) and Landsat remote sensing method to estimate agricultural pesticide exposure

'''Συγγραφείς:''' Trang VoPham, John P. Wilson, Darren Ruddell, Tarek Rashed, Maria M. Brooks, Jian-Min Yuan, Evelyn O. Talbott, Chung-Chou H. Chang, Joel L. Weissfeld

'''Δημοσιεύθηκε:''' Applied Geography Volume 62, August 2015, Pages 171-181

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/abs/pii/S0143622815000922]

'''Λέξεις-Κλειδιά:''' Φυτοφάρμακα, Υγεία, δείκτης βλάστησης, NDVI, Landsat, Καλιφόρνια

[[Εικόνα:ar6eik1.jpg| thumb| right|'''Πίνακας 1:''' Οι πόλεις σε ομάδες εκπαίδευσης αριθ. 1 και 2 με αριθμούς αποικιών Αφρικανικής Μέλισσας (1992)]]

'''Εισαγωγή'''

Η ακριβής εκτίμηση της έκθεσης σε φυτοφάρμακα αποτελεί αναπόσπαστο μέρος των επιδημιολογικών μελετών που διασαφηνίζουν το ρόλο των φυτοφαρμάκων στην ανθρώπινη υγεία. Τα φυτοφάρμακα, τα χημικά που έχουν σχεδιαστεί για τη θεραπεία παρασίτων όπως τα έντομα, έχουν συσχετιστεί με αρνητικά αποτελέσματα για την ανθρώπινη υγεία, όπως ο καρκίνος. Οι άνθρωποι που κατοικούν κοντά σε καλλιέργειες που χρησιμοποιύνται παρασιτοκτόνα, μπορούν να εκτεθούν σε φυτοφάρμακα ακόμα και μετά την εφαρμογή τους καθώς αυτά παρασύρονται από τον αέρα και το έδαφος. Η μελέτη αυτή παρουσιάζει ένα βελτιωμένο σύστημα γεωγραφικών πληροφοριών (GIS) και μέθοδο τηλεπισκόπησης Landsat, για την εκτίμηση της έκθεσης των γεωργικών παρασιτοκτόνων μέσω αντιστοίχισης εφαρμογών φυτοφαρμάκων σε καλλιέργειες ταξινομημένες από δορυφορικές εικόνες Landsat στην Καλιφόρνια.

Ο πρώτος ερευνητικός στόχος ήταν η αξιολόγηση ακρίβειας εκτιμήσεων έκθεσης για γεωργικά φυτοφάρμακα συγκρίνοντας εικόνες Landsat το 1990 με αυτές του LUS το 1990. Ο δεύτερος ερευνητικός στόχος ήταν να αξιολογηθεί η ιδιαιτερότητα των καλλιεργειών των εφαρμογών φυτοφαρμάκων, συγκρίνοντας τις εκτιμήσεις έκθεσης σε φυτοφάρμακα που προέρχονται από τα δεδομένα του 1985 που ταιριάζουν με τις εικόνες Landsat από το 1985 έναντι αυτών του 1990 LUS.
Μέθοδοι

Για την μελέτη χρησιμοποιήθηκαν τέσσερις πληροφορίες: δορυφορικές εικόνες Landsat για την περιοχή Kern Country Καλιφόρνια, στοιχεία εδάφους LUS, δεδομένα εφαρμογής φυτοφαρμάκων από το Τμήμα Κανονισμού Φυτοφαρμάκων Καλιφόρνιας (California Department of Pesticide Regulation-CDPR), και θέσεις γεωγραφικών δεδομένων (π.χ., κατοικίες).

Πραγματοποιήθηκαν τα εξής βήματα: ταξινόμηση μηνιαίων εικόνων Landsat NDVI σε καλλιέργειες, ταυτοποίηση εφαρμογών φυτοφαρμάκων στις ταξινομημένες εικόνες Landsat καλλιεργειών και εκτίμηση της έκθεσης σε φυτοφάρμακα από καλλιέργειες σε απόσταση 500 μ. γύρω από γεωγραφικές θέσεις σε GIS.
Δημιουργήθηκαν οι κατάλληλες περιοχές εκπαίδευσης και έγινε ταξινόμηση με αλγόριθμο μέγιστης πιθανοφάνειας. Για την εκτίμηση της ακρίβειας, διασταυρώθηκαν οι ταξινομήσεις Landsat και LUS και συγκρίθηκαν ανά τομέα και συνολική έκταση χρησιμοποιώντας πίνακες σφαλμάτων για συγκεκριμένες τοποθεσίες.

'''Αποτελέσματα:'''

Τα αποτελέσματα φαίνονται στους πίνακες. Τα ποσοστά από το LUS ήταν αρκετά διαφορετικά από τα ποσοστά Landsat. Ωστόσο, ένας παρόμοιος αριθμός καλλιεργειών που έχουν υποστεί επεξεργασία με φυτοφάρμακα διασταυρώθηκαν επίσης με οποιοδήποτε δεδομένο buffer χρησιμοποιώντας LUS και Landsat.

'''Συζήτηση:'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η μέθοδος Landsat μπορεί να βελτιώσει την εκτίμηση της έκθεσης σε φυτοφάρμακα με βάση το GIS συνδυάζοντας περισσότερες εφαρμογές φυτοφαρμάκων σε καλλιέργειες (κυρίως προσωρινές καλλιέργειες) που ταξινομούνται χρησιμοποιώντας εικόνες Landsat σε σύγκριση με μια τυπική μέθοδο που βασίζεται σε δεδομένα σχετικά με την καλλιέργεια της γης που χρησιμοποιούνται συχνά για τη χρήση γης (LUS).

[[category:Υγεία]]

Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση

2020-01-23T20:57:32Z

DimPap:

'''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση '''

'''Πρωτότυπος τίτλος:''' An approach to predict Africanized honey bee migration using remote sensing

'''Συγγραφείς:''' Charles A. Ward, Scott A. Starks

'''Δημοσιεύθηκε:''' Computers and Electrical Engineering 26 (2000) 33±45

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0045790699000282?via%3Dihub]

'''Λέξεις-Κλειδιά:''' Μέλισσες, δείκτης βλάστησης, NDVI, Τέξας

[[Εικόνα:ar6eik1.jpg| thumb| right|'''Πίνακας 1:''' Οι πόλεις σε ομάδες εκπαίδευσης αριθ. 1 και 2 με αριθμούς αποικιών Αφρικανικής Μέλισσας (1992)]]

[[Εικόνα:ar6eik2.jpg| thumb| right|'''Πίνακας 2:''' Χώρες που περιλαμβάνονται στις ομάδες 1994α και 1994β.]]

[[Εικόνα:ar6eik3.jpg| thumb| right|'''Σχήμα 1:''' Σχέδιο χρονολογικών σειρών ελάχιστων σύνθετων δεδομένων NDVI για σύνολα εκπαίδευσης αριθ. 1 και 2.]]

[[Εικόνα:ar6eik4.jpg| thumb| right|'''Πίνακας 3:''' Αποτελέσματα της διαδικασίας πρόβλεψης]]

[[Εικόνα:ar6eik5.jpg| thumb| right|'''Εικόνα 1:''' Χάρτες περιοχών εκπαίδευσης αριθ. 1 και 2.]]

[[Εικόνα:ar6eik6.jpg| thumb| right|'''Εικόνα 1:''' Χάρτες των ομάδων δοκιμών 1994α και 1994β]]

'''Εισαγωγή:'''

Το 1956, η αφρικανική μέλισσα εισήχθη στη Βραζιλία με την ελπίδα να δημιουργηθεί ένα είδος μελισσών, το οποίο ήταν πιο κατάλληλο για το τροπικό περιβάλλον της Νότιας Αμερικής και να βελτιωθεί η παραγωγή μελιού. Το 1957, 26 αποικίες διέφυγαν και άρχισε η διασταύρωση με τις τοπικές άγριες μέλισσες. Αυτές οι νέες αφρικανικές μέλισσες έχουν εξαπλωθεί στην Κεντρική και Νότια Αμερική και φαίνεται ότι δεν υπάρχει κάποιο γνωστό εμπόδιο που θα εμποδίσει την αποικιοποίησή τους στις θερμότερες περιοχές των Ηνωμένων Πολιτειών. Η συνεχής εξάπλωση έχει προκαλέσει μειωμένη παραγωγή μελιού, αρνητική επίδραση στην επικονίαση των καλλιεργειών, την κτηνοτροφία, στον τουρισμό και στη δημόσια υγεία. Η μετανάστευση έφτασε τις Ηνωμένες Πολιτείες το 1990, στο Τέξας στην κατώτερη κοιλάδα Rio Grande. Μέχρι σήμερα, έχουν παρατηρηθεί σε τμήματα του νότιου και δυτικού Τέξας, του νότιου Νέου Μεξικού, της νότιας Αριζόνα και στην Κεντρική κοιλάδα της Καλιφόρνια.

Στόχος της συγκεκριμένης έρευνας είναι η ανάπτυξη ενός υπολογιστικού αλγόριθμου για την πρόβλεψη των σχημάτων μετανάστευσης της αφρικανικής μέλισσας. Δεδομένου ότι η μετανάστευση αφρικανικών μελισσών προκαλείται εν μέρει από το επίπεδο της βιομάζας σε μια συγκεκριμένη περιοχή, η προσέγγισή της παρούσας μελέτης χρησιμοποιεί τον κανονικοποιημένο δείκτη βλάστησης (NDVI) όπως υπολογίζεται μέσω δεδομένων επεξεργασίας που λαμβάνονται από ραδιομετρικό αισθητήρα υψηλής ανάλυσης (AVHRR) ως μέτρο φωτοσυνθετικής δραστηριότητας.
Η έρευνα επικεντρώνεται στη μετανάστευση της Αφρικανικής μέλισσας (ΑΜ) στην πολιτεία του Τέξας. Έχουν συλλεχθεί δεδομένα από δύο πηγές. Η πρώτη πηγή είναι τα δεδομένα εντοπισμού ΑΜ που αναφέρονται σε ένα νομό ανά χώρα για το κράτος του Τέξας. Η δεύτερη πηγή ανιχνεύεται εξ αποστάσεως από το εξελιγμένο ραδιόμετρο πολύ υψηλής ανάλυσης AVHRR.

'''Μεθοδολογία:'''

Στην έρευνα χρησιμοποιήθηκαν δεδομένα AVHRR ως βάση για τον αλγόριθμο πρόβλεψης μετανάστευσης ΑΜ, για να χαρακτηρίσουν την κάλυψη της γης στην περιοχή μελέτης, η οποία περιλαμβάνει πολλά από τα νότια και κεντρικά τμήματα του κράτους του Τέξας. Τα δεδομένα που συλλέχθηκαν έχουν ανάλυση εδάφους περίπου 1,1 χλμ. Η NOAA λαμβάνει AVHRR σε πλήρη ανάλυση και τα αρχειοθετεί σε δύο μορφές. Τοπική κάλυψη περιοχής (LAC) τα δεδομένα καταγράφονται σε πλήρη ανάλυση. Η δεύτερη μορφή καλείται παγκόσμια κάλυψη περιοχής και βασίζεται σε μια διαδικασία που ονομάζεται επαναδειγματοληψία. Αυτή η διαδικασία αποδίδει ανάλυση 1.1 με 4 km στο nadir. Τα δεδομένα AVHRR συλλέχθηκαν από το Κέντρο δεδομένων EROS Γεωλογικής Έρευνας των ΗΠΑ από τον Μάιο 1987.

Η έρευνα έχει επικεντρωθεί στις εφαρμογές των δεδομένων AVHRR για την παρακολούθηση της κάλυψης της γης ανάλυση της πράσινης βλάστησης. Η τιμή NDVI για μια περιοχή μπορεί να χρησιμοποιηθεί ως δείκτης για την παρουσία και την κατάσταση της φωτοσυνθετικής δραστηριότητας. Τα δεδομένα NDVI συλλέγονται σε περιόδους δύο εβδομάδων. Χρησιμοποιήθηκε το πακέτο λογισμικού GIS, SPANS Explorer, που διανέμεται από το TYDAC Technologies.
Ένα πρώτο βήμα στη διαδικασία σχεδιασμού του πειράματος συνίστατο στον εντοπισμό 16 κομητειών εντός του Τέξας με βάση την προσβολή από ΑΜ και τοπικές πληροφορίες για το έτος 1992. Οκτώ από τις 16 κομητείες αναγνωρίστηκαν ως έχουσες μεγάλο αριθμό αποικιών ΑΜ το 1992 και αναφέρονται ως περιοχή εκπαίδευσης Αριθ. 1. Οκτώ άλλες κομητείες επιλέχθηκαν που είχαν ένα χαμηλότερο αριθμό ή καθόλου αποικίες ΑΜ το 1992. Αυτές οι κομητείες με λίγες ή καθόλου αποικίες AHB το 1992 αναφέρονται ως Αριθ. 2.

Για το 1993, το σύνολο δεδομένων αποτελείται από 21 σύνθετα NDVI μέγιστης διάρκειας 14 ημερών. Το 17 οι βασικές περίοδοι αντιπροσώπευαν μια συνεχή περίοδο από τις 5 Μαρτίου 1993 έως τις 28 Οκτωβρίου 1993. Τα πρώτα δύο (περίοδο 1 και 2) και τα δύο τελευταία (περιόδους 20 και 21) σύνθετα εκπροσωπούσαν περιόδους 2 εβδομάδων για τον Ιανουάριο, Φεβρουάριο, Νοέμβριο και Δεκέμβριο. Για κάθε περίοδο, αναλύθηκε η συμπεριφορά των μετρήσεων NDVI. Για τις μετρήσεις NDVI υπολογίστηκαν το μέσο όρο, οι ελάχιστες και οι μέγιστες τιμές. Αυτή η ανάλυση πραγματοποιήθηκε για κάθε νομό στις περιοχές εκπαίδευσης αριθ. 1 και κάθε μία από τις 21 εβδομαδιαίες περιόδους για τις περιοχές εκπαίδευσης αριθ. 2.

Με μια σχέση που εμφανίζεται μεταξύ των ελάχιστων σύνθετων δεδομένων NDVI και του επιπέδου ΑΜ, δημιουργήθηκε ένας αλγόριθμος που προβλέπει την πιθανότητα εμφάνισης προσβολής ΑΜ με βάση τον χαρακτηρισμό των σύνθετων δεδομένων NDVI. Ο αλγόριθμος βασίζεται σε ένα μέτρο ομοιότητας, ρ (X, Y), το οποίο υποδεικνύει τον βαθμό ομοιότητας μεταξύ των διανυσμάτων Χ και Υ που περιείχε την παράσταση χρονοσειρών για ελάχιστο NDVI στις περιοχές εκπαίδευσης για τις περιφέρειες x και y.

ρ = (Χ, Υ)/{||Χ|| ||Υ||} ,
όπου (Χ, Υ) αντιπροσωπεύει το εσωτερικό προϊόν των φορέων Χ και Υ, και ||Χ|| και ||Υ|| αντιπροσωπεύουν το Ευκλείδιο πρότυπο των φορέων X και Y, αντίστοιχα.

'''Αποτελέσματα:'''

Ο αλγόριθμος εφαρμόστηκε σε πολλές κομητείες του Τέξας για την παραγωγή προβλέψεων για εμφάνιση ΑΜ για το έτος 1994. Επιλέχθηκαν δύο επικαλυπτόμενα υποσύνολα από το αρχικό σύνολο χωρών, τα οποία θα αναφέρονται ως δοκιμαστική ομάδα 1994α και 1994b. Η δοκιμαστική ομάδα 1994α συνίστατο σε μια ομάδα κομητειών που δεν είχαν βιώσει την μετανάστευση ΑΜ πριν από το 1994. Η ομάδα 1994α βρίσκονταν κοντά στην ευρύτερη περιοχή που εμφάνισε προσβολή από ΑΜ το 1993. Το δεύτερο υποσύνολο,1994b, αποτελούσε κομητείες που δεν περιείχαν αποικίες AHB πριν από το 1994, βρισκόταν όμως άμεσα συνδεδεμένη με κομητείες που περιείχαν πληθυσμούς ΑΜ το 1993.

Οι λίστες των κομητειών που περιέχονται στις ομάδες δοκιμών 1994α και 1994β παρουσιάζονται στον Πίνακα 2. Το σχήμα 1 παρουσιάζει τους χάρτες των κομητειών που περιλαμβάνουν τις ομάδες δοκιμών 1994α και 1994β. Ο αλγόριθμος όταν εφαρμόστηκε σε δεδομένα από δύο σύνολα κομητειών, ήταν σε θέση να παράσχει σωστές προβλέψεις για την προσβολή από την μετανάστευση ΑΜ για το έτος 1994 σε ποσοστό που υπερβαίνει το 60%. Επιπλέον, η μέθοδος ήταν σε θέση να κάνει προβλέψεις για περίπου το 50% των κομητειών στις δύο ομάδες δοκιμών.

'''Συζήτηση:'''

Υπάρχουν αρκετοί παράγοντες που επηρεάζουν το ποσοστό ακρίβειας της πρόβλεψης του αλγόριθμου και οι οποίοι είναι δύσκολο να ποσοτικοποιηθούν. Έτσι η μελέτη έπρεπε να χρησιμοποιήσει συνοπτικά στατιστικά στοιχεία. Η μελλοντική έρευνα απαιτεί την εφαρμογή αυτού του αλγορίθμου πρόβλεψης για να εφαρμοστεί σε άλλες τοποθεσίες εκτός του κράτους του Τέξας. Επιπλέον, θα ήταν καλό να εισαχθούν και άλλες πληροφορίες, όπως τα κλιματικά δεδομένα, στο GIS για να βελτιωθεί η ακρίβεια της πρόβλεψης.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Αρχείο:Ar6eik6.jpg

2020-01-23T20:50:43Z

DimPap:

Αρχείο:Ar6eik5.jpg

2020-01-23T20:50:31Z

DimPap:

Αρχείο:Ar6eik4.jpg

2020-01-23T20:50:12Z

DimPap:

Αρχείο:Ar6eik3.jpg

2020-01-23T20:49:56Z

DimPap:

Αρχείο:Ar6eik2.jpg

2020-01-23T20:49:39Z

DimPap:

Αρχείο:Ar6eik1.jpg

2020-01-23T20:49:22Z

DimPap:

Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση

2020-01-23T20:48:05Z

DimPap:

'''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση '''

'''Πρωτότυπος τίτλος:''' An approach to predict Africanized honey bee migration using remote sensing

'''Συγγραφείς:''' Charles A. Ward, Scott A. Starks

'''Δημοσιεύθηκε:''' Computers and Electrical Engineering 26 (2000) 33±45

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0045790699000282?via%3Dihub]

'''Λέξεις-Κλειδιά:''' Μέλισσες, δείκτης βλάστησης, NDVI, Τέξας

[[Εικόνα:αρθρ1_χαρτης χρησης γης.jpg| thumb| right|'''Εικόνα 1:''' Χάρτης χρήσης γης στην περιοχή μελέτης.]]

'''Εισαγωγή:'''

Το 1956, η αφρικανική μέλισσα εισήχθη στη Βραζιλία με την ελπίδα να δημιουργηθεί ένα είδος μελισσών, το οποίο ήταν πιο κατάλληλο για το τροπικό περιβάλλον της Νότιας Αμερικής και να βελτιωθεί η παραγωγή μελιού. Το 1957, 26 αποικίες διέφυγαν και άρχισε η διασταύρωση με τις τοπικές άγριες μέλισσες. Αυτές οι νέες αφρικανικές μέλισσες έχουν εξαπλωθεί στην Κεντρική και Νότια Αμερική και φαίνεται ότι δεν υπάρχει κάποιο γνωστό εμπόδιο που θα εμποδίσει την αποικιοποίησή τους στις θερμότερες περιοχές των Ηνωμένων Πολιτειών. Η συνεχής εξάπλωση έχει προκαλέσει μειωμένη παραγωγή μελιού, αρνητική επίδραση στην επικονίαση των καλλιεργειών, την κτηνοτροφία, στον τουρισμό και στη δημόσια υγεία. Η μετανάστευση έφτασε τις Ηνωμένες Πολιτείες το 1990, στο Τέξας στην κατώτερη κοιλάδα Rio Grande. Μέχρι σήμερα, έχουν παρατηρηθεί σε τμήματα του νότιου και δυτικού Τέξας, του νότιου Νέου Μεξικού, της νότιας Αριζόνα και στην Κεντρική κοιλάδα της Καλιφόρνια.

Στόχος της συγκεκριμένης έρευνας είναι η ανάπτυξη ενός υπολογιστικού αλγόριθμου για την πρόβλεψη των σχημάτων μετανάστευσης της αφρικανικής μέλισσας. Δεδομένου ότι η μετανάστευση αφρικανικών μελισσών προκαλείται εν μέρει από το επίπεδο της βιομάζας σε μια συγκεκριμένη περιοχή, η προσέγγισή της παρούσας μελέτης χρησιμοποιεί τον κανονικοποιημένο δείκτη βλάστησης (NDVI) όπως υπολογίζεται μέσω δεδομένων επεξεργασίας που λαμβάνονται από ραδιομετρικό αισθητήρα υψηλής ανάλυσης (AVHRR) ως μέτρο φωτοσυνθετικής δραστηριότητας.
Η έρευνα επικεντρώνεται στη μετανάστευση της Αφρικανικής μέλισσας (ΑΜ) στην πολιτεία του Τέξας. Έχουν συλλεχθεί δεδομένα από δύο πηγές. Η πρώτη πηγή είναι τα δεδομένα εντοπισμού ΑΜ που αναφέρονται σε ένα νομό ανά χώρα για το κράτος του Τέξας. Η δεύτερη πηγή ανιχνεύεται εξ αποστάσεως από το εξελιγμένο ραδιόμετρο πολύ υψηλής ανάλυσης AVHRR.

'''Μεθοδολογία:'''

Στην έρευνα χρησιμοποιήθηκαν δεδομένα AVHRR ως βάση για τον αλγόριθμο πρόβλεψης μετανάστευσης ΑΜ, για να χαρακτηρίσουν την κάλυψη της γης στην περιοχή μελέτης, η οποία περιλαμβάνει πολλά από τα νότια και κεντρικά τμήματα του κράτους του Τέξας. Τα δεδομένα που συλλέχθηκαν έχουν ανάλυση εδάφους περίπου 1,1 χλμ. Η NOAA λαμβάνει AVHRR σε πλήρη ανάλυση και τα αρχειοθετεί σε δύο μορφές. Τοπική κάλυψη περιοχής (LAC) τα δεδομένα καταγράφονται σε πλήρη ανάλυση. Η δεύτερη μορφή καλείται παγκόσμια κάλυψη περιοχής και βασίζεται σε μια διαδικασία που ονομάζεται επαναδειγματοληψία. Αυτή η διαδικασία αποδίδει ανάλυση 1.1 με 4 km στο nadir. Τα δεδομένα AVHRR συλλέχθηκαν από το Κέντρο δεδομένων EROS Γεωλογικής Έρευνας των ΗΠΑ από τον Μάιο 1987.

Η έρευνα έχει επικεντρωθεί στις εφαρμογές των δεδομένων AVHRR για την παρακολούθηση της κάλυψης της γης ανάλυση της πράσινης βλάστησης. Η τιμή NDVI για μια περιοχή μπορεί να χρησιμοποιηθεί ως δείκτης για την παρουσία και την κατάσταση της φωτοσυνθετικής δραστηριότητας. Τα δεδομένα NDVI συλλέγονται σε περιόδους δύο εβδομάδων. Χρησιμοποιήθηκε το πακέτο λογισμικού GIS, SPANS Explorer, που διανέμεται από το TYDAC Technologies.
Ένα πρώτο βήμα στη διαδικασία σχεδιασμού του πειράματος συνίστατο στον εντοπισμό 16 κομητειών εντός του Τέξας με βάση την προσβολή από ΑΜ και τοπικές πληροφορίες για το έτος 1992. Οκτώ από τις 16 κομητείες αναγνωρίστηκαν ως έχουσες μεγάλο αριθμό αποικιών ΑΜ το 1992 και αναφέρονται ως περιοχή εκπαίδευσης Αριθ. 1. Οκτώ άλλες κομητείες επιλέχθηκαν που είχαν ένα χαμηλότερο αριθμό ή καθόλου αποικίες ΑΜ το 1992. Αυτές οι κομητείες με λίγες ή καθόλου αποικίες AHB το 1992 αναφέρονται ως Αριθ. 2.

Για το 1993, το σύνολο δεδομένων αποτελείται από 21 σύνθετα NDVI μέγιστης διάρκειας 14 ημερών. Το 17 οι βασικές περίοδοι αντιπροσώπευαν μια συνεχή περίοδο από τις 5 Μαρτίου 1993 έως τις 28 Οκτωβρίου 1993. Τα πρώτα δύο (περίοδο 1 και 2) και τα δύο τελευταία (περιόδους 20 και 21) σύνθετα εκπροσωπούσαν περιόδους 2 εβδομάδων για τον Ιανουάριο, Φεβρουάριο, Νοέμβριο και Δεκέμβριο. Για κάθε περίοδο, αναλύθηκε η συμπεριφορά των μετρήσεων NDVI. Για τις μετρήσεις NDVI υπολογίστηκαν το μέσο όρο, οι ελάχιστες και οι μέγιστες τιμές. Αυτή η ανάλυση πραγματοποιήθηκε για κάθε νομό στις περιοχές εκπαίδευσης αριθ. 1 και κάθε μία από τις 21 εβδομαδιαίες περιόδους για τις περιοχές εκπαίδευσης αριθ. 2.

Με μια σχέση που εμφανίζεται μεταξύ των ελάχιστων σύνθετων δεδομένων NDVI και του επιπέδου ΑΜ, δημιουργήθηκε ένας αλγόριθμος που προβλέπει την πιθανότητα εμφάνισης προσβολής ΑΜ με βάση τον χαρακτηρισμό των σύνθετων δεδομένων NDVI. Ο αλγόριθμος βασίζεται σε ένα μέτρο ομοιότητας, ρ (X, Y), το οποίο υποδεικνύει τον βαθμό ομοιότητας μεταξύ των διανυσμάτων Χ και Υ που περιείχε την παράσταση χρονοσειρών για ελάχιστο NDVI στις περιοχές εκπαίδευσης για τις περιφέρειες x και y.

ρ = (Χ, Υ)/{||Χ|| ||Υ||} ,
όπου (Χ, Υ) αντιπροσωπεύει το εσωτερικό προϊόν των φορέων Χ και Υ, και ||Χ|| και ||Υ|| αντιπροσωπεύουν το Ευκλείδιο πρότυπο των φορέων X και Y, αντίστοιχα.

'''Αποτελέσματα:'''

Ο αλγόριθμος εφαρμόστηκε σε πολλές κομητείες του Τέξας για την παραγωγή προβλέψεων για εμφάνιση ΑΜ για το έτος 1994. Επιλέχθηκαν δύο επικαλυπτόμενα υποσύνολα από το αρχικό σύνολο χωρών, τα οποία θα αναφέρονται ως δοκιμαστική ομάδα 1994α και 1994b. Η δοκιμαστική ομάδα 1994α συνίστατο σε μια ομάδα κομητειών που δεν είχαν βιώσει την μετανάστευση ΑΜ πριν από το 1994. Η ομάδα 1994α βρίσκονταν κοντά στην ευρύτερη περιοχή που εμφάνισε προσβολή από ΑΜ το 1993. Το δεύτερο υποσύνολο,1994b, αποτελούσε κομητείες που δεν περιείχαν αποικίες AHB πριν από το 1994, βρισκόταν όμως άμεσα συνδεδεμένη με κομητείες που περιείχαν πληθυσμούς ΑΜ το 1993.

Οι λίστες των κομητειών που περιέχονται στις ομάδες δοκιμών 1994α και 1994β παρουσιάζονται στον Πίνακα 2. Το σχήμα 1 παρουσιάζει τους χάρτες των κομητειών που περιλαμβάνουν τις ομάδες δοκιμών 1994α και 1994β. Ο αλγόριθμος όταν εφαρμόστηκε σε δεδομένα από δύο σύνολα κομητειών, ήταν σε θέση να παράσχει σωστές προβλέψεις για την προσβολή από την μετανάστευση ΑΜ για το έτος 1994 σε ποσοστό που υπερβαίνει το 60%. Επιπλέον, η μέθοδος ήταν σε θέση να κάνει προβλέψεις για περίπου το 50% των κομητειών στις δύο ομάδες δοκιμών.

'''Συζήτηση:'''

Υπάρχουν αρκετοί παράγοντες που επηρεάζουν το ποσοστό ακρίβειας της πρόβλεψης του αλγόριθμου και οι οποίοι είναι δύσκολο να ποσοτικοποιηθούν. Έτσι η μελέτη έπρεπε να χρησιμοποιήσει συνοπτικά στατιστικά στοιχεία. Η μελλοντική έρευνα απαιτεί την εφαρμογή αυτού του αλγορίθμου πρόβλεψης για να εφαρμοστεί σε άλλες τοποθεσίες εκτός του κράτους του Τέξας. Επιπλέον, θα ήταν καλό να εισαχθούν και άλλες πληροφορίες, όπως τα κλιματικά δεδομένα, στο GIS για να βελτιωθεί η ακρίβεια της πρόβλεψης.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση

2020-01-23T20:39:49Z

DimPap:

'''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση '''

'''Πρωτότυπος τίτλος:''' An approach to predict Africanized honey bee migration using remote sensing

'''Συγγραφείς:''' Charles A. Ward, Scott A. Starks

'''Δημοσιεύθηκε:''' Computers and Electrical Engineering 26 (2000) 33±45

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0045790699000282?via%3Dihub]

'''Λέξεις-Κλειδιά:''' Μέλισσες, δείκτης βλάστησης, NDVI, Τέξας

'''Εισαγωγή:'''

Το 1956, η αφρικανική μέλισσα εισήχθη στη Βραζιλία με την ελπίδα να δημιουργηθεί ένα είδος μελισσών, το οποίο ήταν πιο κατάλληλο για το τροπικό περιβάλλον της Νότιας Αμερικής και να βελτιωθεί η παραγωγή μελιού. Το 1957, 26 αποικίες διέφυγαν και άρχισε η διασταύρωση με τις τοπικές άγριες μέλισσες. Αυτές οι νέες αφρικανικές μέλισσες έχουν εξαπλωθεί στην Κεντρική και Νότια Αμερική και φαίνεται ότι δεν υπάρχει κάποιο γνωστό εμπόδιο που θα εμποδίσει την αποικιοποίησή τους στις θερμότερες περιοχές των Ηνωμένων Πολιτειών. Η συνεχής εξάπλωση έχει προκαλέσει μειωμένη παραγωγή μελιού, αρνητική επίδραση στην επικονίαση των καλλιεργειών, την κτηνοτροφία, στον τουρισμό και στη δημόσια υγεία. Η μετανάστευση έφτασε τις Ηνωμένες Πολιτείες το 1990, στο Τέξας στην κατώτερη κοιλάδα Rio Grande. Μέχρι σήμερα, έχουν παρατηρηθεί σε τμήματα του νότιου και δυτικού Τέξας, του νότιου Νέου Μεξικού, της νότιας Αριζόνα και στην Κεντρική κοιλάδα της Καλιφόρνια.

Στόχος της συγκεκριμένης έρευνας είναι η ανάπτυξη ενός υπολογιστικού αλγόριθμου για την πρόβλεψη των σχημάτων μετανάστευσης της αφρικανικής μέλισσας. Δεδομένου ότι η μετανάστευση αφρικανικών μελισσών προκαλείται εν μέρει από το επίπεδο της βιομάζας σε μια συγκεκριμένη περιοχή, η προσέγγισή της παρούσας μελέτης χρησιμοποιεί τον κανονικοποιημένο δείκτη βλάστησης (NDVI) όπως υπολογίζεται μέσω δεδομένων επεξεργασίας που λαμβάνονται από ραδιομετρικό αισθητήρα υψηλής ανάλυσης (AVHRR) ως μέτρο φωτοσυνθετικής δραστηριότητας.
Η έρευνα επικεντρώνεται στη μετανάστευση της Αφρικανικής μέλισσας (ΑΜ) στην πολιτεία του Τέξας. Έχουν συλλεχθεί δεδομένα από δύο πηγές. Η πρώτη πηγή είναι τα δεδομένα εντοπισμού ΑΜ που αναφέρονται σε ένα νομό ανά χώρα για το κράτος του Τέξας. Η δεύτερη πηγή ανιχνεύεται εξ αποστάσεως από το εξελιγμένο ραδιόμετρο πολύ υψηλής ανάλυσης AVHRR.

'''Μεθοδολογία:'''

Στην έρευνα χρησιμοποιήθηκαν δεδομένα AVHRR ως βάση για τον αλγόριθμο πρόβλεψης μετανάστευσης ΑΜ, για να χαρακτηρίσουν την κάλυψη της γης στην περιοχή μελέτης, η οποία περιλαμβάνει πολλά από τα νότια και κεντρικά τμήματα του κράτους του Τέξας. Τα δεδομένα που συλλέχθηκαν έχουν ανάλυση εδάφους περίπου 1,1 χλμ. Η NOAA λαμβάνει AVHRR σε πλήρη ανάλυση και τα αρχειοθετεί σε δύο μορφές. Τοπική κάλυψη περιοχής (LAC) τα δεδομένα καταγράφονται σε πλήρη ανάλυση. Η δεύτερη μορφή καλείται παγκόσμια κάλυψη περιοχής και βασίζεται σε μια διαδικασία που ονομάζεται επαναδειγματοληψία. Αυτή η διαδικασία αποδίδει ανάλυση 1.1 με 4 km στο nadir. Τα δεδομένα AVHRR συλλέχθηκαν από το Κέντρο δεδομένων EROS Γεωλογικής Έρευνας των ΗΠΑ από τον Μάιο 1987.

Η έρευνα έχει επικεντρωθεί στις εφαρμογές των δεδομένων AVHRR για την παρακολούθηση της κάλυψης της γης ανάλυση της πράσινης βλάστησης. Η τιμή NDVI για μια περιοχή μπορεί να χρησιμοποιηθεί ως δείκτης για την παρουσία και την κατάσταση της φωτοσυνθετικής δραστηριότητας. Τα δεδομένα NDVI συλλέγονται σε περιόδους δύο εβδομάδων. Χρησιμοποιήθηκε το πακέτο λογισμικού GIS, SPANS Explorer, που διανέμεται από το TYDAC Technologies.
Ένα πρώτο βήμα στη διαδικασία σχεδιασμού του πειράματος συνίστατο στον εντοπισμό 16 κομητειών εντός του Τέξας με βάση την προσβολή από ΑΜ και τοπικές πληροφορίες για το έτος 1992. Οκτώ από τις 16 κομητείες αναγνωρίστηκαν ως έχουσες μεγάλο αριθμό αποικιών ΑΜ το 1992 και αναφέρονται ως περιοχή εκπαίδευσης Αριθ. 1. Οκτώ άλλες κομητείες επιλέχθηκαν που είχαν ένα χαμηλότερο αριθμό ή καθόλου αποικίες ΑΜ το 1992. Αυτές οι κομητείες με λίγες ή καθόλου αποικίες AHB το 1992 αναφέρονται ως Αριθ. 2.

Για το 1993, το σύνολο δεδομένων αποτελείται από 21 σύνθετα NDVI μέγιστης διάρκειας 14 ημερών. Το 17 οι βασικές περίοδοι αντιπροσώπευαν μια συνεχή περίοδο από τις 5 Μαρτίου 1993 έως τις 28 Οκτωβρίου 1993. Τα πρώτα δύο (περίοδο 1 και 2) και τα δύο τελευταία (περιόδους 20 και 21) σύνθετα εκπροσωπούσαν περιόδους 2 εβδομάδων για τον Ιανουάριο, Φεβρουάριο, Νοέμβριο και Δεκέμβριο. Για κάθε περίοδο, αναλύθηκε η συμπεριφορά των μετρήσεων NDVI. Για τις μετρήσεις NDVI υπολογίστηκαν το μέσο όρο, οι ελάχιστες και οι μέγιστες τιμές. Αυτή η ανάλυση πραγματοποιήθηκε για κάθε νομό στις περιοχές εκπαίδευσης αριθ. 1 και κάθε μία από τις 21 εβδομαδιαίες περιόδους για τις περιοχές εκπαίδευσης αριθ. 2.

Με μια σχέση που εμφανίζεται μεταξύ των ελάχιστων σύνθετων δεδομένων NDVI και του επιπέδου ΑΜ, δημιουργήθηκε ένας αλγόριθμος που προβλέπει την πιθανότητα εμφάνισης προσβολής ΑΜ με βάση τον χαρακτηρισμό των σύνθετων δεδομένων NDVI. Ο αλγόριθμος βασίζεται σε ένα μέτρο ομοιότητας, ρ (X, Y), το οποίο υποδεικνύει τον βαθμό ομοιότητας μεταξύ των διανυσμάτων Χ και Υ που περιείχε την παράσταση χρονοσειρών για ελάχιστο NDVI στις περιοχές εκπαίδευσης για τις περιφέρειες x και y.

ρ = (Χ, Υ)/{||Χ|| ||Υ||} ,
όπου (Χ, Υ) αντιπροσωπεύει το εσωτερικό προϊόν των φορέων Χ και Υ, και ||Χ|| και ||Υ|| αντιπροσωπεύουν το Ευκλείδιο πρότυπο των φορέων X και Y, αντίστοιχα.

'''Αποτελέσματα:'''

Ο αλγόριθμος εφαρμόστηκε σε πολλές κομητείες του Τέξας για την παραγωγή προβλέψεων για εμφάνιση ΑΜ για το έτος 1994. Επιλέχθηκαν δύο επικαλυπτόμενα υποσύνολα από το αρχικό σύνολο χωρών, τα οποία θα αναφέρονται ως δοκιμαστική ομάδα 1994α και 1994b. Η δοκιμαστική ομάδα 1994α συνίστατο σε μια ομάδα κομητειών που δεν είχαν βιώσει την μετανάστευση ΑΜ πριν από το 1994. Η ομάδα 1994α βρίσκονταν κοντά στην ευρύτερη περιοχή που εμφάνισε προσβολή από ΑΜ το 1993. Το δεύτερο υποσύνολο,1994b, αποτελούσε κομητείες που δεν περιείχαν αποικίες AHB πριν από το 1994, βρισκόταν όμως άμεσα συνδεδεμένη με κομητείες που περιείχαν πληθυσμούς ΑΜ το 1993.

Οι λίστες των κομητειών που περιέχονται στις ομάδες δοκιμών 1994α και 1994β παρουσιάζονται στον Πίνακα 2. Το σχήμα 1 παρουσιάζει τους χάρτες των κομητειών που περιλαμβάνουν τις ομάδες δοκιμών 1994α και 1994β. Ο αλγόριθμος όταν εφαρμόστηκε σε δεδομένα από δύο σύνολα κομητειών, ήταν σε θέση να παράσχει σωστές προβλέψεις για την προσβολή από την μετανάστευση ΑΜ για το έτος 1994 σε ποσοστό που υπερβαίνει το 60%. Επιπλέον, η μέθοδος ήταν σε θέση να κάνει προβλέψεις για περίπου το 50% των κομητειών στις δύο ομάδες δοκιμών.

'''Συζήτηση:'''

Υπάρχουν αρκετοί παράγοντες που επηρεάζουν το ποσοστό ακρίβειας της πρόβλεψης του αλγόριθμου και οι οποίοι είναι δύσκολο να ποσοτικοποιηθούν. Έτσι η μελέτη έπρεπε να χρησιμοποιήσει συνοπτικά στατιστικά στοιχεία. Η μελλοντική έρευνα απαιτεί την εφαρμογή αυτού του αλγορίθμου πρόβλεψης για να εφαρμοστεί σε άλλες τοποθεσίες εκτός του κράτους του Τέξας. Επιπλέον, θα ήταν καλό να εισαχθούν και άλλες πληροφορίες, όπως τα κλιματικά δεδομένα, στο GIS για να βελτιωθεί η ακρίβεια της πρόβλεψης.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση

2020-01-23T20:38:55Z

DimPap:

'''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση '''

'''Πρωτότυπος τίτλος:''' An approach to predict Africanized honey bee migration using remote sensing

'''Συγγραφείς:''' Charles A. Ward, Scott A. Starks

'''Δημοσιεύθηκε:''' Computers and Electrical Engineering 26 (2000) 33±45

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0045790699000282?via%3Dihub]

'''Λέξεις-Κλειδιά:''' Μέλισσες, δείκτης βλάστησης, NDVI, Τέξας

'''Εισαγωγή:'''

Το 1956, η αφρικανική μέλισσα εισήχθη στη Βραζιλία με την ελπίδα να δημιουργηθεί ένα είδος μελισσών, το οποίο ήταν πιο κατάλληλο για το τροπικό περιβάλλον της Νότιας Αμερικής και να βελτιωθεί η παραγωγή μελιού. Το 1957, 26 αποικίες διέφυγαν και άρχισε η διασταύρωση με τις τοπικές άγριες μέλισσες. Αυτές οι νέες αφρικανικές μέλισσες έχουν εξαπλωθεί στην Κεντρική και Νότια Αμερική και φαίνεται ότι δεν υπάρχει κάποιο γνωστό εμπόδιο που θα εμποδίσει την αποικιοποίησή τους στις θερμότερες περιοχές των Ηνωμένων Πολιτειών. Η συνεχής εξάπλωση έχει προκαλέσει μειωμένη παραγωγή μελιού, αρνητική επίδραση στην επικονίαση των καλλιεργειών, την κτηνοτροφία, στον τουρισμό και στη δημόσια υγεία. Η μετανάστευση έφτασε τις Ηνωμένες Πολιτείες το 1990, στο Τέξας στην κατώτερη κοιλάδα Rio Grande. Μέχρι σήμερα, έχουν παρατηρηθεί σε τμήματα του νότιου και δυτικού Τέξας, του νότιου Νέου Μεξικού, της νότιας Αριζόνα και στην Κεντρική κοιλάδα της Καλιφόρνια.

Στόχος της συγκεκριμένης έρευνας είναι η ανάπτυξη ενός υπολογιστικού αλγόριθμου για την πρόβλεψη των σχημάτων μετανάστευσης της αφρικανικής μέλισσας. Δεδομένου ότι η μετανάστευση αφρικανικών μελισσών προκαλείται εν μέρει από το επίπεδο της βιομάζας σε μια συγκεκριμένη περιοχή, η προσέγγισή της παρούσας μελέτης χρησιμοποιεί τον κανονικοποιημένο δείκτη βλάστησης (NDVI) όπως υπολογίζεται μέσω δεδομένων επεξεργασίας που λαμβάνονται από ραδιομετρικό αισθητήρα υψηλής ανάλυσης (AVHRR) ως μέτρο φωτοσυνθετικής δραστηριότητας.
Η έρευνα επικεντρώνεται στη μετανάστευση της Αφρικανικής μέλισσας (ΑΜ) στην πολιτεία του Τέξας. Έχουν συλλεχθεί δεδομένα από δύο πηγές. Η πρώτη πηγή είναι τα δεδομένα εντοπισμού ΑΜ που αναφέρονται σε ένα νομό ανά χώρα για το κράτος του Τέξας. Η δεύτερη πηγή ανιχνεύεται εξ αποστάσεως από το εξελιγμένο ραδιόμετρο πολύ υψηλής ανάλυσης AVHRR.

'''Μεθοδολογία:'''

Στην έρευνα χρησιμοποιήθηκαν δεδομένα AVHRR ως βάση για τον αλγόριθμο πρόβλεψης μετανάστευσης ΑΜ, για να χαρακτηρίσουν την κάλυψη της γης στην περιοχή μελέτης, η οποία περιλαμβάνει πολλά από τα νότια και κεντρικά τμήματα του κράτους του Τέξας. Τα δεδομένα που συλλέχθηκαν έχουν ανάλυση εδάφους περίπου 1,1 χλμ. Η NOAA λαμβάνει AVHRR σε πλήρη ανάλυση και τα αρχειοθετεί σε δύο μορφές. Τοπική κάλυψη περιοχής (LAC) τα δεδομένα καταγράφονται σε πλήρη ανάλυση. Η δεύτερη μορφή καλείται παγκόσμια κάλυψη περιοχής και βασίζεται σε μια διαδικασία που ονομάζεται επαναδειγματοληψία. Αυτή η διαδικασία αποδίδει ανάλυση 1.1 με 4 km στο nadir. Τα δεδομένα AVHRR συλλέχθηκαν από το Κέντρο δεδομένων EROS Γεωλογικής Έρευνας των ΗΠΑ από τον Μάιο 1987.

Η έρευνα έχει επικεντρωθεί στις εφαρμογές των δεδομένων AVHRR για την παρακολούθηση της κάλυψης της γης ανάλυση της πράσινης βλάστησης. Η τιμή NDVI για μια περιοχή μπορεί να χρησιμοποιηθεί ως δείκτης για την παρουσία και την κατάσταση της φωτοσυνθετικής δραστηριότητας. Τα δεδομένα NDVI συλλέγονται σε περιόδους δύο εβδομάδων. Χρησιμοποιήθηκε το πακέτο λογισμικού GIS, SPANS Explorer, που διανέμεται από το TYDAC Technologies.
Ένα πρώτο βήμα στη διαδικασία σχεδιασμού του πειράματος συνίστατο στον εντοπισμό 16 κομητειών εντός του Τέξας με βάση την προσβολή από ΑΜ και τοπικές πληροφορίες για το έτος 1992. Οκτώ από τις 16 κομητείες αναγνωρίστηκαν ως έχουσες μεγάλο αριθμό αποικιών ΑΜ το 1992 και αναφέρονται ως περιοχή εκπαίδευσης Αριθ. 1. Οκτώ άλλες κομητείες επιλέχθηκαν που είχαν ένα χαμηλότερο αριθμό ή καθόλου αποικίες ΑΜ το 1992. Αυτές οι κομητείες με λίγες ή καθόλου αποικίες AHB το 1992 αναφέρονται ως Αριθ. 2.

Για το 1993, το σύνολο δεδομένων αποτελείται από 21 σύνθετα NDVI μέγιστης διάρκειας 14 ημερών. Το 17 οι βασικές περίοδοι αντιπροσώπευαν μια συνεχή περίοδο από τις 5 Μαρτίου 1993 έως τις 28 Οκτωβρίου 1993. Τα πρώτα δύο (περίοδο 1 και 2) και τα δύο τελευταία (περιόδους 20 και 21) σύνθετα εκπροσωπούσαν περιόδους 2 εβδομάδων για τον Ιανουάριο, Φεβρουάριο, Νοέμβριο και Δεκέμβριο. Για κάθε περίοδο, αναλύθηκε η συμπεριφορά των μετρήσεων NDVI. Για τις μετρήσεις NDVI υπολογίστηκαν το μέσο όρο, οι ελάχιστες και οι μέγιστες τιμές. Αυτή η ανάλυση πραγματοποιήθηκε για κάθε νομό στις περιοχές εκπαίδευσης αριθ. 1 και κάθε μία από τις 21 εβδομαδιαίες περιόδους για τις περιοχές εκπαίδευσης αριθ. 2.

Με μια σχέση που εμφανίζεται μεταξύ των ελάχιστων σύνθετων δεδομένων NDVI και του επιπέδου ΑΜ, δημιουργήθηκε ένας αλγόριθμος που προβλέπει την πιθανότητα εμφάνισης προσβολής ΑΜ με βάση τον χαρακτηρισμό των σύνθετων δεδομένων NDVI. Ο αλγόριθμος βασίζεται σε ένα μέτρο ομοιότητας, ρ (X, Y), το οποίο υποδεικνύει τον βαθμό ομοιότητας μεταξύ των διανυσμάτων Χ και Υ που περιείχε την παράσταση χρονοσειρών για ελάχιστο NDVI στις περιοχές εκπαίδευσης για τις περιφέρειες x και y.

ρ = (Χ, Υ)/{||Χ|| ||Υ||} , όπου (Χ, Υ) αντιπροσωπεύει το εσωτερικό προϊόν των φορέων Χ και Υ, και ||Χ|| και ||Υ|| αντιπροσωπεύουν το Ευκλείδιο πρότυπο των φορέων X και Y, αντίστοιχα.

'''Αποτελέσματα:'''

Ο αλγόριθμος εφαρμόστηκε σε πολλές κομητείες του Τέξας για την παραγωγή προβλέψεων για εμφάνιση ΑΜ για το έτος 1994. Επιλέχθηκαν δύο επικαλυπτόμενα υποσύνολα από το αρχικό σύνολο χωρών, τα οποία θα αναφέρονται ως δοκιμαστική ομάδα 1994α και 1994b. Η δοκιμαστική ομάδα 1994α συνίστατο σε μια ομάδα κομητειών που δεν είχαν βιώσει την μετανάστευση ΑΜ πριν από το 1994. Η ομάδα 1994α βρίσκονταν κοντά στην ευρύτερη περιοχή που εμφάνισε προσβολή από ΑΜ το 1993. Το δεύτερο υποσύνολο,1994b, αποτελούσε κομητείες που δεν περιείχαν αποικίες AHB πριν από το 1994, βρισκόταν όμως άμεσα συνδεδεμένη με κομητείες που περιείχαν πληθυσμούς ΑΜ το 1993.

Οι λίστες των κομητειών που περιέχονται στις ομάδες δοκιμών 1994α και 1994β παρουσιάζονται στον Πίνακα 2. Το σχήμα 1 παρουσιάζει τους χάρτες των κομητειών που περιλαμβάνουν τις ομάδες δοκιμών 1994α και 1994β. Ο αλγόριθμος όταν εφαρμόστηκε σε δεδομένα από δύο σύνολα κομητειών, ήταν σε θέση να παράσχει σωστές προβλέψεις για την προσβολή από την μετανάστευση ΑΜ για το έτος 1994 σε ποσοστό που υπερβαίνει το 60%. Επιπλέον, η μέθοδος ήταν σε θέση να κάνει προβλέψεις για περίπου το 50% των κομητειών στις δύο ομάδες δοκιμών.

'''Συζήτηση:'''

Υπάρχουν αρκετοί παράγοντες που επηρεάζουν το ποσοστό ακρίβειας της πρόβλεψης του αλγόριθμου και οι οποίοι είναι δύσκολο να ποσοτικοποιηθούν. Έτσι η μελέτη έπρεπε να χρησιμοποιήσει συνοπτικά στατιστικά στοιχεία. Η μελλοντική έρευνα απαιτεί την εφαρμογή αυτού του αλγορίθμου πρόβλεψης για να εφαρμοστεί σε άλλες τοποθεσίες εκτός του κράτους του Τέξας. Επιπλέον, θα ήταν καλό να εισαχθούν και άλλες πληροφορίες, όπως τα κλιματικά δεδομένα, στο GIS για να βελτιωθεί η ακρίβεια της πρόβλεψης.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση

2020-01-23T20:37:29Z

DimPap: Νέα σελίδα με ''''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τη...'

'''Μια προσέγγιση για την πρόβλεψη της μετανάστευσης αφρικανικής μέλισσας χρησιμοποιώντας τηλεπισκόπηση '''

'''Πρωτότυπος τίτλος:''' An approach to predict Africanized honey bee migration using remote sensing

'''Συγγραφείς:''' Charles A. Ward, Scott A. Starks

'''Δημοσιεύθηκε:''' Computers and Electrical Engineering 26 (2000) 33±45

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0045790699000282?via%3Dihub]

'''Λέξεις-Κλειδιά:''' Μέλισσες, δείκτης βλάστησης, NDVI, Τέξας

'''Εισαγωγή:'''

Το 1956, η αφρικανική μέλισσα εισήχθη στη Βραζιλία με την ελπίδα να δημιουργηθεί ένα είδος μελισσών, το οποίο ήταν πιο κατάλληλο για το τροπικό περιβάλλον της Νότιας Αμερικής και να βελτιωθεί η παραγωγή μελιού. Το 1957, 26 αποικίες διέφυγαν και άρχισε η διασταύρωση με τις τοπικές άγριες μέλισσες. Αυτές οι νέες αφρικανικές μέλισσες έχουν εξαπλωθεί στην Κεντρική και Νότια Αμερική και φαίνεται ότι δεν υπάρχει κάποιο γνωστό εμπόδιο που θα εμποδίσει την αποικιοποίησή τους στις θερμότερες περιοχές των Ηνωμένων Πολιτειών. Η συνεχής εξάπλωση έχει προκαλέσει μειωμένη παραγωγή μελιού, αρνητική επίδραση στην επικονίαση των καλλιεργειών, την κτηνοτροφία, στον τουρισμό και στη δημόσια υγεία. Η μετανάστευση έφτασε τις Ηνωμένες Πολιτείες το 1990, στο Τέξας στην κατώτερη κοιλάδα Rio Grande. Μέχρι σήμερα, έχουν παρατηρηθεί σε τμήματα του νότιου και δυτικού Τέξας, του νότιου Νέου Μεξικού, της νότιας Αριζόνα και στην Κεντρική κοιλάδα της Καλιφόρνια.

Στόχος της συγκεκριμένης έρευνας είναι η ανάπτυξη ενός υπολογιστικού αλγόριθμου για την πρόβλεψη των σχημάτων μετανάστευσης της αφρικανικής μέλισσας. Δεδομένου ότι η μετανάστευση αφρικανικών μελισσών προκαλείται εν μέρει από το επίπεδο της βιομάζας σε μια συγκεκριμένη περιοχή, η προσέγγισή της παρούσας μελέτης χρησιμοποιεί τον κανονικοποιημένο δείκτη βλάστησης (NDVI) όπως υπολογίζεται μέσω δεδομένων επεξεργασίας που λαμβάνονται από ραδιομετρικό αισθητήρα υψηλής ανάλυσης (AVHRR) ως μέτρο φωτοσυνθετικής δραστηριότητας.
Η έρευνα επικεντρώνεται στη μετανάστευση της Αφρικανικής μέλισσας (ΑΜ) στην πολιτεία του Τέξας. Έχουν συλλεχθεί δεδομένα από δύο πηγές. Η πρώτη πηγή είναι τα δεδομένα εντοπισμού ΑΜ που αναφέρονται σε ένα νομό ανά χώρα για το κράτος του Τέξας. Η δεύτερη πηγή ανιχνεύεται εξ αποστάσεως από το εξελιγμένο ραδιόμετρο πολύ υψηλής ανάλυσης AVHRR.

'''Μεθοδολογία:'''

Στην έρευνα χρησιμοποιήθηκαν δεδομένα AVHRR ως βάση για τον αλγόριθμο πρόβλεψης μετανάστευσης ΑΜ, για να χαρακτηρίσουν την κάλυψη της γης στην περιοχή μελέτης, η οποία περιλαμβάνει πολλά από τα νότια και κεντρικά τμήματα του κράτους του Τέξας. Τα δεδομένα που συλλέχθηκαν έχουν ανάλυση εδάφους περίπου 1,1 χλμ. Η NOAA λαμβάνει AVHRR σε πλήρη ανάλυση και τα αρχειοθετεί σε δύο μορφές. Τοπική κάλυψη περιοχής (LAC) τα δεδομένα καταγράφονται σε πλήρη ανάλυση. Η δεύτερη μορφή καλείται παγκόσμια κάλυψη περιοχής και βασίζεται σε μια διαδικασία που ονομάζεται επαναδειγματοληψία. Αυτή η διαδικασία αποδίδει ανάλυση 1.1 με 4 km στο nadir. Τα δεδομένα AVHRR συλλέχθηκαν από το Κέντρο δεδομένων EROS Γεωλογικής Έρευνας των ΗΠΑ από τον Μάιο 1987.

Η έρευνα έχει επικεντρωθεί στις εφαρμογές των δεδομένων AVHRR για την παρακολούθηση της κάλυψης της γης ανάλυση της πράσινης βλάστησης. Η τιμή NDVI για μια περιοχή μπορεί να χρησιμοποιηθεί ως δείκτης για την παρουσία και την κατάσταση της φωτοσυνθετικής δραστηριότητας. Τα δεδομένα NDVI συλλέγονται σε περιόδους δύο εβδομάδων. Χρησιμοποιήθηκε το πακέτο λογισμικού GIS, SPANS Explorer, που διανέμεται από το TYDAC Technologies.
Ένα πρώτο βήμα στη διαδικασία σχεδιασμού του πειράματος συνίστατο στον εντοπισμό 16 κομητειών εντός του Τέξας με βάση την προσβολή από ΑΜ και τοπικές πληροφορίες για το έτος 1992. Οκτώ από τις 16 κομητείες αναγνωρίστηκαν ως έχουσες μεγάλο αριθμό αποικιών ΑΜ το 1992 και αναφέρονται ως περιοχή εκπαίδευσης Αριθ. 1. Οκτώ άλλες κομητείες επιλέχθηκαν που είχαν ένα χαμηλότερο αριθμό ή καθόλου αποικίες ΑΜ το 1992. Αυτές οι κομητείες με λίγες ή καθόλου αποικίες AHB το 1992 αναφέρονται ως Αριθ. 2.

Για το 1993, το σύνολο δεδομένων αποτελείται από 21 σύνθετα NDVI μέγιστης διάρκειας 14 ημερών. Το 17 οι βασικές περίοδοι αντιπροσώπευαν μια συνεχή περίοδο από τις 5 Μαρτίου 1993 έως τις 28 Οκτωβρίου 1993. Τα πρώτα δύο (περίοδο 1 και 2) και τα δύο τελευταία (περιόδους 20 και 21) σύνθετα εκπροσωπούσαν περιόδους 2 εβδομάδων για τον Ιανουάριο, Φεβρουάριο, Νοέμβριο και Δεκέμβριο. Για κάθε περίοδο, αναλύθηκε η συμπεριφορά των μετρήσεων NDVI. Για τις μετρήσεις NDVI υπολογίστηκαν το μέσο όρο, οι ελάχιστες και οι μέγιστες τιμές. Αυτή η ανάλυση πραγματοποιήθηκε για κάθε νομό στις περιοχές εκπαίδευσης αριθ. 1 και κάθε μία από τις 21 εβδομαδιαίες περιόδους για τις περιοχές εκπαίδευσης αριθ. 2.

Με μια σχέση που εμφανίζεται μεταξύ των ελάχιστων σύνθετων δεδομένων NDVI και του επιπέδου ΑΜ, δημιουργήθηκε ένας αλγόριθμος που προβλέπει την πιθανότητα εμφάνισης προσβολής ΑΜ με βάση τον χαρακτηρισμό των σύνθετων δεδομένων NDVI. Ο αλγόριθμος βασίζεται σε ένα μέτρο ομοιότητας, ρ (X, Y), το οποίο υποδεικνύει τον βαθμό ομοιότητας μεταξύ των διανυσμάτων Χ και Υ που περιείχε την παράσταση χρονοσειρών για ελάχιστο NDVI στις περιοχές εκπαίδευσης για τις περιφέρειες x και y.

ρ = (Χ, Υ)/{||Χ|| ||Υ||}

όπου (Χ, Υ) αντιπροσωπεύει το εσωτερικό προϊόν των φορέων Χ και Υ, και ||Χ|| και ||Υ|| αντιπροσωπεύουν το Ευκλείδιο πρότυπο των φορέων X και Y, αντίστοιχα.
[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

'''Αποτελέσματα:'''

Ο αλγόριθμος εφαρμόστηκε σε πολλές κομητείες του Τέξας για την παραγωγή προβλέψεων για εμφάνιση ΑΜ για το έτος 1994. Επιλέχθηκαν δύο επικαλυπτόμενα υποσύνολα από το αρχικό σύνολο χωρών, τα οποία θα αναφέρονται ως δοκιμαστική ομάδα 1994α και 1994b. Η δοκιμαστική ομάδα 1994α συνίστατο σε μια ομάδα κομητειών που δεν είχαν βιώσει την μετανάστευση ΑΜ πριν από το 1994. Η ομάδα 1994α βρίσκονταν κοντά στην ευρύτερη περιοχή που εμφάνισε προσβολή από ΑΜ το 1993. Το δεύτερο υποσύνολο,1994b, αποτελούσε κομητείες που δεν περιείχαν αποικίες AHB πριν από το 1994, βρισκόταν όμως άμεσα συνδεδεμένη με κομητείες που περιείχαν πληθυσμούς ΑΜ το 1993.

Οι λίστες των κομητειών που περιέχονται στις ομάδες δοκιμών 1994α και 1994β παρουσιάζονται στον Πίνακα 2. Το σχήμα 1 παρουσιάζει τους χάρτες των κομητειών που περιλαμβάνουν τις ομάδες δοκιμών 1994α και 1994β. Ο αλγόριθμος όταν εφαρμόστηκε σε δεδομένα από δύο σύνολα κομητειών, ήταν σε θέση να παράσχει σωστές προβλέψεις για την προσβολή από την μετανάστευση ΑΜ για το έτος 1994 σε ποσοστό που υπερβαίνει το 60%. Επιπλέον, η μέθοδος ήταν σε θέση να κάνει προβλέψεις για περίπου το 50% των κομητειών στις δύο ομάδες δοκιμών.

'''Συζήτηση:'''

Υπάρχουν αρκετοί παράγοντες που επηρεάζουν το ποσοστό ακρίβειας της πρόβλεψης του αλγόριθμου και οι οποίοι είναι δύσκολο να ποσοτικοποιηθούν. Έτσι η μελέτη έπρεπε να χρησιμοποιήσει συνοπτικά στατιστικά στοιχεία. Η μελλοντική έρευνα απαιτεί την εφαρμογή αυτού του αλγορίθμου πρόβλεψης για να εφαρμοστεί σε άλλες τοποθεσίες εκτός του κράτους του Τέξας. Επιπλέον, θα ήταν καλό να εισαχθούν και άλλες πληροφορίες, όπως τα κλιματικά δεδομένα, στο GIS για να βελτιωθεί η ακρίβεια της πρόβλεψης.

Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine

2020-01-23T13:56:24Z

DimPap:

'''Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine'''

'''Πρωτότυπος τίτλος:''' Detecting industrial oil palm plantations on Landsat images with Google Earth Engine

'''Συγγραφείς:''' Janice Ser Huay Lee, Serge Wich, Atiek Widayati, Lian Pin Koh

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment 4 (2016) 219–224

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S235293851630129X]

'''Λέξεις-Κλειδιά:''' Χρήσεις γης, Φοινικόδεντρα, Εντοπισμός καλλιεργειών, Περιβαλλοντική υποβάθμιση

[[Εικόνα:Ar5eik1.jpg| thumb| right|'''Πίνακας 1:''' Οι αλγόριθμοι ταξινόμησης του Google Earth Engine που χρησιμοποιήθηκαν στη παρούσα μελέτη.]]

[[Εικόνα:ar5eik2.jpg| thumb| right|'''Πίνακας 2:''' Η ακρίβεια παραγωγού (%) και χρήστη (%) των ταξινομημένων χαρτών GEE για όλες τις κατηγορίες χρήσεων γης χρησιμοποιώντας διαφορετικές φασματικές ζώνες και ταξινομήσεις. Το "Prod" αναφέρεται στην ακρίβεια του Παραγωγού και το "User" αναφέρεται στην ακρίβεια του χρήστη. Οι σκιασμένες τιμές αντιπροσωπεύουν τις τρεις υψηλότερες τιμές για την ακρίβεια ώριμων και ανώριμων φοινικόδεντρων του παραγωγού και του χρήστη.]]

[[Εικόνα:ar5eik2.jpg| thumb| right|'''Εικόνα:''' Αποτελέσματα ταξινόμησης των δένδρων ταξινόμησης και επαναφοράς (CART) χρησιμοποιώντας τις ζώνες ALL (α), τα τυχαία δάση (RFT) χρησιμοποιώντας τις ζώνες ALL(b) και το CART χρησιμοποιώντας ζώνες RGB (c) εικόνα Landsat 8 TOA από το 2014 (δ).]]

'''Εισαγωγή:'''

Λόγω των πολλαπλών χρήσεων για φαγητό και βιομηχανικά προϊόντα, η παγκόσμια ζήτηση φοινικέλαιου αυξήθηκε τις τελευταίες δεκαετίες, και ώθησε τόσο τον ιδιωτικό όσο και τον δημόσιο τομέα να επενδύσει σε μεγάλο βαθμό στη βιομηχανία φοινικέλαιου. Η ταχεία επέκταση των βιομηχανικών φυτειών φοινικέλαιου οδήγησε σε κοινωνικές και περιβαλλοντικές επιπτώσεις, όπως αποψίλωση των δασών, μείωση της βιοποικιλότητας και υποβάθμιση των οικοσυστημάτων. Δασικοί ερευνητές και επιστήμονες χρειάζονται ένα φθηνό, προσβάσιμο και φιλικό προς το χρήστη εργαλείο για την ανίχνευση των βιομηχανικών φυτειών φοινικελαίου.

Στη συγκεκριμένη μελέτη χρησιμοποιήθηκε το Google Earth Engine GEE για την ανίχνευση των βιομηχανικών φυτειών φοινικόδεντρων στην περιοχή Tripa, Aceh, Ινδονησία. Στις αρχές της δεκαετίας του 1990, η Tripa καλυπτόταν με παρθένα δάση τύρφης και φιλοξενούσε 1.000 Ουραγκοτάγκους Σουμάτρας. Ωστόσο, τις τελευταίες δύο δεκαετίες, το οικοσύστημα της Tripa έχει σημειώσει αυξημένη υποβάθμιση, η οποία οφείλεται κυρίως στην γεωργική επέκταση των βιομηχανικών φυτειών φοινικόδεντρων. Το Google Earth Engine είναι μια πλατφόρμα που δια στο κοινό εικόνες και επιτρέπει την ταξινόμηση χρήσεων γης χρησιμοποιώντας ενσωματωμένους αλγόριθμους. Αυτοί οι αλγόριθμοι διεξάγουν pixel-based ταξινόμηση μέσω εποπτευόμενης μάθησης.

Έγινε αξιολόγηση της απόδοσης των μεθόδων ταξινόμησης του GEE και επαλήθευση των χαρτών χρήσεων γης που παράγονται από το GEE με ένα σύνολο τυχαία επιλεγμένων σημείων με στόχο να αξιολογηθεί το GEE ως πιθανό εργαλείο ανίχνευσης χρήσεων γης για την χρήση του από επιστήμονες και ΜΚΟ σε αναπτυσσόμενες χώρες σε τροπικές περιοχές.

'''Δεδομένα και Μέθοδοι:'''

Πραγματοποιήθηκε ανίχνευση χρήσεων γης χρησιμοποιώντας διαφορετικές φασματικές ζώνες (RGB, NIR, SWIR, TIR, όλες τις ζώνες) από τις εικόνες Landsat 8 για να διακριθούν οι ακόλουθες κατηγορίες χρήσεων γης: ανώριμα φοινικόδεντρα, ώριμα φοινικόδεντρα, μη δάση- μη φοινικόδεντρα, δάση, νερό και σύννεφα. Αρχικά ταυτοποιήθηκαν οι φυτείες φοινικόδεντρων χρησιμοποιώντας ορθογώνιες γραμμές πλέγματος που υποδεικνύουν την ανάπτυξη φοινικόδεντρων. Από αυτές τις φυτείες, τα ανώριμα φοινικόδεντρα εμφανίζονταν με ανοιχτό πράσινο σε σύγκριση με τα ώριμα. Η απουσία των ορθογώνιων γραμμών πλέγματος υποδηλώνουν την απουσία φοινικόδεντρων και τις καμένες περιοχές, τα οποία ταξινομήθηκαν ως μη φοινικόδεντρα-μη δάσος. Το δάσος εμφανίζεται με σκούρο πράσινο, ενώ οι πρόσθετες κατηγορίες περιλάμβαναν το Νερό και τα Σύννεφα.

Σχεδιάστηκαν 450 σημεία κατάρτισης για κάθε τάξη χρήσης γης. Χρησιμοποιήθηκε το 60% αυτών των σημείων κατάρτισης για την κατάρτιση των ταξινομήσεων GEE ενώ το υπόλοιπο 40% χρησιμοποιήθηκε για τη διενέργεια εκτιμήσεων ακρίβειας.
Το GEE έχει 10 ταξινομήσεις, CART, τυχαία δάση, ελάχιστη απόσταση, GMO MaxEnt, Naïve Bayes, SVM, Perceptron, IKPamir και Winnow. Αποκλείστηκαν οι έξι ταξινομήσεις γιατί δεν υπήρχε καμιά διάκριση μεταξύ των διαφόρων τάξεων και συγκρίθηκαν οι χάρτες GEE από τις ταξινομήσεις CART, Random Forest και Ελάχιστη απόσταση (Πίνακας 1).

Στο GEE δημιουργήθηκε μήτρα σφάλματος επικύρωσης και υπολογίστηκε η συνολική ακρίβεια του παραγωγού και του χρήστη. Δόθηκε περισσότερη εστίαση στην ακρίβεια του παραγωγού και του χρήστη για χρήσεις γης ανώριμων και ώριμων φοινικόδεντρων.

'''Αποτελέσματα:'''

Η συνολική ακρίβεια και ο συντελεστής Kappa ήταν υψηλότερος χρησιμοποιώντας όλες τις ζώνες (ALL) για ταξινόμηση χρήσης γης, ακολουθούμενος από RGB (κόκκινες, πράσινες και μπλε ζώνες), SWIR (υπέρυθρες μικρού κύματος), TIR (θερμικές) και NIR (υπέρυθρες). Από τους αλγόριθμους ταξινόμησης και επαναφοράς των δένδρων (Classification and Regression Trees /CART) και των τυχαίων δασών (Random Forests /RFT) προέκυψαν ταξινομημένοι χάρτες χρήσεων γης που είχαν υψηλότερη συνολική ακρίβεια και συντελεστές Kappa σε σύγκριση με τον αλγόριθμο ελάχιστης απόστασης (Minimum Distance /MD).

Οι ταξινομήσεις GEE CART και RFT χρησιμοποιώντας ζώνες RGB και ALL είχαν τα καλύτερα αποτελέσματα του παραγωγού και του χρήστη για τη διάκριση ώριμων φοινικόδεντρων (Πίνακας 2). (εικόνα)

'''Συζήτηση:'''

Τα αποτελέσματά δείχνουν την πιθανή χρήση των εικόνων του GEE ως εργαλείο για τη χαρτογράφηση χρήσεων γης για φυτείες φοινικόδεντρων, αλλά και για την αποκάλυψη των περιορισμών αυτού του συστήματος ταξινόμησης ειδικά σε σχέση με το επίπεδο της ακρίβειας για την ανίχνευση φυτειών ανώριμων και ώριμων φοινικόδεντρων από άλλους τύπους κάλυψης γης με παρόμοιες φασματικές υπογραφές.
Η αντικειμενική ταξινόμηση και η χρήση συνδυασμού ραντάρ και οπτικών εικόνων είναι μερικοί τρόποι με τους οποίους η ανίχνευση φυτειών φοινικόδεντρων μπορεί να βελτιωθεί μέσα στο GEE. Παρά τους περιορισμούς, το GEE έχει τη δυνατότητα να αναπτυχθεί περαιτέρω σε ένα προσιτό και χαμηλού κόστους εργαλείο για τους φορείς ανίχνευσης και παρακολούθησης της επέκτασης των φυτειών φοινικόδεντρων στις τροπικές περιοχές.

[[category:Περιβαλλοντικές Επιπτώσεις]] [[category:Εκτίμηση υποβάθμισης δασικών οικοσυστημάτων]]

Αρχείο:Ar5eik3.jpg

2020-01-23T13:51:12Z

DimPap:

Αρχείο:Ar5eik2.jpg

2020-01-23T13:50:35Z

DimPap:

Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine

2020-01-23T13:50:03Z

DimPap:

'''Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine'''

'''Πρωτότυπος τίτλος:''' Detecting industrial oil palm plantations on Landsat images with Google Earth Engine

'''Συγγραφείς:''' Janice Ser Huay Lee, Serge Wich, Atiek Widayati, Lian Pin Koh

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment 4 (2016) 219–224

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S235293851630129X]

'''Λέξεις-Κλειδιά:''' Χρήσεις γης, Φοινικόδεντρα, Εντοπισμός καλλιεργειών, Περιβαλλοντική υποβάθμιση

'''Εισαγωγή:'''

Λόγω των πολλαπλών χρήσεων για φαγητό και βιομηχανικά προϊόντα, η παγκόσμια ζήτηση φοινικέλαιου αυξήθηκε τις τελευταίες δεκαετίες, και ώθησε τόσο τον ιδιωτικό όσο και τον δημόσιο τομέα να επενδύσει σε μεγάλο βαθμό στη βιομηχανία φοινικέλαιου. Η ταχεία επέκταση των βιομηχανικών φυτειών φοινικέλαιου οδήγησε σε κοινωνικές και περιβαλλοντικές επιπτώσεις, όπως αποψίλωση των δασών, μείωση της βιοποικιλότητας και υποβάθμιση των οικοσυστημάτων. Δασικοί ερευνητές και επιστήμονες χρειάζονται ένα φθηνό, προσβάσιμο και φιλικό προς το χρήστη εργαλείο για την ανίχνευση των βιομηχανικών φυτειών φοινικελαίου.

Στη συγκεκριμένη μελέτη χρησιμοποιήθηκε το Google Earth Engine GEE για την ανίχνευση των βιομηχανικών φυτειών φοινικόδεντρων στην περιοχή Tripa, Aceh, Ινδονησία. Στις αρχές της δεκαετίας του 1990, η Tripa καλυπτόταν με παρθένα δάση τύρφης και φιλοξενούσε 1.000 Ουραγκοτάγκους Σουμάτρας. Ωστόσο, τις τελευταίες δύο δεκαετίες, το οικοσύστημα της Tripa έχει σημειώσει αυξημένη υποβάθμιση, η οποία οφείλεται κυρίως στην γεωργική επέκταση των βιομηχανικών φυτειών φοινικόδεντρων. Το Google Earth Engine είναι μια πλατφόρμα που δια στο κοινό εικόνες και επιτρέπει την ταξινόμηση χρήσεων γης χρησιμοποιώντας ενσωματωμένους αλγόριθμους. Αυτοί οι αλγόριθμοι διεξάγουν pixel-based ταξινόμηση μέσω εποπτευόμενης μάθησης.

Έγινε αξιολόγηση της απόδοσης των μεθόδων ταξινόμησης του GEE και επαλήθευση των χαρτών χρήσεων γης που παράγονται από το GEE με ένα σύνολο τυχαία επιλεγμένων σημείων με στόχο να αξιολογηθεί το GEE ως πιθανό εργαλείο ανίχνευσης χρήσεων γης για την χρήση του από επιστήμονες και ΜΚΟ σε αναπτυσσόμενες χώρες σε τροπικές περιοχές.

'''Δεδομένα και Μέθοδοι:'''

Πραγματοποιήθηκε ανίχνευση χρήσεων γης χρησιμοποιώντας διαφορετικές φασματικές ζώνες (RGB, NIR, SWIR, TIR, όλες τις ζώνες) από τις εικόνες Landsat 8 για να διακριθούν οι ακόλουθες κατηγορίες χρήσεων γης: ανώριμα φοινικόδεντρα, ώριμα φοινικόδεντρα, μη δάση- μη φοινικόδεντρα, δάση, νερό και σύννεφα. Αρχικά ταυτοποιήθηκαν οι φυτείες φοινικόδεντρων χρησιμοποιώντας ορθογώνιες γραμμές πλέγματος που υποδεικνύουν την ανάπτυξη φοινικόδεντρων. Από αυτές τις φυτείες, τα ανώριμα φοινικόδεντρα εμφανίζονταν με ανοιχτό πράσινο σε σύγκριση με τα ώριμα. Η απουσία των ορθογώνιων γραμμών πλέγματος υποδηλώνουν την απουσία φοινικόδεντρων και τις καμένες περιοχές, τα οποία ταξινομήθηκαν ως μη φοινικόδεντρα-μη δάσος. Το δάσος εμφανίζεται με σκούρο πράσινο, ενώ οι πρόσθετες κατηγορίες περιλάμβαναν το Νερό και τα Σύννεφα.

Σχεδιάστηκαν 450 σημεία κατάρτισης για κάθε τάξη χρήσης γης. Χρησιμοποιήθηκε το 60% αυτών των σημείων κατάρτισης για την κατάρτιση των ταξινομήσεων GEE ενώ το υπόλοιπο 40% χρησιμοποιήθηκε για τη διενέργεια εκτιμήσεων ακρίβειας.
Το GEE έχει 10 ταξινομήσεις, CART, τυχαία δάση, ελάχιστη απόσταση, GMO MaxEnt, Naïve Bayes, SVM, Perceptron, IKPamir και Winnow. Αποκλείστηκαν οι έξι ταξινομήσεις γιατί δεν υπήρχε καμιά διάκριση μεταξύ των διαφόρων τάξεων και συγκρίθηκαν οι χάρτες GEE από τις ταξινομήσεις CART, Random Forest και Ελάχιστη απόσταση (Πίνακας 1).

Στο GEE δημιουργήθηκε μήτρα σφάλματος επικύρωσης και υπολογίστηκε η συνολική ακρίβεια του παραγωγού και του χρήστη. Δόθηκε περισσότερη εστίαση στην ακρίβεια του παραγωγού και του χρήστη για χρήσεις γης ανώριμων και ώριμων φοινικόδεντρων.

[[Εικόνα:Ar5eik1.jpg| thumb| center|'''Πίνακας 1:''' Οι αλγόριθμοι ταξινόμησης του Google Earth Engine που χρησιμοποιήθηκαν στη παρούσα μελέτη.]]

'''Αποτελέσματα:'''

Η συνολική ακρίβεια και ο συντελεστής Kappa ήταν υψηλότερος χρησιμοποιώντας όλες τις ζώνες (ALL) για ταξινόμηση χρήσης γης, ακολουθούμενος από RGB (κόκκινες, πράσινες και μπλε ζώνες), SWIR (υπέρυθρες μικρού κύματος), TIR (θερμικές) και NIR (υπέρυθρες). Από τους αλγόριθμους ταξινόμησης και επαναφοράς των δένδρων (Classification and Regression Trees /CART) και των τυχαίων δασών (Random Forests /RFT) προέκυψαν ταξινομημένοι χάρτες χρήσεων γης που είχαν υψηλότερη συνολική ακρίβεια και συντελεστές Kappa σε σύγκριση με τον αλγόριθμο ελάχιστης απόστασης (Minimum Distance /MD).

Οι ταξινομήσεις GEE CART και RFT χρησιμοποιώντας ζώνες RGB και ALL είχαν τα καλύτερα αποτελέσματα του παραγωγού και του χρήστη για τη διάκριση ώριμων φοινικόδεντρων (Πίνακας 2). (εικόνα)

'''Συζήτηση:'''

Τα αποτελέσματά δείχνουν την πιθανή χρήση των εικόνων του GEE ως εργαλείο για τη χαρτογράφηση χρήσεων γης για φυτείες φοινικόδεντρων, αλλά και για την αποκάλυψη των περιορισμών αυτού του συστήματος ταξινόμησης ειδικά σε σχέση με το επίπεδο της ακρίβειας για την ανίχνευση φυτειών ανώριμων και ώριμων φοινικόδεντρων από άλλους τύπους κάλυψης γης με παρόμοιες φασματικές υπογραφές.
Η αντικειμενική ταξινόμηση και η χρήση συνδυασμού ραντάρ και οπτικών εικόνων είναι μερικοί τρόποι με τους οποίους η ανίχνευση φυτειών φοινικόδεντρων μπορεί να βελτιωθεί μέσα στο GEE. Παρά τους περιορισμούς, το GEE έχει τη δυνατότητα να αναπτυχθεί περαιτέρω σε ένα προσιτό και χαμηλού κόστους εργαλείο για τους φορείς ανίχνευσης και παρακολούθησης της επέκτασης των φυτειών φοινικόδεντρων στις τροπικές περιοχές.

[[category:Περιβαλλοντικές Επιπτώσεις]]

Αρχείο:Ar5eik1.jpg

2020-01-23T13:46:15Z

DimPap:

Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine

2020-01-23T13:45:28Z

DimPap: Νέα σελίδα με ''''Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine''' '''Πρωτότυ...'

Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφύγιο Πέλαγος (Δυτική Μεσόγειος Θάλασσα) ...

2020-01-23T13:35:12Z

DimPap:

'''Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφύγιο Πέλαγος (Δυτική Μεσόγειος Θάλασσα) με φυσιογραφικές και τηλεπισκοπικές μεταβλητές'''

'''Πρωτότυπος τίτλος:''' Modelling habitat preferences for fin whales and striped dolphins in the Pelagos Sanctuary (Western Mediterranean Sea) with physiographic and remote sensing variables

'''Συγγραφείς:''' Simone Panigada, Margherita Zanardelli, Monique MacKenzie, Carl Donovan, Frédéric Mélin, Philip S. Hammond

'''Δημοσιεύθηκε:''' Remote Sensing of Environment 112 (2008) 3400–3412

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/abs/pii/S0034425708001375]

'''Λέξεις-Κλειδιά:''' Xαρτογράφηση άγριας πανίδας, φάλαινες, δελφίνια, Μεσόγειος Θάλασσα, Διατήρηση άγριας πανίδας, Καταφύγιο

[[Εικόνα:ar4eik1.jpg| thumb| right|'''Εικόνα 1:''' Η περιοχή του Καταφυγίου (μεταξύ των μαύρων διαγώνιων γραμμών) που δείχνει το ισοβαθμό 2000m, το κυψελωτό που χρησιμοποιήθηκε για τις αναλύσεις και τις παρατηρήσεις.]]

[[Εικόνα:ar4eik2.jpg| thumb| right|'''Eικόνα 2:''' Προβλεπόμενες πιθανότητες εμφάνισης με βάση την παρεμβολή και την παρέκταση από το ενισχυμένο μοντέλο ταξινόμησης και το GAM για φάλαινες.]]

[[Εικόνα:ar4eik3.jpg| thumb| right|'''Eικόνα 3:''' Προβλεπόμενες πιθανότητες εμφάνισης με βάση την παρεμβολή και την παρέκταση από το ενισχυμένο μοντέλο ταξινόμησης για δελφίνια.]]

'''Εισαγωγή:'''

Το καταφύγιο Pelagos βρίσκεται ανάμεσα στη νοτιοανατολική Γαλλία, το Μονακό, τη Βόρεια Σαρδηνία και τη βορειοδυτική Ιταλία, καλύπτοντας μια περιοχή περίπου 90.000 km2. Οι φάλαινες και τα δελφίνια στη Μεσόγειο εκτίθενται σε έναν αριθμό ανθρωπογενών απειλών. Μερικές απειλές, όπως η ακουστική και χημική ρύπανση, και η περιβαλλοντική υποβάθμιση του βιοτόπου μπορεί να επηρεάσει και τα δύο. Μία από τις ανάγκες του καταφυγίου Pelagos για τη διατήρηση των θαλάσσιων θηλαστικών στη Μεσόγειο είναι η συλλογή πληροφοριών σχετικά με τα κρίσιμα ενδιαιτήματα για τα κητοειδή. Αυτή η μελέτη έχει ως στόχο την χαρτογράφηση των οικοτόπων των φαλαινών (Balaenoptera physalus) και των δελφινιών (Stenella coeruleoalba) (τα δύο πιο άφθονα είδη στην περιοχή) με σκοπό την παροχή αυτών των πληροφοριών, προκειμένου να αξιολογηθούν περιοχές ιδιαίτερης σημασίας για αυτά τα δύο είδη. Τα αποτελέσματα αυτής της μελέτης θα παρέχουν πληροφορίες που μπορούν να χρησιμοποιηθούν για τη συντήρηση και διαχείριση του καταφυγίου.

'''Δεδομένα και Μεθοδολογία:'''

Η έρευνα διεξήχθη κατά τη διάρκεια του καλοκαιριού μεταξύ 1993 και 1999. Η περιοχή μελέτης χωρίστηκε σε γεωγραφικό πλάτος και μήκος. Οι επεξηγηματικές μεταβλητές που εξετάστηκαν στα μοντέλα ήταν μέσος όρος, εύρος και τυπική απόκλιση βάθους και κλίσης, απόσταση από την πλησιέστερη ακτογραμμή καθώς επίσης θερμοκρασία θαλάσσιας επιφάνειας και συγκέντρωση χλωροφύλλης-α. Τα πρώτα υπολογίστηκαν χρησιμοποιώντας GIS ενώ τα τελευταία ελήφθησαν από τους AVHRR και SeaWiFS. Χρησιμοποιήθηκαν Generalized Additive Models (GAM) με πολυδιάστατες εξομαλύνσεις για να μοντελοποιηθούν η κατανομή των φαλαινών και των δελφινιών σχετικά με αυτές τις μεταβλητές, και επίσης χρησιμοποιήθηκαν τα δέντρα ταξινόμησης και παλινδρόμησης για τον χαρακτηρισμό των οικοτόπων και μοντέλων πρόβλεψης. Τα μοντέλα GAM συνδυάστηκαν με τις Γενικευμένες Εκτιμητικές Εξισώσεις (Generalized Estimating Equations -GEEs) για να υπολογιστεί η χρονική αυτοσυσχέτιση στα σφάλματα και για να βοηθήσει στην εξασφάλιση αξιόπιστης επιλογής μοντέλου.

'''Αποτελέσματα:'''

Συνολικά 273 ομάδες φαλαινών και 592 ομάδες δελφινιών παρατηρήθηκαν κατά τη διάρκεια της περιόδου μελέτης, σε αναζήτηση 24.713 χιλιομέτρων. Τα κυματομετρικά χαρακτηριστικά ήταν οι πιο πολύτιμοι προγνωστικοί δείκτες στην περιοχή του καταφυγίου Pelagos για τα δύο είδη. Οι τιμές θερμοκρασίας θάλασσας ήταν δείκτες για την παρουσία και των δύο ειδών, δελφινιών και φαλαινών. Και τα δύο είδη δείχνουν την τάση να προτιμούν ψυχρότερα νερά (21-24 ° C). Τα επίπεδα χλωροφύλλης-α επιλέχθηκαν από τα μοντέλα GAM μόνο για τα δελφίνια και με μεγάλη αβεβαιότητα. Αυτό μπορεί να συνδέεται με τη σχετικά σύντομη εξετασθείσα περίοδο (μόνο 2 έτη) ή και με οποιαδήποτε λειτουργική σχέση που υπάρχει σε μία διαφορετική γεωγραφική ή χρονική κλίμακα. Εντούτοις, οι ενισχυμένες ταξινομήσεις έδειξαν μεγάλη σημασία στην ύπαρξη χλωροφύλλης-α και για τα δύο είδη.

'''Συζήτηση:'''

Μία από τις σημαντικότερες φυσικές δυνάμεις που επηρεάζουν τη διανομή των φαλαινών και δελφινιών είναι η διαθεσιμότητα και η διανομή των πρωτογενών τους πηγών τροφής. Πλήρης κατανόηση των φυσικών και οικολογικών διαδικασιών η οποία διέπει τα νερά του Καταφυγίου Πέλαγος, εξακολουθεί να λείπει. Η βελτίωση αυτής της κατανόησης θα επιτρέψει την καλύτερη εφαρμογή του αναγκαίου μετριασμού και των μέτρων διατήρησης για την περιοχή αυτή, η οποία αντιμετωπίζει βαριά ανθρωπογενή πίεση. Για αυτόν τον λόγο προτείνεται ολόκληρη η περιοχή μελέτης, καθώς και δυτικά παρακείμενα ύδατα, να θεωρηθούν ως ένας ευρέως διαδεδομένος κρίσιμος βιότοπος για τις φάλαινες και τα δελφίνια.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Αρχείο:Ar4eik3.jpg

2020-01-23T13:30:50Z

DimPap:

Αρχείο:Ar4eik2.jpg

2020-01-23T13:30:36Z

DimPap:

Αρχείο:Ar4eik1.jpg

2020-01-23T13:30:18Z

DimPap:

Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφύγιο Πέλαγος (Δυτική Μεσόγειος Θάλασσα) ...

2020-01-23T13:29:26Z

DimPap: Νέα σελίδα με ''''Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφ...'

'''Μοντελοποίηση των προτιμήσεων των ενδιαιτημάτων για τις φάλαινες και τα δελφίνια στο Καταφύγιο Πέλαγος (Δυτική Μεσόγειος Θάλασσα) με φυσιογραφικές και τηλεπισκοπικές μεταβλητές'''

'''Πρωτότυπος τίτλος:''' Modelling habitat preferences for fin whales and striped dolphins in the Pelagos Sanctuary (Western Mediterranean Sea) with physiographic and remote sensing variables

'''Συγγραφείς:''' Simone Panigada, Margherita Zanardelli, Monique MacKenzie, Carl Donovan, Frédéric Mélin, Philip S. Hammond

'''Δημοσιεύθηκε:''' Remote Sensing of Environment 112 (2008) 3400–3412

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/abs/pii/S0034425708001375]

'''Λέξεις-Κλειδιά:''' Xαρτογράφηση άγριας πανίδας, φάλαινες, δελφίνια, Μεσόγειος Θάλασσα, Καταφύγιο

'''Εισαγωγή:'''

Το καταφύγιο Pelagos βρίσκεται ανάμεσα στη νοτιοανατολική Γαλλία, το Μονακό, τη Βόρεια Σαρδηνία και τη βορειοδυτική Ιταλία, καλύπτοντας μια περιοχή περίπου 90.000 km2. Οι φάλαινες και τα δελφίνια στη Μεσόγειο εκτίθενται σε έναν αριθμό ανθρωπογενών απειλών. Μερικές απειλές, όπως η ακουστική και χημική ρύπανση, και η περιβαλλοντική υποβάθμιση του βιοτόπου μπορεί να επηρεάσει και τα δύο. Μία από τις ανάγκες του καταφυγίου Pelagos για τη διατήρηση των θαλάσσιων θηλαστικών στη Μεσόγειο είναι η συλλογή πληροφοριών σχετικά με τα κρίσιμα ενδιαιτήματα για τα κητοειδή. Αυτή η μελέτη έχει ως στόχο την χαρτογράφηση των οικοτόπων των φαλαινών (Balaenoptera physalus) και των δελφινιών (Stenella coeruleoalba) (τα δύο πιο άφθονα είδη στην περιοχή) με σκοπό την παροχή αυτών των πληροφοριών, προκειμένου να αξιολογηθούν περιοχές ιδιαίτερης σημασίας για αυτά τα δύο είδη. Τα αποτελέσματα αυτής της μελέτης θα παρέχουν πληροφορίες που μπορούν να χρησιμοποιηθούν για τη συντήρηση και διαχείριση του καταφυγίου.

'''Δεδομένα και Μεθοδολογία:'''

Η έρευνα διεξήχθη κατά τη διάρκεια του καλοκαιριού μεταξύ 1993 και 1999. Η περιοχή μελέτης χωρίστηκε σε γεωγραφικό πλάτος και μήκος. Οι επεξηγηματικές μεταβλητές που εξετάστηκαν στα μοντέλα ήταν μέσος όρος, εύρος και τυπική απόκλιση βάθους και κλίσης, απόσταση από την πλησιέστερη ακτογραμμή καθώς επίσης θερμοκρασία θαλάσσιας επιφάνειας και συγκέντρωση χλωροφύλλης-α. Τα πρώτα υπολογίστηκαν χρησιμοποιώντας GIS ενώ τα τελευταία ελήφθησαν από τους AVHRR και SeaWiFS. Χρησιμοποιήθηκαν Generalized Additive Models (GAM) με πολυδιάστατες εξομαλύνσεις για να μοντελοποιηθούν η κατανομή των φαλαινών και των δελφινιών σχετικά με αυτές τις μεταβλητές, και επίσης χρησιμοποιήθηκαν τα δέντρα ταξινόμησης και παλινδρόμησης για τον χαρακτηρισμό των οικοτόπων και μοντέλων πρόβλεψης. Τα μοντέλα GAM συνδυάστηκαν με τις Γενικευμένες Εκτιμητικές Εξισώσεις (Generalized Estimating Equations -GEEs) για να υπολογιστεί η χρονική αυτοσυσχέτιση στα σφάλματα και για να βοηθήσει στην εξασφάλιση αξιόπιστης επιλογής μοντέλου.

'''Αποτελέσματα:'''

Συνολικά 273 ομάδες φαλαινών και 592 ομάδες δελφινιών παρατηρήθηκαν κατά τη διάρκεια της περιόδου μελέτης, σε αναζήτηση 24.713 χιλιομέτρων. Τα κυματομετρικά χαρακτηριστικά ήταν οι πιο πολύτιμοι προγνωστικοί δείκτες στην περιοχή του καταφυγίου Pelagos για τα δύο είδη. Οι τιμές θερμοκρασίας θάλασσας ήταν δείκτες για την παρουσία και των δύο ειδών, δελφινιών και φαλαινών. Και τα δύο είδη δείχνουν την τάση να προτιμούν ψυχρότερα νερά (21-24 ° C). Τα επίπεδα χλωροφύλλης-α επιλέχθηκαν από τα μοντέλα GAM μόνο για τα δελφίνια και με μεγάλη αβεβαιότητα. Αυτό μπορεί να συνδέεται με τη σχετικά σύντομη εξετασθείσα περίοδο (μόνο 2 έτη) ή και με οποιαδήποτε λειτουργική σχέση που υπάρχει σε μία διαφορετική γεωγραφική ή χρονική κλίμακα. Εντούτοις, οι ενισχυμένες ταξινομήσεις έδειξαν μεγάλη σημασία στην ύπαρξη χλωροφύλλης-α και για τα δύο είδη.

'''Συζήτηση:'''

Μία από τις σημαντικότερες φυσικές δυνάμεις που επηρεάζουν τη διανομή των φαλαινών και δελφινιών είναι η διαθεσιμότητα και η διανομή των πρωτογενών τους πηγών τροφής. Πλήρης κατανόηση των φυσικών και οικολογικών διαδικασιών η οποία διέπει τα νερά του Καταφυγίου Πέλαγος, εξακολουθεί να λείπει. Η βελτίωση αυτής της κατανόησης θα επιτρέψει την καλύτερη εφαρμογή του αναγκαίου μετριασμού και των μέτρων διατήρησης για την περιοχή αυτή, η οποία αντιμετωπίζει βαριά ανθρωπογενή πίεση. Για αυτόν τον λόγο προτείνεται ολόκληρη η περιοχή μελέτης, καθώς και δυτικά παρακείμενα ύδατα, να θεωρηθούν ως ένας ευρέως διαδεδομένος κρίσιμος βιότοπος για τις φάλαινες και τα δελφίνια.

[[category:Χαρτογράφηση των οικοτόπων της πανίδας]]

Ανάλυση των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου...

2020-01-23T13:15:34Z

DimPap:

'''Ανάλυση Landsat των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου σε σύγκριση με τις σχετικές αρχικές εκτιμήσεις περιβαλλοντικών επιπτώσεων: Το παράδειγμα του ποταμού Madeira 2006-2015'''

'''Πρωτότυπος τίτλος:''' : Landsat-based analysis of mega dam flooding impacts in the Amazon compared to associated environmental impact assessments: Upper Madeira River example 2006–2015

'''Συγγραφείς:''' Sheila M.V. Cochrane, Eraldo A.T. Matricardi, Izaya Numata, Paul A. Lefebvre

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment 7 (2017) 1–8

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938516301069]

'''Λέξεις-Κλειδιά:''' Εκτίμηση Περιβαλλοντικών Επιπτώσεων, Αμαζόνιος, Επιπτώσεις πλημμυρών, Φράγμα, Αμαζόνιος

[[Εικόνα:Ar3eik1.jpg| thumb| right|'''Εικόνα 1:''' Η ταξινομημένη εικόνα της περιοχής μελέτης που συγκρίνει την έκταση νερού το 2006 πριν από την κατασκευή φραγμάτων με την έκταση νερού το 2015 μετά την κατασκευή των φραγμάτων.]]

[[Εικόνα:ar3eik2.jpg| thumb| right|'''Eικόνα 2:''' Αεροφωτογραφίες του várzea στον ποταμό Madeira. Η εκτεταμένη καταστροφή δέντρων ως αποτέλεσμα παρατεταμένης κατάδυσης εμφανίζεται ως νερό ή αποψίλωση στην ταξινόμηση (δεξιά). Οι περιοχές που καταστρέφονται από παρατεταμένες πλημμύρες ή αυξανόμενα επίπεδα νερού εξακολουθούν να εμφανίζονται ως δάσος ή υποβαθμισμένο δάσος στην ταξινόμηση (αριστερά). Η ταξινομημένη εικόνα (κάτω) δείχνει πού διεξάγονται αυτές οι διαδικασίες. (Πηγή: Eraldo Matricardi)]]

[[Εικόνα:ar3pinakas.jpg| thumb| right|'''Εικόνα 3:''' Το νερό, το δάσος και η αποψίλωση των δασών αλλάζουν κάθε χρόνο από το 2006 έως το 2015.]]

'''Εισαγωγή:'''

Εκατοντάδες φράγματα έχουν κατασκευαστεί ή βρίσκονται υπό κατασκευή στον Αμαζόνιο της Βραζιλίας με σκοπό την κοινωνική ανάπτυξη, καθώς παρέχουν υδροηλεκτρική ενέργεια και διευκολύνουν την μεταφορά αγαθών κατά μήκος των ποταμών. Ωστόσο, πολλές περιβαλλοντικές μελέτες που γίνονται για την έγκριση αυτών των έργων έχουν παραλείψει ή υποτιμήσει σε μεγάλο βαθμό τις επιπτώσεις αυτών των φραγμάτων, οδηγώντας σε σοβαρές και συχνά ανεπανόρθωτες ζημίες. Ως εκ τούτου, πραγματοποιήθηκε μια Μελέτη περίπτωσης των μέγα φραγμάτων Santo Antônio και Jirau στον ποταμό Madeira της Rondônia, Βραζιλία.
Επιδιώχθηκε να παρουσιαστούν οι επιπτώσεις που έχουν προκύψει από δύο πρόσφατα κατασκευασμένα φράγματα στον Αμαζόνιο σε σύγκριση με τις προβλέψεις από την αρχική εκτίμηση περιβαλλοντικών επιπτώσεων που είχε πραγματοποιηθεί για την έγκριση της κατασκευής των φραγμάτων. Επίσης, αναφέρονται επιπτώσεις σε περιοχές που δεν είχαν ληφθεί υπόψη στις αρχικές μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων, συμπεριλαμβανομένων των πλημμυρών στην Várzea, τις διακρατικές επιπτώσεις στη Βολιβία και την ενδεχόμενη αναστολή των φραγμάτων. Επελέγησαν τα φράγματα Santo Antônio και Jirau κοντά στο Porto Velho, Rondônia καθώς προκαλούν αξιοσημείωτες επιπτώσεις στον μεγαλύτερο παραπόταμο του Αμαζονίου, ποταμό Madeira και στα γύρω οικοσυστήματα.

'''Μεθοδολογία:'''

Χρησιμοποιήθηκαν εικόνες από τους δορυφόρους Landsat TM και OLI για τον προσδιορισμό της περιοχής που καλύπτεται από το νερό κατά μήκος μιας έκτασης 539 km του ποταμού Madeira από το 2006 έως το 2015 (που καλύπτει το χρονικό διάστημα πριν και μετά την κατασκευή των φραγμάτων).

Χρησιμοποιήθηκε το λογισμικό Image Tools για την διόρθωση θολότητας και των σύννεφων και το μοντέλο FLAASH - ENVI έκδοση 4.8, στη συνέχεια χρησιμοποιήθηκε για να μετατρέψει την ακτινοβολία στην επιφάνεια σε ανακλαστικότητα. Διεξήχθη φασματική ανάλυση για τον προσδιορισμό της πράσινης βλάστησης, της μη φωτοσυνθετικής βλάστησης, σκιάς, εδάφους και δημιουργήθηκαν οι χάρτες με τέσσερις κατηγορίες κάλυψης γης: αποψιλωμένα εδάφη, νερό, δάσος και σύννεφα.

Για να βελτιώσουμε την ταξινόμηση των υδάτων , συμπεριλάβαμε το κλάσμα σκιάς ενώ καμένες περιοχές που ταξινομούνταν αρχικά ως νερό, υποδείχθηκαν χειροκίνητα. Χρησιμοποιήθηκε το ArcGIS για την δημιουργία μιας ζώνης 2km γύρω από τον ποταμό Madeira αρκετά μεγάλο για να συμπεριλάβει την ανάπτυξη της δεξαμενής μέχρι το 2015 χωρίς να περιβάλει τη δεξαμενή άλλου κοντινού φράγματος.

'''Αποτελέσματα:'''

Συγκρίναμε τις περιοχές νερού που υπολογίστηκαν από τους χάρτες Landsat με τις μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων που χρησιμοποιήθηκαν για την έγκριση κατασκευής των φραγμάτων.
Αυτή η ανάλυση έδειξε ότι οι δεξαμενές είναι τουλάχιστον 341 km2 (64,5%) μεγαλύτερες από ότι είχε προβλεφθεί αρχικά, με επιπλέον 102 km2 απρόβλεπτων πλημμυρών έξω από τις προγραμματισμένες περιοχές δεξαμενών, ενώ πλημμύρισαν 160 km2 φυσικού δάσους επιπλέον από το αρχικά προβλέψιμο.

'''Επίλογος:'''

Οι μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων υποτίμησαν σε μεγάλο βαθμό
τις πλημμύρες που προκλήθηκαν από τα δύο φράγματα ενώ παρέλειψαν αρκετές
άλλες σημαντικές επιπτώσεις, όπως η καταβύθιση του Várzea, διακρατικές επιπτώσεις στη Βολιβία και η πιθανότητα αποτυχίας του φράγματος.

[[category:Πλημμύρες]] [[category:Περιβαλλοντικές Επιπτώσεις]]

Ανάλυση των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου...

2020-01-23T12:10:43Z

DimPap:

'''Ανάλυση Landsat των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου σε σύγκριση με τις σχετικές αρχικές εκτιμήσεις περιβαλλοντικών επιπτώσεων: Το παράδειγμα του ποταμού Madeira 2006-2015'''

'''Πρωτότυπος τίτλος:''' : Landsat-based analysis of mega dam flooding impacts in the Amazon compared to associated environmental impact assessments: Upper Madeira River example 2006–2015

'''Συγγραφείς:''' Sheila M.V. Cochrane, Eraldo A.T. Matricardi, Izaya Numata, Paul A. Lefebvre

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment 7 (2017) 1–8

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938516301069]

'''Λέξεις-Κλειδιά:''' Εκτίμηση Περιβαλλοντικών Επιπτώσεων, Αμαζόνιος, Επιπτώσεις πλημμυρών, Φράγμα, Αμαζόνιος

[[Εικόνα:Ar3eik1.jpg| thumb| right|'''Εικόνα 1:''' Η ταξινομημένη εικόνα της περιοχής μελέτης που συγκρίνει την έκταση νερού το 2006 πριν από την κατασκευή φραγμάτων με την έκταση νερού το 2015 μετά την κατασκευή των φραγμάτων.]]

[[Εικόνα:ar3eik2| thumb| right|'''Eικόνα 2:''' Αεροφωτογραφίες (Πηγή: Eraldo Matricardi) του várzea στον ποταμό Madeira. Η εκτεταμένη καταστροφή δέντρων ως αποτέλεσμα παρατεταμένης κατάδυσης εμφανίζεται ως νερό ή αποψίλωση στην ταξινόμηση (δεξιά). Οι περιοχές που καταστρέφονται από παρατεταμένες πλημμύρες ή αυξανόμενα επίπεδα νερού εξακολουθούν να εμφανίζονται ως δάσος ή υποβαθμισμένο δάσος στην ταξινόμηση (αριστερά). Η ταξινομημένη εικόνα (κάτω) δείχνει πού διεξάγονται αυτές οι διαδικασίες.]]

'''Εισαγωγή:'''

Εκατοντάδες φράγματα έχουν κατασκευαστεί ή βρίσκονται υπό κατασκευή στον Αμαζόνιο της Βραζιλίας με σκοπό την κοινωνική ανάπτυξη, καθώς παρέχουν υδροηλεκτρική ενέργεια και διευκολύνουν την μεταφορά αγαθών κατά μήκος των ποταμών. Ωστόσο, πολλές περιβαλλοντικές μελέτες που γίνονται για την έγκριση αυτών των έργων έχουν παραλείψει ή υποτιμήσει σε μεγάλο βαθμό τις επιπτώσεις αυτών των φραγμάτων, οδηγώντας σε σοβαρές και συχνά ανεπανόρθωτες ζημίες. Ως εκ τούτου, πραγματοποιήθηκε μια Μελέτη περίπτωσης των μέγα φραγμάτων Santo Antônio και Jirau στον ποταμό Madeira της Rondônia, Βραζιλία.
Επιδιώχθηκε να παρουσιαστούν οι επιπτώσεις που έχουν προκύψει από δύο πρόσφατα κατασκευασμένα φράγματα στον Αμαζόνιο σε σύγκριση με τις προβλέψεις από την αρχική εκτίμηση περιβαλλοντικών επιπτώσεων που είχε πραγματοποιηθεί για την έγκριση της κατασκευής των φραγμάτων. Επίσης, αναφέρονται επιπτώσεις σε περιοχές που δεν είχαν ληφθεί υπόψη στις αρχικές μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων, συμπεριλαμβανομένων των πλημμυρών στην Várzea, τις διακρατικές επιπτώσεις στη Βολιβία και την ενδεχόμενη αναστολή των φραγμάτων. Επελέγησαν τα φράγματα Santo Antônio και Jirau κοντά στο Porto Velho, Rondônia καθώς προκαλούν αξιοσημείωτες επιπτώσεις στον μεγαλύτερο παραπόταμο του Αμαζονίου, ποταμό Madeira και στα γύρω οικοσυστήματα.

[[Εικόνα:ar3pinakas| thumb| center|'''Eικόνα 3:''' Το νερό, το δάσος και η αποψίλωση των δασών αλλάζουν κάθε χρόνο από το 2006 έως το 2015.]]

'''Μεθοδολογία:'''

Χρησιμοποιήθηκαν εικόνες από τους δορυφόρους Landsat TM και OLI για τον προσδιορισμό της περιοχής που καλύπτεται από το νερό κατά μήκος μιας έκτασης 539 km του ποταμού Madeira από το 2006 έως το 2015 (που καλύπτει το χρονικό διάστημα πριν και μετά την κατασκευή των φραγμάτων).

Χρησιμοποιήθηκε το λογισμικό Image Tools για την διόρθωση θολότητας και των σύννεφων και το μοντέλο FLAASH - ENVI έκδοση 4.8, στη συνέχεια χρησιμοποιήθηκε για να μετατρέψει την ακτινοβολία στην επιφάνεια σε ανακλαστικότητα. Διεξήχθη φασματική ανάλυση για τον προσδιορισμό της πράσινης βλάστησης, της μη φωτοσυνθετικής βλάστησης, σκιάς, εδάφους και δημιουργήθηκαν οι χάρτες με τέσσερις κατηγορίες κάλυψης γης: αποψιλωμένα εδάφη, νερό, δάσος και σύννεφα.

Για να βελτιώσουμε την ταξινόμηση των υδάτων , συμπεριλάβαμε το κλάσμα σκιάς ενώ καμένες περιοχές που ταξινομούνταν αρχικά ως νερό, υποδείχθηκαν χειροκίνητα. Χρησιμοποιήθηκε το ArcGIS για την δημιουργία μιας ζώνης 2km γύρω από τον ποταμό Madeira αρκετά μεγάλο για να συμπεριλάβει την ανάπτυξη της δεξαμενής μέχρι το 2015 χωρίς να περιβάλει τη δεξαμενή άλλου κοντινού φράγματος.

'''Αποτελέσματα:'''

Συγκρίναμε τις περιοχές νερού που υπολογίστηκαν από τους χάρτες Landsat με τις μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων που χρησιμοποιήθηκαν για την έγκριση κατασκευής των φραγμάτων.
Αυτή η ανάλυση έδειξε ότι οι δεξαμενές είναι τουλάχιστον 341 km2 (64,5%) μεγαλύτερες από ότι είχε προβλεφθεί αρχικά, με επιπλέον 102 km2 απρόβλεπτων πλημμυρών έξω από τις προγραμματισμένες περιοχές δεξαμενών, ενώ πλημμύρισαν 160 km2 φυσικού δάσους επιπλέον από το αρχικά προβλέψιμο.

'''Επίλογος:'''

Οι μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων υποτίμησαν σε μεγάλο βαθμό
τις πλημμύρες που προκλήθηκαν από τα δύο φράγματα ενώ παρέλειψαν αρκετές
άλλες σημαντικές επιπτώσεις, όπως η καταβύθιση του Várzea, διακρατικές επιπτώσεις στη Βολιβία και η πιθανότητα αποτυχίας του φράγματος.

[[category:Πλημμύρες]] [[category:Περιβαλλοντικές Επιπτώσεις]]

Αρχείο:Ar3pinakas.jpg

2020-01-23T12:03:40Z

DimPap:

Αρχείο:Ar3eik2.jpg

2020-01-23T12:03:21Z

DimPap:

Αρχείο:Ar3eik1.jpg

2020-01-23T12:03:04Z

DimPap:

Ανάλυση των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου...

2020-01-23T12:00:03Z

DimPap: Νέα σελίδα με ''''Ανάλυση Landsat των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου σε σύγκριση με τις σχετι...'

'''Ανάλυση Landsat των επιπτώσεων των πλημμυρών στο φράγμα του Αμαζόνιου σε σύγκριση με τις σχετικές αρχικές εκτιμήσεις περιβαλλοντικών επιπτώσεων: Το παράδειγμα του ποταμού Madeira 2006-2015'''

'''Πρωτότυπος τίτλος:''' : Landsat-based analysis of mega dam flooding impacts in the Amazon compared to associated environmental impact assessments: Upper Madeira River example 2006–2015

'''Συγγραφείς:''' Sheila M.V. Cochrane, Eraldo A.T. Matricardi, Izaya Numata, Paul A. Lefebvre

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment 7 (2017) 1–8

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938516301069]

'''Λέξεις-Κλειδιά:''' Εκτίμηση Περιβαλλοντικών Επιπτώσεων, Αμαζόνιος, Επιπτώσεις πλημμυρών, Φράγμα, Αμαζόνιος

'''Εισαγωγή:'''

Εκατοντάδες φράγματα έχουν κατασκευαστεί ή βρίσκονται υπό κατασκευή στον Αμαζόνιο της Βραζιλίας με σκοπό την κοινωνική ανάπτυξη, καθώς παρέχουν υδροηλεκτρική ενέργεια και διευκολύνουν την μεταφορά αγαθών κατά μήκος των ποταμών. Ωστόσο, πολλές περιβαλλοντικές μελέτες που γίνονται για την έγκριση αυτών των έργων έχουν παραλείψει ή υποτιμήσει σε μεγάλο βαθμό τις επιπτώσεις αυτών των φραγμάτων, οδηγώντας σε σοβαρές και συχνά ανεπανόρθωτες ζημίες. Ως εκ τούτου, πραγματοποιήθηκε μια Μελέτη περίπτωσης των μέγα φραγμάτων Santo Antônio και Jirau στον ποταμό Madeira της Rondônia, Βραζιλία.
Επιδιώχθηκε να παρουσιαστούν οι επιπτώσεις που έχουν προκύψει από δύο πρόσφατα κατασκευασμένα φράγματα στον Αμαζόνιο σε σύγκριση με τις προβλέψεις από την αρχική εκτίμηση περιβαλλοντικών επιπτώσεων που είχε πραγματοποιηθεί για την έγκριση της κατασκευής των φραγμάτων. Επίσης, αναφέρονται επιπτώσεις σε περιοχές που δεν είχαν ληφθεί υπόψη στις αρχικές μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων, συμπεριλαμβανομένων των πλημμυρών στην Várzea, τις διακρατικές επιπτώσεις στη Βολιβία και την ενδεχόμενη αναστολή των φραγμάτων. Επελέγησαν τα φράγματα Santo Antônio και Jirau κοντά στο Porto Velho, Rondônia καθώς προκαλούν αξιοσημείωτες επιπτώσεις στον μεγαλύτερο παραπόταμο του Αμαζονίου, ποταμό Madeira και στα γύρω οικοσυστήματα.

'''Μεθοδολογία:'''

Χρησιμοποιήθηκαν εικόνες από τους δορυφόρους Landsat TM και OLI για τον προσδιορισμό της περιοχής που καλύπτεται από το νερό κατά μήκος μιας έκτασης 539 km του ποταμού Madeira από το 2006 έως το 2015 (που καλύπτει το χρονικό διάστημα πριν και μετά την κατασκευή των φραγμάτων).

Χρησιμοποιήθηκε το λογισμικό Image Tools για την διόρθωση θολότητας και των σύννεφων και το μοντέλο FLAASH - ENVI έκδοση 4.8, στη συνέχεια χρησιμοποιήθηκε για να μετατρέψει την ακτινοβολία στην επιφάνεια σε ανακλαστικότητα. Διεξήχθη φασματική ανάλυση για τον προσδιορισμό της πράσινης βλάστησης, της μη φωτοσυνθετικής βλάστησης, σκιάς, εδάφους και δημιουργήθηκαν οι χάρτες με τέσσερις κατηγορίες κάλυψης γης: αποψιλωμένα εδάφη, νερό, δάσος και σύννεφα.

Για να βελτιώσουμε την ταξινόμηση των υδάτων , συμπεριλάβαμε το κλάσμα σκιάς ενώ καμένες περιοχές που ταξινομούνταν αρχικά ως νερό, υποδείχθηκαν χειροκίνητα. Χρησιμοποιήθηκε το ArcGIS για την δημιουργία μιας ζώνης 2km γύρω από τον ποταμό Madeira αρκετά μεγάλο για να συμπεριλάβει την ανάπτυξη της δεξαμενής μέχρι το 2015 χωρίς να περιβάλει τη δεξαμενή άλλου κοντινού φράγματος.

'''Αποτελέσματα:'''

Συγκρίναμε τις περιοχές νερού που υπολογίστηκαν από τους χάρτες Landsat με τις μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων που χρησιμοποιήθηκαν για την έγκριση κατασκευής των φραγμάτων.
Αυτή η ανάλυση έδειξε ότι οι δεξαμενές είναι τουλάχιστον 341 km2 (64,5%) μεγαλύτερες από ότι είχε προβλεφθεί αρχικά, με επιπλέον 102 km2 απρόβλεπτων πλημμυρών έξω από τις προγραμματισμένες περιοχές δεξαμενών, ενώ πλημμύρισαν 160 km2 φυσικού δάσους επιπλέον από το αρχικά προβλέψιμο.

'''Επίλογος:'''

Οι μελέτες εκτίμησης περιβαλλοντικών επιπτώσεων υποτίμησαν σε μεγάλο βαθμό
τις πλημμύρες που προκλήθηκαν από τα δύο φράγματα ενώ παρέλειψαν αρκετές
άλλες σημαντικές επιπτώσεις, όπως η καταβύθιση του Várzea, διακρατικές επιπτώσεις στη Βολιβία και η πιθανότητα αποτυχίας του φράγματος.

[[category:Πλημμύρες]] [[category:Περιβαλλοντικές Επιπτώσεις]]

Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο

2020-01-23T11:40:01Z

DimPap:

'''Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο'''

'''Πρωτότυπος τίτλος:''' Rapid remote sensing assessment of impacts from Hurricane Maria on forests of Puerto Rico

'''Συγγραφείς:''' Yanlei Feng, Robinson I. Negron-Juarez, Christina M. Patricola, William D. Collins, Maria Uriarte, Jazlynn S. Hall, Nicholas Clinton, Jeffrey Q. Chambers

'''Δημοσιεύθηκε:''' PeerJ Preprints, 1 Mar 2018

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.researchgate.net/publication/324731129_Rapid_remote_sensing_assessment_of_impacts_from_Hurricane_Maria_on_forests_of_Puerto_Rico]

'''Λέξεις-Κλειδιά:''' Τυφώνας Μαρία, Εκτίμηση καταστροφών από τυφώνες, Δασικές καταστροφές, Περιβαλλοντικές επιπτώσεις

[[Εικόνα:Ar2printontufwna.jpg| thumb| right|'''Εικόνα 1:''' Πριν τον τυφώνα Μαρία κόκκινο στο κανάλι 6, πράσινο στο κανάλι 5 κ μπλε στο κανάλι 4]]

[[Εικόνα:ar2metatontufwna.jpg| thumb| right|'''Eικόνα 2:''' Μετά τον τυφώνα Μαρία κόκκινο στο κανάλι 6, πράσινο στο κανάλι 5 κ μπλε στο κανάλι 4]]

[[Εικόνα:ar2disturn.jpg| thumb| right|'''Eικόνα 3:''' Απεικόνιση περιοχών με υψηλή μη φωτοσυνθετική βλάστηση σε κόκκινα χρώματα φωτεινότητας (μωβ-καφέ-κόκκινο) γεγονός που υποδηλώνει υψηλά επίπεδα ολικής καταστροφής και δομικής βλάβης δένδρων. Οι γκρι περιοχές αντιστοιχούν σε μη δασικές εκτάσεις ή περιοχές με σύννεφα]]

'''Εισαγωγή:'''

Δεδομένης της θέσης του Πουέρτο Ρίκο στην περιοχή βορειοανατολικά της Καραϊβικής μεταξύ της Καραϊβικής Θάλασσας και του Ατλαντικού Ωκεανού, το νησί είναι ευάλωτο σε τυφώνες. Για αυτόν τον λόγο, έχει πληχθεί από πολλούς τυφώνες και τροπικές καταιγίδες κατά καιρούς. Ο τυφώνας Μαρία έφτασε στην ξηρά ως ισχυρός τυφώνας κατηγορίας 4 στο νοτιοανατολικό Πουέρτο Ρίκο στις 20 Σεπτεμβρίου 2018. Ο τυφώνας διέσχισε το νησί σε βορειοδυτική κατεύθυνση προκαλώντας ευρεία καταστροφή. Η μελέτη αυτή επικεντρώθηκε στην άμεση αξιολόγηση των επιπτώσεων του τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο.

'''Μεθοδολογία:'''

Πραγματοποιήθηκαν τοπογραφικές διορθώσεις καθώς και ραδιομετρικές διαβαθμίσεις των εικόνων από τον Landsat 8 για ολόκληρο το νησί για την περίοδο πριν και μετά τον τυφώνα Μαρία, χρησιμοποιώντας το Google Earth Engine. Για την ελαχιστοποίηση της μεταβλητότητας της ανάκλασης χρησιμοποιήθηκε αλγόριθμος διόρθωσης φωτισμού του Bin.
Επίσης, έγινε φασματική ανάλυση Landsat 8 (κανάλια 2, 3, 4, 5, 6, and 7) για τον υπολογισμό των αλλαγών στην μη φωτοσυνθετική βλάστηση, μια μέτρηση που ποσοτικοποιεί την αυξημένη ύπαρξη εκτεθειμένου ξύλου, νεκρής βλάστησης και ξυλώδης βιομάζας που συνδέονται με τη καταστροφή των δένδρων και των κλαδιών από τον τυφώνα.
Για τον προσδιορισμό των δασικών περιοχών, χρησιμοποιήθηκε ο χάρτης Hansen Global Forest Change (έκδοση 1.4, 30m) όπου συμπεριλήφθηκε όλη η βλάστηση υψηλότερη από 5 μ.
Οι προσομοιώσεις τυφώνων διεξήχθησαν με τη χρήση του περιφερειακού κλιματικού μοντέλου Weather Research and Forecasting (WRF) για την εκτίμηση των ανέμων που σχετίζονται με τη δασική διαταραχή.

'''Αποτελέσματα:'''

Οι εικόνες 1 και 2 απεικονίζουν την εκτεταμένη επίδραση που είχε ο τυφώνας Μαρία στο νησί του Πουέρτο Ρίκο ως αλλαγή από πράσινο σε κόκκινο πριν και μετά τον τυφώνα αντίστοιχα. Απεικονίζεται σημαντική χωρική μεταβλητότητα στις διαταραχές, με πρότυπα που σχετίζονται με παράγοντες όπως η κλίση, η όψη και η ανύψωση. Μια αρχική εκτίμηση των επιπτώσεων βάσει προηγούμενων εργασιών έδειξε ότι ο τυφώνας Μαρία μπορεί να έχει προκαλέσει σοβαρές ζημιές και καταστροφή σε 23 με 31 εκατομμύρια δέντρα. Απαιτούνται περαιτέρω εργασίες πεδίου και λεπτομερείς αναλύσεις εικόνας για το αντίκτυπο που προκάλεσε ο τυφώνας Μαρία στα δασικά οικοσυστήματα του Πουέρτο Ρίκο.

[[category:Εκτίμηση καταστροφών από καταιγίδες]] [[category:Περιβαλλοντικές Επιπτώσεις]]

Αρχείο:Ar2disturn.jpg

2020-01-23T11:31:01Z

DimPap:

Αρχείο:Ar2metatontufwna.jpg

2020-01-23T11:30:37Z

DimPap:

Αρχείο:Ar2printontufwna.jpg

2020-01-23T11:30:22Z

DimPap:

Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο

2020-01-23T11:26:47Z

DimPap:

'''Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο'''

'''Πρωτότυπος τίτλος:''' Rapid remote sensing assessment of impacts from Hurricane Maria on forests of Puerto Rico

'''Συγγραφείς:''' Yanlei Feng, Robinson I. Negron-Juarez, Christina M. Patricola, William D. Collins, Maria Uriarte, Jazlynn S. Hall, Nicholas Clinton, Jeffrey Q. Chambers

'''Δημοσιεύθηκε:''' PeerJ Preprints, 1 Mar 2018

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.researchgate.net/publication/324731129_Rapid_remote_sensing_assessment_of_impacts_from_Hurricane_Maria_on_forests_of_Puerto_Rico]

'''Λέξεις-Κλειδιά:''' Τυφώνας Μαρία, Εκτίμηση καταστροφών από τυφώνες, Δασικές καταστροφές, Περιβαλλοντικές επιπτώσεις

'''Εισαγωγή:'''

Δεδομένης της θέσης του Πουέρτο Ρίκο στην περιοχή βορειοανατολικά της Καραϊβικής μεταξύ της Καραϊβικής Θάλασσας και του Ατλαντικού Ωκεανού, το νησί είναι ευάλωτο σε τυφώνες. Για αυτόν τον λόγο, έχει πληχθεί από πολλούς τυφώνες και τροπικές καταιγίδες κατά καιρούς. Ο τυφώνας Μαρία έφτασε στην ξηρά ως ισχυρός τυφώνας κατηγορίας 4 στο νοτιοανατολικό Πουέρτο Ρίκο στις 20 Σεπτεμβρίου 2018. Ο τυφώνας διέσχισε το νησί σε βορειοδυτική κατεύθυνση προκαλώντας ευρεία καταστροφή. Η μελέτη αυτή επικεντρώθηκε στην άμεση αξιολόγηση των επιπτώσεων του τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο.

'''Μεθοδολογία:'''

Πραγματοποιήθηκαν τοπογραφικές διορθώσεις καθώς και ραδιομετρικές διαβαθμίσεις των εικόνων από τον Landsat 8 για ολόκληρο το νησί για την περίοδο πριν και μετά τον τυφώνα Μαρία, χρησιμοποιώντας το Google Earth Engine. Για την ελαχιστοποίηση της μεταβλητότητας της ανάκλασης χρησιμοποιήθηκε αλγόριθμος διόρθωσης φωτισμού του Bin.
Επίσης, έγινε φασματική ανάλυση Landsat 8 (κανάλια 2, 3, 4, 5, 6, and 7) για τον υπολογισμό των αλλαγών στην μη φωτοσυνθετική βλάστηση, μια μέτρηση που ποσοτικοποιεί την αυξημένη ύπαρξη εκτεθειμένου ξύλου, νεκρής βλάστησης και ξυλώδης βιομάζας που συνδέονται με τη καταστροφή των δένδρων και των κλαδιών από τον τυφώνα.
Για τον προσδιορισμό των δασικών περιοχών, χρησιμοποιήθηκε ο χάρτης Hansen Global Forest Change (έκδοση 1.4, 30m) όπου συμπεριλήφθηκε όλη η βλάστηση υψηλότερη από 5 μ.
Οι προσομοιώσεις τυφώνων διεξήχθησαν με τη χρήση του περιφερειακού κλιματικού μοντέλου Weather Research and Forecasting (WRF) για την εκτίμηση των ανέμων που σχετίζονται με τη δασική διαταραχή.

'''Αποτελέσματα:'''

Οι εικόνες 1 και 2 απεικονίζουν την εκτεταμένη επίδραση που είχε ο τυφώνας Μαρία στο νησί του Πουέρτο Ρίκο ως αλλαγή από πράσινο σε κόκκινο πριν και μετά τον τυφώνα αντίστοιχα. Απεικονίζεται σημαντική χωρική μεταβλητότητα στις διαταραχές, με πρότυπα που σχετίζονται με παράγοντες όπως η κλίση, η όψη και η ανύψωση. Μια αρχική εκτίμηση των επιπτώσεων βάσει προηγούμενων εργασιών έδειξε ότι ο τυφώνας Μαρία μπορεί να έχει προκαλέσει σοβαρές ζημιές και καταστροφή σε 23 με 31 εκατομμύρια δέντρα. Απαιτούνται περαιτέρω εργασίες πεδίου και λεπτομερείς αναλύσεις εικόνας για το αντίκτυπο που προκάλεσε ο τυφώνας Μαρία στα δασικά οικοσυστήματα του Πουέρτο Ρίκο.

[[category:Εκτίμηση καταστροφών από καταιγίδες]]

Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο

2020-01-23T11:24:12Z

DimPap: Νέα σελίδα με ''''Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο''' '''...'

'''Ταχεία τηλεπισκόπηση για τις επιπτώσεις από τον τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο'''

'''Πρωτότυπος τίτλος:''' Rapid remote sensing assessment of impacts from Hurricane Maria on forests of Puerto Rico

'''Συγγραφείς:''' Yanlei Feng, Robinson I. Negron-Juarez, Christina M. Patricola, William D. Collins, Maria Uriarte, Jazlynn S. Hall, Nicholas Clinton, Jeffrey Q. Chambers

'''Δημοσιεύθηκε:''' PeerJ Preprints, 1 Mar 2018

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.researchgate.net/publication/324731129_Rapid_remote_sensing_assessment_of_impacts_from_Hurricane_Maria_on_forests_of_Puerto_Rico]

'''Λέξεις-Κλειδιά:''' Τυφώνας Μαρία, Εκτίμηση καταστροφών από τυφώνες, Δασικές καταστροφές, Περιβαλλοντικές επιπτώσεις

'''Εισαγωγή:'''

Δεδομένης της θέσης του Πουέρτο Ρίκο στην περιοχή βορειοανατολικά της Καραϊβικής μεταξύ της Καραϊβικής Θάλασσας και του Ατλαντικού Ωκεανού, το νησί είναι ευάλωτο σε τυφώνες. Για αυτόν τον λόγο, έχει πληχθεί από πολλούς τυφώνες και τροπικές καταιγίδες κατά καιρούς. Ο τυφώνας Μαρία έφτασε στην ξηρά ως ισχυρός τυφώνας κατηγορίας 4 στο νοτιοανατολικό Πουέρτο Ρίκο στις 20 Σεπτεμβρίου 2018. Ο τυφώνας διέσχισε το νησί σε βορειοδυτική κατεύθυνση προκαλώντας ευρεία καταστροφή. Η μελέτη αυτή επικεντρώθηκε στην άμεση αξιολόγηση των επιπτώσεων του τυφώνα Μαρία στα δάση του Πουέρτο Ρίκο.

'''Μεθοδολογία:'''

Πραγματοποιήθηκαν τοπογραφικές διορθώσεις καθώς και ραδιομετρικές διαβαθμίσεις των εικόνων από τον Landsat 8 για ολόκληρο το νησί για την περίοδο πριν και μετά τον τυφώνα Μαρία, χρησιμοποιώντας το Google Earth Engine. Για την ελαχιστοποίηση της μεταβλητότητας της ανάκλασης χρησιμοποιήθηκε αλγόριθμος διόρθωσης φωτισμού του Bin.
Επίσης, έγινε φασματική ανάλυση Landsat 8 (κανάλια 2, 3, 4, 5, 6, and 7) για τον υπολογισμό των αλλαγών στην μη φωτοσυνθετική βλάστηση, μια μέτρηση που ποσοτικοποιεί την αυξημένη ύπαρξη εκτεθειμένου ξύλου, νεκρής βλάστησης και ξυλώδης βιομάζας που συνδέονται με τη καταστροφή των δένδρων και των κλαδιών από τον τυφώνα.
Για τον προσδιορισμό των δασικών περιοχών, χρησιμοποιήθηκε ο χάρτης Hansen Global Forest Change (έκδοση 1.4, 30m) όπου συμπεριλήφθηκε όλη η βλάστηση υψηλότερη από 5 μ.
Οι προσομοιώσεις τυφώνων διεξήχθησαν με τη χρήση του περιφερειακού κλιματικού μοντέλου Weather Research and Forecasting (WRF) για την εκτίμηση των ανέμων που σχετίζονται με τη δασική διαταραχή.

'''Αποτελέσματα:'''

Οι εικόνες 1 και 2 απεικονίζουν την εκτεταμένη επίδραση που είχε ο τυφώνας Μαρία στο νησί του Πουέρτο Ρίκο ως αλλαγή από πράσινο σε κόκκινο πριν και μετά τον τυφώνα αντίστοιχα. Απεικονίζεται σημαντική χωρική μεταβλητότητα στις διαταραχές, με πρότυπα που σχετίζονται με παράγοντες όπως η κλίση, η όψη και η ανύψωση. Μια αρχική εκτίμηση των επιπτώσεων βάσει προηγούμενων εργασιών έδειξε ότι ο τυφώνας Μαρία μπορεί να έχει προκαλέσει σοβαρές ζημιές και καταστροφή σε 23 με 31 εκατομμύρια δέντρα. Απαιτούνται περαιτέρω εργασίες πεδίου και λεπτομερείς αναλύσεις εικόνας για το αντίκτυπο που προκάλεσε ο τυφώνας Μαρία στα δασικά οικοσυστήματα του Πουέρτο Ρίκο.

[[category:Εκτίμηση καταστροφών από καταιγίδες]]

Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία

2020-01-23T10:54:47Z

DimPap:

'''Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία'''

'''Πρωτότυπος τίτλος:''' Agricultural plastic waste mapping using GIS. A case study in Italy

'''Συγγραφείς:''' Ileana Blanco, Rosa Viviana Loisi, Carmela Sica, Evelia Schettini, Giuliano Vox

'''Δημοσιεύθηκε:''' Resources, Conservation & Recycling 137 (2018) 229–242

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0921344918302143#fig0055]

'''Λέξεις-Κλειδιά:''' Xαρτογράφηση αποβλήτων, Διαχείριση αποβλήτων, GIS, Γεωργικά πλαστικά απόβλητα

[[Εικόνα:αρθρ1_χαρτης χρησης γης.jpg| thumb| right|'''Εικόνα 1:''' Χάρτης χρήσης γης στην περιοχή μελέτης.]]

[[Εικόνα:ar1xartismetabolispuknot.jpg| thumb| right|'''Eικόνα 2:''' Η κατανομή της συνολικής πυκνότητας γεωργικών πλαστικών αποβλήτων (kg ha-1yr-1) στην περιοχή μελέτης.]]

[[Εικόνα:ar1thesisulloghs.jpg| thumb| right|'''Eικόνα 3:''' Η κατάλληλη θέση των κέντρων συλλογής κάθε είδους αγροτικών πλαστικών αποβλήτων.]]

'''Εισαγωγή'''

Τα πλαστικά που χρησιμοποιούνται στην γεωργία παράγονται κυρίως από συνθετικά πετροχημικά πολυμερή, επομένως απαιτούν ένα κατάλληλο σύστημα διαχείρισης αποβλήτων για τη συλλογή και την επεξεργασία στο τέλος της διάρκειας ζωής τους. Τα γεωργικά πλαστικά συναντώνται κυρίως σε σωλήνες άρδευσης, δίχτυα για εδαφοκαλύψεις , υλικά για θερμοκήπια, συσκευασίες, σάκους, δοχεία κ.ά. Αυτά τα πλαστικά μπορεί να είναι ρυπασμένα με οργανική ύλη, παρασιτοκτόνα και λιπάσματα, έτσι αποτελούν ένα περιβαλλοντικό ζήτημα, το οποίο απαιτεί αποτελεσματικές λύσεις διαχείρισης αποβλήτων. Υπάρχει έλλειψη μεθοδολογίας για τον εντοπισμό των τύπων, των ποσοτήτων, των τόπων παραγωγής και των ροών των γεωργικών πλαστικών. Επομένως, η δημιουργία μιας γεωγραφικής βάσης δεδομένων θα ήταν χρήσιμη για να ξεπεραστεί το πρόβλημα της διαχείρισης των αγροτικών πλαστικών αποβλήτων.

'''Δεδομένα και μεθοδολογία'''

Η περιοχή μελέτης οριοθετείται από τα διοικητικά όρια της επαρχίας Barletta-Andria-Trani, στην Απουλία, Νότια Ιταλία. Η γεωργική περιοχή χαρακτηρίζεται από έντονη παραγωγή αγροτικών πλαστικών αποβλήτων, που συνδέεται με τη μαζική παρουσία αμπελώνων, ελαιώνων, και καλλιέργειες λαχανικών. Δημιουργήθηκε μια βάση δεδομένων GIS προκειμένου να γίνει χαρτογράφηση των αποβλήτων με βάση τις παρακάτω εργασίες:
* Δημιουργία ενός συνόλου πλαστικών δεικτών αποβλήτων για κάθε τύπο καλλιέργειας και εφαρμογής.
* Προετοιμασία του χάρτη χρήσης γης στο ArcMap. (Εικ.1)
* Επιλογή και επισήμανση του χάρτη χρήσης των καλλιεργειών που παράγουν πλαστικά απόβλητα
* Ανίχνευση των πλαστικών υλικών που χρησιμοποιούνται για την προστασία των καλλιεργειών.
* Αναφορά των πλαστικών αποβλήτων για κάθε εφαρμογή στα διάφορα χαρακτηριστικά της γης.
* Ποσοτική αξιολόγηση και γεωαναφορά του APW.
* Δημιουργία γεωγραφικής βάσης δεδομένων που συνοψίζει τις πλήρεις πληροφορίες
* Υλοποίηση των χαρτών.
* Αναγνώριση κατάλληλης θέσης κέντρων συλλογής.

Οι τύποι των καλλιεργειών που παράγουν πλαστικά απόβλητα στην περιοχή μελέτης καθορίστηκαν με ανάλυση των δεδομένων που συγκεντρώθηκαν κατά τη διάρκεια της 6ης Ιταλικής Γεωργικής απογραφής. Έπειτα πραγματοποιήθηκε έρευνα μεταξύ των αγροτών, με
συνεντεύξεις, υποβάλλοντας ερωτηματολόγια, όπου συλλέχθηκαν τα ετήσια δεδομένα σχετικά με την καλλιεργούμενη επιφάνεια και τον τίπο των καλλιεργειών, το διαφορετικό είδος πλαστικών υλικών που χρησιμοποιούνται για κάθε καλλιέργεια, τον τύπο πολυμερούς, πάχος, βάρος, μέγεθος, τις ποσότητες ανά εκτάριο και την διάρκεια ζωής τους σε μήνες κ.ά. Τα στοιχεία συγκεντρώθηκαν από 75 ερωτηματολόγια και χρησιμοποιήθηκε το λογισμικό CoStat (CoHort Software, Monterey, CA, ΗΠΑ) για τη Στατιστική ανάλυση.

Τα βασικά υλικά χαρτών που χρησιμοποιήθηκαν ήταν:
* Ψηφιακές ορθοφωτογραφίες χρώματος σε κλίμακα 1: 5000, με επίγεια ανάλυση 50 cm pixels, που λήφθηκαν από πτήσεις αεροπορικών πτήσεων το 2011 και το 2013.
* Χάρτης της χρήσης γης της περιφέρειας Apulia σε κλίμακα 1: 5000, που προέρχεται από τις ορθοφωτογραφίες του 2006 με 50 cm pixels, ενημερώθηκε με τους νέους τομείς που βρέθηκαν στις οροφωτογραφίες του 2011. Ο χάρτης συμμορφώνεται με την Ευρωπαϊκή Βάση Δεδομένων CORINE με επέκταση στο τέταρτο επίπεδο. Αυτός ο χάρτης διατίθεται δωρεάν στον ιστότοπο της περιφέρειας Apulia.

Οι χάρτες, τα όρια του δήμου και η βάση δεδομένων των αγροτικών πλαστικών αποβλήτων διαχειρίστηκαν μέσω του λογισμικού ArcMap10 ESRI GIS (www.esri.com). Οι χάρτες τοποθετήθηκαν στη ζώνη WGS 84 / UTM 33N συστήματος αναφοράς. Τα πρόσθετα δεδομένα ελήφθησαν μέσω των εργαλείων Google Maps 2014 και Google Earth 2014.
Επίσης για την πραγματοποίηση ερευνών εδάφους στις περιοχές με αβεβαιότητα και τη διαχείριση των δεδομένων χρησιμοποιήθηκαν το Global Navigation Satellite System ,οι υπολογιστές Pro 6H και Juno 5, τα προγράμματα Trimble TerraSync και GPS Pathfinder Office. Το πρόγραμμα QGIS χρησιμοποιήθηκε για τον εντοπισμό του γεωμετρικό κέντρο των πολυγώνων.

'''Αποτελέσματα'''

Το μεγαλύτερο ποσοστό (76%) προέρχεται από τους σωλήνες άρδευσης, δηλαδή αμπελώνες, ελαιώνες, καλλιέργειες λαχανικών. Το 18% προέρχεται από τα πλαστικά καλύμματα αμπελώνων και οπωροφόρων δέντρων. Η ποσότητα που προέρχεται από σακούλες (3%), δοχεία (2%)και ελαιοτριβεία (1%) δεν είναι σημαντική σε σχέση με το συνολικό ποσοστό.
Η ανάλυση έδειξε ότι τα γεωργικά πλαστικά απόβλητα που παράγονται ετησίως από μεμβράνες κάλυψης ήταν 627 kg ha-1, από δίκτυα κάλυψης 159 kg ha-1, από τα δίχτυα για την προστασία των καλλιεργειών ήταν 192 kg ha-1, από τα δίχτυα σκίασης ήταν 131 kg ha-1, από την άρδευση ήταν 104 kg ha-1. Μέσω του GIS, επισημάνθηκαν οι περιοχές με υψηλή πυκνότητα πλαστικών αποβλήτων και η κατάλληλη θέση των κέντρων συλλογής όπως φαίνονται στην εικόνα 3.

'''Επίλογος'''

Οι παραγόμενοι χάρτες και η βάση δεδομένων GIS μπορούν πάντα να είναι χρήσιμα εργαλεία για την παρακολούθηση και τη βελτιστοποίηση της συλλογής γεωργικών πλαστικών αποβλήτων από τα αγροκτήματα και τη μεταφορά τους στις εταιρείες ανακύκλωσης.

[[category:Γεωργία]] [[category:Χαρτογραφία]]

Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία

2020-01-23T10:45:42Z

DimPap:

Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία

2020-01-23T10:44:00Z

DimPap:

'''Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία'''

'''Πρωτότυπος τίτλος:''' Agricultural plastic waste mapping using GIS. A case study in Italy

'''Συγγραφείς:''' Ileana Blanco, Rosa Viviana Loisi, Carmela Sica, Evelia Schettini, Giuliano Vox

'''Δημοσιεύθηκε:''' Resources, Conservation & Recycling 137 (2018) 229–242

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0921344918302143#fig0055]

'''Λέξεις-Κλειδιά:''' Xαρτογράφηση αποβλήτων, Διαχείριση αποβλήτων, GIS, Γεωργικά πλαστικά απόβλητα

'''Εισαγωγή'''

Τα πλαστικά που χρησιμοποιούνται στην γεωργία παράγονται κυρίως από συνθετικά πετροχημικά πολυμερή, επομένως απαιτούν ένα κατάλληλο σύστημα διαχείρισης αποβλήτων για τη συλλογή και την επεξεργασία στο τέλος της διάρκειας ζωής τους. Τα γεωργικά πλαστικά συναντώνται κυρίως σε σωλήνες άρδευσης, δίχτυα για εδαφοκαλύψεις , υλικά για θερμοκήπια, συσκευασίες, σάκους, δοχεία κ.ά. Αυτά τα πλαστικά μπορεί να είναι ρυπασμένα με οργανική ύλη, παρασιτοκτόνα και λιπάσματα, έτσι αποτελούν ένα περιβαλλοντικό ζήτημα, το οποίο απαιτεί αποτελεσματικές λύσεις διαχείρισης αποβλήτων. Υπάρχει έλλειψη μεθοδολογίας για τον εντοπισμό των τύπων, των ποσοτήτων, των τόπων παραγωγής και των ροών των γεωργικών πλαστικών. Επομένως, η δημιουργία μιας γεωγραφικής βάσης δεδομένων θα ήταν χρήσιμη για να ξεπεραστεί το πρόβλημα της διαχείρισης των αγροτικών πλαστικών αποβλήτων.

'''Δεδομένα και μεθοδολογία'''

Η περιοχή μελέτης οριοθετείται από τα διοικητικά όρια της επαρχίας Barletta-Andria-Trani, στην Απουλία, Νότια Ιταλία. Η γεωργική περιοχή χαρακτηρίζεται από έντονη παραγωγή αγροτικών πλαστικών αποβλήτων, που συνδέεται με τη μαζική παρουσία αμπελώνων, ελαιώνων, και καλλιέργειες λαχανικών. Δημιουργήθηκε μια βάση δεδομένων GIS προκειμένου να γίνει χαρτογράφηση των αποβλήτων με βάση τις παρακάτω εργασίες:
* Δημιουργία ενός συνόλου πλαστικών δεικτών αποβλήτων για κάθε τύπο καλλιέργειας και εφαρμογής.
* Προετοιμασία του χάρτη χρήσης γης στο ArcMap. (Εικ.1)
* Επιλογή και επισήμανση του χάρτη χρήσης των καλλιεργειών που παράγουν πλαστικά απόβλητα
* Ανίχνευση των πλαστικών υλικών που χρησιμοποιούνται για την προστασία των καλλιεργειών.
* Αναφορά των πλαστικών αποβλήτων για κάθε εφαρμογή στα διάφορα χαρακτηριστικά της γης.
* Ποσοτική αξιολόγηση και γεωαναφορά του APW.
* Δημιουργία γεωγραφικής βάσης δεδομένων που συνοψίζει τις πλήρεις πληροφορίες
* Υλοποίηση των χαρτών.
* Αναγνώριση κατάλληλης θέσης κέντρων συλλογής.

Οι τύποι των καλλιεργειών που παράγουν πλαστικά απόβλητα στην περιοχή μελέτης καθορίστηκαν με ανάλυση των δεδομένων που συγκεντρώθηκαν κατά τη διάρκεια της 6ης Ιταλικής Γεωργικής απογραφής. Έπειτα πραγματοποιήθηκε έρευνα μεταξύ των αγροτών, με
συνεντεύξεις, υποβάλλοντας ερωτηματολόγια, όπου συλλέχθηκαν τα ετήσια δεδομένα σχετικά με την καλλιεργούμενη επιφάνεια και τον τίπο των καλλιεργειών, το διαφορετικό είδος πλαστικών υλικών που χρησιμοποιούνται για κάθε καλλιέργεια, τον τύπο πολυμερούς, πάχος, βάρος, μέγεθος, τις ποσότητες ανά εκτάριο και την διάρκεια ζωής τους σε μήνες κ.ά. Τα στοιχεία συγκεντρώθηκαν από 75 ερωτηματολόγια και χρησιμοποιήθηκε το λογισμικό CoStat (CoHort Software, Monterey, CA, ΗΠΑ) για τη Στατιστική ανάλυση.

Τα βασικά υλικά χαρτών που χρησιμοποιήθηκαν ήταν:
* Ψηφιακές ορθοφωτογραφίες χρώματος σε κλίμακα 1: 5000, με επίγεια ανάλυση 50 cm pixels, που λήφθηκαν από πτήσεις αεροπορικών πτήσεων το 2011 και το 2013.
* Χάρτης της χρήσης γης της περιφέρειας Apulia σε κλίμακα 1: 5000, που προέρχεται από τις ορθοφωτογραφίες του 2006 με 50 cm pixels, ενημερώθηκε με τους νέους τομείς που βρέθηκαν στις οροφωτογραφίες του 2011. Ο χάρτης συμμορφώνεται με την Ευρωπαϊκή Βάση Δεδομένων CORINE με επέκταση στο τέταρτο επίπεδο. Αυτός ο χάρτης διατίθεται δωρεάν στον ιστότοπο της περιφέρειας Apulia.

Οι χάρτες, τα όρια του δήμου και η βάση δεδομένων των αγροτικών πλαστικών αποβλήτων διαχειρίστηκαν μέσω του λογισμικού ArcMap10 ESRI GIS (www.esri.com). Οι χάρτες τοποθετήθηκαν στη ζώνη WGS 84 / UTM 33N συστήματος αναφοράς. Τα πρόσθετα δεδομένα ελήφθησαν μέσω των εργαλείων Google Maps 2014 και Google Earth 2014.
Επίσης για την πραγματοποίηση ερευνών εδάφους στις περιοχές με αβεβαιότητα και τη διαχείριση των δεδομένων χρησιμοποιήθηκαν το Global Navigation Satellite System ,οι υπολογιστές Pro 6H και Juno 5, τα προγράμματα Trimble TerraSync και GPS Pathfinder Office. Το πρόγραμμα QGIS χρησιμοποιήθηκε για τον εντοπισμό του γεωμετρικό κέντρο των πολυγώνων.

[[Εικόνα:αρθρ1_χαρτης χρησης γης.jpg| thumb| right|'''Εικόνα 1:''' Χάρτης χρήσης γης στην περιοχή μελέτης.]]

[[Εικόνα:ar1xartismetabolispuknot.jpg| thumb| right|'''Eικόνα 2:''' Η κατανομή της συνολικής πυκνότητας γεωργικών πλαστικών αποβλήτων (kg ha-1yr-1) στην περιοχή μελέτης.]]

[[Εικόνα:ar1thesisulloghs.jpg| thumb| right|'''Eικόνα 3:''' Η κατάλληλη θέση των κέντρων συλλογής κάθε είδους αγροτικών πλαστικών αποβλήτων.]]

'''Αποτελέσματα'''

Το μεγαλύτερο ποσοστό (76%) προέρχεται από τους σωλήνες άρδευσης, δηλαδή αμπελώνες, ελαιώνες, καλλιέργειες λαχανικών. Το 18% προέρχεται από τα πλαστικά καλύμματα αμπελώνων και οπωροφόρων δέντρων. Η ποσότητα που προέρχεται από σακούλες (3%), δοχεία (2%)και ελαιοτριβεία (1%) δεν είναι σημαντική σε σχέση με το συνολικό ποσοστό.
Η ανάλυση έδειξε ότι τα γεωργικά πλαστικά απόβλητα που παράγονται ετησίως από μεμβράνες κάλυψης ήταν 627 kg ha-1, από δίκτυα κάλυψης 159 kg ha-1, από τα δίχτυα για την προστασία των καλλιεργειών ήταν 192 kg ha-1, από τα δίχτυα σκίασης ήταν 131 kg ha-1, από την άρδευση ήταν 104 kg ha-1. Μέσω του GIS, επισημάνθηκαν οι περιοχές με υψηλή πυκνότητα πλαστικών αποβλήτων και η κατάλληλη θέση των κέντρων συλλογής όπως φαίνονται στην εικόνα 3.

'''Επίλογος'''

Οι παραγόμενοι χάρτες και η βάση δεδομένων GIS μπορούν πάντα να είναι χρήσιμα εργαλεία για την παρακολούθηση και τη βελτιστοποίηση της συλλογής γεωργικών πλαστικών αποβλήτων από τα αγροκτήματα και τη μεταφορά τους στις εταιρείες ανακύκλωσης.

[[category:Γεωργία]] [[category:Χαρτογραφία]]

Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία

2020-01-23T10:42:19Z

DimPap:

'''Χαρτογράφηση γεωργικών πλαστικών απορριμμάτων με χρήση GIS. Μια μελέτη περίπτωσης στην Ιταλία'''

'''Πρωτότυπος τίτλος:''' Agricultural plastic waste mapping using GIS. A case study in Italy

'''Συγγραφείς:''' Ileana Blanco, Rosa Viviana Loisi, Carmela Sica, Evelia Schettini, Giuliano Vox

'''Δημοσιεύθηκε:''' Resources, Conservation & Recycling 137 (2018) 229–242

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0921344918302143#fig0055]

'''Λέξεις-Κλειδιά:''' Xαρτογράφηση αποβλήτων, Διαχείριση αποβλήτων, GIS, Γεωργικά πλαστικά απόβλητα

'''Εισαγωγή'''

Τα πλαστικά που χρησιμοποιούνται στην γεωργία παράγονται κυρίως από συνθετικά πετροχημικά πολυμερή, επομένως απαιτούν ένα κατάλληλο σύστημα διαχείρισης αποβλήτων για τη συλλογή και την επεξεργασία στο τέλος της διάρκειας ζωής τους. Τα γεωργικά πλαστικά συναντώνται κυρίως σε σωλήνες άρδευσης, δίχτυα για εδαφοκαλύψεις , υλικά για θερμοκήπια, συσκευασίες, σάκους, δοχεία κ.ά. Αυτά τα πλαστικά μπορεί να είναι ρυπασμένα με οργανική ύλη, παρασιτοκτόνα και λιπάσματα, έτσι αποτελούν ένα περιβαλλοντικό ζήτημα, το οποίο απαιτεί αποτελεσματικές λύσεις διαχείρισης αποβλήτων. Υπάρχει έλλειψη μεθοδολογίας για τον εντοπισμό των τύπων, των ποσοτήτων, των τόπων παραγωγής και των ροών των γεωργικών πλαστικών. Επομένως, η δημιουργία μιας γεωγραφικής βάσης δεδομένων θα ήταν χρήσιμη για να ξεπεραστεί το πρόβλημα της διαχείρισης των αγροτικών πλαστικών αποβλήτων.

'''Δεδομένα και μεθοδολογία'''

Η περιοχή μελέτης οριοθετείται από τα διοικητικά όρια της επαρχίας Barletta-Andria-Trani, στην Απουλία, Νότια Ιταλία. Η γεωργική περιοχή χαρακτηρίζεται από έντονη παραγωγή αγροτικών πλαστικών αποβλήτων, που συνδέεται με τη μαζική παρουσία αμπελώνων, ελαιώνων, και καλλιέργειες λαχανικών. Δημιουργήθηκε μια βάση δεδομένων GIS προκειμένου να γίνει χαρτογράφηση των αποβλήτων με βάση τις παρακάτω εργασίες:
* Δημιουργία ενός συνόλου πλαστικών δεικτών αποβλήτων για κάθε τύπο καλλιέργειας και εφαρμογής.
* Προετοιμασία του χάρτη χρήσης γης στο ArcMap. (Εικ.1)
* Επιλογή και επισήμανση του χάρτη χρήσης των καλλιεργειών που παράγουν πλαστικά απόβλητα
* Ανίχνευση των πλαστικών υλικών που χρησιμοποιούνται για την προστασία των καλλιεργειών.
* Αναφορά των πλαστικών αποβλήτων για κάθε εφαρμογή στα διάφορα χαρακτηριστικά της γης.
* Ποσοτική αξιολόγηση και γεωαναφορά του APW.
* Δημιουργία γεωγραφικής βάσης δεδομένων που συνοψίζει τις πλήρεις πληροφορίες
* Υλοποίηση των χαρτών.
* Αναγνώριση κατάλληλης θέσης κέντρων συλλογής.

Οι τύποι των καλλιεργειών που παράγουν πλαστικά απόβλητα στην περιοχή μελέτης καθορίστηκαν με ανάλυση των δεδομένων που συγκεντρώθηκαν κατά τη διάρκεια της 6ης Ιταλικής Γεωργικής απογραφής. Έπειτα πραγματοποιήθηκε έρευνα μεταξύ των αγροτών, με
συνεντεύξεις, υποβάλλοντας ερωτηματολόγια, όπου συλλέχθηκαν τα ετήσια δεδομένα σχετικά με την καλλιεργούμενη επιφάνεια και τον τίπο των καλλιεργειών, το διαφορετικό είδος πλαστικών υλικών που χρησιμοποιούνται για κάθε καλλιέργεια, τον τύπο πολυμερούς, πάχος, βάρος, μέγεθος, τις ποσότητες ανά εκτάριο και την διάρκεια ζωής τους σε μήνες κ.ά. Τα στοιχεία συγκεντρώθηκαν από 75 ερωτηματολόγια και χρησιμοποιήθηκε το λογισμικό CoStat (CoHort Software, Monterey, CA, ΗΠΑ) για τη Στατιστική ανάλυση.

Τα βασικά υλικά χαρτών που χρησιμοποιήθηκαν ήταν:
* Ψηφιακές ορθοφωτογραφίες χρώματος σε κλίμακα 1: 5000, με επίγεια ανάλυση 50 cm pixels, που λήφθηκαν από πτήσεις αεροπορικών πτήσεων το 2011 και το 2013.
* Χάρτης της χρήσης γης της περιφέρειας Apulia σε κλίμακα 1: 5000, που προέρχεται από τις ορθοφωτογραφίες του 2006 με 50 cm pixels, ενημερώθηκε με τους νέους τομείς που βρέθηκαν στις οροφωτογραφίες του 2011. Ο χάρτης συμμορφώνεται με την Ευρωπαϊκή Βάση Δεδομένων CORINE με επέκταση στο τέταρτο επίπεδο. Αυτός ο χάρτης διατίθεται δωρεάν στον ιστότοπο της περιφέρειας Apulia.

Οι χάρτες, τα όρια του δήμου και η βάση δεδομένων των αγροτικών πλαστικών αποβλήτων διαχειρίστηκαν μέσω του λογισμικού ArcMap10 ESRI GIS (www.esri.com). Οι χάρτες τοποθετήθηκαν στη ζώνη WGS 84 / UTM 33N συστήματος αναφοράς. Τα πρόσθετα δεδομένα ελήφθησαν μέσω των εργαλείων Google Maps 2014 και Google Earth 2014.
Επίσης για την πραγματοποίηση ερευνών εδάφους στις περιοχές με αβεβαιότητα και τη διαχείριση των δεδομένων χρησιμοποιήθηκαν το Global Navigation Satellite System ,οι υπολογιστές Pro 6H και Juno 5, τα προγράμματα Trimble TerraSync και GPS Pathfinder Office. Το πρόγραμμα QGIS χρησιμοποιήθηκε για τον εντοπισμό του γεωμετρικό κέντρο των πολυγώνων.

'''Αποτελέσματα'''

Το μεγαλύτερο ποσοστό (76%) προέρχεται από τους σωλήνες άρδευσης, δηλαδή αμπελώνες, ελαιώνες, καλλιέργειες λαχανικών. Το 18% προέρχεται από τα πλαστικά καλύμματα αμπελώνων και οπωροφόρων δέντρων. Η ποσότητα που προέρχεται από σακούλες (3%), δοχεία (2%)και ελαιοτριβεία (1%) δεν είναι σημαντική σε σχέση με το συνολικό ποσοστό.
Η ανάλυση έδειξε ότι τα γεωργικά πλαστικά απόβλητα που παράγονται ετησίως από μεμβράνες κάλυψης ήταν 627 kg ha-1, από δίκτυα κάλυψης 159 kg ha-1, από τα δίχτυα για την προστασία των καλλιεργειών ήταν 192 kg ha-1, από τα δίχτυα σκίασης ήταν 131 kg ha-1, από την άρδευση ήταν 104 kg ha-1. Μέσω του GIS, επισημάνθηκαν οι περιοχές με υψηλή πυκνότητα πλαστικών αποβλήτων και η κατάλληλη θέση των κέντρων συλλογής όπως φαίνονται στην εικόνα 3.

[[Εικόνα:αρθρ1_χαρτης χρησης γης.jpg| thumb| right|'''Εικόνα 1:''' Χάρτης χρήσης γης στην περιοχή μελέτης.]]

[[Εικόνα:ar1xartismetabolispuknot.jpg| thumb| right|'''Eικόνα 2:''' Η κατανομή της συνολικής πυκνότητας γεωργικών πλαστικών αποβλήτων (kg ha-1yr-1) στην περιοχή μελέτης.]]

[[Εικόνα:ar1thesisulloghs.jpg| thumb| right|'''Eικόνα 3:''' Η κατάλληλη θέση των κέντρων συλλογής κάθε είδους αγροτικών πλαστικών αποβλήτων.]]

'''Επίλογος'''

Οι παραγόμενοι χάρτες και η βάση δεδομένων GIS μπορούν πάντα να είναι χρήσιμα εργαλεία για την παρακολούθηση και τη βελτιστοποίηση της συλλογής γεωργικών πλαστικών αποβλήτων από τα αγροκτήματα και τη μεταφορά τους στις εταιρείες ανακύκλωσης.

[[category:Γεωργία]] [[category:Χαρτογραφία]]

Αρχείο:Ar1thesisulloghs.jpg

2020-01-23T10:41:01Z

DimPap: