http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Dimi&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FDimi 2026-04-25T02:46:18Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T16:50:25Z

<p>Dimi: </p> <hr /> <div>[[Μοντελοποίηση και πρόβλεψη περιπτώσεων δάγκειου πυρετού σε βασικές περιοχές των Φιλιππίνων με τη χρήση δεδομένων τηλεπισκόπησης.]]<br /> <br /> [[Μία ανασκόπηση της τηλεπισκόπησης για τα μαγκρόβια δάση: 1956-2018]]<br /> <br /> [[Μια σύγκριση των μεθόδων δορυφορικής τηλεπισκόπησης...]]<br /> <br /> [[Η συσχέτιση μεταξύ των μετρήσεων του πράσινου χώρου με τα αποτελέσματα για την υγεία και τη συμπεριφορά...]]<br /> <br /> [[Χαρτογράφηση αστικής ανάπτυξης χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS, μελέτη περίπτωσης: Darbandikhan, Περιφέρεια Κουρδιστάν, Ιράκ]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CF%80%CF%84%CF%85%CE%BE%CE%B7%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS,_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%80%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7%CF%82:_Darbandikhan,_%CE%A0%CE%B5%CF%81%CE%B9%CF%86%CE%AD%CF%81%CE%B5%CE%B9%CE%B1_%CE%9A%CE%BF%CF%85%CF%81%CE%B4%CE%B9%CF%83%CF%84%CE%AC%CE%BD,_%CE%99%CF%81%CE%AC%CE%BA 2020-02-28T16:49:59Z

<p>Dimi: Νέα σελίδα με ''''Αρχικός Τίτλος:''' Urban Growth Mapping Using Remote Sensing and GIS Techniques, case study: Darbandikhan, Kurdistan Region, Iraq '''Συγγραφείς:...'</p> <hr /> <div>'''Αρχικός Τίτλος:''' Urban Growth Mapping Using Remote Sensing and GIS Techniques, case study: Darbandikhan, Kurdistan Region, Iraq<br /> <br /> '''Συγγραφείς:''' Iraj Rahimi, Imran Hasan Ahmad, Salim Neimat Azeez<br /> <br /> '''Ηλεκτρονική διέυθυνση:''' https://doi.org/10.1007/s42452-019-1806-4<br /> <br /> ==Αντικείμενο== <br /> Η περιβαλλοντική μεταβολή αποτελεί ένα κρίσιμο ζήτημα που αντιμετωπίζει ο πλανήτης και αναμφίβολα η επέκταση του πληθυσμού και η ανάπτυξη της αστικοποίησης έχει μεγάλη επίδραση στη φυσική συμπεριφορά (Foleyet al,2005). Η αλλαγή της χρήσης και της κάλυψης της γης προέρχεται από διάφορους παράγοντες τόσο φυσικούς όσο και ανθρωπογενείς. Η μελέτη αυτή στοχεύει σε ένα χάρτη αστικής ανάπτυξης, για την πόλη Darbandikhan, στα δυτικά του Κουρδιστάν-Ιράκ, με πληθυσμό 42.500 κατοίκους το 2012. Η συγκεκριμένη πόλη έχει στρατηγική τοποθεσία καθώς αποτελεί πέρασμα για τον ακατέργαστο πετρέλαιο στο Ιράν. Η μελέτη διεξήχθη χρησιμοποιώντας δεδομένα τηλεανίχνευσης – GIS για δεδομένα που λήφθηκαν την περίοδο 2003-2012. <br /> <br /> ==Μεθοδολογία== <br /> [[Εικόνα:DT darband img1.PNG|thumb|right|300px|Πίνακας 1: Συμβολισμός αντικειμένων στον χάρτη]]<br /> [[Εικόνα:DT darband img2.PNG|thumb|right|300px|Πίνακας 2: Έκταση της πόλης Darbandikhan, το 2003 και το 2012.]]<br /> [[Εικόνα:DT darband img3.PNG|thumb|right|300px|Πίνακας 3: Πληθυσμός της πόλης Darbandikhan το διάστημα 1977-2013.]]<br /> [[Εικόνα:DT darband img4.PNG|thumb|right|300px|Σχήμα 4: Τα όρια της πόλης Darbandikhan το 2003 και το 2012.]]<br /> Χρησιμοποιήθηκαν δεδομένα τηλεανίχνευσης – GIS στην παρακολούθηση της αστικής ανάπτυξης, διότι οι συγκεκριμένες τεχνικές αποτελούν έναν ισχυρό τρόπο εκτίμησης και χαρτογράφησης της αλλαγής χρήσης, κάλυψης της γης σε διαφορετική χωρική και χρονική ανάλυση. Επίσης, προσφέρει χαμηλότερο κόστος και ευελιξία για την παροχή απόψεων σχετικά με την επαναλαμβανόμενη κάλυψη σε μια περιοχή. Το Γεωγραφικό Σύστημα Πληροφοριών (GIS), αξιοποιείται για τον πολεοδομικό σχεδιασμό. Η πρώτη κατηγορία δεδομένων που χρησιμοποιήθηκε περιλαμβάνει δεδομένα πεδίου, συμπεριλαμβανομένης της τοποθεσίας των αστικών αντικειμένων (σχολεία, τζαμιά, νοσοκομεία, δημόσια και ακαδημαϊκά ιδρύματα κ.α) και μερικές στατιστικές όπως ο πληθυσμός και η αλλαγή του κατά τη διάρκεια της μελέτης. Η δεύτερη κατηγορία δεδομένων περιλαμβάνει δορυφορικές εικόνες. Η λήψη της πρώτης εικόνας έγινε το 2003, καθώς ήταν η εποχή που ξεκίνησε μια νέα οικονομική κατάσταση της χώρας. Η μελέτη ξεκίνησε με την ψηφιοποίηση της δορυφορικής εικόνας. Έγινε προσπάθεια προσδιορισμού της εικόνας που λήφθηκε το 2012, σχετικά με τον τόπο που εντοπίζονται τα διάφορα σημεία μελέτης, καθώς και επαλήθευσής τους μέσω παρατήρησης του χάρτη. Τα στοιχεία στη συνέχεια επεξεργάστηκαν στο ArcGIS. Ο πίνακας 1 παρουσιάζει τα στρώματα και τα σύμβολά τους όπως έχουν γίνει στο ArcGIS. Για να εντοπιστεί η έκταση της αστικής περιοχής από το 2003-2012 και η ανάπτυξή της, τα σύνορα της πόλης Darbandikhan για κάθε χρόνο εξήχθησαν από τη δορυφορική εικόνα και μετατράπηκαν σε στρώμα (Πίνακας 2). Παράλληλα με τις χωρικές αναλύσεις συγκεντρώθηκαν και στατιστικά δεδομένα των κατοικιών.<br /> <br /> ==Αποτελέσματα== <br /> Ο πληθυσμός της πόλης Darbandikhan καθώς και ο ρυθμός ανάπτυξης της, κατά την έκθεση της στατιστικής υπηρεσίας, σχεδόν διπλασιάστηκε κατά την εξεταζόμενη περίοδο (πίνακας 3) κυρίως στο Βορρά και τη Δύση. Το 2012, η περιοχή της πόλης είναι κατά 2,7 φορές μεγαλύτερη συγκριτικά με το 2003. Το αποτέλεσμα της ψηφιοποίησης μετατρέπεται σε χάρτη που αναδεικνύει τη θέση όλων των στοιχείων του πίνακα 1(σχήμα 4). Σύμφωνα με το χάρτη μόνο τα σχολεία ακολούθησαν την αστική δομή ανάπτυξης της πόλης, εντοπίζονται σε κοντινή όμως απόσταση και συμμορφώνονται με το πρότυπο του Ιράκ, σε αντίθεση με τις υπόλοιπες εγκαταστάσεις, οι οποίες διατηρούνται στο κέντρο της πόλης με απόρροια τη συγκέντρωση της κυκλοφορίας αυτοκινήτων στο σημείο. Ακόμη, η πολιτική γης είναι διαχωρισμένη και οι γειτονιές δεν έχουν κέντρο. Τέλος, η ταξινόμηση των οδών υποδεικνύει πως η πλειοψηφία των οδών της πόλης δεν ξεπερνά σε πλάτος τα 15μ. <br /> <br /> ==Συμπεράσματα==<br /> Η μετανάστευση από την αγροτική στην αστική περιοχή θεωρείται ως ο κύριος παράγοντας που δικαιολογεί την αύξηση του πληθυσμού. Για την υιοθέτηση πληρέστερης εικόνας για την περιοχή και για την άντληση πληροφοριών για τον τρόπο με τον οποίο αναπτύσσεται η αστική ανάπτυξη και η αλληλεπίδραση των κατοίκων, προτείνεται η διεξαγωγή μιας μελέτης για τον υπολογισμό της κοινωνικοοικονομικής πτυχής της μετανάστευσης. Ακόμη, θα συνέβαλλε θετικά η δημιουργία περισσότερων θέσεων στάθμευσης στο κέντρο όπου βρίσκεται η πλειοψηφία των υπηρεσιών, με σκοπό τη μείωση της κυκλοφοριακής συμφόρησης καθώς η λύση με τη μεταφορά ορισμένων υπηρεσιών πιο περιφερειακά δημιουργεί άμεση εξάρτηση του πολίτη από το αυτοκίνητο. <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_darband_img4.PNG 2020-02-28T16:49:36Z

<p>Dimi: Σχήμα 4: Τα όρια της πόλης Darbandikhan το 2003 και το 2012.</p> <hr /> <div>Σχήμα 4: Τα όρια της πόλης Darbandikhan το 2003 και το 2012.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_darband_img3.PNG 2020-02-28T16:48:24Z

<p>Dimi: Πίνακας 3: Πληθυσμός της πόλης Darbandikhan το διάστημα 1977-2013.</p> <hr /> <div>Πίνακας 3: Πληθυσμός της πόλης Darbandikhan το διάστημα 1977-2013.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_darband_img2.PNG 2020-02-28T16:47:37Z

<p>Dimi: Πίνακας 2: Έκταση της πόλης Darbandikhan, το 2003 και το 2012.</p> <hr /> <div>Πίνακας 2: Έκταση της πόλης Darbandikhan, το 2003 και το 2012.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_darband_img1.PNG 2020-02-28T16:46:16Z

<p>Dimi: Πίνακας 1: Συμβολισμός αντικειμένων στον χάρτη</p> <hr /> <div>Πίνακας 1: Συμβολισμός αντικειμένων στον χάρτη</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T16:41:34Z

<p>Dimi: </p> <hr /> <div>[[Μοντελοποίηση και πρόβλεψη περιπτώσεων δάγκειου πυρετού σε βασικές περιοχές των Φιλιππίνων με τη χρήση δεδομένων τηλεπισκόπησης.]]<br /> <br /> [[Μία ανασκόπηση της τηλεπισκόπησης για τα μαγκρόβια δάση: 1956-2018]]<br /> <br /> [[Μια σύγκριση των μεθόδων δορυφορικής τηλεπισκόπησης...]]<br /> <br /> [[Η συσχέτιση μεταξύ των μετρήσεων του πράσινου χώρου με τα αποτελέσματα για την υγεία και τη συμπεριφορά...]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%97_%CF%83%CF%85%CF%83%CF%87%CE%AD%CF%84%CE%B9%CF%83%CE%B7_%CE%BC%CE%B5%CF%84%CE%B1%CE%BE%CF%8D_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CF%84%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CF%80%CF%81%CE%AC%CF%83%CE%B9%CE%BD%CE%BF%CF%85_%CF%87%CF%8E%CF%81%CE%BF%CF%85_%CE%BC%CE%B5_%CF%84%CE%B1_%CE%B1%CF%80%CE%BF%CF%84%CE%B5%CE%BB%CE%AD%CF%83%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7_%CF%83%CF%85%CE%BC%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%BF%CF%81%CE%AC... 2020-02-28T16:41:10Z

<p>Dimi: Νέα σελίδα με 'Η συσχέτιση μεταξύ των μετρήσεων του πράσινου χώρου με τα αποτελέσματα για την υγεία και τη σ...'</p> <hr /> <div>Η συσχέτιση μεταξύ των μετρήσεων του πράσινου χώρου με τα αποτελέσματα για την υγεία και τη συμπεριφορά σε διαφορετικά μεγέθη buffer και τις αναλύσεις από τους αισθητήρες τηλεανίχνευσης. <br /> <br /> '''Αρχικός Τίτλος:''' Associations of green space metrics with health and behavior outcomes at different buffer sizes and remote sensing sensor resolutions.<br /> <br /> '''Συγγραφείς:''' JasonG.Sua, PayamDadvandb, MarkJ.Nieuwenhuijsenb, XavierBartolle, MichaelJerrettg<br /> <br /> '''Ηλεκτρονική διέυθυνση:''' https://doi.org/10.1016/j.envint.2019.02.008<br /> <br /> ==Αντικείμενο==<br /> Τα δορυφορικά δεδομένα χρησιμοποιούνται διαρκώς αυξανόμενα για τον χαρακτηρισμό του χώρου πρασίνου για μελέτες για την έκβαση της υγείας. Πιο συγκεκριμένα, έγινε προσπάθεια συσχέτισης του χώρου πρασίνου με την κατάσταση ψυχικής υγείας, κοινωνική στήριξη και σωματική δραστηριότητα για την Βαρκελώνη, χρησιμοποιώντας τα δεδομένα NDVI που προέρχονται από Landsat8 και η απόκτηση τους έγινε από buffers των 100μ., 250μ. και 500μ. από το σπίτι των συμμετεχόντων(Dadvand et αϊ., 2016). Σε αυτή την εργασία, το 2011, το δείγμα λήφθηκε τυχαία από το μητρώο, αριθμούσε περίπου 4000 άτομα από 10 διαφορετικές συνοικίες της πόλης, ανεξαρτήτως φύλου και ηλικίας άνω των 18 ετών. Για τον προσδιορισμό των επιπτώσεων της χωρικής ανάλυσης στον χαρακτηρισμό του χώρου χρησιμοποιήθηκαν τρία διαφορετικά δεδομένα τηλεπισκόπησης. Η διαδικασία διεξήχθη μέσω ερωτηματολογίων. Χρησιμοποιήθηκαν δεδομένα NDVI από 2012 και όχι για το 2011, λόγω καλύτερων διαθέσιμων δεδομένων τηλεανίχνευσης το 2012 «cloud free» κατά τους καλοκαιρινούς μήνες για τους τρεις αισθητήρες.<br /> <br /> ==Μεθοδολογία== <br /> [[Εικόνα:DT green space metrics img1.PNG|thumb|right|300px|Πίνακας 1:Εικόνες τηλεανίχνευσης και εύρος ζώνης για τη δημιουργία δείκτη βλάστησης για τη Βαρκελώνη.]]<br /> [[Εικόνα:DT green space metrics img2.PNG|thumb|right|300px|Πίνακας 3: Η συσχέτιση των δεικτών NDVI από WorldView2, RapidEye και Landsat διαμέσω 10.141σημείων.]]<br /> [[Εικόνα:DT green space metrics img3.PNG|thumb|right|300px|Η κατανομή των τιμών NDVI WorldView2,RapidEye και Landsat όπως ορίζεται από τα buffer σε απόσταση των 50,100,250 και 500μ. για τη Βαρκελώνη.]]<br /> [[Εικόνα:DT green space metrics img4.PNG|thumb|right|300px|Η διανομή των τιμών NDVI τιμών για τα WorldView2,RapidEye και Landsat δεδομένα, χωρίς να είναι ατμοσφαιρικά διορθωμένα.]]<br /> Στην παρούσα εργασία χρησιμοποιήθηκαν δορυφορικά δεδομένα διαφορετικών χωρικών αναλύσεων για την άντληση του κανονικοποιημένου δείκτη διαφοράς(NDVI) βλάστησης, ενός δείκτη για την ένδειξη της επιφάνειας πρασίνου σε αποστάσεις αποτύπωσης 50μ.,100μ.,250μ. και 500μ. Τα δεδομένα περιελάμβαναν αυτά των 2μ. χωρικής ανάλυσης από το WorldView2, 5μ. ανάλυση από τον RapidEye και 30μ. ανάλυση από τον Landsat8. Για να βελτιωθούν οι εκτιμήσεις έκθεσης στον πράσινο χώρο, οι ερευνητές βασίζονται στις εικόνες τηλεπισκόπησης που λαμβάνουν από τους δορυφόρους. Το μεγαλύτερο μέρος της έρευνας που χρησιμοποιεί δορυφόρους τηλεανίχνευσης έχει χρησιμοποιήσει τον κανονικοποιημένο δείκτη διαφοράς (NDVI) για τη βλάστηση με ανάλυση 30 μ. από εικόνες Landsat ή ανάλυση 250 μ. από το MODIS (Caseyetal.,2017;Crouseetal.,2017). Όλα τα δεδομένα συλλέχθηκαν τον Ιούλιο και τον Αύγουστο. Συγκεκριμένα, η ανάλυση 2 m του WorldView2 (DigitalGlobal, Κολοράντο, ΗΠΑ) στις 3 Αυγούστου 2012, συμπεριλαμβανομένων τριών ορατών ζωνών (κόκκινο, πράσινο και μπλε) και μια σχεδόν υπέρυθρη ζώνη, η απεικόνιση RapidEye των 5 m (RapidEye AG, Βερολίνο, Γερμανία) στις 23 Ιουλίου 2012 για τρεις ορατές (κόκκινο, πράσινο και μπλε) και δύο υπέρυθρες ζώνες και τα δεδομένα Landsat8 (USGS, Reston, Virginia, ΗΠΑ) των 30 μ. που αποκτήθηκαν από την υπηρεσία γεωλογικής έρευνας (USGS) των ΗΠΑ για τα δεδομένα που συλλέγονται στις 5 Ιουλίου, 2012, συμπεριλαμβανομένων 11 ζωνών. Το NDVI υπολογίζεται ως εξής:<br /> NDVI NIR ΚΟΚΚΙΝΟ NIR RED = () / (+)<br /> όπου τα RED και NIR ισχύουν για τις μετρήσεις φασματικής ανάκλασης που αποκτήθηκαν στις περιοχές ορατής ερυθρής ζώνης και κοντά στην υπέρυθρη ακτινοβολία, αντίστοιχα(Kriegler et αϊ., 1969). Ο Πίνακας 1 παρουσιάζει την περιοχή ηλεκτρομαγνητικού φάσματος στην οποία ο κάθε δορυφόρος ανιχνεύει τη βλάστηση και προκύπτει εν τέλει το NDVI για την πόλη. Το NDVI κυμαίνεται μεταξύ -1 και 1 με υψηλότερους αριθμούς να δείχνουν περισσότερη πράσινη βλάστηση. Το -1 αντιπροσωπεύει πολύ υψηλή ανακλαστικότητα στην ορατή κόκκινη ζώνη αλλά με μικρή διασπορά κοντά στο υπέρυθρο, όπως από το χιόνι ή το κάλυμμα σύννεφων. Παραλήφθηκαν επιφάνειες NDVI για ολόκληρη την πόλη, διατηρώντας τις χωρικές αναλύσεις των εικόνων WorldView2, RapidEye και Landsat. Μέσες τιμές NDVI κυκλικών αποστάσεων αποτύπωσης 50, 100, 250 και 500 μ. υπολογίστηκαν για όλα τα pixels στην περιοχή μελέτης. Οι τιμές NDVI μεταξύ των τριών αισθητήρων στα τέσσερα μεγέθη buffer διεξήχθησαν μέσω ζευγαρωμένων t-test δειγμάτων στο κανονικό πλέγμα των 10.141 μονάδων. Επίσης, έγινε κατάταξη των τιμών NDVI από υψηλή σε χαμηλή χρησιμοποιώντας το WorldView2, στις εικόνες του οποίου εντοπίστηκαν αποκλίσεις από το δείκτη αναφοράς όταν ο αισθητήρας τηλεπισκόπησης άλλαξε. Για την ανάλυση ευαισθησίας, δημιουργήθηκαν επίσης επιφάνειες NDVI και στατιστικά δεδομένα buffer χρησιμοποιώντας τα πρωτότυπα δεδομένα τηλεπισκόπησης που είχαν μόνο ψηφιακούς αριθμούς. Σκοπός αυτού ήταν να προσδιοριστεί εάν οι ραδιομετρικοί βαθμονομητές ήταν απαραίτητοι για τη δημιουργία κατάλληλου δείκτη βλάστησης.<br /> <br /> ==Αποτελέσματα==<br /> Έπειτα,από ραδιομετρικές βαθμονομήσεις διαπιστώθηκε ότι το RapidEye και το WorldView2, είχαν παρόμοιες τιμές NDVI, ενώ οι εικόνες Landsat τείνουν να έχουν μεγαλύτερο NDVI. Ωστόσο, οι αισθητήρες παρουσίασαν παρόμοια κατανομή βλάστησης: οι θέσεις με υψηλή βλάστηση είναι ψηλά στο NDVI και αντίστροφα. Οι εκτιμήσεις για τον χώρο πρασίνου συνδέθηκαν και διαπιστώθηκε ότι οι υψηλότερες τιμές του NDVI είναι σημαντικά συνδεδεμένες με καλύτερα αποτελέσματα για την υγεία. Συνολικά, τα προσδιορισμένα αποτελέσματα για την υγεία ήταν παρόμοια σε όλους τους αισθητήρες διαφορετικών χωρικών αναλύσεων αλλά εντοπίστηκε μια μέση τάση στο μεγαλύτερο μέγεθος του buffer να συνδέεται με καλύτερα αποτελέσματα υγείας. Οι βαθμοί συσχέτισης για το WorldView2, το RapidEye και το Landsat8, κυμαίνονταν 0,89-0,98, 0,91-0,99 και 0,90-0,98, αντίστοιχα. Διαπιστώθηκε ότι οι συσχετισμοί ήταν ελαφρώς ισχυρότεροι μεταξύ του WorldView2 και του RapidEye από ό, τι μεταξύ του Landsat και αυτών των άλλων δύο αισθητήρων. Κατά τη σύγκριση των τιμών NDVI που προέρχονται από διαφορετικούς αισθητήρες (Εικόνα 2), διαπιστώσαμε ότι οι τιμές NDVI που προέρχονται από δεδομένα Landsat8 ήταν ενεργοποιημένες με μέση μεγαλύτερη (μέση τιμή = 0,27-0,28), ενώ αυτές οι τιμές μειώθηκαν γιαWorldView2 (μέσος όρος = 0,18) και παρακολουθήθηκαν στενά από το RapidEye εικόνες (μέσο = 0,16). Επειδή, τα δεδομένα εικόνων ήταν διορθωμένα για ατμοσφαιρικές επιπτώσεις, οι τιμές NDVI που προέκυψαν από τις εικόνες Landsat και WorldView2 έδειξαν μικρές διαφορές σε σύγκριση με τη διορθωμένη απεικόνιση. Ωστόσο, οι τιμές NDVI που προέρχονται από το RapidEye έδειξαν την ανάγκη λήψης ραδιομετρικής βαθμονόμησης πριν από τη χρήση των δεδομένων. Οι τιμές NDVI που προέρχονται από τις εικόνες RapidEye έδειξαν ότι αν οι εικόνες δεν βαθμονομούνται ραδιομετρικά, οι τιμές θα μπορούσαν να υποτιμηθούν κατά 0,15, διότι όταν αποκτώνται δεδομένα από πολλά θέματα και πολλαπλές χρονικές περιόδους ή από πολλαπλούς αισθητήρες, ραδιομετρικές βαθμονομήσεις είναι απαραίτητο να γίνουν για να προσαρμοστούν για τις διαφορές που δημιουργούνται από τις ατμοσφαιρικές συνθήκες ή από τους ίδιους τους αισθητήρες. <br /> <br /> ==Συμπεράσματα== <br /> Η ύπαρξη πρασίνου διαστήματος σε απόσταση 500 μέτρων από το σπίτι συμβάλλει θετικά στη διατήρηση της σωματικής και ψυχικής ευεξίας, διότι μπορεί να αξιοποιηθεί για σωματική άσκηση, συντελεί στη μείωση της ατμοσφαιρικής ρύπανσης και του θορύβου και στη φυσική επούλωση. Η έρευνα θα μπορούσε να εστιάσει όχι μόνο στην ύπαρξη πράσινου κοντά στον τόπο κατοικίας αλλά και στο χώρο εργασίας, στο σχολείο, στην κοινότητα και αλλού. Ακόμη, ο συνδυασμός δορυφορικών πληροφοριών θα οδηγούσε σε έναν πιο ακριβή χαρακτηρισμό του χώρου πρασίνου αναφορικά με την προσβασιμότητα και την ποιότητα. Τέλος,ο υψηλότερος βαθμός NDVI που προσδιορίστηκε από Landsat ήταν λόγω της χρήσης της βλάστησης ως αναπαράστασης για εικονοστοιχεία με μεικτή βλάστηση και άλλες πληροφορίες κάλυψης γης και λόγω των διαφορών στο σχεδιασμό του αισθητήρα φάσματος. Επίσης, σύμφωνα με τον πίνακα 1 η ζώνη NIR του Landsat είχε σχετικά μεγαλύτερο μήκος κύματος φάσματος, με αποτέλεσμα τη μεγαλύτερη ανακλαστικότητα βλάστησης.<br /> <br /> [[category:Υγεία ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_green_space_metrics_img4.PNG 2020-02-28T16:40:53Z

<p>Dimi: Η διανομή των τιμών NDVI τιμών για τα WorldView2,RapidEye και Landsat δεδομένα, χωρίς να είναι ατμοσφαιρικά διορθωμένα.</p> <hr /> <div>Η διανομή των τιμών NDVI τιμών για τα WorldView2,RapidEye και Landsat δεδομένα, χωρίς να είναι ατμοσφαιρικά διορθωμένα.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_green_space_metrics_img3.PNG 2020-02-28T16:39:47Z

<p>Dimi: Η κατανομή των τιμών NDVI WorldView2,RapidEye και Landsat όπως ορίζεται από τα buffer σε απόσταση των 50,100,250 και 500μ. για τη Βαρκελώνη.</p> <hr /> <div>Η κατανομή των τιμών NDVI WorldView2,RapidEye και Landsat όπως ορίζεται <br /> από τα buffer σε απόσταση των 50,100,250 και 500μ. για τη Βαρκελώνη.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_green_space_metrics_img2.PNG 2020-02-28T16:38:38Z

<p>Dimi: Πίνακας 3: Η συσχέτιση των δεικτών NDVI από WorldView2, RapidEye και Landsat διαμέσω 10.141σημείων.</p> <hr /> <div>Πίνακας 3: Η συσχέτιση των δεικτών NDVI από WorldView2, RapidEye και Landsat διαμέσω<br /> 10.141σημείων.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_green_space_metrics_img1.PNG 2020-02-28T16:37:12Z

<p>Dimi: Πίνακας 1:Εικόνες τηλεανίχνευσης και εύρος ζώνης για τη δημιουργία δείκτη βλάστησης για τη Βαρκελώνη.</p> <hr /> <div>Πίνακας 1:Εικόνες τηλεανίχνευσης και εύρος ζώνης για τη δημιουργία δείκτη βλάστησης για τη Βαρκελώνη.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T16:31:44Z

<p>Dimi: </p> <hr /> <div>[[Μοντελοποίηση και πρόβλεψη περιπτώσεων δάγκειου πυρετού σε βασικές περιοχές των Φιλιππίνων με τη χρήση δεδομένων τηλεπισκόπησης.]]<br /> <br /> [[Μία ανασκόπηση της τηλεπισκόπησης για τα μαγκρόβια δάση: 1956-2018]]<br /> <br /> [[Μια σύγκριση των μεθόδων δορυφορικής τηλεπισκόπησης...]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%B3%CE%BA%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82... 2020-02-28T16:30:58Z

<p>Dimi: Νέα σελίδα με ''''Μια σύγκριση των μεθόδων δορυφορικής τηλεπισκόπησης δεδομένων σύντηξης για τη χαρτογράφησ...'</p> <hr /> <div>'''Μια σύγκριση των μεθόδων δορυφορικής τηλεπισκόπησης δεδομένων σύντηξης για τη χαρτογράφηση τύρφης βλάστηση δασών στη Σουμάτρα, Ινδονησία.'''<br /> <br /> '''Αρχικός Τίτλος:''' A comparison of satellite remote sensing data fusion methods to map peat swamp forest loss in Sumatra, Indonesia <br /> <br /> '''Συγγραφείς:''' Merry Crowson, Eleanor Warren-Thomas, Jane K. Hill, Bambang Hariyadi, Fahmuddin Agus, Asmadi Saad, Keith C. Hamer, Jenny A. Hodgson, Winda D. Kartika, Jennifer Lucey, Colin McClean, Neneng Laela Nurida, Etty Pratiwi, Lindsay C. Stringer, Caroline Ward &amp; Nathalie Pettorelli<br /> <br /> '''Ηλεκτρονική διέυθυνση:''' https://doi.org/10.1002/rse2.102<br /> <br /> ==Αντικείμενο==<br /> Οι τυρφώνες είναι έλη-βάλτοι, καλύπτουν το 3% του εδάφους της γης και περιέχουν το 25% του παγκόσμιου κοιτάσματος σε άνθρακα. Αποτελούν ένα μείγμα φυτών, οργανικής ύλης αναμειγμένο με χώμα. Η μεγαλύτερη έκταση των τροπικών τύρφης εντοπίζεται στη Νοτιοανατολική Ασία (247.778 km2 ), εκ των οποίων 206.950 km2 βρέθηκαν στην Ινδονησία (Page et al., 2011). Η απώλεια των τεράστιων περιοχών τύρφης στη Νοτιοανατολική Ασία έχει αρνητικές επιπτώσεις στο περιβάλλον, τόσο σε τοπικό όσο και σε παγκόσμιο επίπεδο, οδηγώντας στην αύξηση του ενδιαφέροντος για την αποκατάσταση της τύρφης στην περιοχή. Πιο συγκεκριμένα, έχει αρνητικές επιδράσεις στην ανθρώπινη υγεία, εξαιτίας της μεγάλης ποσότητας άνθρακα που περιέχει και κατά την καύση προκαλεί αναπνευστικά προβλήματα. Ακόμη, συμβάλλει αρνητικά στη διατήρηση της βιοποικιλότητας και στην οικονομία(Παγκόσμια Τράπεζα,2016). Η περιοχή μελέτης καλύπτει 2874 km2 και βρίσκεται στη Jambi Επαρχία, Σουμάτρα, Ινδονησία (Σχήμα 1). Η τύρφη καλύπτει ένα μεγάλο μέρος της(Wetlands International, 2003), αλλά η αρχική κάλυψη των δασικών τύρφης έχει μειωθεί καθώς έχουν αφαιρεθεί και αντικατασταθεί από φυτείες ή έχουν χαθεί σε δασικές πυρκαγιές (Miettinen et al., 2016).<br /> Η δορυφορική τηλεπισκόπηση, αποτελεί ένα σημαντικό εργαλείο καθώς προσφέρει τη δυνατότητα να παράσχει ενημερωμένες πληροφορίες σχετικά με την απώλεια δασικής έκτασης της τύρφης συμβάλλοντας παράλληλα στη δημιουργία ενός χωροταξικού σχεδιασμού διατήρησης και αποκατάστασης.<br /> <br /> ==Μεθοδολογία==<br /> [[Εικόνα:DT swamp img1.PNG|thumb|right|300px|Σχήμα 1: Επισκόπηση χάρτη επαρχίας Jambi, Σουμάτρα, Ινδονησία. Η περιοχή μελέτης βρίσκεται στο κόκκινο πλαίσιο.]]<br /> [[Εικόνα:DT swamp img2.PNG|thumb|right|300px|Πίνακας 1: Εικόνες Sentinel-1 και Sentinel-2 που χρησιμοποιήθηκαν στη μελέτη.]]<br /> [[Εικόνα:DT swamp img3.PNG|thumb|right|300px|Σχήμα 2: Διαδικασία προεπεξεργασίας και ροής της εργασίας.]]<br /> [[Εικόνα:DT swamp img4.PNG|thumb|right|300px|Σχήμα 3: Η σύνθετη εικόνα 2017 Sentinel-2 που χρησιμοποιείται καθόλη τη διάρκεια της μελέτης, εμφανιζόμενη ως εικόνα φυσικού χρώματος (RGB).]]<br /> [[Εικόνα:DT swamp img5.PNG|thumb|right|300px|Σχήμα 4: Χάρτης κάλυψης γης και υποσύνολα, βασισμένα στη σύντηξη δεδομένων και στην ταξινόμηση.]]<br /> Για τη χαρτογράφηση των δασών μπορούν να αξιοποιηθούν δύο τύποι δεδομένων δορυφορικής τηλεανίχνευσης, οπτικά και ραντάρ. Αυτοί οι δύο τύποι αισθητήρων προσφέρουν συμπληρωματικές πληροφορίες για την επιφάνεια της γης. Με τους οπτικούς αισθητήρες η χαρτογράφηση της κάλυψης της γης γίνεται με βάση τη φασματική ανακλαστικότητα, γεγονός που τους καθιστά ιδιαίτερα ευαίσθητους σε περιπτώσεις κάλυψης νέφους. Από την άλλη πλευρά, οι αισθητήρες ραντάρ για τη χαρτογράφηση εκπέμπουν ηλεκτρομαγνητική ακτινοβολία σε μήκη κύματος που διεισδύουν στο σύννεφο, χωρίς να επηρεάζονται από συνθήκες κάλυψης νέφους. Οι τεχνικές σύντηξης δεδομένων εμφανίζονται ως ένας ισχυρός τρόπος για την ενσωμάτωση πληροφοριών από τους δυο τύπους αισθητήρων (Joshi et al., 2016). Η μελέτη αυτή χρησιμοποιεί ένα προϊόν ραντάρ Sentinel-1 της ζώνης C και οπτικά προϊόντα Sentinel-2 από το 2017 (Πίνακας 1). Όλες οι εικόνες Sentinel-1 είναι από τον σχετικό αριθμό τροχιάς 18 και το Sentinel-2 από τον 118. Στο σχήμα 2 περιγράφεται η διαδικασία προεπεξεργασίας και η ροή της εργασίας. Η προκύπτουσα σύνθετη εικόνα παρουσιάζεται στο σχήμα 3. Οι εικόνες του Google Earth που χρησιμοποιήθηκαν ήταν SPOT εικόνες, με χωρική ανάλυση 1,5μ. Χρησιμοποιήθηκαν τρεις διαφορετικές ταξινομήσεις για τη χαρτογράφηση της γης. Στο τέλος πραγματοποιήθηκε μια αξιολόγηση ακριβείας για κάθε ταξινόμηση με σκοπό τη σύγκριση επιδόσεων. <br /> <br /> ==Αποτελέσματα==<br /> Και στις τρεις μεθόδους ταξινόμησης η σύντηξη δεδομένων είχε θετική επίδραση σε ορισμένες κατηγορίες. Αποτελέσματα που προέκυπταν από τη χρήση μόνο δεδομένων ραντάρ παρουσίασαν συγκριτικά χαμηλές επιδόσεις ακριβείας. Η αντικειμενοστρεφής ταξινόμηση με τη χρήση σύντηξης δεδομένων είχε συκριτικά με τις άλλες δύο ταξινομήσεις μεγαλύτερη ακρίβεια. Στο σχήμα 4 αναδεικνύονται οι χάρτες κάλυψης εδάφους που παράγονται με τη σύντηξη δεδομένων χρησιμοποιώντας τις τρεις ταξινομήσεις. Όλες οι προσεγγίσεις ανίχνευσαν τους κύριους ποταμούς, τα αστικά κέντρα, φυτείες ακακίας στα νοτιοδυτικά της προστατευόμενης περιοχής. <br /> <br /> ==Συμπεράσματα==<br /> Όπως προκύπτει από τα αποτελέσματα η σύντηξη δεδομένων αποτέλεσε έναν αρωγό διότι συνέβαλλε σημαντικά στη χαρτογράφηση της απώλειας τύρφης στη Νοτιοανατολική Ασία με μία ταξινόμηση βασισμένη σε εικονοστοιχεία χρησιμοποιώντας OPV, με απόρροια την αύξηση της συνολικής ακρίβειας κατά 1%. Αξίζει να σημειωθεί, πως η φυσιογνωμία του τοπίου, συγκεκριμένα οι φυτείες ακακίας και οι δασικές εκτάσεις τύρφης έχουν μεγάλα και καθορισμένα γεωμετρικά σχήματα ευνόησαν τη διαδικασία της ταξινόμησης βάσει των αντικειμένων. <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_swamp_img5.PNG 2020-02-28T16:30:35Z

<p>Dimi: Σχήμα 4: Χάρτης κάλυψης γης και υποσύνολα, βασισμένα στη σύντηξη δεδομένων και στην ταξινόμηση.</p> <hr /> <div>Σχήμα 4: Χάρτης κάλυψης γης και υποσύνολα, βασισμένα στη σύντηξη δεδομένων και στην ταξινόμηση.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_swamp_img4.PNG 2020-02-28T16:29:18Z

<p>Dimi: Σχήμα 3: Η σύνθετη εικόνα 2017 Sentinel-2 που χρησιμοποιείται καθόλη τη διάρκεια της μελέτης, εμφανιζόμενη ως εικόνα φυσικού χρώματος (RGB).</p> <hr /> <div>Σχήμα 3: Η σύνθετη εικόνα 2017 Sentinel-2 που χρησιμοποιείται καθόλη τη διάρκεια της μελέτης, εμφανιζόμενη ως εικόνα φυσικού χρώματος (RGB).</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_swamp_img3.PNG 2020-02-28T16:28:15Z

<p>Dimi: Σχήμα 2: Διαδικασία προεπεξεργασίας και ροής της εργασίας.</p> <hr /> <div>Σχήμα 2: Διαδικασία προεπεξεργασίας και ροής της εργασίας.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_swamp_img2.PNG 2020-02-28T16:27:23Z

<p>Dimi: Πίνακας 1: Εικόνες Sentinel-1 και Sentinel-2 που χρησιμοποιήθηκαν στη μελέτη.</p> <hr /> <div>Πίνακας 1: Εικόνες Sentinel-1 και Sentinel-2 που χρησιμοποιήθηκαν στη μελέτη.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_swamp_img1.PNG 2020-02-28T16:25:47Z

<p>Dimi: Σχήμα 1: Επισκόπηση χάρτη επαρχίας Jambi, Σουμάτρα, Ινδονησία. Η περιοχή μελέτης βρίσκεται στο κόκκινο πλαίσιο.</p> <hr /> <div>Σχήμα 1: Επισκόπηση χάρτη επαρχίας Jambi, Σουμάτρα, Ινδονησία. Η περιοχή μελέτης βρίσκεται στο κόκκινο πλαίσιο.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T16:18:48Z

<p>Dimi: </p> <hr /> <div>[[Μοντελοποίηση και πρόβλεψη περιπτώσεων δάγκειου πυρετού σε βασικές περιοχές των Φιλιππίνων με τη χρήση δεδομένων τηλεπισκόπησης.]]<br /> [[Μία ανασκόπηση της τηλεπισκόπησης για τα μαγκρόβια δάση: 1956-2018]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AF%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B1_%CE%BC%CE%B1%CE%B3%CE%BA%CF%81%CF%8C%CE%B2%CE%B9%CE%B1_%CE%B4%CE%AC%CF%83%CE%B7:_1956-2018 2020-02-28T16:18:23Z

<p>Dimi: Νέα σελίδα με ''''Αρχικός Τίτλος:''' A review of remote sensing for mangrove forests: 1956-2018 '''Συγγραφείς:''' Le Wanga, Mingming Jiab, Dameng Yina, Jinyan Ti...'</p> <hr /> <div>'''Αρχικός Τίτλος:''' A review of remote sensing for mangrove forests: 1956-2018 <br /> <br /> '''Συγγραφείς:''' Le Wanga, Mingming Jiab, Dameng Yina, Jinyan Tiancd<br /> <br /> '''Ηλεκτρονική διέυθυνση:''' https://doi.org/10.1016/j.rse.2019.111223<br /> <br /> ==Αντικείμενο==<br /> <br /> Τα μαγκρόβια δάση είναι ιδιαίτερα παραγωγικά οικοσυστήματα που κυριαρχούν συνήθως στις τροπικές και υποτροπικές θαλάσσιες ακτές. Διακρίνονται κυρίως για τη μεγάλη ανθεκτικότητά τους στο αλάτι και συναντώνται στη μεταβατική περιοχή μεταξύ ξηράς και θάλασσας και συχνά σε δέλτα ποταμών και υφάλμυρα νερά. Τις δυο τελευταίες δεκαετίες του 20ου αιώνα, περίπου το 35% των μαγκρόβιων δασών παγκοσμίως εξαφανίστηκε, δημιουργώντας ιδιαίτερη ανησυχία ( Bosire et al., 2008 Valiela et al., 2001). Το ιστορικό της χαρτογράφησης με δεδομένα τηλεανίχνευσης(RS) της έκτασης του μαγκρόβιου, ξεκινά από τη δεκαετία του ’70 και συνεχίστηκε σε μια προσπάθεια ανίχνευσης διαχρονικής αλλαγής του δάσους (Σχήμα 1). Πριν από το 2011, οι περισσότερες από τις μελέτες επικεντρώθηκαν στη χαρτογράφηση βασισμένες σε διαφορετικούς τύπους των δεδομένων RS (Green,1998, Kovacs, 2001). <br /> <br /> ==Μεθοδολογία==<br /> [[Εικόνα:DT mangrove img1.PNG|thumb|right|300px|Σχήμα 1: Επεξεργασία των μαγκρόβιων δασών με δεδομένα τηλεανίχνευσης από το 1956.]]<br /> [[Εικόνα:DT mangrove img2.PNG|thumb|right|300px|Εικόνα 2: Εκτίμηση της έκτασης των μαγκρόβιων δασών, βασισμένη σε δεδομένα τηλεπισκόπησης. ]]<br /> [[Εικόνα:DT mangrove img3.PNG|thumb|right|300px|Εικόνα 3: Χρονική σχέση βασισμένη σε δεδομένα τηλεανίχνευσης των μαγκρόβιων και των χερσαίων δασών. ]]<br /> Η χαρτογράφηση των μαγκρόβιων δασών λειτούργησε πριν το 1989 με δεδομένα RS χωρίς αξιολόγηση ακριβείας (Everitt and Judd, 1989, Lewisand MacDonald,1972, Lorenzo,1979). Ακολούθως, διεξήχθησαν δυο μελέτες για την εκτίμηση της ακρίβειας με τη χρήση της Landsat TM, SPOT XS ή αερομεταφερόμενων εικόνων κατά την περίοδο 1990-2000( Gao, 1999, Green et al., 1998). Έπειτα, με τη συσσώρευση εικόνων τηλεανίχνευσης κατά τις τελευταίες δεκαετίες, διεξήχθησαν μελέτες κατά την περίοδο 2000-2010 σχετικά με τις ανιχνεύσεις χρονικής αλλαγής του δάσους από μαγκρόβια (Fromard et al.,2004, Kovacs et al., 2001). Στη συνέχεια οι Spalding et al., 2010 παρείχαν την πρώτη παγκόσμια εκτίμηση της κατάστασης των μαγκρόβιων στον κόσμο. Το 2017, ο Chen et al., 2017, προέβη στη μελέτη της χωρικής έκτασης των μαγκρόβιων της Κίνας. Πιο συγκεκριμένα, αναπτύχθηκε ένας αλγόριθμος για τον προσδιορισμό του μαγκρόβιου δάσους αναλύοντας έναν μεγάλο όγκο δορυφορικών εικόνων χρησιμοποιώντας το Google Earth Engine, μια πλατφόρμα υπολογιστικής νέφωσης. Περίπου 435 μελέτες σχετικά με την απεικόνιση της έκτασης του δάσους μαγκρόβιας σημοσιεύτηκαν μέχρι σήμερα (Εικ.2) χρησιμοποιώντας δεδομένα Landsat (Giri , 2011). Εκτός από την ανάκτηση δεδομένων RS και τις μεθόδους που βασίζονται σε Lidar RS χρησιμοποιηθηκαν και δεδομένα ρανταρ LAI σε μερικές μελέτες (Kovacs,2008). <br /> <br /> ==Αποτελέσματα==<br /> <br /> Ιστορικά, η χαρτογράφηση της έκτασης τόσο των μαγκρόβιων όσο και των χερσαίων δασών διεξήχθη αρχικά με αεροφωτογραφία πριν από το 1970 (Aldrich,1959, Colwell,1964). Στη συνέχεια, η ανάπτυξη δορυφορικών αισθητήρων συνέβαλλε στη χαρτογράφηση σε επίπεδο μεμονομένων ειδών. Η χωρική ανάλυση των δεδομένων τηλεανίχνευσης (Landsat TM), πριν από το 1990 ήταν χαμηλή, δε μπορούσε να διακρίνει όλες τις λεπτομέρειες με αποτέλεσμα τη δυσχέρεια στη διεξαγωγή επαλήθευσης των αποτελεσμάτων (Green, 1997). Αυτό πιθανόν οφείλεται στην ανάλυση του Landsat TM (30μ.) και την αποσπασματική ανάπτυξη των μαγκρόβιων δασών, στενές λωρίδες ή μικρά «μπαλώματα» με πλάτος συνήθως μικρότερο των 30μ. Μετά το 1990, η εμφάνιση εικόνων δορυφόρων υψηλής ανάλυσης SPOT-1 πρόσφερε τη δυνατότητα αναστροφής LAI mangrove. Παρατηρήθηκε καλή συσχέτιση με το μετρημένο έδαφος LAI και του SPOT-1 και του NDVI (κανονικοποιημένος δείκτης διαφοράς βλάστησης) από το Landsat. Αυτή η μελέτη αποτέλεσε την αφετηρία για τη χρήση νέων πηγών δεδομένων για τον αποτελεσματικό χαρακτηρισμό των μαγκρόβιων δασών. Κατά την περίοδο 2000-2009, οι χαρακτηρισμοί των μαγκρόβιων δασών διακρίνονταν από περισσότερες λεπτομέρειες όπως ταξινόμηση των ειδών, χαρτογράφηση κάθετης δομής (ύψος, βιομάζα και αποθέματα άνθρακα), λόγω των νέων αισθητήρων τηλεανίχνευσης. <br /> <br /> ==Συμπεράσματα==<br /> <br /> Η πρόοδος των αισθητήρων λήψης αποτέλεσε ορόσημο για τη χαρτογράφηση των μαγκρόβιων δασών, με τη διαδικασία της τηλεανίχνευσης σε ένα ιστορικό και εξελικτικό πλαίσιο. Ωστόσο, τροχοπέδη για τη διαδικασία μελέτης στάθηκε η ύπαρξη στις περιοχές των δασών συννέφων και σκιών νέφους και η ελλειμματική γνώση εξειδικευμένης τεχνογνωσίας και λογισμικού. Αντιστάθμισμα μπορεί να αποτελέσει ο συνδυασμός δεδομένων από περισσότερες πηγές. Αξίζει να σημειωθεί παρά το γεγονός ότι οι πρόσφατες μελέτες έχουν προσφέρει αρκετές πληροφορίες για τα μαγκρόβια δάση εξακολουθούν να υπάρχουν ευκαιρίες για διερεύνηση νέων θεμάτων, όπως χαρτογράφηση της παραγωγικότητας του μαγκρόβιου δάσους, καθώς αποτελούν οικοσυστήματα υψηλής παραγωγικότητας. <br /> <br /> [[category: Δασοπονία, Δασική διαχείριση]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_mangrove_img3.PNG 2020-02-28T16:17:51Z

<p>Dimi: Εικόνα 3: Χρονική σχέση βασισμένη σε δεδομένα τηλεανίχνευσης των μαγκρόβιων και των χερσαίων δασών.</p> <hr /> <div>Εικόνα 3: Χρονική σχέση βασισμένη σε δεδομένα τηλεανίχνευσης των μαγκρόβιων και των χερσαίων δασών.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_mangrove_img2.PNG 2020-02-28T16:15:31Z

<p>Dimi: Εικόνα 2: Εκτίμηση της έκτασης των μαγκρόβιων δασών, βασισμένη σε δεδομένα τηλεπισκόπησης.</p> <hr /> <div>Εικόνα 2: Εκτίμηση της έκτασης των μαγκρόβιων δασών, βασισμένη σε δεδομένα τηλεπισκόπησης.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_mangrove_img1.PNG 2020-02-28T16:13:12Z

<p>Dimi: Σχήμα 1: Επεξεργασία των μαγκρόβιων δασών με δεδομένα τηλεανίχνευσης από το 1956.</p> <hr /> <div>Σχήμα 1: Επεξεργασία των μαγκρόβιων δασών με δεδομένα τηλεανίχνευσης από το 1956.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T15:50:06Z

<p>Dimi: </p> <hr /> <div>[[Μοντελοποίηση και πρόβλεψη περιπτώσεων δάγκειου πυρετού σε βασικές περιοχές των Φιλιππίνων με τη χρήση δεδομένων τηλεπισκόπησης.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%80%CE%B5%CF%81%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CE%B4%CE%AC%CE%B3%CE%BA%CE%B5%CE%B9%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%B5%CF%84%CE%BF%CF%8D_%CF%83%CE%B5_%CE%B2%CE%B1%CF%83%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CF%89%CE%BD_%CE%A6%CE%B9%CE%BB%CE%B9%CF%80%CF%80%CE%AF%CE%BD%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82. 2020-02-28T15:49:06Z

<p>Dimi: Νέα σελίδα με ''''Αρχικός Τίτλος:''' Modeling and predicting dengue fever cases in key regions of the Philippines using remote sensing data. '''Συγγραφείς:''' Mar...'</p> <hr /> <div>'''Αρχικός Τίτλος:''' Modeling and predicting dengue fever cases in key regions of the Philippines using remote sensing data.<br /> <br /> '''Συγγραφείς:''' Maria Ruth B. Pineda-Cortel, Benjie M. Clemente, Pham Thi Thanh Nga <br /> <br /> '''Ηλεκτρονική διέυθυνση:''' http://www.apjtm.org/text.asp?2019/12/2/60/250838<br /> <br /> ==Αντικείμενο==<br /> <br /> Η αλλαγή του κλίματος είναι μια από τις σημαντικότερες περιβαλλοντικές αλλαγές με τις οποίες έρχεται αντιμέτωπος ο άνθρωπος σήμερα. Διάφορες μελέτες έχουν δείξει ότι η κλιματική αλλαγή έχει ήδη επηρεάσει την ανθρώπινη υγεία και ο αντίκτυπός της αυξάνεται συνεχώς. Στο συγκεκριμένο άρθρο γίνεται αναφορά σε μια μελέτη για τον δάγκειο πυρετό, ο οποίος θεωρείται μία από τις σημαντικότερες ασθένειες σε τροπικές και υποτροπικές χώρες που μεταδίδονται στους ανθρώπους μέσω τσιμπήματος κουνουπιών. Η μελέτη αυτή διεξήχθη σε τέσσερις περιοχές των Φιλιππίνων που προσδιορίστηκαν ως οι περιοχές που επλήγησαν περισσότερο από τον πυρετό του δάγκειου πυρετού το 2015 βάσει αναδρομικών δεδομένων. Περίπου 390 εκατομμύρια μολύνσεις εμφανίζονται ετησίως, με περίπου 96 εκατομμύρια κλινικές εκδηλώσεις. Σύμφωνα με το Γραφείο Επιδημιολογίας του Υπουργείου Υγείας, κάθε χρόνο έχουν αναφερθεί χιλιάδες περιπτώσεις στη χώρα. Αξίζει να σημειωθεί πως ο κύκλος τροφοδοσίας αίματος των κουνουπιών επηρεάζεται από ορισμένους παράγοντες όπως το κλίμα. Η μεταβολή των κλιματικών μεταβλητών επηρεάζει τρία συστατικά στη μετάδοση του δάγκειου πυρετού, δηλαδή τον παθογόνο παράγοντα, τον φορέα και τον τρόπο μετάδοσης.Η αύξηση της θερμοκρασίας κατά 2 ° θα επιμηκύνει σημαντικά τη διάρκεια ζωής των κουνουπιών-φορέων επιτρέποντας μ’ αυτόν τον τρόπο τον ταχύ ρυθμό αναπαραγωγής και δραστηριότητας. Η κατακρήμνιση και η υγρασία διαδραματίζουν επίσης ζωτικό ρόλο στην επικράτηση του δάγκειου πυρετού. <br /> <br /> ==Μεθοδολογία==<br /> [[Εικόνα:DT dengue img1.PNG|thumb|right|300px|Σχήμα 2: Μηνιαία GSMap και LST δεδομένα.]]<br /> [[Εικόνα:DT dengue img2.PNG|thumb|right|300px|Σχήμα 3: Εποχικότητα και διαχρονικές διακυμάνσεις της επίπτωσης του δάγκειου πυρετού με κλιματικές και περιβαλλοντικές μεταβλητές.]]<br /> [[Εικόνα:DT dengue img3.PNG|thumb|right|300px|Σχήμα 4: Χρονικές σειρές κρουσμάτων δάγκειου στις τέσσερις περιοχές μελέτης.]]<br /> [[Εικόνα:DT dengue img4.PNG|thumb|right|300px|Σχήμα 5: Μηνιαίο πρότυπο δάγκειου στις τέσσερις περιοχές μελέτης.]]<br /> [[Εικόνα:DT dengue img5.PNG|thumb|right|300px|Σχήμα 6: Προβλέψεις ARIMA για τις τέσσερις περιοχές μελέτης.]]<br /> Έχουν διεξαχθεί αρκετές μελέτες για το συσχετισμό του δάγκειου πυρετού και των κλιματικών μεταβλητών, χρησιμοποιώντας διαφορετικές προσεγγίσεις όπως στατιστικά και μαθηματικά μοντέλα, χωρική ανάλυση και πολλούς δείκτες. Στη μελέτη αυτή εφαρμόστηκε το μοντέλο ARIMA για τον πυρετό του δάγκειου με εκτεταμένη χρήση δεδομένων τηλεπισκόπησης στις τέσσερις επιλεγμένες περιοχές των Φιλιππίνων που κατέγραψαν τον υψηλότερο επιπολασμό από το 2008-2015. Για να ελαχιστοποιηθούν οι περιορισμοί των κλιματικών δεδομένων που προέρχονται από τους μετεωρολογικούς σταθμούς σε χωρικές και χρονικές κλίμακες, οι ερευνητές χρησιμοποίησαν τα πιο προσπελάσιμα δεδομένα τηλεπισκόπησης για τις κλιματικές μεταβλητές, συγκεκριμένα τα στοιχεία Global Satellite Mapping of Precipitation (GSMaP) για βροχοπτώσεις και MODIS LST (MOD11A2). Εκτός από τις κλιματικές μεταβλητές, μια από τις πιο συχνά χρησιμοποιούμενες περιβαλλοντικές μεταβλητές που προέρχονται από την τηλεπισκόπηση, ο κανονικοποιημένος δείκτης βλάστησης διαφοράς (NDVI) από MODIS (MOD13Q1) με χωρική ανάλυση 250 m χρησιμοποιήθηκε επίσης για τη μοντελοποίηση της επιρροής του στο δάγκειο δάσος. Αυτές οι παράμετροι που βασίζονται στην τηλεπισκόπηση συγκεντρώθηκαν για να υπολογιστούν για τη μέση μηνιαία μεταβλητή για τις Φιλιππίνες, όπως παρουσιάζεται στο σχήμα 2. Εξετάστηκαν τα στοιχεία από τις τέσσερις περιοχές για να δείξουν την εποχικότητα και τις διαχρονικές διακυμάνσεις της επίπτωσης του δάγκειου με τις κλιματικές και περιβαλλοντικές μεταβλητές (βροχή, LSTd, LSTn και NDVI) κατά την περίοδο 2008 έως 2014, όπως φαίνεται στο Σχήμα 3. Χρησιμοποιήθηκε ιστόγραμμα, αυτοσυσχέτιση (ACF) τυποποιημένων υπολειμμάτων και δοκιμή Ljung-Box για να επαληθευτεί η επάρκεια κάθε μοντέλου για κάθε περιοχή παρόμοια με προηγούμενες μελέτες. <br /> <br /> ==Αποτελέσματα==<br /> <br /> Το σχήμα 4 παρουσιάζει τις χρονολογικές σειρές του επιπολασμού του δάγκειου πυρετού στις τέσσερις περιφέρειες μελέτης από το 2008 έως το 2015. Το εποχικό πρότυπο ήταν επίσης εμφανές και συνεπές και στις τέσσερις περιοχές με συχνότητα εμφάνισης που άρχισε να αυξάνεται τον Ιούνιο, κορυφώνοντας τον Αύγουστο και χαμηλότερη κατά τον Απρίλιο όπως παρουσιάζεται στο σχήμα 5. Το σχήμα 6 δείχνει ένα δείγμα του σχεδίου μοντέλου προσαρμογής ARIMA για τις τέσσερις περιοχές που μελετώνται, όπου η μαύρη γραμμή αντιπροσωπεύει την εμφάνιση του δάγκειου πυρετού, το προσαρμοσμένο μοντέλο σε κόκκινο χρώμα και η μπλε γραμμή χρησιμεύει ως προβλεπόμενο μοντέλο το 2015. <br /> <br /> ==Συμπεράσματα==<br /> <br /> Σύμφωνα με την έρευνα το κλίμα αποτελεί κινητήρια δύναμη για τη συχνότητα εμφάνισης του δάγκειου. Η θερμοκρασία επηρεάζει τη δυνητική εξάπλωση του δάγκειου πυρετού. Το αποτέλεσμα της επικύρωσης εξέθεσε τις διαφορετικές επιδόσεις του μοντέλου ARIMA στην πρόβλεψη της εμφάνισης περιπτώσεων του δάγκειου πυρετού με επίκεντρο τους παράγοντες του καιρού. Η συσχέτιση των προβλεπόμενων με τις αναφερθείσες περιπτώσεις δάγκειου πυρετού από τον Ιανουάριο έως τον Δεκέμβριο του 2015 διαπιστώθηκε ότι είναι ιδιαίτερα σημαντική. Ωστόσο, πρέπει να σημειωθεί ότι το μοντέλο περιορίστηκε στις καιρικές συνθήκες και στους περιβαλλοντικούς παράγοντες και δεν έλαβε υπόψη άλλες μεταβλητές όπως η αφθονία των κουνουπιών, η κάλυψη της γης και το μέγεθος του πληθυσμού. Επιπλέον, οι κοινωνικοί παράγοντες όπως η μετακίνηση του πληθυσμού παραμελήθηκαν στη μελέτη. Εν κατακλείδι, πρέπει να διεξαχθούν περαιτέρω έρευνες που να περιλαμβάνουν τόσο κοινωνικοοικονομικούς όσο και οικολογικούς παράγοντες.<br /> <br /> <br /> [[category:Υγεία ]]</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_dengue_img5.PNG 2020-02-28T15:48:36Z

<p>Dimi: Σχήμα 6: Προβλέψεις ARIMA για τις τέσσερις περιοχές μελέτης</p> <hr /> <div>Σχήμα 6: Προβλέψεις ARIMA για τις τέσσερις περιοχές μελέτης</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_dengue_img4.PNG 2020-02-28T15:48:13Z

<p>Dimi: Σχήμα 5: Μηνιαίο πρότυπο δάγκειου στις τέσσερις περιοχές μελέτης.</p> <hr /> <div>Σχήμα 5: Μηνιαίο πρότυπο δάγκειου στις τέσσερις περιοχές μελέτης.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_dengue_img3.PNG 2020-02-28T15:44:28Z

<p>Dimi: Σχήμα 4: Χρονικές σειρές κρουσμάτων δάγκειου στις τέσσερις περιοχές μελέτης.</p> <hr /> <div>Σχήμα 4: Χρονικές σειρές κρουσμάτων δάγκειου στις τέσσερις περιοχές μελέτης.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_dengue_img2.PNG 2020-02-28T15:42:28Z

<p>Dimi: Σχήμα 3: Εποχικότητα και διαχρονικές διακυμάνσεις της επίπτωσης του δάγκειου πυρετού με κλιματικές και περιβαλλοντικές μεταβλητές.</p> <hr /> <div>Σχήμα 3: Εποχικότητα και διαχρονικές διακυμάνσεις της επίπτωσης του δάγκειου πυρετού με κλιματικές και περιβαλλοντικές μεταβλητές.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:DT_dengue_img1.PNG 2020-02-28T15:40:32Z

<p>Dimi: Σχήμα 2: Μηνιαία GSMap και LST δεδομένα.</p> <hr /> <div>Σχήμα 2: Μηνιαία GSMap και LST δεδομένα.</div>

Dimi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CF%8C%CE%BB%CE%B7_%CE%94%CE%AE%CE%BC%CE%B7%CF%84%CF%81%CE%B1 2020-02-28T15:24:31Z

<p>Dimi: Νέα σελίδα με ' category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) '</p> <hr /> <div><br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Dimi