RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Μαστρογιάννης Δημήτριος

2013-04-12T12:01:14Z

Dimmas: Νέα σελίδα με '*Καταγραφή Πλημμυρών *Εκτίμηση κινδύνου διάβρωσης *[[Εκτίμηση ζημιών των γεωργικών καλλ...'

*[[Καταγραφή Πλημμυρών]]

*[[Εκτίμηση κινδύνου διάβρωσης]]

*[[Εκτίμηση ζημιών των γεωργικών καλλιεργειών]]

*[[Εκτίμηση παραγωγής / Απόδοση]]

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

Εκτίμηση παραγωγής / Απόδοση

2013-04-12T12:00:48Z

Dimmas:

[[Αρχείο:ektimisi1.png|200px|thumb|right|Εικόνα 1.Φασματική υπογραφή βλάστησης. Η βλάστηση έχει χαμηλή ανάκλαση στην ορατή περιοχή του φάσματος και υψηλή ανάκλαση στο κοντινό υπέρυθρο]]Η εκτίμηση της παραγωγής και η απόδοση των καλλιεργειών είναι πολύ σημαντική στην σημερινή εποχή γιατί μια χώρα πρέπει να γνωρίζει τι καλλιέργειες χρησιμοποιούνται και τι θα παράγει κάθε χρονιά. Οι πληροφορίες που μπορούμε να έχουμε σχετικά με το δυναμικό της απόδοσης μιας καλλιέργειας σε πρώιμο στάδιο είναι πολύ χρήσιμές για τους αγρότες, αλλά επίσης και για τις χώρες που σε μεγάλο βαθμό εξαρτώνται από τη γεωργική παραγωγή για την ικανοποίηση των εθνικών αναγκών στις καλλιέργειες αλλά και για το εισόδημα μέσω εξαγωγών.

Οι εκτιμήσεις για την απόδοση των καλλιεργειών είναι μία γεωργική πρακτική η οποία υπάρχει εδώ και πολλούς αιώνες. Ακόμη και σήμερα, οι έμπειροι αγρότες και οι Γεωπόνοι του ΕΛ.Γ.Α που ειδικεύονται στην εκτίμηση της παραγωγής των καλλιεργειών είναι σε θέση να κάνουν απλές εκτιμήσεις για την τελική παραγωγή, με μία μόνο εξέταση της ευρωστίας των φυτών και την κατάσταση της υγείας στα μέσα της περιόδου και λαμβάνοντας υπόψη τις κλιματολογικές συνθήκες μέχρι εκείνο το σημείο. Πιο κοντά στην συγκομιδή είναι αυτονόητο ότι η εκτίμηση της παραγωγής είναι πιο ακριβής.

Χάρη στο συγκεκριμένο τρόπο με τον οποίο η βλάστηση αντανακλά την ηλεκτρομαγνητική ακτινοβολία μπορούμε να αξιολογήσουμε την κατάσταση των φυτών με τη χρήση δεδομένων τηλεπισκόπησης. Με τον συνδυασμό αυτών των στοιχείων με πρόσθετα στοιχεία (όπως οι κλιματικές συνθήκες) σε πολύπλοκα μοντέλα, είναι δυνατό να εκτιμηθεί το τελικό προϊόν από ένα πεδίο καλλιέργειας σε πολύ πρώιμο στάδιο. Πιο συγκεκριμένα Οι αισθητήρες που καταγράφουν το ηλεκτρομαγνητικό σήμα της βλάστησης δέχονται πολύ χαμηλό σήμα στην μπλε και κόκκινη περιοχή, κάπως εντονότερο σήμα στην πράσινη και πολύ ισχυρό στην κοντινή υπέρυθρη περιοχή του φάσματος. Εάν η ισχύς του σήματος για την κάθε περιοχή του φάσματος παρουσιαστεί σε ένα γράφημα, θα είναι κάπως έτσι: (Εικόνα 1).

Ο συνδυασμός χαμηλής ορατής ανάκλασης και υψηλής ανάκλασης στο κοντινό υπέρυθρο είναι μοναδική για τα περισσότερα είδη βλάστησης και γι αύτό είναι γνωστή ως φασματική υπογραφή βλάστησης. ¨Όταν τα φυτά είναι υγιή έχουν διαφορετική φασματική υπογραφή βλάστησης σε σχέση με τα καταπονημένα φυτά από μια η περισσότερες αιτίες (έλλειψη νερού, έλλειψη θρεπτικών στοιχείων, Ασθένειες, μύκητες, Βακτήρια) .Η φασματική ανάκλαση των φύλλων των καταπονημένων φυτών θα έχει υψηλότερη κόκκινη ανάκλαση - λόγω της μειωμένης συγκέντρωσης χλωροφύλλης - και μικρότερη ανάκλαση στο κοντινό υπέρυθρο ,(όπως στα υγιή φυτά) λόγω της απώλειας του νερού και της καταστροφής των κυτταρικών τοιχωμάτων. Με την τηλεπισκόπηση μπορούμε άμεσα να εκτιμήσουμε το ποσό χλωροφύλλης που υπάρχει σε ένα φυτό. Συνδυάζοντας περισσότερα από ένα κανάλια (τμήματα του ηλεκτρομαγνητικού φάσματος στα οποία γίνεται καταγραφή της έντασης της ακτινοβολίας) των καταγεγραμμένων στοιχειών τηλεπισκόπησης, μπορούμε να δημιουργήσουμε δείκτες βλάστησης τους οποίους θα χρησιμοποιήσουμε για την εκτίμηση της κατάστασης των καλλιεργειών. Με την χρήση δεικτών βλάστησης μπορούμε να επεξεργαστούμε τα στοιχεία τηλεπισκόπησης και να παράγουμε ταξινομήσεις , που μας δείχνουν τα φυτά που έχουν καταπονηθεί.

Για την εκτίμηση της απόδοσης των καλλιεργειών με τη βοήθεια των δεδομένων τηλεπισκόπησης υπάρχουν 2 μέθοδοι. Η πρώτη μέθοδος χρησιμοποιεί μόνο τα δεδομένα τηλεπισκόπησης, ενώ η δεύτερη χρησιμοποιεί επίσης και άλλες μορφές δεδομένων, τα οποία χρησιμοποιούνται σε μοντέλα που προσομοιώνουν την ανάπτυξη των καλλιεργειών, και τελικά δίνουν μια εκτίμηση σχετικά με την απόδοση των καλλιεργειών
Για να εκτιμήσουμε τη γεωργική απόδοση, μόνο με τη χρήση εικόνων τηλεπισκόπησης συγκρίνουμε δορυφορικές εικόνες που έχουν ληφθεί σε διάφορες ημερομηνίες, με στατιστικά στοιχεία απόδοσης των καλλιεργειών των χωραφιών. Σε αυτές τις περιπτώσεις, η εικόνα ήταν συνήθως επεξεργασμένη για τον υπολογισμό ενός ή περισσοτέρων δεικτών βλάστησης (Ο NDVI είναι ένας από τους δείκτες που χρησιμοποιούνται πιο συχνά στις μελέτες που σχετίζονται με τη γεωργία και τη βλάστηση γενικότερα, ειδικά όταν υπάρχει υψηλή κάλυψη βλάστησης.) και οι τιμές των δεικτών που αντιστοιχούν σε ένα χωράφι συγκρίθηκαν με την απόδοση του χωραφιού. Πολλές σχέσεις μεταξύ δεικτών βλάστησης και απόδοσης καλλιεργειών έχουν δημιουργηθεί με αυτό τον τρόπο. Ωστόσο, κάθε μία από αυτές τις σχέσεις ισχύει μόνο για τη συγκεκριμένη καλλιέργεια, στη συγκεκριμένη περιοχή και μόνο όταν τα δεδομένα τηλεπισκόπησης αποκτήθηκαν κατά τη συγκεκριμένη χρονική στιγμή του έτους. Ακόμη και τότε, η ακρίβεια της εκτίμησης της τελικής γεωργικής απόδοσης κυμαίνεται από έτος σε έτος κι αυτό είναι λογικό γιατί οι κλιματικές συνθήκες οι αιτίες καταπόνησης (ασθένειες, εχθροί) και οι γεωργικές πρακτικές ποτέ δεν είναι ίδιες. Ωστόσο, η χρήση των δεικτών βλάστησης χωρίς άλλα δεδομένα είναι ένας γρήγορος και εύκολος τρόπος για να γίνουν απλές εκτιμήσεις απόδοσης καλλιεργειών.

Για να γίνουν πιο ακριβείς προβλέψεις, είναι απαραίτητο να εξεταστούν οι παράγοντες που επηρεάζουν την ανάπτυξη και την απόδοση καλλιεργειών στη συγκεκριμένη χρονιά. Πληροφορίες όπως τα μετεωρολογικά και κλιματικά δεδομένα, οι ιδιότητες του εδάφους και των γεωργικών πρακτικών συνδυάζονται με τα πρόσφατα δεδομένα τηλεπισκόπησης για να εξομοιώσουν την ανάπτυξη των καλλιεργειών και να κάνουν εκτιμήσεις για την τελική απόδοση των καλλιεργειών.

Ένα τέτοιο παράδειγμα είναι το Σύστημα Πρόβλεψης MARS για την Γεωργική Απόδοση (MYCFS) το οποίο λειτουργεί από το MARS (Παρακολούθηση της Γεωργίας με Τηλεπισκόπηση) του τομέα STAT της Μονάδας Γεωργίας και Αλιείας του Ενιαίου Κέντρου Ερευνών (JRC).
Εκτός από τα μετεωρολογικά δεδομένα και τις γεωργικές πρακτικές, οι γεωγραφικές πληροφορίες περιλαμβάνονται επίσης σε ορισμένα μοντέλα.Για παράδειγμα, η κλίση του χωραφιού, σε συνδυασμό με τις ιδιότητες του εδάφους, μπορεί να δώσει χρήσιμες πληροφορίες για τη συμπεριφορά των επιφανειακών υδάτων. Αυτό είναι πολύ σημαντικό, όταν πρέπει να εκτιμηθεί η απορροή λιπασμάτων και φυτοφαρμάκων
Επίσης πολύ συχνή είναι και η χρήση των Γεωγραφικών συστημάτων Πληροφοριών (G.I.S) για την αποθήκευση πληροφοριών που σχετίζονται με συγκεκριμένα χωράφια ή περιοχές. Εκτός από την εκτιμώμενη απόδοση των καλλιεργειών, άλλες πληροφορίες περιλαμβάνουν το είδος της καλλιέργειας ή καλλιεργειών κατά τη διάρκεια της σεζόν, τον ιδιοκτήτη του χωραφιού, τις ιδιότητες του εδάφους, καθώς και ιστορικά στοιχεία, όπως οι γεωργικές πρακτικές που έχουν ακολουθηθεί και το ιστορικό επιθέσεων παρασίτων.

Πηγή:

http://www.seos-project.eu/modules/agriculture/agriculture-c02-p04.g

[[category:Εκτίμηση παραγωγής/Απόδοση]]

Εκτίμηση παραγωγής / Απόδοση

2013-04-12T11:57:08Z

Dimmas: Νέα σελίδα με 'Add Your Content Here category:Εκτίμηση παραγωγής/Απόδοση'

Add Your Content Here

[[category:Εκτίμηση παραγωγής/Απόδοση]]

Αρχείο:Ektimisi1.png

2013-04-12T11:45:08Z

Dimmas: Φασματική υπογραφή βλάστησης. Η βλάστηση έχει χαμηλή ανάκλαση στην ορατή περιοχή του φάσματος και υψηλή ανάκλαση στο κοντινό υπέρυθρο.

Φασματική υπογραφή βλάστησης. Η βλάστηση έχει χαμηλή ανάκλαση στην ορατή περιοχή του φάσματος και υψηλή ανάκλαση στο κοντινό υπέρυθρο.

Εκτίμηση κινδύνου διάβρωσης

2013-04-12T11:43:26Z

Dimmas: Νέα σελίδα με 'Τρωτότητα εδαφών στην υδατική διάβρωσηΗ διάβρωση των εδαφών είναι...'

[[Αρχείο:diabrosi1.png|200px|thumb|right|Τρωτότητα εδαφών στην υδατική διάβρωση]]Η διάβρωση των εδαφών είναι ένα από τα σημαντικότερα περιβαλλοντικά προβλήματα που οφείλεται σε πολλές αιτίες όπως η υποβάθμιση των δασών η εντατικοποίηση της γεωργίας., η υπερβόσκηση, παράνομη υλοτομία, εκχερσώσεις, φυτοφάρμακα που καταστρέφουν την οργανική ουσία που συγκρατεί τα εδαφικά σωματίδια, κατασκευές και επεκτάσεις, πυρκαγιές, τοξικές ουσίες, καταστροφή φυτοκάλυψης, πλημύρες, ξηρασία, αιολική δράση, έντονες βροχοπτώσεις, παγετός, βαρύτητα, κ.λπ Χαρακτηριστικό του φαινομένου της εδαφικής διάβρωσης είναι η τρομακτικά μεγάλη ταχύτητα εξέλιξης του: σε χρονικό διάστημα μερικών ωρών μπορεί να καταστραφεί έδαφος για το σχηματισμό του οποίου απαιτούνται εκατοντάδες ή και χιλιάδες χρόνια. Σήμερα, η παγκόσμια κατάσταση λόγω της εδαφικής διάβρωσης είναι πολύ ανησυχητική, αφού πλήττονται όλες οι χώρες του κόσμου με διαφορετική ένταση η καθεμιά. Υπολογίζεται ότι το 18% της συνολικής χρησιμοποιούμενης γης σε παγκόσμιο επίπεδο υπόκειται διάβρωση σε κάποιο βαθμό, από το οποίο το 12% υφίσταται σοβαρή διάβρωση (Scherr 1999).

Η σύνταξη του κινδύνου διάβρωσης της χώρας μας σαν έργο υποδομής και εφαρμοσμένης έρευνας για την καταγραφή των φυσικών πόρων, στην προοπτική διατήρησης και αειφορικής χρήσης των εδαφικών πόρων, την εφαρμογή των αποτελεσμάτων έρευνας, την ορθολογικότερη χρήση και προστασία των δύο περιορισμένων και μη ανανεώσιμων για την πατρίδα μας φυσικών πόρων, του εδάφους και του νερού είναι κεφαλαιώδους και πρωταρχικής σημασίας ειδικότερα στη λογική της αειφόρου ανάπτυξης, του ανταγωνισμού και της προστασίας του περιβάλλοντος.Tα Γεωγραφικά Συστήματα Πληροφοριών (GIS) και η Δορυφορική Τηλεπισκόπηση έχουν χρησιμοποιηθεί εκτενώς στην χαρτογράφηση του κινδύνου διάβρωσης. Η κάλυψη του εδάφους από βλάστηση είναι ένας από τους πιο σημαντικούς παράγοντες που συντελούν στην μείωση του κινδύνου διάβρωσης Σε μοντέλα εδαφικής διάβρωσης όπως το USLE ( Universal Soil Loss Equation), (Wischmeler and Smith, 1978) και το μετέπειτα μοντέλο RUSLE ( Revised Universal Soil Loss Equation), (Renard et al,1997), η επίδραση της βλάστησης καταχωρείται ως παράγοντας βλαστικής κάλυψης ή παράγοντας C. Ο παράγοντας C (παράγοντας φυτικής κάλυψης) υπολογίζεται χρησιμοποιώντας τον δείκτη βλάστησης NDVI και τεχνικές Δορυφορικής Τηλεπισκόπησης.

Επίσης για να εκτιμήσουμε τον κίνδυνο διάβρωσης εδαφών παίρνουμε δείγματα εδάφους από διάφορες περιοχές μελέτης που να αντιπροσωπεύουν διαφορετικές κλιματολογικές συνθήκες ώστε να έχουν αναπτυχθεί με την πάροδο των χρόνων διαφορετικοί τύποι εδάφους και κάνουμε ραδιομετρικές μετρήσεις . Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων εδάφους προσδιορίζονται στο εργαστήριο. Εφαρμόζοντας τεχνικές κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης αναγνωρίζουμε ομαδοποιήσεις –συσσωρεύσεις οι οποίες στις περισσότερες των περιπτώσεων έχουν διαφορετικές φασματικές υπογραφές.

Χρησιμοποιώντας λόγους καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996) αξιολογούμε την σχέση μεταξύ εδαφικής διάβρωτικότητας και της φασματικής ανακλαστικότητας. Οι Shoshang και Lavee (1998) εφάρμοσαν την ίδια τεχνική που χρησιμοποιεί τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων μας έδειξε μια γραμμική θετική συσχέτιση μεταξύ των 2 φασματικών λόγων και των επιπέδων διάβρωσης. Επίσης εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα Διαπιστώθηκε ότι η διαβρωτικότητα των εδαφών είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφους σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

Πηγές:

http://www.users.auth.gr

http://dspacelb.ntua.gr

http://soils.usda.gov/use/worldsoils/mapindex/

[[category:Εκτίμηση κινδύνου διάβρωσης]]

Αρχείο:Diabrosi1.png

2013-04-12T11:38:47Z

Dimmas: Τρωτότητα εδαφών στην υδατική διάβρωση Πηγή: USDA-NRCS (http://soils.usda.gov/use/worldsoils/mapindex/

Τρωτότητα εδαφών στην υδατική διάβρωση
Πηγή: USDA-NRCS (http://soils.usda.gov/use/worldsoils/mapindex/

Εκτίμηση ζημιών των γεωργικών καλλιεργειών

2013-04-12T11:37:25Z

Dimmas: Νέα σελίδα με '[[Αρχείο:zimies1.png|200px|thumb|right|Εικονά 1.Χαρτογράφηση του Δέλτα του Ποταμού Μισισιπί, εντοπίζοντας τ...'

[[Αρχείο:zimies1.png|200px|thumb|right|Εικονά 1.Χαρτογράφηση του Δέλτα του Ποταμού Μισισιπί, εντοπίζοντας τις πιο πιθανές περιοχές όπου τα έντομα μπορεί να επιθετούν]][[Αρχείο:zimies2.png|200px|thumb|right|Εικονά 2.Προσδιορισμός βλάστησης υπό συνθήκες καταπόνησης που έχουν ληφθεί από δεδομένα AVIRIS]][[Αρχείο:zimies3.png|200px|thumb|right|Εικονά 3.Περιεκτικότητα σε νερό των καλλιεργειμένων πεδίων με θερμική απεικόνιση. Τα μπλε, πράσινα και κόκκινα pixels αντιπροσωπεύουν φυτά με επαρκή, μέση και χαμηλή συγκέντρωση νερού, αντίστοιχα]]Η Τηλεπισκόπηση αποτελεί μια σημαντική τεχνική παρακολούθησης και συλλογής στοιχείων (δεδομένων) για τον προσδιορισμό της φύσης και των ιδιοτήτων ενός η περισσοτέρων αντικειμένων και έχει πολλές εφαρμογές στον τομέα της γεωργίας.
Συγκεκριμένα η Τηλεπισκόπηση μπορεί να χρησιμοποιηθεί από τους αγρότες και τους γεωπόνους για την αποτελεσματικότερη εκμετάλλευση γεωργικών εκτάσεων, την εκτίμηση παραγωγής και απόδοσης των φυτών και για την εκτίμηση ζημιών στις γεωργικές καλλιέργειες. Ακόμα η Τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για εκτίμηση ζημιών από Ασθένειες και εντομολογικές προσβολές και άλλες αιτίες ζημιών.
Πιο κάτω παρουσιάζουμε μερικές απ’ τις εφαρμογές της Τηλεπισκόπησης σε διάφορες εκτιμήσεις ζημιών στις γεωργικές καλλιέργειες.

'''Α) Ασθένειες:'''

Οι ασθένειες προκαλούν στα φυτά απώλεια χλωροφύλλης και πολλές φορές καταστροφή ολόκληρων φύλλων με αποτέλεσμα την μείωση της συνολικής επιφάνειας φύλλων και την μείωση της φωτοσύνθεσης. Με την τηλεπισκόπηση μπορούμε άμεσα να εκτιμήσουμε το ποσό χλωροφύλλης που υπάρχει σε ένα φυτό. Συνδυάζοντας περισσότερα από ένα κανάλια (τμήματα του ηλεκτρομαγνητικού φάσματος στα οποία γίνεται καταγραφή της έντασης της ακτινοβολίας) των καταγεγραμμένων στοιχειών τηλεπισκόπησης, μπορούμε να δημιουργήσουμε δείκτες βλάστησης τους οποίους θα χρησιμοποιήσουμε για την εκτίμηση της κατάστασης των καλλιεργειών. Με την χρήση δεικτών βλάστησης μπορούμε να επεξεργαστούμε τα στοιχεία τηλεπισκόπησης και να παράγουμε ταξινομήσεις. Ανάλογα με την ανάκλαση στο ορατό και κοντινό υπέρυθρο φάσμα, οι δείκτες βλάστησης που παράγονται μας επιτρέπουν να κάνουμε μια εκτίμηση για την ποσότητα χλωροφύλλης στα φυτά.
Επίσης πριν αρχίσει η κατάρρευση της χλωροφύλλης σε άρρωστα φυτά, οι ασθένειες που προκαλούν την καταπόνηση έχουν ήδη αρχίσει να επηρεάζουν την κυτταρική δομή των φύλλων. Αυτό επηρεάζει την ανάκλαση στο κοντινό υπέρυθρο, ακόμα πριν το χρονικό σημείο όπου η απώλεια της χλωροφύλλης αλλάζει την ανάκλαση στο ορατό φάσμα. Με την τηλεπισκόπηση μπορούμε να δούμε τις αλλαγές στο κοντινό υπέρυθρο (οι οποίες δεν είναι ορατές με το ανθρώπινο μάτι), πριν εμφανιστούν τα ορατά συμπτώματα χλώρωσης, και με αυτό τον τρόπο μπορούμε να έχουμε έγκαιρη προειδοποίηση ότι τα φυτά είναι άρρωστα.
Επίσης με την χρήση δεικτών βλάστησης με δεδομένα από αισθητήρες με πολύ υψηλή χωρική ανάλυση (κάτω των 10 μέτρων ή ακόμα μέχρι και ένα μέτρο!), μπορούμε επίσης να ξεχωρίσουμε τμήματα μικρών διαστάσεων των χωραφιών όπου οι καλλιέργειες υποφέρουν από κάποια ασθένεια και να εκτιμήσουμε πόσο σοβαρή είναι. Αυτό επιτρέπει στο γεωργό να εντοπίσει το πρόβλημα και να λάβει εγκαίρως κατάλληλα μέτρα για την αντιμετώπιση των προβλημάτων στα συγκεκριμένα σημεία μειώνοντας το κόστος και την περιβαλλοντική ρύπανση.
Απαραίτητη εδώ είναι η γεωργική εμπειρία και η διάγνωση των γεωπόνων γιατί τα δεδομένα της Τηλεπισκόπησης μας δείχνουν μόνο τις περιοχές του χωραφιού που εντοπίζεται το πρόβλημα χωρίς πολλές φορές να είναι φανερή η αιτία (π.χ Ασθένειες, Εντομολογικές προσβολές η έλλειψη θρεπτικών στοιχείων).

'''Β) Εντομολογικές προσβολές'''

Με παρόμοιο τρόπο με τις ασθένειες χρησιμοποιώντας τους δείκτες βλάστησης και την γεωργική εμπειρία μπορούμε να εντοπίσουμε τις πιο ευαίσθητες περιοχές στις εντομολογικές προσβολές. Η πολυφασματική εικόνα (Εικόνα 1) παρουσιάζει τα φυτά βαμβακιού που, λόγω ευνοϊκών συνθηκών, αναπτύσσονται γρηγορότερα από τα άλλα. Αυτά τα φυτά (που απεικονίζονται με κόκκινο) είναι οι πιο πιθανοί στόχοι για επίθεση από εχθρούς και ασθένειες την συγκεκριμένη χρονική στιγμή Οι περιοχές του χωραφιού μπορούν να ταξινομηθούν σε πολλές κατηγορίες, ανάλογα με την τιμή του δείκτη βλάστησης, ο οποίος προέρχεται από τα δεδομένα τηλεπισκόπησης. Στην αυτή την περίπτωση, μια οριακή τιμή του δείκτη βλάστησης επιλέγεται και οι περιοχές του χωραφιού χωρίζονται σε δύο κατηγορίες, αυτές που απαιτούν και εκείνες που δεν απαιτούν ψεκασμό.

'''Γ) Φυσικά Φαινόμενα'''

Η χρήση της Τηλεπισκόπησης για εκτίμηση ζημιών από φυσικά φαινόμενα στις γεωργικές καλλιέργειες αποτελεί ένα πολύτιμο βοηθητικό εργαλείο σήμερα και μελλοντικά με την χρήση βελτιωμένων δορυφορικών εικόνων και την εξέλιξη της έρευνας και της τεχνολογίας θα αποτελέσει το βασικότερο παράγοντα στην εκτίμηση ζημιών. Ήδη η Ευρώπη δια μέσου του κέντρου παρατήρησης της Γης (C.E.O) και σε συνεργασία με ιδιωτικές και δημόσιες ασφαλιστικές εταιρείες άρχισε τις προσπάθειες για την εκτίμηση ζημιών στην αγροτική παραγωγή με εκτιμήσεις σιτηρών που πλήγηκαν από Χαλάζι. Τελευταία και στην Ελλάδα ο Οργανισμός Ελληνικών Γεωργικών Ασφαλίσεων (ΕΛ.Γ.Α) Οργανισμός που ασφαλίζει την γεωργική παραγωγή και αποζημιώνει τους Έλληνες παραγωγούς σε περίπτωση ζημιών των γεωργικών καλλιεργειών από φυσικά φαινόμενα όπως Παγετός, Χαλάζι, Πλημμύρα, Ανεμοθύελλα, Καύσωνα, Βροχόπτωση χρηματοδοτεί την έρευνα σχετικά με την δυνατότητα αξιοποίησης της τεχνολογίας της Τηλεπισκόπησης και των Γεωγραφικών συστημάτων Πληροφοριών στην εκτίμηση και την καταγραφή ζημιών των γεωργικών καλλιεργειών και πιλοτικά εκτίμησε ζημιές από Παγετό και Πλημμύρα σε σιτηρά στον Έβρο.
Η εκτίμηση και δω γίνεται με τους δείκτες βλάστησης και πιο συγκεκριμένα ο NDVI έδωσε τα καλύτερα αποτελέσματα. Στα φυτά που έχουν πληγεί από τα φυσικά φαινόμενα έχουμε μειωμένη ποσότητα χλωροφύλλης, αλλαγές στην εσωτερική δομή των φύλλων αλλαγές στα μορφολογικά χαρακτηριστικά των φυτών και διαφορετική φασματική υπογραφή από τα φυτά που δεν έχουν πληγεί. Συνδυάζοντας περισσότερα από ένα κανάλια (τμήματα του ηλεκτρομαγνητικού φάσματος στα οποία γίνεται καταγραφή της έντασης της ακτινοβολίας) των καταγεγραμμένων στοιχειών τηλεπισκόπησης, μπορούμε να δημιουργήσουμε δείκτες βλάστησης τους οποίους θα χρησιμοποιήσουμε για την εκτίμηση της κατάστασης των καλλιεργειών. Παίρνοντας ι2 δορυφορικές εικόνες πρίν και μετά την ζημιά και υπολογίζοντας τον NDVI μπορούμε να κάνουμε εκτίμηση της ζημιάς από τα φυσικά φαινόμενα. Πρόβλημα εδώ έχουμε με την ύπαρξη ζιζανίων που μπορεί να έχουν παρόμοια φασματική υπογραφή με τα φυτά και το γεγονός ότι η μέθοδος έχει μεγαλύτερη ακρίβεια στις πεδινές περιοχές. Γι’ αυτό πάντα πρέπει να γίνονται και επιτόπιοι έλεγχοι για την παρακολούθηση της ζημιάς και για περισσότερη αξιοπιστία.

'''Δ) Άλλες αιτίες'''

Άλλες αιτίες που προκαλούν καταπόνηση των φυτών είναι η μειωμένη περιεκτικότητα σε νερό, η έλλειψη θρεπτικών στοιχείων υψηλή συγκέντρωση βλαβερών χημικών ουσιών (τοξικότητα) η ακραία οξύτητα ή αλατότητα στο έδαφος ,. ριζική ασφυξία ή έλλειψη χώρου για την ανάπτυξη των ριζών η έλλειψη ηλιοφάνειας, ο ανταγωνισμός με άλλα φυτά για το φως, τα θρεπτικά συστατικά, το νερό ή το χώρο.
Όταν δεν υπάρχει αρκετό νερό και τα φυτά βρίσκονται σε κατάσταση καταπόνησης, δεν μπορούν να απομακρύνουν θερμότητα μέσω εφίδρωσης αρκετά γρήγορα και έτσι, αυξάνεται η θερμοκρασία τους. Αυτή η αύξηση της θερμοκρασίας μπορεί να ανιχνευθεί με την τηλεπισκόπηση, με τη χρήση της περιοχής του φάσματος που είναι ευαίσθητο στη θερμότητα. Οι άλλες αιτίες με τους δείκτες βλάστησης και την κατάλληλη γεωργική εμπειρία μπορούν να ανιχνευθούν και να ληφθούν τα κατάλληλα καλλιεργητικά μέτρα (Λίπανση, Ζιζανιοκτόνα κ.λ.π).

Πηγή:
http://www.seos-project.eu/modules/agriculture/agriculture-c02-p04.g
www.tandfonline.com
Assessment of crop damage using space remote sensing and GIS

[[category:Εκτίμηση ζημιών των γεωργικών καλλιεργειών]]

Αρχείο:Zimies3.png

2013-04-12T11:27:02Z

Dimmas: Περιεκτικότητα σε νερό των καλλιεργειμένων πεδίων με θερμική απεικόνιση. Τα μπλε, πράσινα και κόκκινα pixels αντιπροσωπεύουν φυτά με επαρκή,

Περιεκτικότητα σε νερό των καλλιεργειμένων πεδίων με θερμική απεικόνιση. Τα μπλε, πράσινα και κόκκινα pixels αντιπροσωπεύουν φυτά με επαρκή, μέση και χαμηλή συγκέντρωση νερού, αντίστοιχα.
Πηγή: Wikimedia Commons and US Agricultural Research Service

Αρχείο:Zimies2.png

2013-04-12T11:26:20Z

Dimmas: Προσδιορισμός βλάστησης υπό συνθήκες καταπόνησης που έχουν ληφθεί από δεδομένα AVIRIS Πηγή: U.S. Geological Survey

Προσδιορισμός βλάστησης υπό συνθήκες καταπόνησης που έχουν ληφθεί από δεδομένα AVIRIS

Πηγή: U.S. Geological Survey

Αρχείο:Zimies1.png

2013-04-12T11:25:50Z

Dimmas: Χαρτογράφηση του Δέλτα του Ποταμού Μισισιπί, εντοπίζοντας τις πιο πιθανές περιοχές όπου τα έντομα μπορεί να επιθετούν. Πηγή: Environmental Health Persp

Χαρτογράφηση του Δέλτα του Ποταμού Μισισιπί, εντοπίζοντας τις πιο πιθανές περιοχές όπου τα έντομα μπορεί να επιθετούν.
Πηγή: Environmental Health Perspectives, Volume 108 (3), Μάρτιος 2000

Καταγραφή Πλημμυρών

2013-04-12T11:21:14Z

Dimmas: Νέα σελίδα με '[[Αρχείο:Plimires1.png|200px|thumb|right|πληγείσες από πλημμύρα εκτάσεις σε τμήμα του Ν. Εβρου. Στην εικ...'

[[Αρχείο:Plimires1.png|200px|thumb|right|πληγείσες από πλημμύρα εκτάσεις σε τμήμα του Ν. Εβρου. Στην εικόνα
φαίνεται επίσης η διαφορά της εμφάνισης των αγρών στις πεδινές εκτάσεις. Μέσα στην μη πλημμυρισμένη πεδιάδα φαίνονται 4-5 χωράφια με βλάστηση, ερυθρό χρώμα, ενώ τα άλλα είναι ακαλλιέργητα
]]Με τον ίδιο τρόπο που έγιναν οι εκτιμήσεις ζημιών από Παγετό, Χαλάζι και άλλα φυσικά φαινόμενα με την χρήση της Τηλεπισκόπησης έγινε και η καταγραφή πλημμύρας από τον ΕΛ.Γ.Α (Οργανισμός που καταγράφει τις ζημιές στις γεωργικές καλλιέργειες και αποζημιώνει τους πληγέντες παραγωγούς) σε μια περιοχή δυτικά του ποταμού Έβρου φυσικού συνόρου Ελλάδας και Τουρκίας τον Φεβρουάριο του ‘98. Χρησιμοποιήθηκε η παρακάτω εικόνα από τον δορυφόρο SPOT που ελήφθη στις 21/2/1998 και μας δείχνει την πλημμυρισμένη έκταση και μια εικόνα προγενέστερη της ζημιάς. Η πιο κάτω εικόνα μας δείχνει τις δυνατότητες που παρέχει η Τηλεπισκόπηση στην περίπτωση των πλημμυρών και την βοήθεια που μπορεί να δώσει στον ΕΛ.Γ.Α όσον αφορά την ακριβή οριοθέτηση των πληγέντων εκτάσεων. Είναι ευνόητο ότι εκμεταλλευόμενοι την δυνατότητα των δορυφόρων να λαμβάνουν εικόνα της ίδιας περιοχής κάθε 18 περίπου ημέρες μπορεί ο ενδιαφερόμενος να παρακολουθήσει την εξέλιξη της πλημμύρας στην επιθυμητή χρονική περίοδο.
Χρησιμοποιώντας τις 2 εικόνες οι γεωπόνοι του ΕΛ.Γ.Α μπόρεσαν να προσδιορίσουν ποια χωράφια είχαν πλημμυρίσει και ποια από αυτά είχαν καλλιεργηθεί. Η χρήση της Τηλεπισκόπησης προσέδωσε στην προκειμένη περίπτωση περισσότερη αξιοπιστία στις εκτιμήσεις του ΕΛ.Γ.Α μιας και τα δεδομένα των δορυφορικών εικόνων δεν μπορούν να αμφισβητηθούν (ειδικά όσον αφορά τα καλλιεργημένα η ακαλλιέργητα χωράφια), λιγότερο κόστος και οικονομία χρόνου γιατί αν οι εκτιμήσεις γινόταν μόνο με την χρήση συμβατικών μεθόδων θα απαιτούνταν μεγάλο χρονικό διάστημα για να κατεβεί η στάθμη των νερών και να ολοκληρωθεί η καταγραφή των ζημιών.
Ενδεικτική ακόμη είναι και η περίπτωση καταγραφής της πλημμύρας στην περιοχή της κοινότητας Βαφιοχωρίου Κιλκίς (πρώην λίμνη Αρτζάν) που πραγματοποιήθηκε στα αρχικά στάδια του προγράμματος. Στην περίπτωση αυτή χρησιμοποιήθηκε δορυφορική εικόνα radar του δορυφόρου ERS-1 και σκοπός ήταν η ταξινόμηση της πλημμύρας σε μεγέθη έντασης- έκτασης και όχι η εξατομίκευση ζημιάς σε επίπεδο αγροτεμαχίου. Στη μελέτη αυτή χρησιμοποιήθηκε η τεχνική του «κατατεμαχισμού της εικόνας» (density slicing), όπως και της απάλειψης του σφάλματος του ανάγλυφου με τη χρήση ψηφιακών μοντέλων ανάγλυφου. (DEM).

'''ΣΥΜΠΕΡΑΣΜΑΤΑ:'''

Αποδεχόμενοι μια απόκλιση της τάξης του 15% το προσδιοριζόμενο ποσοστό ζημιάς όπως προσδιορίστηκε από τους γεωπόνους του ΕΛ.Γ.Α με επιτόπιους ελέγχους και όπως προσδιορίστηκε με τον ΝDVI συμφωνούν στο 73% των χωραφιών που εξετάστηκαν. Στην πράξη η συνδυασμένη χρήση της FS ταξινόμησης και της ταξινόμησης μέγιστης πιθανότητας δίνει τα καλύτερα αποτελέσματα όπως επίσης και μια ρεαλιστική προκαταρκτική εικόνα των φυτών με επιτόπιους ελέγχους μετά από ένα καταστροφικό γεγονός.
Επίσης για την γεωργία είναι απαραίτητη η δημιουργία χαρτών επικινδυνότητας για πλημμύρα και η χαρτογράφηση των ευάλωτων περιοχών όπως η περιοχή του Έβρου που μπορεί να γίνει με ψηφιακά μοντέλα εδάφους, δεδομένα κάλυψης εδάφους, υδρολογικά μοντέλα και συνεχής παρακολούθησης διαδοχικών πλημμυρών.

Πηγή:

www.tandfonline.com

Assessment of crop damage using space remote sensing and GIS
N.ΣΥΛΛΑΙΟΣ: ΠΟΙΟΤΙΚΗ KAI ΠΟΣΟΤΙΚΗ ΕΚΤΙΜΗΣΗ ΖΗΜΙΩΝ ΓΕΩΡΓΙΚΩΝ ΚΑΛΛΙΕΡΓΕΙΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΚΑΙ ΓΕΩΓΡΑΦΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΩΝ

[[category:Καταγραφή πλυμμηρών]]

Αρχείο:Plimires1.png

2013-04-12T11:15:43Z

Dimmas: πληγείσες από πλημμύρα εκτάσεις σε τμήμα του Ν. Εβρου. Στην εικόνα φαίνεται επίσης η διαφορά της εμφάνισης των αγρών στις πεδινέ

πληγείσες από πλημμύρα εκτάσεις σε τμήμα του Ν. Εβρου. Στην εικόνα
φαίνεται επίσης η διαφορά της εμφάνισης των αγρών στις πεδινές εκτάσεις. Μέσα στην μη πλημμυρισμένη πεδιάδα φαίνονται 4-5 χωράφια με βλάστηση, ερυθρό χρώμα, ενώ τα άλλα είναι ακαλλιέργητα