http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Dliagkas&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82 2026-04-07T06:55:54Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%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%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1%CF%82_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BE%CE%B1%CF%83%CF%86%CE%AC%CE%BB%CE%B9%CF%83%CE%B7_%CE%B5%CF%80%CE%B9%CF%83%CE%B9%CF%84%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CF%83%CF%86%CE%AC%CE%BB%CE%B5%CE%B9%CE%B1%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE 2018-01-17T15:10:44Z

<p>Dliagkas: </p> <hr /> <div>''' Μέθοδοι τηλεπισκόπησης για την αξιολόγηση της υγείας των καλλιεργειών και για την εξασφάλιση επισιτιστικής ασφάλειας στην Αφρική: Δυνατότητες και περιορισμοί '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing of crop health for food security in Africa: Potentials and constraints ''<br /> <br /> '''Συγγραφείς: ''' Onisimo Mutanga, Timothy Dube, Omer Galal<br /> <br /> '''Δημοσιεύθηκε: ''' ''Remote Sensing Applications: Society and Environment, Volume 8, November 2017, Pages 231-239''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Παράσιτα καλλιεργειών, Χαρτογράφηση ασθενειών, Γεωργία ακριβείας, Άμεση ανίχνευση, Στάδια μόλυνσης <br /> <br /> [[Εικόνα:Rswiki_p5_ld_1.jpg | thumb| right|Eικόνα 1:'''Πρόοδος των εφαρμογών τηλεπισκόπησης στο πεδίο των α)ασθενειών καλλιέργειας και β)επιβλαβών οργανισμών καλλιέργειας ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει τις διαδικασίες τηλεπισκόπησης με τις οποίες είμαστε ικανοί να χαρτογραφήσουμε τους επιβλαβείς οργανισμούς και τις ασθένειες στις καλλιεργητικές εκτάσεις. Η επισιτιστική ασφάλεια αποτελεί μείζονος σημασίας ζήτημα για τον πλανήτη μας, ιδιαίτερα τα τελευταία χρόνια που οι απαιτήσεις για τροφή ολοένα και αυξάνονται, ενώ ταυτόχρονα τα αποτελέσματα της κλιματικής αλλαγής αρχίζουν να γίνονται πιο εμφανή από ποτέ. Για τους λόγους αυτούς είναι σημαντικός ο ακριβής και διαχρονικός εντοπισμός, η χαρτογράφηση και η παρακολούθηση των καλλιεργητικών ασθενειών. Τα υψηλής ανάλυσης δεδομένα τηλεπισκόπησης έχουν τη δυνατότητα ανάδειξης των μολυσμένων περιοχών, αλλά και εκείνων που είναι ευάλωτες και ενδέχεται να μολυνθούν μελλοντικά. <br /> <br /> [[Εικόνα:Rswiki_p5_ld_2.jpg | thumb| right|Eικόνα 2:'''Χρήση δεδομένων ανά αισθητήρα στο σύνολο των μελετών τηλεπισκόπησης στο πεδίο της παρακολούθησης των καλλιεργητικών ασθενειών και των επιβλαβών οργανισμών ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι ανθρωπογενείς δραστηριότητες, αλλά και η έντονη εκβιομηχάνιση της οικονομίας αποτελούν τις βασικότερες αιτίες για τις μεταβολές στο κλίμα και κατ’ επέκταση στην ποιότητα των καλλιεργειών. Φαινόμενα όπως οι ασυνήθιστα υψηλές θερμοκρασίες, η ξηρασία, τα κύματα καύσωνα και η υψηλή υγρασία πλήττουν ολοένα και περισσότερες περιοχές, ανάμεσα σε αυτές και η υποσαχάρια Αφρική, προκαλώντας διακυμάνσεις στην ποιότητα των γεωργικών προϊόντων. Η δομή και η φύση των ασθενειών μεταβάλλονται συνεχώς, με νέους τύπους να κάνουν την εμφάνισή τους, όπως αυτός της γκρίζας κηλίδωσης των φύλλων(Grey Leaf Spot)(GLS) που είναι υπαίτιος για απώλειες 30-60% της παραγωγής σε χώρες της Αφρικής. Παρόλο που το πρόβλημα των ασθενειών είναι γνωστό, η αντιμετώπισή του είναι εξαιρετικά δύσκολη, αφού απαιτεί υψηλό κόστος και ολοκληρωμένο σχεδιασμό. Ο ολοκληρωμένος σχεδιασμός απαιτεί συγκεκριμένη εκπαίδευση των αγροτών, η οποία προς το παρόν δεν πραγματοποιείται, κι έτσι παρατηρούνται τα φαινόμενα χρήσης λανθασμένων παρασιτοκτόνων ακόμη και σε περιοχές που δεν έχουν πληγεί, δημιουργώντας ζητήματα επισιτιστικής ασφάλειας και περιβαλλοντικής προστασίας. Η επιστήμη της τηλεπισκόπησης, εξ’ αιτίας των μοναδικών χαρακτηριστικών που διαθέτει όπως είναι η οικονομική αποδοτικότητα και η επαναληπτικότητα των διαδικασιών μπορεί να προσφέρει μια βιώσιμη λύση στο πρόβλημα παρέχοντας χωρικά στατιστικά δεδομένα και στοιχεία για τα επίπεδα παρασίτων, για την έκταση της μόλυνσης και για την ποσότητα του τελικού παραγόμενου προϊόντος. Η παρούσα μελέτη επιχειρεί να εντοπίσει κατακερματισμένα αγροτεμάχια και μικρές ιδιοκτησίες σε περιοχές της υποσαχάριας Αφρικής που έχουν μολυνθεί από ασθένειες, έχοντας σα βασικό κριτήριο φωτοερμηνευτικά κλειδιά όπως είναι ο ρυθμός έγχυσης, η χλώρωση, το χρώμα και η μορφολογία του φύλλου. Για κάθε περίπτωση, υγιούς ή μολυσμένης καλλιέργειας, τα παραπάνω στοιχεία αντανακλούν με διαφορετικό τρόπο.<br /> <br /> [[Εικόνα:Rswiki_p5_ld_3.jpg | thumb| right|Eικόνα 3:'''Μεταβολές στον αριθμό των μελετών τηλεπισκόπησης στο πεδίο της παρακολούθησης των καλλιεργητικών ασθενειών και των επιβλαβών οργανισμών ''']]<br /> <br /> '''Μεταβολές στην κατανομή επιβλαβών οργανισμών και ασθενειών ως αποτέλεσμα της κλιματικής αλλαγής'''<br /> <br /> Οι βασικοί παράγοντες που επηρεάζουν την εξέλιξη των καλλιεργειών, όπως είναι η θερμοκρασία και η συχνότητα των κατακρημνίσεων, μεταβάλλονται με ραγδαίους ρυθμούς τα τελευταία χρόνια εξ’ αιτίας της κλιματικής αλλαγής και των υψηλών εκπομπών των αερίων του θερμοκηπίου. Οι μεταβολές των παραγόντων αυτών έχουν σαν αποτέλεσμα αντίστοιχες μεταβολές και στον τρόπο με τον οποίο κατανέμονται οι ασθένειες και οι επιβλαβείς οργανισμοί κατά μήκος των καλλιεργειών. Κι αυτό γιατί επηρεάζονται σε μεγάλο βαθμό οι διάφορες βιοφυσικές διαδικασίες, όπως η φωτοσύνθεση, η διαπνοή και τα θερμικά και υδρολογικά συστήματα που ελέγχουν τον τρόπο λειτουργίας των φυτών. Συγκεκριμένα στην περιοχή της Αφρικής τα Παγκόσμια Κλιματικά Μοντέλα(GCMs) αποδεικνύουν πως σταδιακά εμφανίζονται αρκετά υψηλές θερμοκρασίες και σε υψηλότερα υψόμετρα, ενώ η θερινή περίοδος αυξάνεται ολοένα και περισσότερο. Αυτό έχει σαν αποτέλεσμα τύποι ασθενειών να εμφανίζονται σε ασυνήθιστες περιοχές καλλιέργειας. Οι υψηλές θερμοκρασίες δημιουργούν ευνοϊκές συνθήκες για την ανάπτυξη των παθογόνων μικροοργανισμών κι έτσι είναι πλέον ικανοί να προσβάλλουν την καλλιέργεια σε πρωταρχικά στάδια αυξάνοντας τη ζημιά στην τελική σοδειά. <br /> <br /> [[Εικόνα:Rswiki_p5_ld_4.jpg | thumb| right|Eικόνα 4:'''Παγκόσμια χωρική κατανομή των μελετών στο πεδίο της παρακολούθησης των καλλιεργητικών ασθενειών και των επιβλαβών οργανισμών ανά είδος δεδομένων τηλεπισκόπησης που χρησιμοποίησαν ''']]<br /> <br /> '''Η τηλεπισκόπηση ως εργαλείο χαρτογράφησης επιβλαβών οργανισμών και ασθενειών'''<br /> <br /> Η ανάπτυξη μεθόδων αξιολόγησης της χωρικής διάχυσης των καλλιεργητικών ασθενειών είναι εξαιρετικά σημαντική για τη λήψη αποφάσεων και τη χάραξη σχεδιασμού. Αρχικά χρησιμοποιήθηκαν κλιματικά μοντέλα για να εξεταστεί η κατανομή ασθενειών και ζιζανίων. Ωστόσο, γρήγορα έγινε αντιληπτό πως τα κλιματικά μοντέλα αυτά καθ’ αυτά δεν είναι αρκετά για να χαρτογραφήσουν την κατανομή και τις ευάλωτες περιοχές και έτσι εισήχθησαν κι άλλα εργαλεία που εντάσσονται στην οπτική τηλεπισκόπηση. Λαμβάνοντας υπ’ όψιν πως υπάρχει αλληλεπίδραση μεταξύ των φυτών και της ηλεκτρομαγνητικής ακτινοβολίας, μπορούμε εξετάζοντας το μήκος κύματος στο οποίο αντανακλά το φυτό να εξάγουμε χρήσιμα συμπεράσματα για τα χαρακτηριστικά του γνωρίσματα. Τα άρρωστα φυτά χαρακτηρίζονται από αλλοιώσεις στα φύλλα που συνδέονται με νεκρωτικές περιοχές ή περιοχές χλώρωσης. Το γεγονός αυτό αυξάνει την αντανακλαστικότητά τους στο ορατό φάσμα και ιδιαίτερα στην περιοχή του κόκκινου, προκαλώντας μια μετατόπιση του κόκκινου άκρου προς μικρότερα μήκη κύματος. Εάν μετρήσουμε το μέγεθος της μετατόπισης του κόκκινου άκρου μπορούμε να ποσοτικοποιήσουμε τα επίπεδα στρες που εμφανίζονται στα φυτά ως αποτέλεσμα της μόλυνσης. Επιπροσθέτως, η διαταραχή των χρωστικών των φύλλων μειώνει τη φωτοσύνθεση, αυξάνοντας έτσι τον φθορισμό και τις εκπομπές θερμότητας. Έτσι, ο φθορισμός και η ανίχνευση θερμότητας σηματοδοτούν μια πιθανή μέθοδο για την ποσοτικοποίηση της φωτοχημικής απόδοσης των φυτών που αποτελεί δείκτη της κατάστασης της υγείας τους. Τα χαρακτηριστικά συμπτώματα του κάθε φυτού από τη μόλυνση διαφέρουν ανάλογα με τον τύπο της ασθένειας απ’ τον οποίο έχουν προσβληθεί. Κατ’ αντιστοιχία, λοιπόν, διαφορετικά μήκη κύματος είναι κατάλληλα σε κάθε περίπτωση για τον εντοπισμό του διαφορετικού τύπου ασθένειας. Όταν τα συμπτώματα γίνονται ευδιάκριτα με γυμνό μάτι, τότε η δυνατότητα ανίχνευσης υφίστανται μόνο στις ζώνες απορρόφησης της χλωροφύλλης(470 και 670nm). Παρομοίως, περνώντας από το ορατό φάσμα στο υπέρυθρο, μια ενδεχόμενη ελάττωση στα ποσοστά βιομάζας και στα επίπεδα του Δείκτη Περιοχής των Φύλλων(LAI) που συνδέεται με την αποφύλλωση, θα προκαλέσει μια αντίστοιχη μείωση στην αντανακλαστικότητα των φυτών στο εγγύς υπέρυθρο κανάλι.<br /> <br /> [[Εικόνα:Rswiki_p5_ld_5.jpg | thumb| right|Πίνακας 1:'''Εκτιμώμενες απώλειες καλλιεργειών από επιβλαβείς μικροοργανισμούς ''']]<br /> <br /> '''Διαθεσιμότητα αισθητήρων και κλίμακα διερεύνησης'''<br /> <br /> Στη διαδικασία χαρτογράφησης και εντοπισμού των ασθενειών χρησιμοποιούνται αισθητήρες που βασίζονται σε θερμογραφικά, πολυφασματικά, υπερφασματικά και μικροκυματικά χαρακτηριστικά. Ανάλογα με τον τύπο του αισθητήρα αποδίδονται διαφορετικές χωρικές, φασματικές και χρονικές αναλύσεις που επηρεάζουν το μέγεθος του εντοπισμού και της χαρτογράφησης. Οι χωρικές κλίμακες των αισθητήρων κυμαίνονται από λίγα εκατοστά έως περίπου ένα χιλιόμετρο διακριτικής ικανότητας. Επίσης, η κλίμακα μέτρησης στο ηλεκτρομαγνητικό φάσμα κυμαίνεται μεταξύ του ορατού φάσματος, του εγγύς υπέρυθρου, του κοντινού υπέρυθρου και του θερμικού υπέρυθρου. Στην πρόσφατη περίοδο, στην περιοχή της Αφρικής χρησιμοποιήθηκαν ευρέως οι αεροφωτογραφίες ως μέσο αξιολόγησης της κατάστασης των καλλιεργειών. Ωστόσο, κάτι τέτοιο είναι αρκετά δύσκολο και πολύ πιο απαιτητικό από τη φωτοερμηνεία του τύπου καλλιέργειας για την καταγραφή των καλύψεων γης. Στο σημείο αυτό εισέρχεται η υπερφασματική τηλεπισκόπηση και παρέχει την προοπτική εντοπισμού των καλλιεργειών που έχουν μολυνθεί από ασθένειες και έχουν προσβληθεί από διάφορα παράσιτα.<br /> <br /> [[Εικόνα:Rswiki_p5_ld_6.jpg | thumb| right|Πίνακας 2:'''Συνολική παρουσίαση των διαθέσιμων δορυφορικών δεδομένων και των χαρακτηριστικών τους ''']]<br /> <br /> ''Τοπική/αγροτική κλίμακα''<br /> <br /> Η ακριβής και πρώιμη διάγνωση των ασθενειών είναι ο κομβικός παράγοντας για την προστασία της γεωργικής παραγωγής σε τοπική και αγροτική κλίμακα. Οπτικοί αισθητήρες έχουν κατασκευαστεί για το λόγο αυτό, ικανοί να ταυτοποιήσουν τα ποιοτικά χαρακτηριστικά των επιβλαβών οργανισμών στα αρχικά στάδια πριν την περαιτέρω εξάπλωσή τους. Η έκλυση θερμότητας και τα επίπεδα χλωροφύλλης αποτελούν ενδεικτικούς παράγοντες μόλυνσης, ωστόσο δεν είναι ικανά να μας παρέχουν τον ακριβή τύπο της ασθένειας, ώστε να γνωρίζουμε πώς θα επέμβουμε στην καλλιέργεια. Ορισμένες εφαρμογές και πλατφόρμες τηλεπισκόπησης μας παρέχουν χρήσιμες πληροφορίες που αφορούν την έλλειψη θρεπτικών συστατικών ή την κηλίδωση των φύλλων σε πρώιμο στάδιο εξάπλωσης της ασθένειας, κι έτσι υπάρχει το χρονικό περιθώριο επέμβασης, ώστε να μην υπάρξουν μεγάλες απώλειες στην παραγόμενη σοδειά. Σε μεγάλη κλίμακα χρησιμοποιούνται πλέον και οι λήψεις αεροφωτογραφίας με Μη Επανδρωμένα Εναέρια Μέσα(UAV), όπως τα drones, τα οποία συνθέτουν μια τεχνική εξαιρετικά χαμηλή σε κόστος, η οποία προσφέρει εικόνες υψηλής ανάλυσης και διακριτικής ικανότητας. Πρόκειται για μια ανερχόμενη τεχνολογία που βρίσκει εφαρμογή με μεγάλη επιτυχία σε όλο και περισσότερους τύπους καλλιεργειών.<br /> <br /> ''Περιφερειακή κλίμακα''<br /> <br /> Σε περιφερειακή κλίμακα μια αποδοτική και έγκαιρη πρόγνωση της ασθένειας είναι σημαντική για τη λήψη προληπτικών μέτρων. Οι θεματικοί χάρτες πρόγνωσης που παρέχονται μέσω τεχνικών τηλεπισκόπησης δίνουν μια πλήρη εικόνα στους αγρότες για τις περιοχές υψηλού ρίσκου. Ουσιαστικά, οι εφαρμογές τηλεπισκόπησης εξάγουν συμπεράσματα για την κατάσταση υγείας της καλλιέργειας μέσω της διαφορετικής φασματικής απόκρισης των φυτών. Εξετάζοντας τον τρόπο με τον οποίο τα φυτά αντανακλούν στα διαφορετικά μήκη κύματος καταλήγουμε σε χρήσιμα αποτελέσματα. Για παράδειγμα, το ορατό φάσμα μπορεί να μην είναι ικανό να μας δώσει τα επιθυμητά δεδομένα κι έτσι μεταφερόμαστε στο εγγύς υπέρυθρο όπου οι μολυσμένες καλλιέργειες γίνονται πιο διακριτές. Μέχρι στιγμής στην υποσαχάρια Αφρική η χαρτογράφηση των ασθενειών ευδοκιμεί μόνο σε τοπική κλίμακα, ωστόσο μελλοντικά απαιτείται και η μετάβαση σε περιφερειακό επίπεδο ώστε να επιτευχθεί ένας ολοκληρωμένος σχεδιασμός προστασίας.<br /> <br /> ''Στάδια μόλυνσης''<br /> <br /> Οι εφαρμογές τηλεπισκόπησης που περιλαμβάνουν τη χρήση οπτικών συσκευών χειρός και ιπτάμενων αισθητήρων εστιάζουν στον εντοπισμό των καταστροφών από τη μόλυνση των καλλιεργειών στα διάφορα στάδια(πρώιμη, μέση και δριμεία μόλυνση). Η κατάσταση υγείας του φυλλώματος των καλλιεργειών μπορεί επίσης να παρακολουθείται και από τις μεταβολές στο περιεχόμενο χλωροφύλλης, που λειτουργεί ως ένδειξη για τη διάγνωση και πρόβλεψη ασθενειών. Η σωστή λειτουργία του φυτού τίθεται σε αναλογία με την ποσότητα χλωροφύλλης στα φύλλα, κι έτσι τα υγιή φύλλα αντανακλούν με διαφορετικό τρόπο από τα μολυσμένα στο αντίστοιχο μήκος κύματος. <br /> <br /> '''Προσεγγίσεις στη χαρτογράφηση'''<br /> <br /> Η διάγνωση των καλλιεργητικών ασθενειών καθίσταται εφικτή με τη χρήση είτε άμεσων είτε έμμεσων διαδικασιών. Η άμεση διαδικασία περιλαμβάνει την επί τόπου ανάλυση της κατάστασης της καλλιέργειας, ενώ η έμμεση βασίζεται στην φασματική αντανάκλαση των φυτών. Η βασική διαφορά που προκρίνει την έμμεση μεθοδολογία έναντι της άμεσης, είναι πως η πρώτη μπορεί να ελέγχει συγχρόνως μεγάλες εκτάσεις καλλιεργειών, είναι οικονομικά πιο αποδοτική, παρέχει ταχύτητα ώστε να αποκτούμε δεδομένα εγκαίρως πριν η κατάσταση γίνει μη αναστρέψιμη και παρέχει τη δυνατότητα δημιουργίας διαχρονικών βάσεων δεδομένων για την παρακολούθηση της εξέλιξης των ασθενειών.<br /> <br /> '''Προκλήσεις στις εφαρμογές τηλεπισκόπησης'''<br /> <br /> Η πρόληψη απέναντι στην εξάπλωση των ασθενειών στις καλλιέργειες αποτελεί κρίσιμο ζήτημα και η έρευνα πάνω σε αυτό πρέπει να εξελιχθεί ώστε να υπερκεραστούν τα οποιαδήποτε εμπόδια. Τέτοια εμπόδια είναι το υψηλό κόστος της διαδικασίας, η εξέταση περιοχών μικρής κλίμακας και τα χαμηλής ανάλυσης δεδομένα εξ’ αιτίας των χαμηλής ποιότητας αισθητήρων.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Καταλήγοντας στα βασικά σημεία της παρούσας μελέτης, παρατηρήθηκε πως η εφαρμογή της τηλεπισκόπησης στον τομέα χαρτογράφησης των επιβλαβών οργανισμών στις καλλιέργειες προσφέρει αρκετές προοπτικές, αλλά προς το παρόν χαρακτηρίζεται κι από ορισμένους περιορισμούς. Η ανάλυση των μέχρι πρότινος σχετικών με το θέμα μελετών απέδειξε πως η χρήση υπερφασματικών δεδομένων δορυφόρων βελτίωσε κατά πολύ την ακρίβεια εξέτασης των καλλιεργειών και τα αποτελέσματα που παρήχθησαν εμφανίζουν υψηλή λεπτομέρεια.<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Στην παρούσα μελέτη η συμβολή της τηλεπισκόπησης είναι καθοριστική, καθώς με τις καινοτόμες τεχνικές που εισάγει συμβάλλει στη μετάβαση από τις in situ διαδικασίες αναγνώρισης των ασθενειών στα αγροτεμάχια σε διαδικασίες εντοπισμού και καταγραφής των μολυσμένων εκτάσεων μέσω της εξέτασης των φασματικών υπογραφών στο μήκος κύματος των καναλιών του δορυφόρου. Η επεξεργασία και φωτοερμηνεία των δορυφορικών εικόνων και των αεροφωτογραφιών παρέχουν λεπτομερή στοιχεία για το είδος και τη διάχυση της ασθένειας, κι έτσι δίνεται η δυνατότητα στους καλλιεργητές να παρέμβουν ακριβώς στο σημείο που δημιουργείται το πρόβλημα σε πρώιμο στάδιο, όταν η κατάσταση είναι ακόμη αναστρέψιμη. Η εξέλιξη αυτή έχει διπλό όφελος, αφού πρώτον ο αγρότης γλιτώνει περιττά έξοδα καθιστώντας την καλλιέργεια οικονομικά πιο αποδοτική και δεύτερον μειώνεται το περιβαλλοντικό αποτύπωμα που θα άφηνε η περίσσεια παρασιτοκτόνων. Η όλη διαδικασία διάγνωσης των ασθενειών συνδέεται άμεσα με τον ολοκληρωμένο σχεδιασμό αντιμετώπισης των φαινομένων υποβάθμισης της επισιτιστικής ασφάλειας των τροφίμων στις αναπτυσσόμενες χώρες, όπως η Αφρική.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [http://www.sciencedirect.com/science/article/pii/S2352938517301465]<br /> <br /> [[category: Γεωργία]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%B4%CF%85%CE%BD%CE%B1%CF%84%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%85%CF%80%CE%BF%CF%83%CF%84%CE%AE%CF%81%CE%B9%CE%BE%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1%CF%82_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%99%CE%BD%CE%B4%CE%BF%CE%BD%CE%B7%CF%83%CE%AF%CE%B1_%CE%B1%CF%80%CF%8C_%CF%83%CF%8D%CF%83%CF%84%CE%B7%CE%BC%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_UAV 2018-01-17T15:04:33Z

<p>Dliagkas: </p> <hr /> <div>''' Η δυνατότητα υποστήριξης της γεωργίας ακριβείας στην Ινδονησία από σύστημα τηλεπισκόπησης τεχνολογίας UAV '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' The Potential of UAV-based Remote Sensing for Supporting Precision Agriculture in Indonesia ''<br /> <br /> '''Συγγραφέας: ''' Catur Aries Rokhmana<br /> <br /> '''Δημοσιεύθηκε: ''' ''Procedia Environmental Sciences, Volume 24, 2015, Pages 245-253''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Σύστημα τηλεπισκόπησης τεχνολογίας UAV, Γεωργία ακριβείας<br /> <br /> [[Εικόνα:Rswiki_p4_ld_1.jpg | thumb| right|Eικόνα 1:'''Σύγκριση μεταξύ υψηλής ανάλυσης δορυφορικής εικόνας και αεροφωτογραφίας σε δάσος από ξύλο teak ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει τη μέχρι τώρα εμπειρία από την πρακτική εφαρμογή της πλατφόρμας που βασίζεται σε Μη Επανδρωμένο Ιπτάμενο Όχημα-(UAV) ως τεχνική τηλεπισκόπησης, με σκοπό τη χαρτογράφηση στη γεωργία ακριβείας. Μερικές από τις πληροφορίες που αφορούν την προετοιμασία της γης, τα όρια καταγραφής, την παρακολούθηση της βλάστησης, την υγεία της φυτείας και την αποτίμηση των αποθεμάτων απαιτούνται περιοδικά. Έτσι, η τεχνολογία UAV θα πρέπει να χαρακτηρίζεται από αποδοτικότητα, ταχύτητα εφαρμογής, εύκολη διαδικασία εφαρμογής προσιτή στους ντόπιους πληθυσμούς και καλή γεωμετρική ακρίβεια. Το σύστημα αποτελείται από ιπτάμενες πλατφόρμες τηλεκατευθυνόμενων αεροπλάνων, σημειακές ψηφιακές κάμερες, δεδομένα που επεξεργάζονται με ψηφιακή φωτογραμμετρία: δομή από αλγορίθμους κίνησης και ελεύθερα ανοιχτά δεδομένα GIS για οπτικοποίηση. Το σύστημα αυτό έχει την ικανότητα να παράγει εικόνες με χωρική ανάλυση μικρότερη των 10cm, μετρώντας την επιφάνεια των αγροτεμαχίων, αξιολογώντας ταυτόχρονα το απόθεμα δέντρων και φυτών, αλλά και την τοπογραφία. Τα βασικά προϊόντα του συστήματος είναι οι Ορθοφωτογραφίες και το Ψηφιακό Μοντέλο Εδάφους(DEM).<br /> <br /> [[Εικόνα:rswiki_p4_ld_2.jpg | thumb| right|Eικόνα 2:'''Αρχιτεκτονική συστήματος τηλεπισκόπησης τεχνολογίας UAV ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στη σύγχρονη εποχή, στην Ινδονησία έχουν αυξηθεί οι εφαρμογές τηλεπισκόπησης που υποστηρίζουν τη γεωργία, τη δασοκομία και τις υδατοκαλλιέργειες. Στην πλειονότητά τους οι εφαρμογές αυτές για την ανάλυσή τους χρησιμοποιούν δορυφορικές εικόνες. Τα αιτήματα για τη λήψη αεροφωτογραφιών είναι περιορισμένα, εξ’ αιτίας περιοριστικών παραγόντων όπως είναι το κόστος παραγωγής και οι περιορισμένες υποδομές. Οι αεροφωτογραφίες παρέχουν τη δυνατότητα παρακολούθησης κάθε δέντρου ξεχωριστά, καθώς διαθέτουν υψηλή διακριτική ικανότητα. Αυτό είναι και το πλεονέκτημά τους σε σύγκριση με τις δορυφορικές εικόνες. Πολλοί και διαφορετικοί ορισμοί έχουν δοθεί κατά καιρούς για τη γεωργία ακριβείας. Σύμφωνα με τον επικρατέστερο η γεωργία ακριβείας ορίζεται ως το σχέδιο διαχείρισης της γεωργικής παραγωγής που βασίζεται στην παρατήρηση και παρέμβαση στις μεταβολές που εκτυλίσσονται εντός του αγροτεμαχίου. Βασίζεται κυρίως σε τεχνολογίες επεξεργασίας εικόνας και πληροφοριών. Βοηθά επίσης τους αγρότες στο να εντοπίσουν την ακριβή θέση που επιθυμούν εντός του αγροτεμαχίου με τη χρήση δορυφορικών συστημάτων τοποθεσίας, όπως είναι το Παγκόσμιο Σύστημα Στιγματοθέτησης(GPS). Η γεωργία ακριβείας είναι γνωστή για την ικανότητά της να: (1) βελτιστοποιεί την αποδοτικότητα της παραγωγής, (2) βελτιστοποιεί την ποιότητα, (3) ελαχιστοποιεί το περιβαλλοντικό αποτύπωμα, (4) ελαχιστοποιεί το ρίσκο. Οι πληροφορίες υψηλής ακριβείας στη διαχείριση της αγροτικής παραγωγής μπορεί να επηρεάσουν την παραγωγική διαδικασία της καλλιέργειας. Τέτοιου τύπου πληροφορίες είναι: (1) η στιγμιαία παρακολούθηση της σοδειάς(π.χ. κάθε εβδομάδα ή κάθε λίγα μέτρα), (2) η χαρτογράφηση της πυκνότητας/αλατότητας/σοδειάς, (3) η χαρτογράφηση των ζιζανίων και (4) η τοπογραφία και τα όρια. Στην ακριβή περιοχή της φυτείας, τα προϊόντα χαρτογραφίας απαιτούνται για ορισμένους σκοπούς όπως είναι η παρακολούθηση της βλάστησης και η αξιολόγηση της υγείας της, η ανάλυση του εδάφους για τα υδρολογικά χαρακτηριστικά και ο ογκομετρικός υπολογισμός της βιομάζας. Μερικές από τις δυνατότητες των παραμέτρων ακριβής μέτρησης είναι χρήσιμες για τον υπολογισμό του ύψους των δέντρων, της διαμέτρου του θόλου των φύλλων και της κλίσης του εδάφους. Η συγκεκριμένη μελέτη αποδεικνύει τη χρήση των χαμηλού κόστους συστημάτων χαρτογράφησης της γεωργίας ακριβείας με σκοπό να λυθούν ορισμένα προβλήματα μέτρησης. Το σύστημα θα πρέπει να έχει χαρακτηριστικά, όπως (1) ικανοποιητική Απόσταση Δειγματοληψίας Εδάφους(GSD) μικρότερη των 20cm, (2) φορητότητα και ευκολία στην εφαρμογή από το ντόπιο προσωπικό, (3) παραγωγή στερεοσκοπικής προβολής και (4) καλή ακρίβεια στο επίπεδο υπομέτρησης. Το σύστημα χρησιμοποιεί ακόμη και ορισμένα προϊόντα hobby, όπως τα αεροπλάνα αερο-μοντελισμού και οι ψηφιακές κάμερες με σκοπό να μειώσει το κόστος στο ελάχιστο. Η μοναδική πρόκληση είναι η ενίσχυση των δυνατοτήτων και της επεξεργασίας, ώστε τα προϊόντα αυτά να αποκτήσουν χαρακτηριστικά επαγγελματικού εργαλείου. <br /> <br /> [[Εικόνα:Rswiki_p4_ld_3.jpg | thumb| right|Eικόνα 3:'''Οπτική σύγκριση μεταξύ εικόνας που βασίζεται στην τεχνολογία UAV και δορυφορικής εικόνας QuickBird ''']]<br /> <br /> '''Αρχιτεκτονική συστήματος τηλεπισκόπησης τεχνολογίας UAV'''<br /> <br /> Τα τελευταία δέκα χρόνια υπάρχουν αρκετές μελέτες που χρησιμοποιούν τεχνολογίες UAV για να παράγουν μεγάλης κλίμακας χάρτες(&gt;1/10.000). Μια απ’ αυτές τις μελέτες είναι και αυτή που θα εξετάσουμε και αφορά μια μικρή περιφερειακή περιοχή συνολικής έκτασης 15.000 εκταρίων. Το σύστημα λειτουργεί όπως ακριβώς και στην περίπτωση του επανδρωμένου αεροσκάφους, χρησιμοποιώντας ένα μη-επανδρωμένο εναέριο όχημα σαν ιπτάμενη πλατφόρμα που κουβαλά τις ψηφιακές κάμερες(αισθητήρες εικόνας). Στην πορεία οι αεροφωτογραφίες επεξεργάζονται με ψηφιακές τεχνικές φωτογραμμετρίας για να παράγουν ορισμένα βασικά προϊόντα, τα οποία είναι το μωσαϊκό ορθοφωτογραφίας και το ψηφιακό μοντέλο εδάφους. Η ομάδα προσωπικού που διαχειρίζεται το σύστημα αποτελείται από (1) ένα χειριστή της εναέριας πλατφόρμας, (2) έναν παρατηρητή του σχεδίου πτήσης και (3) έναν επιθεωρητή για την επισκόπηση DGPS και την περαιτέρω επεξεργασία. Η μεθοδολογία εξαγωγής των δεδομένων είναι ίδια με αυτή του επανδρωμένου αεροσκάφους και περιλαμβάνει την επεξεργασία και οπτικοποίηση των αποτελεσμάτων, την εγκατάσταση επίγειου σταθμού ελέγχου και τη δημιουργία βάσης δεδομένων. Η τεχνολογία UAV μπορεί να επηρεαστεί από καιρικά φαινόμενα, όπως ο άνεμος, και τα παραγόμενα αποτελέσματα να μην είναι τα αναμενόμενα αφού το σχέδιο πτήσης αναγκαστικά μεταβάλλεται. Αναφορικά με την κάμερα που χρησιμοποιείται θα πρέπει να έχει τη δυνατότητα λήψεων που θα βασίζονται σε κάποιο πρότυπο αποστάσεων ή χρόνου. Ορισμένες από τις διαδικασίες που πραγματοποιούνται ώστε τα προϊόντα χόμπι που χρησιμοποιούνται να αποκτήσουν χαρακτηριστικά επαγγελματικού εξοπλισμού είναι οι εξής:<br /> 1. Η εφαρμογή τεχνικής αυτό-βαθμονόμησης του φωτογραφικού φακού κατά τη διάρκεια της πτήσης, ώστε να μειωθεί το ενδεχόμενο σφάλμα<br /> 2. Επειδή το χαμηλό βάρος της εναέριας πλατφόρμας που χρησιμοποιείται την καθιστά ευάλωτη σε συνθήκες υψηλού ανέμου, αυξάνεται η περιοχή που καλύπτεται κατά τη διάρκεια της πτήσης ώστε να έχουμε πιο πλήρη δεδομένα<br /> <br /> [[Εικόνα:Rswiki_p4_ld_4.jpg | thumb| right|Eικόνα 4:'''Απεικόνιση της διαδικασίας φιλτραρίσματος ''']]<br /> <br /> '''Πρακτική εφαρμογή και συζήτηση'''<br /> <br /> ''Εφαρμογή σε δάσος από ξύλο teak''<br /> <br /> Σκοπός των εναέριων δραστηριοτήτων παρατήρησης είναι η υποστήριξη του υπολογισμού ή της αξιολόγησης του αποθέματος ξύλου. Έτσι, οι μεμονωμένες δομές δέντρων θα πρέπει να διακρίνονται ξεκάθαρα, ώστε παράμετροι όπως το ύψος και η διάμετρος του θόλου των φύλλων να μπορούν να μετρηθούν από την εικόνα. Η μέτρηση του μεγέθους των δέντρων αποτελεί μείζονος σημασίας ζήτημα, γι’ αυτό με τις κατάλληλες διαδικασίες επιτυγχάνεται και σε περιοχές πυκνής βλάστησης. Μελλοντικά, θα πρέπει να αξιολογηθεί και η συσχέτιση μεταξύ της μορφής των δενδροειδών σχηματισμών(ύψος, πυκνότητα) και της πραγματικής ογκομετρικής παραγωγής ξύλου. <br /> <br /> [[Εικόνα:Rswiki_p4_ld_5.jpg | thumb| right|Eικόνα 5:'''Φωτοερμηνεία σε δάσος από ξύλο teak ''']]<br /> <br /> ''Εφαρμογή για τον υπολογισμό της επιφάνειας των αγροτεμαχίων στις πεδινές περιοχές''<br /> <br /> Στην περίπτωση εφαρμογής στα αγροτεμάχια οι πληροφορίες για τα όρια και το εμβαδόν είναι και οι δύο εξίσου σημαντικές. Έχουν δημιουργηθεί ορισμένες περιοχές σύγκρισης, ώστε να αξιολογηθεί η ποιότητα της γεωμετρίας των ορθοφωτογραφιών. Η σύγκριση καθίσταται εφικτή μετρώντας την περιοχή με επίγεια τεχνική αρχικά και έπειτα συγκρίνοντάς τη με την ψηφιοποιημένη περιοχή της ορθοφωτογραφίας. Σύμφωνα με τα αποτελέσματα η απόκλιση των αποτελεσμάτων ανάμεσα στις δύο τεχνικές είναι ελάχιστη έως μηδαμινή. Το βασικότερο πρόβλημα που αντιμετωπίζουμε στη διαδικασία υπολογισμού της επιφάνειας των αγροτεμαχίων από αεροφωτογραφίες είναι πως σε αρκετές περιπτώσεις τα όρια καλύπτονται από φυσική βλάστηση και είναι δυσδιάκριτα.<br /> <br /> [[Εικόνα:Rswiki_p4_ld_6.jpg | thumb| right|Eικόνα 6:'''Επιλεγμένη περιοχή μελέτης σε πεδινή έκταση ''']]<br /> <br /> ''Εφαρμογή σε καλλιέργειες φοίνικα''<br /> <br /> Στη συγκεκριμένη περίπτωση η τεχνολογία UAV παρέχει τη δυνατότητα καταμέτρησης κάθε δέντρου ξεχωριστά μέσω της διαδικασίας φωτοερμηνείας που βασίζεται στο θόλο των φύλλων. Ωστόσο παραμένει ως πρόκληση η δημιουργία αυτοματοποιημένης μεθόδου καταμέτρησης. Επίσης μερικές φορές τα δέντρα φοίνικα είναι είτε φυτεμένα ανάμεσα σε δασικές εκτάσεις είτε το μέγεθός τους είναι αρκετά μικρό και έτσι είναι δύσκολο να καταγραφούν μέσω αεροφωτογραφιών.<br /> <br /> [[Εικόνα:Rswiki_p4_ld_7.jpg | thumb| right|Eικόνα 7:'''Απεικονίσεις των χαρτογραφικών αποτελεσμάτων για τα μετρημένα φοινικόδεντρα ''']]<br /> <br /> ''Εφαρμογή σε καλλιέργειες ζαχαρότευτλων''<br /> <br /> Η εφαρμογή της τεχνολογίας στην περίπτωση των ζαχαρότευτλων αποσκοπεί στην απόδοση της φορολογίας για κάθε καλλιέργεια. Έτσι, απαιτούνται τρισδιάστατες πληροφορίες ώστε να πραγματοποιηθούν ογκομετρικοί υπολογισμοί. Οι εικόνες υψηλής ανάλυσης που παρέχονται από την τεχνολογία UAV είναι χρήσιμες για τον υπολογισμό της πυκνότητας της καλλιέργειας, αλλά και για το διαχωρισμό των νέων και των παλαιών φυτειών, καθώς εμφανίζονται με διαφορετικό ύψος. Μελλοντική πρόκληση αποτελεί η συσχέτιση μεταξύ των αποτελεσμάτων που προκύπτουν απ’ τις φωτογραφίες και την πραγματική φορολογία που ασκείται στη βιομηχανία παραγωγής. <br /> <br /> [[Εικόνα:Rswiki_p4_ld_8.jpg | thumb| right|Εικόνα 8:'''Απεικονίσεις των χαρτογραφικών αποτελεσμάτων σε καλλιέργειες ζαχαρότευτλων ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συμπερασματικά το εξεταζόμενο σύστημα έχει ορισμένα ενδιαφέροντα χαρακτηριστικά, όπως το ότι (1) είναι οικονομικά αποδοτικό, (2) μπορεί να εφαρμοστεί από προσωπικό ντόπιων κατοίκων, (3) παρέχει γεωμετρική ακρίβεια και (4) παρέχει ταχύτητα επεξεργασία έως και 500 εκτάρια ανά ημέρα. Από την άλλη στα μειονεκτήματα κατατάσσονται (1) ο μεγάλος αριθμός αεροφωτογραφιών προς επεξεργασία όταν εργαζόμαστε σε περιοχή μεγάλης κλίμακας(&gt;5000Ha), (2) η ανάγκη εγκατάστασης Επίγειων Σταθμών Ελέγχου για ακριβή γεωαναφορά και (3) σε περίπτωση που εργαζόμαστε με μικρού μεγέθους αεροπλάνα μπορούμε να προσαρμόσουμε μόνο μικρούς αισθητήρες. <br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Στην παρούσα μελέτη η συμβολή της τηλεπισκόπησης είναι καθοριστική, καθώς μέσω διαδικασιών φωτοερμηνείας εξάγονται χρήσιμα δεδομένα που αφορούν διάφορες κατηγορίες καλλιεργειών. Το καινοτόμο στοιχείο της παρούσας μελέτης είναι πως υπάρχει η δυνατότητα εφαρμογής τεχνικών τηλεπισκόπησης με μέσα που απαιτούν πολύ χαμηλό κόστος και προσδίδουν υψηλή διακριτική ικανότητα, υψηλότερη και απ’ αυτή των δορυφορικών εικόνων. Βασική έλλειψη της τεχνολογίας UAV αποτελεί η έλλειψη αυτοματοποιημένων μεθόδων σύγκρισης των αποτελεσμάτων με την πραγματικότητα. Στο ζήτημα αυτό θα μπορούσε να συμβάλλει η επιστήμη της τηλεπισκόπησης προσαρμόζοντας τις τεχνικές που έχει αναπτύξει διαχρονικά στη νέα τεχνολογία του UAV.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [http://www.sciencedirect.com/science/article/pii/S1878029615001000]<br /> <br /> [[category:Γεωργία]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82-%CE%B1_%CF%83%CF%84%CE%B1_%CF%80%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CF%8D%CE%B4%CE%B1%CF%84%CE%B1_%CE%BC%CE%B5_%CE%B2%CE%AC%CF%83%CE%B7_%CF%84%CE%BF_%CF%83%CF%85%CE%BD%CF%84%CE%B5%CE%BB%CE%B5%CF%83%CF%84%CE%AE_%CE%B1%CF%80%CE%BF%CF%81%CF%81%CF%8C%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%86%CF%89%CF%84%CF%8C%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D 2018-01-17T15:02:50Z

<p>Dliagkas: </p> <hr /> <div>''' Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing of chlorophyll-a in coastal waters based on the light absorption coefficient of phytoplankton ''<br /> <br /> '''Συγγραφείς: ''' Guangming Zheng, Paul M. DiGiacomo<br /> <br /> '''Δημοσιεύθηκε: ''' ''Remote Sensing of Environment, Volume 201, November 2017, Pages 331-341''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Χλωροφύλλη, Θολά παράκτια ύδατα, Συντελεστής απορρόφησης φωτός, Διαμερισμός, Προσέγγιση σωρευμένων περιορισμών<br /> <br /> [[Εικόνα:rswiki_p10_ld_1.jpg | thumb| right|Eικόνα 1:'''Σταθμοί δειγματοληψίας στα πλαίσια της παρούσας μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να χαρτογραφήσει τη συγκέντρωση χλωροφύλλης-α με μεθόδους που ξεπερνούν τα όρια της οπτικής φωτοερμηνείας. Πιο συγκεκριμένα, σε αρκετές περιπτώσεις ο οπτικός διαχωρισμός της χλωροφύλλης-α είναι εφικτός με απλές τεχνικές, καθώς περιλαμβάνει ουσίες που συναντώνται συνήθως στο έδαφος(μέταλλα και χούμους), ωστόσο ο διαχωρισμός δυσκολεύει όταν υπάρχει συνύπαρξη με πληθυσμούς φυτοπλαγκτόν. Για το λόγο αυτό στη συγκεκριμένη μελέτη εφαρμόζεται μια ημι-αναλυτική μεθοδολογία που αποδίδει τα σημεία συγκέντρωσης χλωροφύλλης-α βασιζόμενη στο συντελεστή απορρόφησης φωτός του φυτοπλαγκτού. Η μεθοδολογία αυτή χρησιμοποιεί παράλληλα ένα γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) για να διαμοιράσει το συνολικό συντελεστή απορρόφησης φωτός που προκύπτει από τα δορυφορικά δεδομένα σε δύο συνιστώσες: η πρώτη συνιστώσα σχετίζεται με την απορρόφηση φωτός από φυτοπλαγκτόν, ενώ η δεύτερη όχι. <br /> <br /> [[Εικόνα:rswiki_p10_ld_2.jpg | thumb| right|Eικόνα 2:'''Ιστόγραμμα συγκέντρωσης χλωροφύλλης στα επιφανειακά ύδατα ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι πληθυσμοί φυτοπλαγκτού αποτελούν τη βάση της υδάτινης τροφικής αλυσίδας και διαδραματίζουν κομβικό ρόλο στην εξέλιξη των βιοχημικών διαδικασιών. Εξ’ αιτίας αυτών των χαρακτηριστικών η παραγόμενη βιομάζα από φυτοπλαγκτόν χρησιμοποιείται σε αρκετές μελέτες ως μια σημαντική παράμετρος για την ποιότητα των υδάτων. Στην πράξη, ο όγκος της βιομάζας φυτοπλαγκτού καταμετράται με τη βοήθεια διαφόρων ποσοτικοποιημένων παραμέτρων, όπως είναι η μέτρηση συγκέντρωσης σε χλωροφύλλη-α. Η μέτρηση χλωροφύλλης μπορεί αρχικά να γίνει με διαδικασίες έρευνας τοπίου, αλλά επειδή κάτι τέτοιο είναι χρονοβόρο και δαπανηρό οι σύγχρονες επιστήμες προάγουν την εφαρμογή τεχνικών τηλεπισκόπησης σε δορυφορικές εικόνες που παρέχουν διαχρονικά δεδομένα ευρείας κλίμακας. Παρ’ όλα αυτά μέχρι στιγμής οι τεχνικές που βασίζονται στην τηλεπισκόπηση παραμένουν λιγότερο ακριβείς από τις υπόλοιπες, καθώς δεν υπάρχει κάποιος ευρέως αποδεκτός αλγόριθμος που να αποδίδει ακριβώς τη συγκέντρωσης χλωροφύλλης-α στα επιφανειακά ύδατα βασιζόμενος στην αντανάκλαση. Αυτό συμβαίνει διότι στα παράκτια ύδατα εκτός από το φυτοπλαγκτόν συναντώνται και αρκετά χερσαία στοιχεία, κι έτσι είναι δύσκολο να διακριθεί εάν η απορρόφηση του φωτός γίνεται από αυτά ή από το φυτοπλαγκτόν. Για την καλύτερη διάκριση των μερών των επιφανειακών υδάτων έχουν συντεθεί περισσότεροι εξειδικευμένοι αλγόριθμοι, όπως τα νευρονικά δίκτυα τα οποία εισάγουν ένα μεγαλύτερο αριθμό σταθερών συντελεστών στα δεδομένα εισαγωγής που αφορούν την αντανάκλαση. <br /> <br /> [[Εικόνα:rswiki_p10_ld_3.jpg | thumb| right|Eικόνα 3:'''Διάγραμμα ροής επεξεργασίας των δορυφορικών δεδομένων ''']]<br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> Για τη βελτίωση των δεδομένων εισαγωγής που θα χρησιμοποιηθούν στην παρούσα μελέτη, πραγματοποιήθηκε συνδυαστική συλλογή στοιχείων που προέκυψαν από έρευνα πεδίου, αλλά και από τη διαχρονική παρατήρηση δορυφορικών εικόνων με βάση την τοποθεσία. Στη συγκεκριμένη έρευνα τα δεδομένα επεξεργασίας αποδίδονται στη χρονική περίοδο 1997 έως 2015 και έχουν ως πηγή συνολικά τέσσερις αισθητήρες. Ειδικότερα, η ανάκτηση των συγκεκριμένων δεδομένων είχε ως βασικό στόχο την αντιστοίχισή τους για τη δημιουργία ενός μοντέλου ημι-αναλυτικής προσέγγισης και μιας νέας εμπλουτισμένης βάσης δεδομένων. Επιπλέον, ορισμένα επιπλέον δεδομένα που προέκυψαν από σουίτα εικόνων VIIRS για το έτος 2016 λειτούργησαν ως ξεχωριστά ομαδοποιημένα δεδομένα και χρησιμοποιήθηκαν ως δείκτης αξιολόγησης της εφαρμογής του παραπάνω μοντέλου.<br /> <br /> [[Εικόνα:rswiki_p10_ld_4.jpg | thumb| right|Eικόνα 4:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση μπλε-σε-πράσινο ''']]<br /> <br /> ''Δεδομένα πεδίου συγκέντρωσης χλωροφύλλης-α''<br /> <br /> Τα δεδομένα πεδίου για τη συγκέντρωση χλωροφύλλης-α αντλήθηκαν από την εκτέλεση ενός ερευνητικού προγράμματος με την ονομασία Chesapeak Bay. Στα πλαίσια του προγράμματος ορίστηκαν κατά μήκος της περιοχής μελέτης 64 συνολικά σταθμοί δειγματοληψίας. Στους σταθμούς αυτούς πραγματοποιήθηκε συγκέντρωση δειγμάτων χλωροφύλλης στην επιφάνεια και στον πυθμένα, αλλά και σε δύο διαφορετικά βάθη. Στη συνέχεια τα σημεία δειγματοληψίας αντιστοιχήθηκαν με τα δορυφορικά δεδομένα. Στην παρούσα μελέτη έγινε χρήση μόνο των δεδομένων επιφανειακής χλωροφύλλης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_5.jpg | thumb| right|Eικόνα 5:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση κόκκινο-σε-πράσινο ''']]<br /> <br /> ''Δορυφορικά δεδομένα τηλεσκοπικής αντανάκλασης''<br /> <br /> Η κανονικοποιημένη υδάτινη ακτινοβολία που προέρχεται από δορυφορικά δεδομένα, δημιουργείται ύστερα από την εφαρμογή βαθμονόμησης με τα κατάλληλα όργανα, δευτερεύουσας βαθμονόμησης και ατμοσφαιρικής διόρθωσης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_6.jpg | thumb| right|Eικόνα 6:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση εγγύς υπέρυθρο-σε-πράσινο ''']]<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Για την εξαγωγή των κατάλληλων αποτελεσμάτων πραγματοποιήθηκε μια γραμμική παλινδρόμηση μεταξύ των μεταβλητών που ορίζονται από τη συγκέντρωση χλωροφύλλης σύμφωνα με τα δορυφορικά δεδομένα και από τα δεδομένα πεδίου που προκύπτουν από μετρήσεις στην επιφάνεια των παράκτιων υδάτων. Για την αξιολόγηση των αποτελεσμάτων που αφορούν τη συγκέντρωση χλωροφύλλης και προέρχονται από την προτεινόμενη μεθοδολογία της παρούσας εργασίας, έγινε χρήση ενός περιεκτικού συνόλου από στατιστικά σφάλματα παραμέτρων, το οποίο στην ουσία βασίζεται στη σύγκριση της βάσης δεδομένων που αναπτύχθηκε με άλλα μοντέλα παρόμοιου τύπου, υποθέτοντας πως οι διαφορές μεταξύ των δορυφορικών δεδομένων και των δεδομένων πεδίου μπορούν να ληφθούν υπ’ όψιν για την παρουσίαση των σφαλμάτων στα μοντέλα. Οι βασικότερες καινοτομίες και τα σύγχρονα στοιχεία που εισάγει το γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) συνοψίζονται στα εξής χαρακτηριστικά: 1)είναι αποσυνδεδεμένο από συστατικά που απορροφούν το φως, αλλά όχι εξ’ αιτίας του φυτοπλαγκτού, 2)επιτρέπει τη μελέτη των πιθανών ανεξάρτητων μεταβλητών που αφορούν διαφορετικές βιογεωχημικές/υδάτινες παραμέτρους ποιότητας, οι οποίες δε θα ήταν δυνατόν να μελετηθούν εάν οι ίδιες παράμετροι προέκυπταν από τα ίδια φασματικά κανάλια αντανάκλασης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_7.jpg | thumb| right|Eικόνα 7:'''Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η περιγραφή του γενικευμένου μοντέλου σωρευμένων περιορισμών(GSCM) που υφίστανται στην παρούσα μελέτη αποτελεί μια νέα προοπτική μελέτης της ποιότητας των παράκτιων υδάτων, καθώς σε αρκετές περιπτώσεις τα δορυφορικά δεδομένα παρουσιάζουν χαμηλή ακρίβεια κι έτσι απαιτείται ένα επιπλέον εργαλείο για την παραγωγή υψηλής ποιότητας αποτελεσμάτων. Η επιτυχής εφαρμογή του μοντέλου έγκειται και στο γεγονός ότι γίνεται ορθή απόδοση του συνολικού δείκτη απορρόφησης φωτός στο φυτοπλαγκτόν και στα συστατικά άσχετα με τα φύκη. Για την παρακολούθηση της κατάστασης των υδάτων ένας ολοκληρωμένος και ορθολογικός διαμοιρασμός του αλγορίθμου απορρόφησης μπορεί να αποδειχθεί βοηθητικός για την ανάκτηση πληροφοριών που αφορούν το φυτοπλαγκτόν, εάν η ποιότητα των δεδομένων θεωρείται ως προτεραιότητα συγκρινόμενη με την ποσότητα. <br /> <br /> [[Εικόνα:rswiki_p10_ld_8.jpg | thumb| right|Eικόνα 8:'''Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού ''']]<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Οι τεχνικές τηλεπισκόπησης αποτελούν τη βάση για την παραγωγή του μοντέλου καταγραφής συγκέντρωσης χλωροφύλλης. Στη συγκεκριμένη περίπτωση ο έγκαιρος εντοπισμός υπερσυγκέντρωσης αλγών ή συστατικών που σχετίζονται με χερσαία οικοσυστήματα δύναται να αποτελέσει βασικό εργαλείο για τη λήψη προληπτικών μέτρων για την αποφυγή επιβλαβών φαινομένων όπως ο ευτροφισμός.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0034425717304200]<br /> <br /> [[category: Παρακολούθηση παράκτιων οικοσυστημάτων]]<br /> <br /> [[Εικόνα:rswiki_p10_ld_9.jpg | thumb| right|Eικόνα 9:'''Γραμμική παλινδρόμηση μεταξύ δεδομένων πεδίου και δορυφορικών δεδομένων ''']]<br /> [[Εικόνα:rswiki_p10_ld_10.jpg | thumb| right|Eικόνα 10:'''Σύγκριση των κανονικοποιημένων ιστογραμμάτων για τα δεδομένα πεδίου και τα δορυφορικά δεδομένα ''']]<br /> [[Εικόνα:rswiki_p10_ld_11.jpg | thumb| right|Eικόνα 11:'''Σύγκριση των διαφορετικών αλγορίθμων ''']]<br /> [[Εικόνα:rswiki_p10_ld_12.jpg | thumb| right|Eικόνα 12:'''Μικρής κλίμακας χωρική συσχέτιση των συντελεστών ''']]<br /> [[Εικόνα:rswiki_p10_ld_13.jpg | thumb| right|Πίνακας 1:'''Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου ''']]<br /> [[Εικόνα:rswiki_p10_ld_14.jpg | thumb| right|Πίνακας 2:'''Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου ''']]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%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:_%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85_WCIS_%CF%83%CF%84%CE%B7_%CE%A3%CF%84%CE%BF%CE%BA%CF%87%CF%8C%CE%BB%CE%BC%CE%B7 2018-01-17T14:57:27Z

<p>Dliagkas: </p> <hr /> <div>''' Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου κατάτμησης αστικού περιβάλλοντος για την εξαγωγή αστικών χαρακτηριστικών στη Στοκχόλμη '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing for urban planning and management: The use of window-independent context segmentation to extract urban features in Stockholm ''<br /> <br /> '''Συγγραφέας: ''' Michael Meinild Nielsen <br /> <br /> '''Δημοσιεύθηκε: ''' ''Computers, Environment and Urban Systems, Volume 52, July 2015, Pages 1-9''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Τηλεπισκόπηση σε αστικές περιοχές, Κατάτμηση, Χωρική ανάλυση, Σχεδιασμός και διαχείριση αστικών περιοχών, Εξαγωγή χαρακτηριστικών<br /> <br /> [[Εικόνα:rswiki_p9_ld_1.jpg | thumb| right|Eικόνα 1:'''Διαδικασία κατάτμησης WICS ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει μια καινοτόμα μέθοδο καταγραφής των διαφορετικών χρήσεων γης στο αστικό περιβάλλον. Η μέθοδος αυτή βασίζεται σε ένα θεωρητικό πλαίσιο και αποκαλείται ως “window-independent” κατάτμηση του αστικού περιβάλλοντος(WICS). Αποτελεί ουσιαστικά μια τεχνική που έχει ως υπόβαθρο όλα τα διαθέσιμα εικονοστοιχεία και στοχεύει στην ταξινόμηση των δορυφορικών εικόνων. Ο σχεδιασμός και η διαχείριση του δομημένου περιβάλλοντος σχετίζεται άμεσα με την ολοκληρωμένη καταγραφή και παρακολούθηση των διαφορετικών χρήσεων γης, όπως είναι η κατοικία, οι βιομηχανίες και οι εμπορικές δραστηριότητες. Εξ’ αιτίας των ελλιπών αποτελεσμάτων που αποδίδουν οι ανά εικονοστοιχείο τεχνικές ταξινόμησης, τις περισσότερες φορές προτιμάται η οπτική φωτοερμηνεία των δεδομένων τηλεπισκόπησης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_2.jpg | thumb| right|Eικόνα 2:'''Περιοχή μελέτης της Στοκχόλμης, Σουηδία, και ο Δήμος Στοκχόλμης από απεικόνιση SPOT 5 ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ραγδαία αστικοποίηση των τελευταίων ετών έχει δημιουργήσει την ανάγκη για ανάπτυξη ολοκληρωμένων εργαλείων που να συμμετέχουν στο σχεδιασμό και στη λήψη αποφάσεων για τη διαχείριση των μεγάλων αστικών κέντρων. Η γεωγραφική ανάλυση των αστικών περιοχών με τεχνικές GIS και τηλεπισκόπησης συμβάλλουν στην καταγραφή των τάσεων που δημιουργούν οι μεταβολές των χρήσεων/καλύψεων γης. Παρ’ όλα αυτά ακόμη και με τη μεγάλη εξέλιξη των τεχνολογικών μέσων που έχει πραγματοποιηθεί έως σήμερα, εντοπίζεται απόκλιση μεταξύ των μελετών που βρίσκονται σε εξέλιξη και της πρακτικής εφαρμογής των δεδομένων προκαλώντας ζητήματα ακρίβειας στις διαδικασίες των φορέων αστικού σχεδιασμού και λήψης αποφάσεων. Στην κατεύθυνση αυτή έχουν γίνει αρκετές προσπάθειες ελάττωσης της σχετικής απόκλισης με διάφορα μέσα. Μια τέτοια προσπάθεια αποτελεί και η παρούσα μελέτη που προάγει μια συγκεκριμένη μέθοδο κατάτμησης ως εργαλείο εξαγωγής πληροφοριών από δορυφορικές εικόνες. Σύμφωνα με πρόσφατες μελέτες οι τεχνικές τηλεπισκόπησης αστικού περιβάλλοντος διακρίνονται σε δύο βασικές κατηγορίες: την τοπική και τη στρατηγική. Η τοπική κλίμακα ασχολείται με τη μεμονωμένη αναγνώριση αντικειμένων(π. χ. διάκριση κτιρίων) χρησιμοποιώντας τη μέθοδο της αντικειμενοστρεφούς ανάλυσης εικόνας(OBIA). Από την άλλη η στρατηγική κλίμακα αναφέρεται κυρίως στο σχεδιασμό και παρακολούθηση των διαφόρων τύπων χρήσεων γης καταγράφοντάς τες ως ζώνες. <br /> <br /> [[Εικόνα:rswiki_p9_ld_3.jpg | thumb| right|Eικόνα 3:'''Ψηφιοποιημένα δεδομένα του δομημένου περιβάλλοντος σε υπόβαθρο αεροφωτογραφίας ''']]<br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> ''Περιοχή μελέτης''<br /> <br /> Η Στοκχόλμη επιλέχθηκε, καθώς διαθέτει ένα βασικό και επισήμως εγκεκριμένο σχέδιο ταξινόμησης των διαφορετικών κατηγοριών που βασίζεται στην ιστορία, στις αρχιτεκτονικές μεθόδους, στις θεωρίες και πρακτικές σχεδιασμού και στην εν γένει λειτουργία της πόλης. Τα δεδομένα αυτά που είναι διαθέσιμα εκ μέρους της κεντρικής διοίκησης από το 1997 αποτελούν μια ολοκληρωμένη απογραφή στοιχείων τα οποία αποδίδονται και χαρτογραφικά. Το 1999 στην προσπάθεια μια ανανεωμένης ερμηνείας των δεδομένων πραγματοποιήθηκε η διάκριση διαφορετικών περιοχών της πόλης με βάση τις κοινωνικές, τεχνολογικές και οικονομικές συνθήκες. Αυτό το σπάνιο υλικό σχεδιασμού και διαχείρισης των πόλεων είναι ένα βασικό θεμέλιο ταξινόμησης και χαρτογράφησης της περιοχής μελέτης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_4.jpg | thumb| right|Eικόνα 4:'''Παράδειγμα χαρακτηριστικών δομημένου περιβάλλοντος σύμφωνα με μελέτη του 1997 ''']]<br /> <br /> ''Συλλογή δεδομένων και προετοιμασία''<br /> <br /> Στην παρούσα μελέτη, ως πρώτο βήμα της διαδικασίας πραγματοποιήθηκε μια αντιστοίχηση των διαφόρων περιοχών εντός της πόλης με τις χρήσεις γης που κυριαρχούν στην εκάστοτε ζώνη. Η καταγραφή έδειξε ως κυρίαρχες ζώνες το κέντρο της πόλης, τις μονοκατοικίες, τις βιομηχανικές δραστηριότητες και τις πυκνές οικιστικές δομές σε μορφή μπλοκ. Για την ανάλυση των περιοχών χρησιμοποιήθηκε δορυφορική λήψη SPOT για την ημερομηνία 04/06/2008. Η εξαγωγή πληροφοριών έγινε, ύστερα από την επεξεργασία της αρχικής απεικόνισης και την παραγωγή ορθοφωτογραφιών. Οι πληροφορίες υψομετρικής κλιμάκωσης ανακτήθηκαν από το Ψηφιακό Μοντέλο Εδάφους. Στη μεθοδολογία που εφαρμόστηκε τα δεδομένα εισαγωγής που αποδίδονται αρχικά μέσω της δορυφορικής απεικόνισης, συρρικνώθηκαν κατάλληλα και ενσωματώθηκαν σε διαφορετικές κατηγορίες. Η μετατροπή επετεύχθη με τη συμβολή των τεσσάρων φασματικών καναλιών του δορυφόρου και συγκεκριμένα κάθε εικονοστοιχείο τακτοποιήθηκε στην κοντινότερη σε αυτό τάξη. Το αποτέλεσμα της συρρίκνωσης του συνόλου των δεδομένων και η ομαδοποίηση των εικονοστοιχείων σε ομαδοποιημένες τάξεις με την τεχνική του εγγύτερου γείτονα οδήγησε εν τέλει στην ταξινόμηση της περιοχής σε 20 διαφορετικές κατηγορίες.<br /> <br /> [[Εικόνα:rswiki_p9_ld_5.jpg | thumb| right|Eικόνα 5:'''Υποσύνολο απεικόνισης του δορυφόρου SPOT 5(αριστερά), ανά-εικονοστοιχείο ταξινόμηση(δεξιά) ''']] <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Στη συνέχεια της διαδικασίας πραγματοποιήθηκε έλεγχος των φασματικών υπογραφών για τις 20 διαφορετικές κατηγορίες που προέκυψαν. Βασικό κριτήριο για την επιλογή ή απόρριψη κατηγοριών είναι να μην υπάρχει επικάλυψη των φασματικών υπογραφών η οποία να αλλοιώνει τα αποτελέσματα της ταξινόμησης. Ύστερα από την ολοκλήρωση της ταξινόμησης οι κατηγορίες που διατηρήθηκαν και θα συμμετέχουν στην παραγωγή του τελικού αποτελέσματος είναι οι εξής: κέντρο της πόλης(Α, μαύρο χρώμα), βιομηχανία(Β, κόκκινο χρώμα), μονοκατοικίες(C, κίτρινο χρώμα), μονοκατοικίες με αραιή δόμηση(D, κίτρινο χρώμα), πυκνές οικιστικές δομές σε μορφή μπλοκ(Ε, μπλε και καφέ χρώμα). Έπειτα, δημιουργήθηκε ένας χάρτης ακρίβειας, ώστε να αποδοθούν οι αναλογίες με τις οποίες κάθε κατηγορία χρήσης καλύπτει την περιοχή μελέτης.<br /> <br /> [[Εικόνα:rswiki_p9_ld_6.jpg | thumb| right|Eικόνα 6:'''Αποτελέσματα κατάτμησης WICS ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συνοψίζοντας τα δεδομένα που παρέχονται από τη συγκεκριμένη μελέτη, το καινοτόμο στοιχείο που εισάγεται είναι μια ανανεωμένη μέθοδος κατάτμησης η οποία συνδυάζει στοιχεία τηλεπισκόπησης και οπτικής φωτοερμηνείας. Το βασικό χαρακτηριστικό που διακρίνει αυτή τη μέθοδο κατάτμησης από τις υπόλοιπες είναι η χρήση των σχετιζόμενων πληροφοριών για ένα αντικείμενο που βασίζονται στις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Δημιουργήθηκαν ψηφιδωτά αρχεία με σχετιζόμενα χαρακτηριστικά για κάθε εικονοστοιχείο συνυπολογίζοντας τις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Η μέθοδος WICS διαφέρει από την κλασσική μέθοδο κατάτμησης(ΟΒΙΑ) στα εξής δύο σημεία: 1)δεν απαιτεί πρότερη κατάτμηση(pre-segmentation), 2)για την περιγραφή κάθε εικονοστοιχείου χρησιμοποιεί και στοιχεία από τα δεδομένα που το περικλείουν, ενώ η κλασσική μέθοδος βασίζεται αποκλειστικά στην υφή και τον τόνο του κάθε αντικειμένου. Το κυριότερο πλεονέκτημα που παρέχεται μέσω της χρήσης της μεθόδου WICS είναι ότι μπορούμε να έχουμε συνδυαστικά περιγραφή του χωρικού περιβάλλοντος κάθε εικονοστοιχείου, αλλά και τη δυνατότητα εφαρμογής αλγορίθμων τυπικής ομαδοποίησης για την ταξινόμηση των κατηγοριών με βάση το περιβάλλον που τις περικλείει.<br /> <br /> [[Εικόνα:rswiki_p9_ld_7.jpg | thumb| right|Eικόνα 7:'''Σύγκριση κατάτμησης WICS ''']]<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει ένα από τα βασικά εργαλεία για την ολοκλήρωση της μεθόδου WICS. Στα αρχικά βήματα της μεθοδολογίας οι τεχνικές τηλεπισκόπησης συμβάλλουν ουσιαστικά στην καταγραφή του συνόλου των κατηγοριών κάλυψης γης, ενώ στη συνέχεια με τις κατάλληλες διαδικασίες ανάλυσης των φασματικών υπογραφών απορρίπτονται όλες οι κατηγορίες που ενδέχεται να προκαλέσουν προβλήματα στη διαδικασία ταξινόμησης. Η μέθοδος WICS, της οποίας αναπόσπαστο κομμάτι είναι η τηλεπισκόπηση, αποτελεί μια από τις πιο καινοτόμες μεθόδους που εφαρμόζονται για τον ολοκληρωμένο σχεδιασμό και διαχείριση των αστικών κέντρων.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S019897151500023X]<br /> <br /> [[category: Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]<br /> <br /> [[Εικόνα:rswiki_p9_ld_8.jpg | thumb| right|Πίνακας 1:'''Έλεγχος ακριβείας: κάλυψη των χαρακτηριστικών δομημένου περιβάλλοντος σε διαφορετικές κατηγορίες WICS ''']] <br /> [[Εικόνα:rswiki_p9_ld_9.jpg | thumb| right|Πίνακας 2:'''Έλεγχος ακριβείας: αναλογία κάλυψης ανά κατηγορία WICS ''']]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%BF_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_RUSLE,_%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%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7%CF%82:_%CE%9B%CE%B5%CE%BA%CE%AC%CE%BD%CE%B7_%CE%9D%CE%B5%CF%84%CF%81%CE%B1%CE%B2%CE%AC%CF%84%CE%B9 2018-01-17T14:51:31Z

<p>Dliagkas: </p> <hr /> <div>''' Αξιολόγηση διάβρωσης του εδάφους με το μοντέλο RUSLE, χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS-Περιοχή μελέτης: Λεκάνη Νετραβάτι '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' AAssessment of soil erosion by RUSLE model using remote sensing and GIS - A case study of Nethravathi Basin ''<br /> <br /> '''Συγγραφέας: ''' B.P. Ganasri, H. Ramesh<br /> <br /> '''Δημοσιεύθηκε: ''' ''Geoscience Frontiers, Volume 7, Issue 6, November 2016, Pages 953-961''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Διάβρωση εδάφους, RUSLE, Τηλεπισκόπηση, GIS, Ποταμός Νετραβάτι<br /> <br /> [[Εικόνα:Rswiki_p8_ld_1.jpg | thumb| right|Eικόνα 1:'''Παραγόμενοι χάρτες μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να μοντελοποιήσει την εξέλιξη του φαινόμενου της εδαφικής διάβρωσης στην περιοχή της υδάτινης λεκάνης Νετραβάτι, ώστε τα δεδομένα να χρησιμοποιηθούν για τη λήψη μέτρων πρόληψης. Η διάβρωση του εδάφους αποτελεί ένα πρόβλημα μείζονος σημασίας το οποίο προκύπτει από την ανάπτυξη ανθρωπογενών δραστηριοτήτων, όπως είναι η εντατική γεωργία που οδηγεί στην υποβάθμιση των εδαφών. Η μοντελοποίηση του φαινομένου δύναται να παρέχει μια ποσοτική και συνεχή προσέγγιση εκτίμησης της εδαφικής διάβρωσης και της παραγόμενης σοδειάς. Στην παρούσα μελέτη το μοντέλο απώλειας εδαφών βασίστηκε στην Αναθεωρημένη Εξίσωση Καθολικής Απώλειας Εδάφους(RUSLE) σε συνδυασμό με τεχνικές GIS. Οι παράμετροι του μοντέλου RUSLE υπολογίστηκαν χρησιμοποιώντας δεδομένα τηλεπισκόπησης, ενώ οι πιθανές ζώνες διάβρωσης καθορίστηκαν με τη χρήση GIS.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_2.jpg | thumb| right|Eικόνα 2:'''Γεωγραφική θέση της λεκάνης Νετραβάτι ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η υποβάθμιση των γεωργικών περιοχών λόγω της εδαφικής διάβρωσης είναι ένα παγκόσμιο φαινόμενο, το οποίο οδηγεί σε απώλειες εκτάσεων πλούσιων σε θρεπτικά συστατικά. Στην περίπτωση αυτή ο υπολογισμός και η ταυτοποίηση των πληττόμενων περιοχών αποτελεί κομβικής σημασίας στοιχείο για την εφαρμογή των κατάλληλων πρακτικών διαχείρισης, επιτυγχάνοντας ένα πρόγραμμα διατήρησης των εδαφών. Στην περιοχή της Ινδίας η διάβρωση των εδαφών αποτελεί ανασταλτικό παράγοντα για την εξέλιξη του αγροτικού τομέα, καθώς προκαλεί καταστροφή των αποθεμάτων και υποβάθμιση των εδαφών. Έχει ληφθεί σειρά μέτρων για την αντιμετώπιση του φαινομένου από την κεντρική διοίκηση, αλλά μέχρι στιγμής σχεδόν 130 εκατομμύρια εκτάρια γης, περίπου το 45% του συνόλου, έχει πληγεί. Οι παράγοντες που προκαλούν τη διάβρωση είναι αρκετοί και δύσκολο να περιοριστούν, καθώς βασίζονται σε φυσικά φαινόμενα όπως οι βροχοπτώσεις και ο άνεμος. Οι βασικότεροι εκ των παραγόντων είναι η κλίση του εδάφους και ο προσανατολισμός των πλαγιών. Η αποδοτική μοντελοποίηση του φαινομένου, με τεχνικές όπως το μοντέλο RUSLE, είναι ικανή να παρέχει πληροφορίες για την υφιστάμενη κατάσταση, τις μελλοντικές τάσεις, επιτρέποντας παράλληλα την ανάλυση διαφορετικών σεναρίων. Στην ουσία δημιουργούνται διαφορετικά μοντέλα προσομοίωσης, ώστε να αξιολογηθούν τα διαφορετικά μοντέλα εδαφικής διαχείρισης. Ωστόσο, χρησιμοποιώντας αποκλειστικά τη συμβατική μέθοδο της μοντελοποίησης για τη διαβάθμιση του ρίσκου εδαφικής διάβρωσης είναι εξαιρετικά ακριβό και χρονοβόρο. Για το λόγο αυτό στο υπάρχον μοντέλο RUSLE πραγματοποιήθηκε ενσωμάτωση δεδομένων πεδίου και δεδομένων που ανακτήθηκαν με τη χρήση τεχνολογιών τηλεπισκόπησης μέσω της επεξεργασίας σε Συστήματα Γεωγραφικών Πληροφοριών(GIS). Συνοψίζοντας και λαμβάνοντας υπ’ όψιν όλα τα παραπάνω δεδομένα σκοπός της παρούσας μελέτης είναι να: 1)αναπτύξει μια μεθοδολογία που θα συνδυάζει τα δεδομένα τηλεπισκόπησης και GIS με το μοντέλο RUSLE με σκοπό την εκτίμηση της χωρικής κατανομής της εδαφικής διάβρωσης σε πρώιμο στάδιο, 2)να αναλύσει τις επιπτώσεις των αλλαγών χρήσεων/καλύψεων γης στο φαινόμενο της διάβρωσης με τη χρήση τηλεπισκόπησης και GIS, και 3)να σκιαγραφήσει τις πιθανές ζώνες διάβρωσης χρησιμοποιώντας τη μέθοδο της επικάλυψης. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_3.jpg | thumb| right|Eικόνα 3:'''Διάγραμμα ροής της μεθοδολογίας ''']]<br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η μελέτη εστιάζει στην περιοχή της υδάτινης λεκάνης που σχηματίζει ο ποταμός Νετραβάτι που τοποθετείται γεωγραφικά στη νοτιοδυτική Ινδία. Η συγκεκριμένη περιοχή χαρακτηρίζεται ως μια τροπική παράκτια έκταση με υψηλά ποσοστά υγρασίας. Η συνολική της έκταση ανέρχεται σε 3128,72km2 και το μέγεθος του ποταμού παρουσιάζει εποχιακό χαρακτήρα ανάλογα με το ύψος των βροχοπτώσεων. Για τον υπολογισμό της διάβρωσης χρησιμοποιήθηκαν στοιχεία που αντλήθηκαν από δορυφορικές εικόνες, από το Ψηφιακό Μοντέλο Εδάφους, από ποσοστά βροχοπτώσεων και από δεδομένα εδαφολογίας. Παράλληλα από σταθμό μετρήσεων που βρίσκεται σε ακτίνα 20km από την περιοχή μελέτης ανακτήθηκαν στοιχεία για το φορτίο ιζημάτων έως το έτος 2003.Η περιοχή της λεκάνης καλύπτεται κατά βάση από δασικές εκτάσεις διαφόρων τύπων, καθώς η ανάπτυξή τους ευνοείται από τις συχνές βροχοπτώσεις. Η χαμηλότερη θερμοκρασία που παρατηρείται στην περιοχή κατά την περίοδο των μουσώνων είναι 25οC, ενώ η μέση θερμοκρασία κατά τους θερμούς μήνες είναι 35οC. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_4.jpg | thumb| right|Eικόνα 4:'''Χάρτης βροχοπτώσεων και χάρτης διάβρωσης από βροχόπτωση ''']]<br /> <br /> '''Μεθοδολογία και εκτίμηση παραμέτρων'''<br /> <br /> Η διάβρωση των εδαφών αποτελεί ένα διαχρονικό ζήτημα, του οποίου η έκταση έχει αυξηθεί τα τελευταία χρόνια εξ’ αιτίας των ολοένα και περισσότερων έντονων ανθρωπογενών δραστηριοτήτων. Η μελέτη του φαινομένου στην περιοχή της λεκάνης Νετραβάτι περιορίζεται από αρκετές ελλείψεις στα δεδομένα και γι’ αυτό εν τέλει επιλέχθηκε το μοντέλο RUSLE που χρειάζεται αποκλειστικά ένα χάρτη χρήσεων/καλύψεων γης για να λειτουργήσει. Ο χάρτης αυτός είναι εύκολο να παραχθεί με τη χρήση τεχνικών τηλεπισκόπησης. Ένα ακόμη πλεονέκτημα του RUSLE είναι ότι ενσωματώνεται εύκολα σε περιβάλλον GIS.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_5.jpg | thumb| right|Eικόνα 5:'''Χάρτης εδάφους και χάρτης εδαφικής διαβρωσιμότητας ''']] <br /> <br /> ''Εκτίμηση παραμέτρου RUSLE''<br /> <br /> Το μοντέλο RUSLE χρησιμοποιήθηκε για την αξιολόγηση της ετήσιας εδαφικής διάβρωσης και σχεδιάστηκε έτσι ώστε να προβλέπει μακροπρόθεσμα τη μέση τιμή εξέλιξης του φαινομένου. Τα δεδομένα εισαγωγής κατά τη διαδικασία επεξεργασίας είναι εύκολο να αποκτηθούν από το Ψηφιακό Μοντέλο Εδάφους κι από δορυφορικές εικόνες. Βασικό μειονέκτημα του RUSLE είναι πως δεν έχει τη δυνατότητα να δρομολογεί τα ιζήματα στα διάφορα κανάλια, κι έτσι η εφαρμογή περιορίζεται μόνο σε μικρές περιοχές.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_6.jpg | thumb| right|Eικόνα 6:'''Χάρτης κλίσεων σε ποσοστά ''']]<br /> <br /> ''Παράγοντας διάβρωσης από βροχόπτωση''<br /> <br /> Ο συγκεκριμένος παράγοντας παρουσιάζει την επιρροή που ασκεί η ένταση των βροχοπτώσεων στο φαινόμενο της εδαφικής διάβρωσης και γι’ αυτό απαιτούνται λεπτομερή και διαχρονικά δεδομένα κατακρημνίσεων για τον υπολογισμό του. Όλες οι μελέτες αποδεικνύουν πως η διάβρωση σχετίζεται με την ένταση της βροχής και για το λόγο αυτό ο παράγοντας αυτός ενσωματώθηκε στο μοντέλο RUSLE ποσοτικοποιώντας την επίδραση των βροχοπτώσεων και αντικατοπτρίζοντας τις ποσότητες και το ρυθμό απορροής που σχετίζονται με τη βροχή. Τα δεδομένα που χρησιμοποιήθηκαν αφορούν χρονική περίοδο 10 χρόνων(2000-2009). <br /> <br /> [[Εικόνα:Rswiki_p8_ld_7.jpg | thumb| right|Eικόνα 7:'''Παράγοντας διαχείρισης καλλιεργειών ''']]<br /> <br /> ''Παράγοντας εδαφικής διαβρωσιμότητας''<br /> <br /> Η λεκάνη Νετραβάτι αποτελείται από 14 διαφορετικούς τύπους εδάφους, πάνω στους οποίους προσαρμόστηκε κατάλληλα ο παράγοντας εδαφικής διαβρωσιμότητας. Με το συγκεκριμένο παράγοντα παρουσιάζεται ο βαθμός ευαισθησίας των εδαφών σχετικά με το φαινόμενο της διάβρωσης, η μετακίνηση των ιζημάτων, οι ποσότητες και ο ρυθμός απορροής που σχετίζονται με τη βροχή.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_8.jpg | thumb| right|Eικόνα 8:'''Χάρτης πιθανών ζωνών εδαφικής διάβρωσης ''']]<br /> <br /> ''Παράγοντας τοπογραφίας''<br /> <br /> Ο τοπογραφικός παράγοντας αποδίδει το ρυθμό απώλειας εδαφών, κάτω από συγκεκριμένες συνθήκες οι οποίες δίδονται από το συνδυασμό δύο βασικών συνιστωσών. Οι συνιστώσες αυτές είναι το μήκος της πλαγιάς και η κλίση της πλαγιάς.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_9.jpg | thumb| right|Πίνακας 1:'''Περιγραφή των δεδομένων ''']]<br /> <br /> ''Παράγοντας διαχείρισης καλλιεργειών''<br /> <br /> Με τη χρήση αυτού του παράγοντας παρέχεται η δυνατότητα παρουσίασης της επιρροής των τεχνικών καλλιέργειας στο φαινόμενο της διάβρωσης. Δίνοντας διάφορες τιμές από 0 έως +1 μπορούμε να εξάγουμε χρήσιμα συμπεράσματα για την περιοχή μελέτης. Όπου +1 αναφερόμαστε σε περιοχές κυρίως δασικές καλά προστατευμένες από τη διάβρωση. Στη συνέχεια ο παράγοντας προσαρμόστηκε στο θεματικό χάρτη χρήσεων/καλύψεων γης της περιοχής μελέτης, ώστε να δημιουργηθεί ένας νέος χάρτης βασιζόμενος στις τιμές του παράγοντα. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_10.jpg | thumb| right|Πίνακας 2:'''Ετήσιο φορτίο ιζημάτων και χαρακτηριστικά των λεκανών για τους ποταμούς Νετραβάτι ''']]<br /> <br /> ''Παράγοντας πρακτικής υποστήριξης της διατήρησης''<br /> <br /> Οι τιμές του συγκεκριμένου παράγοντας έχουν εύρος από 0 έως +1, όπου με το 0 αναφερόμαστε σε πρακτικές καλής διατήρησης και με το +1 σε πρακτικές ελλιπούς διατήρησης. Δεδομένου ότι για την περιοχή μελέτης δεν υπάρχουν δεδομένα που να αφορούν τις πρακτικές διατήρησης ο παράγοντας λαμβάνει την τιμή +1, αφού η λεκάνη καλύπτεται κατά κύριο λόγο από δασικές εκτάσεις. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_11.jpg | thumb| right|Πίνακας 3:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor ''']]<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Ύστερα από πολυσύνθετες έρευνες που πραγματοποιήθηκαν, παρατηρήθηκε πως ο βασικότερος παράγοντας που επηρεάζει τη διάβρωση των εδαφών είναι οι βροχοπτώσεις. Σε μικρότερη κλίμακα σημαντικό ρόλο διαδραματίζει κι ο διαφορετικός τύπος εδάφους ο οποίος συνυπολογίστηκε. Τελικό στάδιο στο οποίο κατέληξαν και συνδυάστηκαν όλοι οι υπολογισμοί είναι η δημιουργία ενός θεματικού χάρτη πιθανών ζωνών προς διάβρωση, ο οποίος προέκυψε με την τεχνική της επικάλυψης πολλών διαφορετικών θεματικών επιπέδων. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_12.jpg | thumb| right|Πίνακας 4:'''Κατηγορίες εδαφικής διάβρωσης, συνολική έκταση και μέγεθος απώλειας εδαφών ''']] <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Βασικό αντικείμενο της έρευνας είναι η εξέταση της εδαφικής διάβρωσης και των πιθανών ζωνών στις οποίες θα εμφανιστεί το φαινόμενο μελλοντικά για την περιοχή της λεκάνης Νετραβάτι στην Ινδία. Ωστόσο, η καινοτομία που εισάγεται στη συγκεκριμένη μελέτη είναι η συσχέτιση της εδαφικής διάβρωσης με τις μεταβολές των χρήσεων/καλύψεων γης. Τα νέα στοιχεία έδειξαν πως η διάβρωση εξαρτάται άμεσα από την τοπογραφία και τον τύπο καλύψεων γης της εκάστοτε περιοχής. Μάλιστα, αξίζει να σημειωθεί πως η απώλεια εδαφών από διάβρωση αυξάνεται αναλογικά με το ρυθμό αύξησης των καλλιεργητικών εκτάσεων. Στις περιοχές αυτές απαιτείται η άμεση εφαρμογή πρακτικών διατήρησης του εδάφους.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_13.jpg | thumb| right|Πίνακας 5:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor για την αυξημένη αγροτική περιοχή ''']] <br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Στη συγκεκριμένη μελέτη, οι τεχνολογίες της τηλεπισκόπησης λειτούργησαν συνδυαστικά, καθώς απέδωσαν όλα εκείνα τα δεδομένα που έλλειπαν και περιόριζαν την εφαρμογή του μοντέλου RUSLE. Η κατηγοριοποίηση των χρήσεων γης μέσω τεχνικών επιβλεπόμενης ταξινόμησης αποτελεί σπουδαίο εργαλείο το οποίο παρέχει η τηλεπισκόπηση και δύναται να αποτελέσει ισχυρό θεμέλιο στο σχεδιασμό για την πρόληψη φαινομένων διάβρωσης.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1674987115001255]<br /> <br /> [[category:Υποβάθμιση εδαφών]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CE%B8%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%BB%CF%8D%CF%88%CE%B5%CF%89%CE%BD_%CE%B3%CE%B7%CF%82_%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_OpenStreetMap_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%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 2018-01-17T13:41:02Z

<p>Dliagkas: </p> <hr /> <div>''' Καθορισμός καλύψεων γης με τη χρήση δεδομένων OpenStreetMap και τεχνικών τηλεπισκόπησης '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Open land cover from OpenStreetMap and remote sensing ''<br /> <br /> '''Συγγραφείς: ''' Michael Schultz, Janek Voss, Michael Auer, Sarah Carter, Alexander Zipf<br /> <br /> '''Δημοσιεύθηκε: ''' ''International Journal of Applied Earth Observation and Geoinformation, Volume 63, December 2017, Pages 206-213''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' OpenStreetMap, Καλύψεις γης, Τυχαίες δασικές εκτάσεις, Βάσει ετικέτας, Τηλεπισκόπηση<br /> <br /> [[Εικόνα:Rswiki_p7_ld_1.jpg | thumb| right|Eικόνα 1:'''Περιοχή μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να περιγράψει τον τρόπο με τον οποίο τα δεδομένα που προκύπτουν από τις εφαρμογές τηλεπισκόπησης και την ψηφιακή πλατφόρμα OpenStreetMap(OSM) λειτουργούν συνδυαστικά, ώστε να αποδώσουν το σύνολο των καλύψεων γης μιας περιοχής μελέτης. Δεδομένα OpenStreetMap χρησιμοποιούνται για να παράγουν ένα ανοιχτό Παγκόσμιο Σύστημα Καλύψεων Γης(Open Land Cover, OLC) με κλασματικά δεδομένα τα οποία είναι διαθέσιμα στο osmlanduse.org. Στην παρούσα έρευνα ως περιοχή μελέτης ορίστηκε η πόλη Χαϊδελβέργη της Γερμανίας, όπου τα δεδομένα OSM ήταν ικανά να αποδώσουν το 91,8% του συνόλου των διαφορετικών καλύψεων γης της περιοχής, ενώ το υπόλοιπο ποσοστό καλύφθηκε από δεδομένα εφαρμογών τηλεπισκόπησης. Η ακρίβεια των αποτελεσμάτων υπολογίστηκε σε 87%, ποσοστό αρκετά βελτιωμένο σε σχέση με την ακρίβεια που παρείχαν τα δεδομένα του προγράμματος Corine το 2012(81% ακρίβεια). Για τη συγκεκριμένη περιοχής μελέτης τα παραγόμενα δεδομένα OLC παρουσιάστηκαν για δύο χρονικές περιόδους: το 53% της έκτασης αποδίδεται στην περίοδο 2011-2016, ενώ το 46% στα έτη 2016 και 2017. <br /> <br /> [[Εικόνα:Rswiki_p7_ld_2.jpg | thumb| right|Eικόνα 2:'''Διάγραμμα ροής των μεθόδων μελέτης ''']] <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι ανθρωπογενείς δραστηριότητες έχουν μεταβάλλει σε μεγάλο βαθμό τη σύνθεση του φυσικού περιβάλλοντος. Ο τομέας των χρήσεων/καλύψεων γης αποτελεί ένα κομβικό παράγοντα για να αναλυθεί ένας μεγάλος όγκος φαινομένων που βρίσκονται σε εξέλιξη, όπως είναι η κλιματική αλλαγή, η διαχείριση των φυσικών πόρων και ο αστικός και περιφερειακός σχεδιασμός. Σήμερα, τα προϊόντα επεξεργασίας δεδομένων χρήσεων/καλύψεων γης δημιουργούν θεμέλια πάνω στα οποία μπορούν να βασιστούν κυβερνητικές πολιτικές που να παρακολουθούν τις εξελίξεις προς την επίτευξη των Στόχων για τη Βιώσιμη Ανάπτυξη(Sustained Development Goals, SDGs). Τα δεδομένα κάλυψης γης περιγράφουν τη φυσική και βιολογική κάλυψη μιας περιοχής, ενώ εκείνα των χρήσεων γης αποκαλύπτουν τις ανθρωπογενείς δραστηριότητες. Οι θεματικοί χάρτες καλύψεων γης νέας γενιάς δύναται να προσεγγίσουν χωρική ικανότητα ακόμη και έως 30m. Σε αυτό συμβάλλει και η καινοτόμα πλατφόρμα του OSM που εμπλουτίζεται σταδιακά τα τελευταία χρόνια και παρέχει ελεύθερα δεδομένα για ερευνητικούς σκοπούς. Η πλατφόρμα βασίζεται στην εθελοντική συμμετοχή για την προσθήκη δεδομένων, κάτι το οποίο δημιουργεί ζητήματα ακρίβειας, καθώς εντοπίζονται φαινόμενα επικάλυψης δεδομένων, λανθασμένων θεματικών πληροφοριών, χωρικής και χρονικής ανομοιογένειας. Ακόμη και οι περιοχές μελέτης, όπου εκκρεμεί ακόμη η ολοκληρωμένη καταγραφή τους αποτελούν περιοριστικό παράγοντα χρήσης της πλατφόρμας. Στα παραπάνω ζητήματα παρέχει σημαντικές λύσεις η συμπλήρωση των όποιων κενών σημείων με τη χρήση δεδομένων τηλεπισκόπησης. Αρχικά, το συνδυαστικό αυτό σύστημα(OSM και τηλεπισκόπησης) ταλανιζόταν από χρονοβόρες διαδικασίες ενημέρωσης των δεδομένων και χαμηλή χωρική ανάλυση. Επιπλέον, η απουσία δεδομένων OSM σε αρκετές περιπτώσεις οδηγούσε στη μη ολοκλήρωση της ταξινόμησης ορισμένων περιοχών. Παράλληλα, οι τεχνικές αξιολόγησης ακρίβειας των αποτελεσμάτων δεν είχαν κοινό κώδικα για όλα τα προϊόντα της διαδικασίας κι έτσι αναπόφευκτα υπήρχε ανομοιογένεια. Στην παρούσα μελέτη επιχειρήθηκε η δημιουργία διαδικτυακής πλατφόρμας χρήσεων/καλύψεων γης που θα βασίζεται σε δεδομένα OSM τα οποία αναβαθμίζονται συνεχώς από εθελοντές-μέλη. Η πλατφόρμα αυτή αξιοποιεί το πλεονέκτημα ενός περιβάλλοντος ανοιχτών δεδομένων στο οποίο ο οποιοσδήποτε μπορεί να συνεισφέρει προσθέτοντας δεδομένα τηλεπισκόπησης ή ψηφιοποιώντας.<br /> <br /> [[Εικόνα:Rswiki_p7_ld_3.jpg | thumb| right|Eικόνα 3:'''Σχηματική απεικόνιση του τρόπου με τον οποίο αντιμετωπίστηκαν τα επικαλυπτόμενα πολύγωνα του OSM σε αυτή την ανάλυση ''']]<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Τα βασικά βήματα που ακολουθεί η συγκεκριμένη μελέτη είναι αρχικά η δημιουργία ενός κλασματικού OLC, έπειτα η κάλυψη των ελλείψεων στα δεδομένα μέσω της τεχνικής της επιβλεπόμενης ταξινόμησης και τέλος η σύγκριση των αποτελεσμάτων με τα αποτελέσματα του προγράμματος Corine.<br /> <br /> [[Εικόνα:Rswiki_p7_ld_4.jpg | thumb| right|Eικόνα 4:'''Εκτίμηση ακριβείας OLC και CLC ''']]<br /> <br /> ''Κλασματικός OLC''<br /> <br /> Τα δεδομένα OSM είναι διαθέσιμα ως ψηφιδωτό αρχείο(vector) στα διάφορα λογισμικά GIS και περιλαμβάνουν σημειακά, γραμμικά και πολυγωνικά στοιχεία. Κάθε στοιχείο συνοδεύεται κι από μία αναφορά που το περιγράφει. Η αναφορά αποτελείται από ένα κλειδί που περιγράφει ορισμένα γενικά δεδομένα του στοιχείου κι από μία τιμή που ορίζει πιο συγκεκριμένα το κλειδί. Χρησιμοποιήθηκε το υπόμνημα του Corine για να γίνει σύγκριση των δύο παραγόμενων χαρτών(OLC και Corine). Τα δεδομένα OSM και Corine ακολουθούν διαφορετικό πρότυπο κατηγοριοποίησης κι έτσι δημιουργήθηκε ένα κοινό υπόμνημα στο οποίο γίνεται η σύνδεσή τους. Παρ’ όλα αυτά δεν πραγματοποιήθηκε αντιστοίχιση όλων των κατηγοριών και θεωρήθηκαν ως αναντιστοιχίες του υπομνήματος, αποτελώντας το 0,083% του συνόλου της περιοχής μελέτης. Οι κατηγορίες που απουσιάζουν απ’ το τελικό προϊόν απαντώνται σε γεωργικές περιοχές, ύδατα της ενδοχώρας και θαλάσσια ύδατα. Οι αναφορές που χρησιμοποιήθηκαν για τη δημιουργία του OLC αναφέρονται σε ένα χρονικό εύρος από το 2007 έως σήμερα. Για κάθε εικονοστοιχείο αποτυπώθηκε μια συγκεκριμένη χρονική ταυτότητα και ελέγχθηκε η συχνότητα με την οποία εμφανίζεται διαχρονικά. Περιπτώσεις επικάλυψης δεδομένων επιλύθηκαν τοποθετώντας μικρότερα πολύγωνα επάνω από τα μεγαλύτερα. Η παράμετρος αυτή είναι βασική για τους στατιστικούς υπολογισμούς και τη σύγκριση με άλλα δεδομένα.<br /> <br /> [[Εικόνα:Rswiki_p7_ld_5.jpg | thumb| right|Eικόνα 5:'''Διαφορές OLC και CLC(οι έγχρωμες περιοχές δείχνουν διαφορές, ενώ οι γκρι περιοχές ομοιότητες) ''']] <br /> <br /> ''OLC κάλυψης γης''<br /> <br /> Στην περιοχή μελέτης το 8,2% της συνολικής έκτασης δεν ήταν δυνατό να περιγραφεί ως προς τον τύπο καλύψεων γης από τα δεδομένα OSM. Στην περίπτωση αυτή οι ελλείψεις καλύφθηκαν από δεδομένα δορυφορικών εικόνων μέσω τεχνικών τηλεπισκόπησης. Συγκεκριμένα χρησιμοποιώντας όλα τα φασματικά κανάλια του αισθητήρα OLI, εκτός του θερμικού, πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση χρησιμοποιώντας τις κατάλληλες περιοχές εκπαίδευσης βασιζόμενοι στις αναφορές της πλατφόρμας OSM. <br /> <br /> [[Εικόνα:Rswiki_p7_ld_6.jpg | thumb| right|Eικόνα 6:'''Κατανομή της χρονικής ταυτότητας του OLC ανά κατηγορία σε μορφή boxplot ''']]<br /> <br /> ''Αξιολόγηση ακρίβειας και σύγκριση''<br /> <br /> Στο τελευταίο στάδιο της μεθοδολογίας πραγματοποιήθηκε αξιολόγηση των αποτελεσμάτων χρησιμοποιώντας τεχνικές που βασίζονται στο σχεδιασμό δειγματοληψίας, στο σχεδιασμός απόκρισης και στην ανάλυση. Ειδικότερα, στο σχεδιασμό δειγματοληψίας με τη χρήση κατάλληλων συναρτήσεων πραγματοποιήθηκε η αναλογική απόδοση των δειγμάτων για κάθε κατηγορία κάλυψης γης. Στη συνέχεια όλα τα δείγματα αθροίστηκαν, ώστε να γίνει δυνατή η σύγκριση μεταξύ Corine και OLC. Μέσω της ανάλυσης εντοπίστηκαν οι αποκλίσεις μεταξύ των δεδομένων αναφοράς που χρησιμοποιήθηκαν ως δεδομένα εισαγωγής και του τελικού χάρτη. Πιο αναλυτικά, εντοπίστηκαν περιπτώσεις παραλείψεων, έλλειψης ακρίβειας και επικαλύψεων.<br /> <br /> [[Εικόνα:Rswiki_p7_ld_7.jpg | thumb| right|Πίνακας 1:'''Υπόμνημα εναρμονισμού των κατηγοριών του OSM και του CLC ''']] <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Σαν μια γενική εικόνα των αποτελεσμάτων το εγχείρημα του OLC διεύρυνε κατά πολύ το πλήθος των αποτελεσμάτων σε σύγκριση με το πρόγραμμα Corine. Η ομοιότητα των δύο διαφορετικών θεματικών χαρτών ανέρχεται σε 84%, με ορισμένες κατηγορίες καλύψεων να εμφανίζουν υψηλή ομοιογένεια κι άλλες υψηλή ανομοιογένεια και διαφορετικότητα. Ουσιαστικά η πλατφόρμα OLC αποτελεί ένα εξελιγμένο εργαλείο στον τομέα καταγραφής των καλύψεων γης, καθώς τα δεδομένα του πέραν του ότι εμφανίζονται πιο ολοκληρωμένα, είναι και διαχρονικά. Αναλυτικότερα, ενώ τα στοιχεία του Corine αναφέρονται αποκλειστικά στο 2012, η πλατφόρμα OLC χρησιμοποιεί δεδομένα εύρους από το 2007 έως το 2016. Κάθε εικονοστοιχείο καταγράφηκε με διαφορετική χρονική ταυτότητα που περιγράφει τη συχνότητα εμφάνισής του, συνθέτοντας έτσι μια στατιστική περιγραφή. Οι περισσότερες περιοχές του OLC ταυτοποιήθηκαν από το 2012 κι έπειτα, οπότε πρόκειται για ένα πρόσφατα ανανεωμένο περιβάλλον δεδομένων. <br /> <br /> [[Εικόνα:Rswiki_p7_ld_8.jpg | thumb| right|Πίνακας 2:'''Πίνακας σύγχυσης OLC και CLC ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ολοκληρώνοντας τη διαδικασία που διενεργήθηκε στη συγκεκριμένη έρευνα τα αποτελέσματα του OLC ναι μεν παρουσιάζουν μια πιο ολοκληρωμένη και σύνθετη δομή, αλλά ορισμένες κατηγορίες χαρακτηρίζονται από ανακρίβεια και ελλείψεις. Για το λόγο αυτό, κρίνεται σκόπιμη η προσαρμογή των κατηγοριών αυτών με τέτοιο τρόπο όμως που να μη μειώνει το εύρος της παρεχόμενης πληροφορίας. Είναι δεδομένο πως τα ακριβή αποτελέσματα μιας ταξινόμησης πηγάζουν από τον ακριβή καθορισμό των περιοχών εκπαίδευσης. Έτσι λοιπόν, σε μελλοντικές προσπάθειες η σύνθεση των περιοχών εκπαίδευσης θα πρέπει να λαμβάνει υπ’ όψιν τη χρονική συνάφεια των δεδομένων αλλά και τις ειδικές αναφορές του OSM.<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει το βασικό εργαλείο κάλυψης όλων των ελλείψεων και κενών στην καταγραφή καλύψεων γης. Η συλλογή δεδομένων με τη συμβολή εθελοντών σε περιβάλλον πλατφόρμας ανοιχτής πρόσβασης δημιουργεί ευκαιρίες και περιορισμούς αναφορικά με την αξιοπιστία των δεδομένων. Οι εφαρμογές τηλεπισκόπησης μπορούν και να ελέγξουν την ορθότητα των δεδομένων αυτών, αλλά και να παρέχουν νέα όπου αυτό κρίνεται αναγκαίο. Η συνολική καταγραφή των καλύψεων γης αποτελεί βασικό εργαλείο καθορισμού προτεραιοτήτων και κατευθύνσεων στο σχεδιασμό.<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0303243417301605]<br /> <br /> [[category: Χαρτογραφία]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_14.jpg 2018-01-17T13:30:51Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_13.jpg 2018-01-17T13:30:29Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_12.jpg 2018-01-17T13:29:58Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_11.jpg 2018-01-17T13:29:22Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_10.jpg 2018-01-17T13:28:55Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_9.jpg 2018-01-17T13:28:14Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_8.jpg 2018-01-17T13:27:42Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_7.jpg 2018-01-17T13:24:08Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_6.jpg 2018-01-17T13:23:36Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_5.jpg 2018-01-17T13:23:05Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_4.jpg 2018-01-17T13:22:29Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_3.jpg 2018-01-17T13:21:56Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_2.jpg 2018-01-17T13:21:31Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p10_ld_1.jpg 2018-01-17T13:21:09Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82-%CE%B1_%CF%83%CF%84%CE%B1_%CF%80%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CF%8D%CE%B4%CE%B1%CF%84%CE%B1_%CE%BC%CE%B5_%CE%B2%CE%AC%CF%83%CE%B7_%CF%84%CE%BF_%CF%83%CF%85%CE%BD%CF%84%CE%B5%CE%BB%CE%B5%CF%83%CF%84%CE%AE_%CE%B1%CF%80%CE%BF%CF%81%CF%81%CF%8C%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%86%CF%89%CF%84%CF%8C%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D 2018-01-17T13:20:41Z

<p>Dliagkas: </p> <hr /> <div>''' Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing of chlorophyll-a in coastal waters based on the light absorption coefficient of phytoplankton ''<br /> <br /> '''Συγγραφείς: ''' Guangming Zheng, Paul M. DiGiacomo<br /> <br /> '''Δημοσιεύθηκε: ''' ''Remote Sensing of Environment, Volume 201, November 2017, Pages 331-341''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Χλωροφύλλη, Θολά παράκτια ύδατα, Συντελεστής απορρόφησης φωτός, Διαμερισμός, Προσέγγιση σωρευμένων περιορισμών<br /> <br /> [[Εικόνα:rswiki_p10_ld_1.jpg | thumb| right|Eικόνα 1:'''Σταθμοί δειγματοληψίας στα πλαίσια της παρούσας μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να χαρτογραφήσει τη συγκέντρωση χλωροφύλλης-α με μεθόδους που ξεπερνούν τα όρια της οπτικής φωτοερμηνείας. Πιο συγκεκριμένα, σε αρκετές περιπτώσεις ο οπτικός διαχωρισμός της χλωροφύλλης-α είναι εφικτός με απλές τεχνικές, καθώς περιλαμβάνει ουσίες που συναντώνται συνήθως στο έδαφος(μέταλλα και χούμους), ωστόσο ο διαχωρισμός δυσκολεύει όταν υπάρχει συνύπαρξη με πληθυσμούς φυτοπλαγκτόν. Για το λόγο αυτό στη συγκεκριμένη μελέτη εφαρμόζεται μια ημι-αναλυτική μεθοδολογία που αποδίδει τα σημεία συγκέντρωσης χλωροφύλλης-α βασιζόμενη στο συντελεστή απορρόφησης φωτός του φυτοπλαγκτού. Η μεθοδολογία αυτή χρησιμοποιεί παράλληλα ένα γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) για να διαμοιράσει το συνολικό συντελεστή απορρόφησης φωτός που προκύπτει από τα δορυφορικά δεδομένα σε δύο συνιστώσες: η πρώτη συνιστώσα σχετίζεται με την απορρόφηση φωτός από φυτοπλαγκτόν, ενώ η δεύτερη όχι. <br /> <br /> [[Εικόνα:rswiki_p10_ld_2.jpg | thumb| right|Eικόνα 2:'''Ιστόγραμμα συγκέντρωσης χλωροφύλλης στα επιφανειακά ύδατα ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι πληθυσμοί φυτοπλαγκτού αποτελούν τη βάση της υδάτινης τροφικής αλυσίδας και διαδραματίζουν κομβικό ρόλο στην εξέλιξη των βιοχημικών διαδικασιών. Εξ’ αιτίας αυτών των χαρακτηριστικών η παραγόμενη βιομάζα από φυτοπλαγκτόν χρησιμοποιείται σε αρκετές μελέτες ως μια σημαντική παράμετρος για την ποιότητα των υδάτων. Στην πράξη, ο όγκος της βιομάζας φυτοπλαγκτού καταμετράται με τη βοήθεια διαφόρων ποσοτικοποιημένων παραμέτρων, όπως είναι η μέτρηση συγκέντρωσης σε χλωροφύλλη-α. Η μέτρηση χλωροφύλλης μπορεί αρχικά να γίνει με διαδικασίες έρευνας τοπίου, αλλά επειδή κάτι τέτοιο είναι χρονοβόρο και δαπανηρό οι σύγχρονες επιστήμες προάγουν την εφαρμογή τεχνικών τηλεπισκόπησης σε δορυφορικές εικόνες που παρέχουν διαχρονικά δεδομένα ευρείας κλίμακας. Παρ’ όλα αυτά μέχρι στιγμής οι τεχνικές που βασίζονται στην τηλεπισκόπηση παραμένουν λιγότερο ακριβείς από τις υπόλοιπες, καθώς δεν υπάρχει κάποιος ευρέως αποδεκτός αλγόριθμος που να αποδίδει ακριβώς τη συγκέντρωσης χλωροφύλλης-α στα επιφανειακά ύδατα βασιζόμενος στην αντανάκλαση. Αυτό συμβαίνει διότι στα παράκτια ύδατα εκτός από το φυτοπλαγκτόν συναντώνται και αρκετά χερσαία στοιχεία, κι έτσι είναι δύσκολο να διακριθεί εάν η απορρόφηση του φωτός γίνεται από αυτά ή από το φυτοπλαγκτόν. Για την καλύτερη διάκριση των μερών των επιφανειακών υδάτων έχουν συντεθεί περισσότεροι εξειδικευμένοι αλγόριθμοι, όπως τα νευρονικά δίκτυα τα οποία εισάγουν ένα μεγαλύτερο αριθμό σταθερών συντελεστών στα δεδομένα εισαγωγής που αφορούν την αντανάκλαση. <br /> <br /> [[Εικόνα:rswiki_p10_ld_3.jpg | thumb| right|Eικόνα 3:'''Διάγραμμα ροής επεξεργασίας των δορυφορικών δεδομένων ''']]<br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> Για τη βελτίωση των δεδομένων εισαγωγής που θα χρησιμοποιηθούν στην παρούσα μελέτη, πραγματοποιήθηκε συνδυαστική συλλογή στοιχείων που προέκυψαν από έρευνα πεδίου, αλλά και από τη διαχρονική παρατήρηση δορυφορικών εικόνων με βάση την τοποθεσία. Στη συγκεκριμένη έρευνα τα δεδομένα επεξεργασίας αποδίδονται στη χρονική περίοδο 1997 έως 2015 και έχουν ως πηγή συνολικά τέσσερις αισθητήρες. Ειδικότερα, η ανάκτηση των συγκεκριμένων δεδομένων είχε ως βασικό στόχο την αντιστοίχισή τους για τη δημιουργία ενός μοντέλου ημι-αναλυτικής προσέγγισης και μιας νέας εμπλουτισμένης βάσης δεδομένων. Επιπλέον, ορισμένα επιπλέον δεδομένα που προέκυψαν από σουίτα εικόνων VIIRS για το έτος 2016 λειτούργησαν ως ξεχωριστά ομαδοποιημένα δεδομένα και χρησιμοποιήθηκαν ως δείκτης αξιολόγησης της εφαρμογής του παραπάνω μοντέλου.<br /> <br /> [[Εικόνα:rswiki_p10_ld_4.jpg | thumb| right|Eικόνα 4:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση μπλε-σε-πράσινο ''']]<br /> <br /> ''Δεδομένα πεδίου συγκέντρωσης χλωροφύλλης-α''<br /> <br /> Τα δεδομένα πεδίου για τη συγκέντρωση χλωροφύλλης-α αντλήθηκαν από την εκτέλεση ενός ερευνητικού προγράμματος με την ονομασία Chesapeak Bay. Στα πλαίσια του προγράμματος ορίστηκαν κατά μήκος της περιοχής μελέτης 64 συνολικά σταθμοί δειγματοληψίας. Στους σταθμούς αυτούς πραγματοποιήθηκε συγκέντρωση δειγμάτων χλωροφύλλης στην επιφάνεια και στον πυθμένα, αλλά και σε δύο διαφορετικά βάθη. Στη συνέχεια τα σημεία δειγματοληψίας αντιστοιχήθηκαν με τα δορυφορικά δεδομένα. Στην παρούσα μελέτη έγινε χρήση μόνο των δεδομένων επιφανειακής χλωροφύλλης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_5.jpg | thumb| right|Eικόνα 5:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση κόκκινο-σε-πράσινο ''']]<br /> <br /> ''Δορυφορικά δεδομένα τηλεσκοπικής αντανάκλασης''<br /> <br /> Η κανονικοποιημένη υδάτινη ακτινοβολία που προέρχεται από δορυφορικά δεδομένα, δημιουργείται ύστερα από την εφαρμογή βαθμονόμησης με τα κατάλληλα όργανα, δευτερεύουσας βαθμονόμησης και ατμοσφαιρικής διόρθωσης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_6.jpg | thumb| right|Eικόνα 6:'''Αποτελέσματα χλωροφύλλης-α που προέκυψαν από μετρήσεις (a) SeaWiFS, (b) MERIS, (c) MODIS-Aqua, and (d) VIIRS χρησιμοποιώντας την αντανάκλαση εγγύς υπέρυθρο-σε-πράσινο ''']]<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Για την εξαγωγή των κατάλληλων αποτελεσμάτων πραγματοποιήθηκε μια γραμμική παλινδρόμηση μεταξύ των μεταβλητών που ορίζονται από τη συγκέντρωση χλωροφύλλης σύμφωνα με τα δορυφορικά δεδομένα και από τα δεδομένα πεδίου που προκύπτουν από μετρήσεις στην επιφάνεια των παράκτιων υδάτων. Για την αξιολόγηση των αποτελεσμάτων που αφορούν τη συγκέντρωση χλωροφύλλης και προέρχονται από την προτεινόμενη μεθοδολογία της παρούσας εργασίας, έγινε χρήση ενός περιεκτικού συνόλου από στατιστικά σφάλματα παραμέτρων, το οποίο στην ουσία βασίζεται στη σύγκριση της βάσης δεδομένων που αναπτύχθηκε με άλλα μοντέλα παρόμοιου τύπου, υποθέτοντας πως οι διαφορές μεταξύ των δορυφορικών δεδομένων και των δεδομένων πεδίου μπορούν να ληφθούν υπ’ όψιν για την παρουσίαση των σφαλμάτων στα μοντέλα. Οι βασικότερες καινοτομίες και τα σύγχρονα στοιχεία που εισάγει το γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) συνοψίζονται στα εξής χαρακτηριστικά: 1)είναι αποσυνδεδεμένο από συστατικά που απορροφούν το φως, αλλά όχι εξ’ αιτίας του φυτοπλαγκτού, 2)επιτρέπει τη μελέτη των πιθανών ανεξάρτητων μεταβλητών που αφορούν διαφορετικές βιογεωχημικές/υδάτινες παραμέτρους ποιότητας, οι οποίες δε θα ήταν δυνατόν να μελετηθούν εάν οι ίδιες παράμετροι προέκυπταν από τα ίδια φασματικά κανάλια αντανάκλασης.<br /> <br /> [[Εικόνα:rswiki_p10_ld_7.jpg | thumb| right|Eικόνα 7:'''Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η περιγραφή του γενικευμένου μοντέλου σωρευμένων περιορισμών(GSCM) που υφίστανται στην παρούσα μελέτη αποτελεί μια νέα προοπτική μελέτης της ποιότητας των παράκτιων υδάτων, καθώς σε αρκετές περιπτώσεις τα δορυφορικά δεδομένα παρουσιάζουν χαμηλή ακρίβεια κι έτσι απαιτείται ένα επιπλέον εργαλείο για την παραγωγή υψηλής ποιότητας αποτελεσμάτων. Η επιτυχής εφαρμογή του μοντέλου έγκειται και στο γεγονός ότι γίνεται ορθή απόδοση του συνολικού δείκτη απορρόφησης φωτός στο φυτοπλαγκτόν και στα συστατικά άσχετα με τα φύκη. Για την παρακολούθηση της κατάστασης των υδάτων ένας ολοκληρωμένος και ορθολογικός διαμοιρασμός του αλγορίθμου απορρόφησης μπορεί να αποδειχθεί βοηθητικός για την ανάκτηση πληροφοριών που αφορούν το φυτοπλαγκτόν, εάν η ποιότητα των δεδομένων θεωρείται ως προτεραιότητα συγκρινόμενη με την ποσότητα. <br /> <br /> [[Εικόνα:rswiki_p10_ld_8.jpg | thumb| right|Eικόνα 8:'''Συντελεστής απορρόφησης φωτός του φυτοπλαγκτού ''']]<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Οι τεχνικές τηλεπισκόπησης αποτελούν τη βάση για την παραγωγή του μοντέλου καταγραφής συγκέντρωσης χλωροφύλλης. Στη συγκεκριμένη περίπτωση ο έγκαιρος εντοπισμός υπερσυγκέντρωσης αλγών ή συστατικών που σχετίζονται με χερσαία οικοσυστήματα δύναται να αποτελέσει βασικό εργαλείο για τη λήψη προληπτικών μέτρων για την αποφυγή επιβλαβών φαινομένων όπως ο ευτροφισμός.<br /> <br /> [[Εικόνα:rswiki_p10_ld_9.jpg | thumb| right|Eικόνα 9:'''Γραμμική παλινδρόμηση μεταξύ δεδομένων πεδίου και δορυφορικών δεδομένων ''']]<br /> [[Εικόνα:rswiki_p10_ld_10.jpg | thumb| right|Eικόνα 10:'''Σύγκριση των κανονικοποιημένων ιστογραμμάτων για τα δεδομένα πεδίου και τα δορυφορικά δεδομένα ''']]<br /> [[Εικόνα:rswiki_p10_ld_11.jpg | thumb| right|Eικόνα 11:'''Σύγκριση των διαφορετικών αλγορίθμων ''']]<br /> [[Εικόνα:rswiki_p10_ld_12.jpg | thumb| right|Eικόνα 12:'''Μικρής κλίμακας χωρική συσχέτιση των συντελεστών ''']]<br /> [[Εικόνα:rswiki_p10_ld_13.jpg | thumb| right|Πίνακας 1:'''Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου ''']]<br /> [[Εικόνα:rswiki_p10_ld_14.jpg | thumb| right|Πίνακας 2:'''Σύνολο των στατιστικών σφαλμάτων του παραγόμενου μοντέλου ''']]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82-%CE%B1_%CF%83%CF%84%CE%B1_%CF%80%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CF%8D%CE%B4%CE%B1%CF%84%CE%B1_%CE%BC%CE%B5_%CE%B2%CE%AC%CF%83%CE%B7_%CF%84%CE%BF_%CF%83%CF%85%CE%BD%CF%84%CE%B5%CE%BB%CE%B5%CF%83%CF%84%CE%AE_%CE%B1%CF%80%CE%BF%CF%81%CF%81%CF%8C%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%86%CF%89%CF%84%CF%8C%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D 2018-01-17T13:07:28Z

<p>Dliagkas: Νέα σελίδα με '''' Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτό...'</p> <hr /> <div>''' Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing of chlorophyll-a in coastal waters based on the light absorption coefficient of phytoplankton ''<br /> <br /> '''Συγγραφείς: ''' Guangming Zheng, Paul M. DiGiacomo<br /> <br /> '''Δημοσιεύθηκε: ''' ''Remote Sensing of Environment, Volume 201, November 2017, Pages 331-341''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Χλωροφύλλη, Θολά παράκτια ύδατα, Συντελεστής απορρόφησης φωτός, Διαμερισμός, Προσέγγιση σωρευμένων περιορισμών<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να χαρτογραφήσει τη συγκέντρωση χλωροφύλλης-α με μεθόδους που ξεπερνούν τα όρια της οπτικής φωτοερμηνείας. Πιο συγκεκριμένα, σε αρκετές περιπτώσεις ο οπτικός διαχωρισμός της χλωροφύλλης-α είναι εφικτός με απλές τεχνικές, καθώς περιλαμβάνει ουσίες που συναντώνται συνήθως στο έδαφος(μέταλλα και χούμους), ωστόσο ο διαχωρισμός δυσκολεύει όταν υπάρχει συνύπαρξη με πληθυσμούς φυτοπλαγκτόν. Για το λόγο αυτό στη συγκεκριμένη μελέτη εφαρμόζεται μια ημι-αναλυτική μεθοδολογία που αποδίδει τα σημεία συγκέντρωσης χλωροφύλλης-α βασιζόμενη στο συντελεστή απορρόφησης φωτός του φυτοπλαγκτού. Η μεθοδολογία αυτή χρησιμοποιεί παράλληλα ένα γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) για να διαμοιράσει το συνολικό συντελεστή απορρόφησης φωτός που προκύπτει από τα δορυφορικά δεδομένα σε δύο συνιστώσες: η πρώτη συνιστώσα σχετίζεται με την απορρόφηση φωτός από φυτοπλαγκτόν, ενώ η δεύτερη όχι. <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι πληθυσμοί φυτοπλαγκτού αποτελούν τη βάση της υδάτινης τροφικής αλυσίδας και διαδραματίζουν κομβικό ρόλο στην εξέλιξη των βιοχημικών διαδικασιών. Εξ’ αιτίας αυτών των χαρακτηριστικών η παραγόμενη βιομάζα από φυτοπλαγκτόν χρησιμοποιείται σε αρκετές μελέτες ως μια σημαντική παράμετρος για την ποιότητα των υδάτων. Στην πράξη, ο όγκος της βιομάζας φυτοπλαγκτού καταμετράται με τη βοήθεια διαφόρων ποσοτικοποιημένων παραμέτρων, όπως είναι η μέτρηση συγκέντρωσης σε χλωροφύλλη-α. Η μέτρηση χλωροφύλλης μπορεί αρχικά να γίνει με διαδικασίες έρευνας τοπίου, αλλά επειδή κάτι τέτοιο είναι χρονοβόρο και δαπανηρό οι σύγχρονες επιστήμες προάγουν την εφαρμογή τεχνικών τηλεπισκόπησης σε δορυφορικές εικόνες που παρέχουν διαχρονικά δεδομένα ευρείας κλίμακας. Παρ’ όλα αυτά μέχρι στιγμής οι τεχνικές που βασίζονται στην τηλεπισκόπηση παραμένουν λιγότερο ακριβείς από τις υπόλοιπες, καθώς δεν υπάρχει κάποιος ευρέως αποδεκτός αλγόριθμος που να αποδίδει ακριβώς τη συγκέντρωσης χλωροφύλλης-α στα επιφανειακά ύδατα βασιζόμενος στην αντανάκλαση. Αυτό συμβαίνει διότι στα παράκτια ύδατα εκτός από το φυτοπλαγκτόν συναντώνται και αρκετά χερσαία στοιχεία, κι έτσι είναι δύσκολο να διακριθεί εάν η απορρόφηση του φωτός γίνεται από αυτά ή από το φυτοπλαγκτόν. Για την καλύτερη διάκριση των μερών των επιφανειακών υδάτων έχουν συντεθεί περισσότεροι εξειδικευμένοι αλγόριθμοι, όπως τα νευρονικά δίκτυα τα οποία εισάγουν ένα μεγαλύτερο αριθμό σταθερών συντελεστών στα δεδομένα εισαγωγής που αφορούν την αντανάκλαση. <br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> Για τη βελτίωση των δεδομένων εισαγωγής που θα χρησιμοποιηθούν στην παρούσα μελέτη, πραγματοποιήθηκε συνδυαστική συλλογή στοιχείων που προέκυψαν από έρευνα πεδίου, αλλά και από τη διαχρονική παρατήρηση δορυφορικών εικόνων με βάση την τοποθεσία. Στη συγκεκριμένη έρευνα τα δεδομένα επεξεργασίας αποδίδονται στη χρονική περίοδο 1997 έως 2015 και έχουν ως πηγή συνολικά τέσσερις αισθητήρες. Ειδικότερα, η ανάκτηση των συγκεκριμένων δεδομένων είχε ως βασικό στόχο την αντιστοίχισή τους για τη δημιουργία ενός μοντέλου ημι-αναλυτικής προσέγγισης και μιας νέας εμπλουτισμένης βάσης δεδομένων. Επιπλέον, ορισμένα επιπλέον δεδομένα που προέκυψαν από σουίτα εικόνων VIIRS για το έτος 2016 λειτούργησαν ως ξεχωριστά ομαδοποιημένα δεδομένα και χρησιμοποιήθηκαν ως δείκτης αξιολόγησης της εφαρμογής του παραπάνω μοντέλου.<br /> <br /> ''Δεδομένα πεδίου συγκέντρωσης χλωροφύλλης-α''<br /> <br /> Τα δεδομένα πεδίου για τη συγκέντρωση χλωροφύλλης-α αντλήθηκαν από την εκτέλεση ενός ερευνητικού προγράμματος με την ονομασία Chesapeak Bay. Στα πλαίσια του προγράμματος ορίστηκαν κατά μήκος της περιοχής μελέτης 64 συνολικά σταθμοί δειγματοληψίας. Στους σταθμούς αυτούς πραγματοποιήθηκε συγκέντρωση δειγμάτων χλωροφύλλης στην επιφάνεια και στον πυθμένα, αλλά και σε δύο διαφορετικά βάθη. Στη συνέχεια τα σημεία δειγματοληψίας αντιστοιχήθηκαν με τα δορυφορικά δεδομένα. Στην παρούσα μελέτη έγινε χρήση μόνο των δεδομένων επιφανειακής χλωροφύλλης.<br /> <br /> ''Δορυφορικά δεδομένα τηλεσκοπικής αντανάκλασης''<br /> <br /> Η κανονικοποιημένη υδάτινη ακτινοβολία που προέρχεται από δορυφορικά δεδομένα, δημιουργείται ύστερα από την εφαρμογή βαθμονόμησης με τα κατάλληλα όργανα, δευτερεύουσας βαθμονόμησης και ατμοσφαιρικής διόρθωσης.<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Για την εξαγωγή των κατάλληλων αποτελεσμάτων πραγματοποιήθηκε μια γραμμική παλινδρόμηση μεταξύ των μεταβλητών που ορίζονται από τη συγκέντρωση χλωροφύλλης σύμφωνα με τα δορυφορικά δεδομένα και από τα δεδομένα πεδίου που προκύπτουν από μετρήσεις στην επιφάνεια των παράκτιων υδάτων. Για την αξιολόγηση των αποτελεσμάτων που αφορούν τη συγκέντρωση χλωροφύλλης και προέρχονται από την προτεινόμενη μεθοδολογία της παρούσας εργασίας, έγινε χρήση ενός περιεκτικού συνόλου από στατιστικά σφάλματα παραμέτρων, το οποίο στην ουσία βασίζεται στη σύγκριση της βάσης δεδομένων που αναπτύχθηκε με άλλα μοντέλα παρόμοιου τύπου, υποθέτοντας πως οι διαφορές μεταξύ των δορυφορικών δεδομένων και των δεδομένων πεδίου μπορούν να ληφθούν υπ’ όψιν για την παρουσίαση των σφαλμάτων στα μοντέλα. Οι βασικότερες καινοτομίες και τα σύγχρονα στοιχεία που εισάγει το γενικευμένο μοντέλο σωρευμένων περιορισμών(GSCM) συνοψίζονται στα εξής χαρακτηριστικά: 1)είναι αποσυνδεδεμένο από συστατικά που απορροφούν το φως, αλλά όχι εξ’ αιτίας του φυτοπλαγκτού, 2)επιτρέπει τη μελέτη των πιθανών ανεξάρτητων μεταβλητών που αφορούν διαφορετικές βιογεωχημικές/υδάτινες παραμέτρους ποιότητας, οι οποίες δε θα ήταν δυνατόν να μελετηθούν εάν οι ίδιες παράμετροι προέκυπταν από τα ίδια φασματικά κανάλια αντανάκλασης.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η περιγραφή του γενικευμένου μοντέλου σωρευμένων περιορισμών(GSCM) που υφίστανται στην παρούσα μελέτη αποτελεί μια νέα προοπτική μελέτης της ποιότητας των παράκτιων υδάτων, καθώς σε αρκετές περιπτώσεις τα δορυφορικά δεδομένα παρουσιάζουν χαμηλή ακρίβεια κι έτσι απαιτείται ένα επιπλέον εργαλείο για την παραγωγή υψηλής ποιότητας αποτελεσμάτων. Η επιτυχής εφαρμογή του μοντέλου έγκειται και στο γεγονός ότι γίνεται ορθή απόδοση του συνολικού δείκτη απορρόφησης φωτός στο φυτοπλαγκτόν και στα συστατικά άσχετα με τα φύκη. Για την παρακολούθηση της κατάστασης των υδάτων ένας ολοκληρωμένος και ορθολογικός διαμοιρασμός του αλγορίθμου απορρόφησης μπορεί να αποδειχθεί βοηθητικός για την ανάκτηση πληροφοριών που αφορούν το φυτοπλαγκτόν, εάν η ποιότητα των δεδομένων θεωρείται ως προτεραιότητα συγκρινόμενη με την ποσότητα. <br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Οι τεχνικές τηλεπισκόπησης αποτελούν τη βάση για την παραγωγή του μοντέλου καταγραφής συγκέντρωσης χλωροφύλλης. Στη συγκεκριμένη περίπτωση ο έγκαιρος εντοπισμός υπερσυγκέντρωσης αλγών ή συστατικών που σχετίζονται με χερσαία οικοσυστήματα δύναται να αποτελέσει βασικό εργαλείο για τη λήψη προληπτικών μέτρων για την αποφυγή επιβλαβών φαινομένων όπως ο ευτροφισμός.</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%9B%CE%B9%CE%AC%CE%B3%CE%BA%CE%B1%CF%82_%CE%94%CE%B7%CE%BC%CE%AE%CF%84%CF%81%CE%B9%CE%BF%CF%82 2018-01-17T12:58:49Z

<p>Dliagkas: </p> <hr /> <div>* [[Αξιολόγηση της ερημοποίησης και των αλλαγών στις καλύψεις γης με χρήση τεχνολογιών τηλεπισκόπησης σε μια περιοχή της Μογγολίας]]<br /> * [[Ανάλυση της αστικής ανάπτυξης και εξάπλωσης με τη χρήση δεδομένων τηλεπισκόπησης για την πόλη Φεζ του Μαρόκο]]<br /> * [[Παρακολούθηση πλημμύρων και αξιολόγηση των καταστροφών με χρήση Τεχνικών Τηλεπισκόπησης και ΓΣΠ για την επαρχία Σινδ του Πακιστάν]]<br /> * [[Η δυνατότητα υποστήριξης της γεωργίας ακριβείας στην Ινδονησία από σύστημα τηλεπισκόπησης τεχνολογίας UAV]]<br /> * [[Μέθοδοι τηλεπισκόπησης για την αξιολόγηση της υγείας των καλλιεργειών και για την εξασφάλιση επισιτιστικής ασφάλειας στην Αφρική]]<br /> * [[Χωρική μοντελοποίηση της φυσικής και περιβαλλοντικής ευπάθειας μέσω τεχνικών τηλεπισκόπησης και GIS για την πόλη Άστραχαν, Ρωσία]]<br /> * [[Καθορισμός καλύψεων γης με τη χρήση δεδομένων OpenStreetMap και τεχνικών τηλεπισκόπησης]]<br /> * [[Αξιολόγηση διάβρωσης με το μοντέλο RUSLE, χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS-Περιοχή μελέτης: Λεκάνη Νετραβάτι]]<br /> * [[Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου WCIS στη Στοκχόλμη]]<br /> * [[Τηλεπισκόπηση της χλωροφύλλης-α στα παράκτια ύδατα με βάση το συντελεστή απορρόφησης φωτός του φυτοπλαγκτού]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_9.jpg 2018-01-17T12:54:44Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_8.jpg 2018-01-17T12:54:22Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%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:_%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85_WCIS_%CF%83%CF%84%CE%B7_%CE%A3%CF%84%CE%BF%CE%BA%CF%87%CF%8C%CE%BB%CE%BC%CE%B7 2018-01-17T12:54:02Z

<p>Dliagkas: </p> <hr /> <div>''' Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου κατάτμησης αστικού περιβάλλοντος για την εξαγωγή αστικών χαρακτηριστικών στη Στοκχόλμη '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing for urban planning and management: The use of window-independent context segmentation to extract urban features in Stockholm ''<br /> <br /> '''Συγγραφέας: ''' Michael Meinild Nielsen <br /> <br /> '''Δημοσιεύθηκε: ''' ''Computers, Environment and Urban Systems, Volume 52, July 2015, Pages 1-9''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Τηλεπισκόπηση σε αστικές περιοχές, Κατάτμηση, Χωρική ανάλυση, Σχεδιασμός και διαχείριση αστικών περιοχών, Εξαγωγή χαρακτηριστικών<br /> <br /> [[Εικόνα:rswiki_p9_ld_1.jpg | thumb| right|Eικόνα 1:'''Διαδικασία κατάτμησης WICS ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει μια καινοτόμα μέθοδο καταγραφής των διαφορετικών χρήσεων γης στο αστικό περιβάλλον. Η μέθοδος αυτή βασίζεται σε ένα θεωρητικό πλαίσιο και αποκαλείται ως “window-independent” κατάτμηση του αστικού περιβάλλοντος(WICS). Αποτελεί ουσιαστικά μια τεχνική που έχει ως υπόβαθρο όλα τα διαθέσιμα εικονοστοιχεία και στοχεύει στην ταξινόμηση των δορυφορικών εικόνων. Ο σχεδιασμός και η διαχείριση του δομημένου περιβάλλοντος σχετίζεται άμεσα με την ολοκληρωμένη καταγραφή και παρακολούθηση των διαφορετικών χρήσεων γης, όπως είναι η κατοικία, οι βιομηχανίες και οι εμπορικές δραστηριότητες. Εξ’ αιτίας των ελλιπών αποτελεσμάτων που αποδίδουν οι ανά εικονοστοιχείο τεχνικές ταξινόμησης, τις περισσότερες φορές προτιμάται η οπτική φωτοερμηνεία των δεδομένων τηλεπισκόπησης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_2.jpg | thumb| right|Eικόνα 2:'''Περιοχή μελέτης της Στοκχόλμης, Σουηδία, και ο Δήμος Στοκχόλμης από απεικόνιση SPOT 5 ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ραγδαία αστικοποίηση των τελευταίων ετών έχει δημιουργήσει την ανάγκη για ανάπτυξη ολοκληρωμένων εργαλείων που να συμμετέχουν στο σχεδιασμό και στη λήψη αποφάσεων για τη διαχείριση των μεγάλων αστικών κέντρων. Η γεωγραφική ανάλυση των αστικών περιοχών με τεχνικές GIS και τηλεπισκόπησης συμβάλλουν στην καταγραφή των τάσεων που δημιουργούν οι μεταβολές των χρήσεων/καλύψεων γης. Παρ’ όλα αυτά ακόμη και με τη μεγάλη εξέλιξη των τεχνολογικών μέσων που έχει πραγματοποιηθεί έως σήμερα, εντοπίζεται απόκλιση μεταξύ των μελετών που βρίσκονται σε εξέλιξη και της πρακτικής εφαρμογής των δεδομένων προκαλώντας ζητήματα ακρίβειας στις διαδικασίες των φορέων αστικού σχεδιασμού και λήψης αποφάσεων. Στην κατεύθυνση αυτή έχουν γίνει αρκετές προσπάθειες ελάττωσης της σχετικής απόκλισης με διάφορα μέσα. Μια τέτοια προσπάθεια αποτελεί και η παρούσα μελέτη που προάγει μια συγκεκριμένη μέθοδο κατάτμησης ως εργαλείο εξαγωγής πληροφοριών από δορυφορικές εικόνες. Σύμφωνα με πρόσφατες μελέτες οι τεχνικές τηλεπισκόπησης αστικού περιβάλλοντος διακρίνονται σε δύο βασικές κατηγορίες: την τοπική και τη στρατηγική. Η τοπική κλίμακα ασχολείται με τη μεμονωμένη αναγνώριση αντικειμένων(π. χ. διάκριση κτιρίων) χρησιμοποιώντας τη μέθοδο της αντικειμενοστρεφούς ανάλυσης εικόνας(OBIA). Από την άλλη η στρατηγική κλίμακα αναφέρεται κυρίως στο σχεδιασμό και παρακολούθηση των διαφόρων τύπων χρήσεων γης καταγράφοντάς τες ως ζώνες. <br /> <br /> [[Εικόνα:rswiki_p9_ld_3.jpg | thumb| right|Eικόνα 3:'''Ψηφιοποιημένα δεδομένα του δομημένου περιβάλλοντος σε υπόβαθρο αεροφωτογραφίας ''']]<br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> ''Περιοχή μελέτης''<br /> <br /> Η Στοκχόλμη επιλέχθηκε, καθώς διαθέτει ένα βασικό και επισήμως εγκεκριμένο σχέδιο ταξινόμησης των διαφορετικών κατηγοριών που βασίζεται στην ιστορία, στις αρχιτεκτονικές μεθόδους, στις θεωρίες και πρακτικές σχεδιασμού και στην εν γένει λειτουργία της πόλης. Τα δεδομένα αυτά που είναι διαθέσιμα εκ μέρους της κεντρικής διοίκησης από το 1997 αποτελούν μια ολοκληρωμένη απογραφή στοιχείων τα οποία αποδίδονται και χαρτογραφικά. Το 1999 στην προσπάθεια μια ανανεωμένης ερμηνείας των δεδομένων πραγματοποιήθηκε η διάκριση διαφορετικών περιοχών της πόλης με βάση τις κοινωνικές, τεχνολογικές και οικονομικές συνθήκες. Αυτό το σπάνιο υλικό σχεδιασμού και διαχείρισης των πόλεων είναι ένα βασικό θεμέλιο ταξινόμησης και χαρτογράφησης της περιοχής μελέτης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_4.jpg | thumb| right|Eικόνα 4:'''Παράδειγμα χαρακτηριστικών δομημένου περιβάλλοντος σύμφωνα με μελέτη του 1997 ''']]<br /> <br /> ''Συλλογή δεδομένων και προετοιμασία''<br /> <br /> Στην παρούσα μελέτη, ως πρώτο βήμα της διαδικασίας πραγματοποιήθηκε μια αντιστοίχηση των διαφόρων περιοχών εντός της πόλης με τις χρήσεις γης που κυριαρχούν στην εκάστοτε ζώνη. Η καταγραφή έδειξε ως κυρίαρχες ζώνες το κέντρο της πόλης, τις μονοκατοικίες, τις βιομηχανικές δραστηριότητες και τις πυκνές οικιστικές δομές σε μορφή μπλοκ. Για την ανάλυση των περιοχών χρησιμοποιήθηκε δορυφορική λήψη SPOT για την ημερομηνία 04/06/2008. Η εξαγωγή πληροφοριών έγινε, ύστερα από την επεξεργασία της αρχικής απεικόνισης και την παραγωγή ορθοφωτογραφιών. Οι πληροφορίες υψομετρικής κλιμάκωσης ανακτήθηκαν από το Ψηφιακό Μοντέλο Εδάφους. Στη μεθοδολογία που εφαρμόστηκε τα δεδομένα εισαγωγής που αποδίδονται αρχικά μέσω της δορυφορικής απεικόνισης, συρρικνώθηκαν κατάλληλα και ενσωματώθηκαν σε διαφορετικές κατηγορίες. Η μετατροπή επετεύχθη με τη συμβολή των τεσσάρων φασματικών καναλιών του δορυφόρου και συγκεκριμένα κάθε εικονοστοιχείο τακτοποιήθηκε στην κοντινότερη σε αυτό τάξη. Το αποτέλεσμα της συρρίκνωσης του συνόλου των δεδομένων και η ομαδοποίηση των εικονοστοιχείων σε ομαδοποιημένες τάξεις με την τεχνική του εγγύτερου γείτονα οδήγησε εν τέλει στην ταξινόμηση της περιοχής σε 20 διαφορετικές κατηγορίες.<br /> <br /> [[Εικόνα:rswiki_p9_ld_5.jpg | thumb| right|Eικόνα 5:'''Υποσύνολο απεικόνισης του δορυφόρου SPOT 5(αριστερά), ανά-εικονοστοιχείο ταξινόμηση(δεξιά) ''']] <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Στη συνέχεια της διαδικασίας πραγματοποιήθηκε έλεγχος των φασματικών υπογραφών για τις 20 διαφορετικές κατηγορίες που προέκυψαν. Βασικό κριτήριο για την επιλογή ή απόρριψη κατηγοριών είναι να μην υπάρχει επικάλυψη των φασματικών υπογραφών η οποία να αλλοιώνει τα αποτελέσματα της ταξινόμησης. Ύστερα από την ολοκλήρωση της ταξινόμησης οι κατηγορίες που διατηρήθηκαν και θα συμμετέχουν στην παραγωγή του τελικού αποτελέσματος είναι οι εξής: κέντρο της πόλης(Α, μαύρο χρώμα), βιομηχανία(Β, κόκκινο χρώμα), μονοκατοικίες(C, κίτρινο χρώμα), μονοκατοικίες με αραιή δόμηση(D, κίτρινο χρώμα), πυκνές οικιστικές δομές σε μορφή μπλοκ(Ε, μπλε και καφέ χρώμα). Έπειτα, δημιουργήθηκε ένας χάρτης ακρίβειας, ώστε να αποδοθούν οι αναλογίες με τις οποίες κάθε κατηγορία χρήσης καλύπτει την περιοχή μελέτης.<br /> <br /> [[Εικόνα:rswiki_p9_ld_6.jpg | thumb| right|Eικόνα 6:'''Αποτελέσματα κατάτμησης WICS ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συνοψίζοντας τα δεδομένα που παρέχονται από τη συγκεκριμένη μελέτη, το καινοτόμο στοιχείο που εισάγεται είναι μια ανανεωμένη μέθοδος κατάτμησης η οποία συνδυάζει στοιχεία τηλεπισκόπησης και οπτικής φωτοερμηνείας. Το βασικό χαρακτηριστικό που διακρίνει αυτή τη μέθοδο κατάτμησης από τις υπόλοιπες είναι η χρήση των σχετιζόμενων πληροφοριών για ένα αντικείμενο που βασίζονται στις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Δημιουργήθηκαν ψηφιδωτά αρχεία με σχετιζόμενα χαρακτηριστικά για κάθε εικονοστοιχείο συνυπολογίζοντας τις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Η μέθοδος WICS διαφέρει από την κλασσική μέθοδο κατάτμησης(ΟΒΙΑ) στα εξής δύο σημεία: 1)δεν απαιτεί πρότερη κατάτμηση(pre-segmentation), 2)για την περιγραφή κάθε εικονοστοιχείου χρησιμοποιεί και στοιχεία από τα δεδομένα που το περικλείουν, ενώ η κλασσική μέθοδος βασίζεται αποκλειστικά στην υφή και τον τόνο του κάθε αντικειμένου. Το κυριότερο πλεονέκτημα που παρέχεται μέσω της χρήσης της μεθόδου WICS είναι ότι μπορούμε να έχουμε συνδυαστικά περιγραφή του χωρικού περιβάλλοντος κάθε εικονοστοιχείου, αλλά και τη δυνατότητα εφαρμογής αλγορίθμων τυπικής ομαδοποίησης για την ταξινόμηση των κατηγοριών με βάση το περιβάλλον που τις περικλείει.<br /> <br /> [[Εικόνα:rswiki_p9_ld_7.jpg | thumb| right|Eικόνα 7:'''Σύγκριση κατάτμησης WICS ''']]<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει ένα από τα βασικά εργαλεία για την ολοκλήρωση της μεθόδου WICS. Στα αρχικά βήματα της μεθοδολογίας οι τεχνικές τηλεπισκόπησης συμβάλλουν ουσιαστικά στην καταγραφή του συνόλου των κατηγοριών κάλυψης γης, ενώ στη συνέχεια με τις κατάλληλες διαδικασίες ανάλυσης των φασματικών υπογραφών απορρίπτονται όλες οι κατηγορίες που ενδέχεται να προκαλέσουν προβλήματα στη διαδικασία ταξινόμησης. Η μέθοδος WICS, της οποίας αναπόσπαστο κομμάτι είναι η τηλεπισκόπηση, αποτελεί μια από τις πιο καινοτόμες μεθόδους που εφαρμόζονται για τον ολοκληρωμένο σχεδιασμό και διαχείριση των αστικών κέντρων.<br /> <br /> [[Εικόνα:rswiki_p9_ld_8.jpg | thumb| right|Πίνακας 1:'''Έλεγχος ακριβείας: κάλυψη των χαρακτηριστικών δομημένου περιβάλλοντος σε διαφορετικές κατηγορίες WICS ''']] <br /> [[Εικόνα:rswiki_p9_ld_9.jpg | thumb| right|Πίνακας 2:'''Έλεγχος ακριβείας: αναλογία κάλυψης ανά κατηγορία WICS ''']]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_7.jpg 2018-01-17T12:53:12Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_6.jpg 2018-01-17T12:52:41Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_5.jpg 2018-01-17T12:52:08Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_4.jpg 2018-01-17T12:51:43Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_3.jpg 2018-01-17T12:51:17Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_2.jpg 2018-01-17T12:50:52Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p9_ld_1.jpg 2018-01-17T12:50:26Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%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:_%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85_WCIS_%CF%83%CF%84%CE%B7_%CE%A3%CF%84%CE%BF%CE%BA%CF%87%CF%8C%CE%BB%CE%BC%CE%B7 2018-01-17T12:45:51Z

<p>Dliagkas: </p> <hr /> <div>''' Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου κατάτμησης αστικού περιβάλλοντος για την εξαγωγή αστικών χαρακτηριστικών στη Στοκχόλμη '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing for urban planning and management: The use of window-independent context segmentation to extract urban features in Stockholm ''<br /> <br /> '''Συγγραφέας: ''' Michael Meinild Nielsen <br /> <br /> '''Δημοσιεύθηκε: ''' ''Computers, Environment and Urban Systems, Volume 52, July 2015, Pages 1-9''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Τηλεπισκόπηση σε αστικές περιοχές, Κατάτμηση, Χωρική ανάλυση, Σχεδιασμός και διαχείριση αστικών περιοχών, Εξαγωγή χαρακτηριστικών<br /> <br /> [[Εικόνα:rswiki_p9_ld_1.jpg | thumb| right|Eικόνα 1:'''Διαδικασία κατάτμησης WICS ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει μια καινοτόμα μέθοδο καταγραφής των διαφορετικών χρήσεων γης στο αστικό περιβάλλον. Η μέθοδος αυτή βασίζεται σε ένα θεωρητικό πλαίσιο και αποκαλείται ως “window-independent” κατάτμηση του αστικού περιβάλλοντος(WICS). Αποτελεί ουσιαστικά μια τεχνική που έχει ως υπόβαθρο όλα τα διαθέσιμα εικονοστοιχεία και στοχεύει στην ταξινόμηση των δορυφορικών εικόνων. Ο σχεδιασμός και η διαχείριση του δομημένου περιβάλλοντος σχετίζεται άμεσα με την ολοκληρωμένη καταγραφή και παρακολούθηση των διαφορετικών χρήσεων γης, όπως είναι η κατοικία, οι βιομηχανίες και οι εμπορικές δραστηριότητες. Εξ’ αιτίας των ελλιπών αποτελεσμάτων που αποδίδουν οι ανά εικονοστοιχείο τεχνικές ταξινόμησης, τις περισσότερες φορές προτιμάται η οπτική φωτοερμηνεία των δεδομένων τηλεπισκόπησης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_2.jpg | thumb| right|Eικόνα 2:'''Περιοχή μελέτης της Στοκχόλμης, Σουηδία, και ο Δήμος Στοκχόλμης από απεικόνιση SPOT 5 ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ραγδαία αστικοποίηση των τελευταίων ετών έχει δημιουργήσει την ανάγκη για ανάπτυξη ολοκληρωμένων εργαλείων που να συμμετέχουν στο σχεδιασμό και στη λήψη αποφάσεων για τη διαχείριση των μεγάλων αστικών κέντρων. Η γεωγραφική ανάλυση των αστικών περιοχών με τεχνικές GIS και τηλεπισκόπησης συμβάλλουν στην καταγραφή των τάσεων που δημιουργούν οι μεταβολές των χρήσεων/καλύψεων γης. Παρ’ όλα αυτά ακόμη και με τη μεγάλη εξέλιξη των τεχνολογικών μέσων που έχει πραγματοποιηθεί έως σήμερα, εντοπίζεται απόκλιση μεταξύ των μελετών που βρίσκονται σε εξέλιξη και της πρακτικής εφαρμογής των δεδομένων προκαλώντας ζητήματα ακρίβειας στις διαδικασίες των φορέων αστικού σχεδιασμού και λήψης αποφάσεων. Στην κατεύθυνση αυτή έχουν γίνει αρκετές προσπάθειες ελάττωσης της σχετικής απόκλισης με διάφορα μέσα. Μια τέτοια προσπάθεια αποτελεί και η παρούσα μελέτη που προάγει μια συγκεκριμένη μέθοδο κατάτμησης ως εργαλείο εξαγωγής πληροφοριών από δορυφορικές εικόνες. Σύμφωνα με πρόσφατες μελέτες οι τεχνικές τηλεπισκόπησης αστικού περιβάλλοντος διακρίνονται σε δύο βασικές κατηγορίες: την τοπική και τη στρατηγική. Η τοπική κλίμακα ασχολείται με τη μεμονωμένη αναγνώριση αντικειμένων(π. χ. διάκριση κτιρίων) χρησιμοποιώντας τη μέθοδο της αντικειμενοστρεφούς ανάλυσης εικόνας(OBIA). Από την άλλη η στρατηγική κλίμακα αναφέρεται κυρίως στο σχεδιασμό και παρακολούθηση των διαφόρων τύπων χρήσεων γης καταγράφοντάς τες ως ζώνες. <br /> <br /> [[Εικόνα:rswiki_p9_ld_3.jpg | thumb| right|Eικόνα 3:'''Ψηφιοποιημένα δεδομένα του δομημένου περιβάλλοντος σε υπόβαθρο αεροφωτογραφίας ''']]<br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> ''Περιοχή μελέτης''<br /> <br /> Η Στοκχόλμη επιλέχθηκε, καθώς διαθέτει ένα βασικό και επισήμως εγκεκριμένο σχέδιο ταξινόμησης των διαφορετικών κατηγοριών που βασίζεται στην ιστορία, στις αρχιτεκτονικές μεθόδους, στις θεωρίες και πρακτικές σχεδιασμού και στην εν γένει λειτουργία της πόλης. Τα δεδομένα αυτά που είναι διαθέσιμα εκ μέρους της κεντρικής διοίκησης από το 1997 αποτελούν μια ολοκληρωμένη απογραφή στοιχείων τα οποία αποδίδονται και χαρτογραφικά. Το 1999 στην προσπάθεια μια ανανεωμένης ερμηνείας των δεδομένων πραγματοποιήθηκε η διάκριση διαφορετικών περιοχών της πόλης με βάση τις κοινωνικές, τεχνολογικές και οικονομικές συνθήκες. Αυτό το σπάνιο υλικό σχεδιασμού και διαχείρισης των πόλεων είναι ένα βασικό θεμέλιο ταξινόμησης και χαρτογράφησης της περιοχής μελέτης. <br /> <br /> [[Εικόνα:rswiki_p9_ld_4.jpg | thumb| right|Eικόνα 4:'''Παράδειγμα χαρακτηριστικών δομημένου περιβάλλοντος σύμφωνα με μελέτη του 1997 ''']]<br /> <br /> ''Συλλογή δεδομένων και προετοιμασία''<br /> <br /> Στην παρούσα μελέτη, ως πρώτο βήμα της διαδικασίας πραγματοποιήθηκε μια αντιστοίχηση των διαφόρων περιοχών εντός της πόλης με τις χρήσεις γης που κυριαρχούν στην εκάστοτε ζώνη. Η καταγραφή έδειξε ως κυρίαρχες ζώνες το κέντρο της πόλης, τις μονοκατοικίες, τις βιομηχανικές δραστηριότητες και τις πυκνές οικιστικές δομές σε μορφή μπλοκ. Για την ανάλυση των περιοχών χρησιμοποιήθηκε δορυφορική λήψη SPOT για την ημερομηνία 04/06/2008. Η εξαγωγή πληροφοριών έγινε, ύστερα από την επεξεργασία της αρχικής απεικόνισης και την παραγωγή ορθοφωτογραφιών. Οι πληροφορίες υψομετρικής κλιμάκωσης ανακτήθηκαν από το Ψηφιακό Μοντέλο Εδάφους. Στη μεθοδολογία που εφαρμόστηκε τα δεδομένα εισαγωγής που αποδίδονται αρχικά μέσω της δορυφορικής απεικόνισης, συρρικνώθηκαν κατάλληλα και ενσωματώθηκαν σε διαφορετικές κατηγορίες. Η μετατροπή επετεύχθη με τη συμβολή των τεσσάρων φασματικών καναλιών του δορυφόρου και συγκεκριμένα κάθε εικονοστοιχείο τακτοποιήθηκε στην κοντινότερη σε αυτό τάξη. Το αποτέλεσμα της συρρίκνωσης του συνόλου των δεδομένων και η ομαδοποίηση των εικονοστοιχείων σε ομαδοποιημένες τάξεις με την τεχνική του εγγύτερου γείτονα οδήγησε εν τέλει στην ταξινόμηση της περιοχής σε 20 διαφορετικές κατηγορίες.<br /> <br /> [[Εικόνα:rswiki_p9_ld_5.jpg | thumb| right|Eικόνα 5:'''Υποσύνολο απεικόνισης του δορυφόρου SPOT 5(αριστερά), ανά-εικονοστοιχείο ταξινόμηση(δεξιά) ''']] <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Στη συνέχεια της διαδικασίας πραγματοποιήθηκε έλεγχος των φασματικών υπογραφών για τις 20 διαφορετικές κατηγορίες που προέκυψαν. Βασικό κριτήριο για την επιλογή ή απόρριψη κατηγοριών είναι να μην υπάρχει επικάλυψη των φασματικών υπογραφών η οποία να αλλοιώνει τα αποτελέσματα της ταξινόμησης. Ύστερα από την ολοκλήρωση της ταξινόμησης οι κατηγορίες που διατηρήθηκαν και θα συμμετέχουν στην παραγωγή του τελικού αποτελέσματος είναι οι εξής: κέντρο της πόλης(Α, μαύρο χρώμα), βιομηχανία(Β, κόκκινο χρώμα), μονοκατοικίες(C, κίτρινο χρώμα), μονοκατοικίες με αραιή δόμηση(D, κίτρινο χρώμα), πυκνές οικιστικές δομές σε μορφή μπλοκ(Ε, μπλε και καφέ χρώμα). Έπειτα, δημιουργήθηκε ένας χάρτης ακρίβειας, ώστε να αποδοθούν οι αναλογίες με τις οποίες κάθε κατηγορία χρήσης καλύπτει την περιοχή μελέτης.<br /> <br /> [[Εικόνα:rswiki_p9_ld_6.jpg | thumb| right|Eικόνα 6:'''Αποτελέσματα κατάτμησης WICS ''']]<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συνοψίζοντας τα δεδομένα που παρέχονται από τη συγκεκριμένη μελέτη, το καινοτόμο στοιχείο που εισάγεται είναι μια ανανεωμένη μέθοδος κατάτμησης η οποία συνδυάζει στοιχεία τηλεπισκόπησης και οπτικής φωτοερμηνείας. Το βασικό χαρακτηριστικό που διακρίνει αυτή τη μέθοδο κατάτμησης από τις υπόλοιπες είναι η χρήση των σχετιζόμενων πληροφοριών για ένα αντικείμενο που βασίζονται στις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Δημιουργήθηκαν ψηφιδωτά αρχεία με σχετιζόμενα χαρακτηριστικά για κάθε εικονοστοιχείο συνυπολογίζοντας τις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Η μέθοδος WICS διαφέρει από την κλασσική μέθοδο κατάτμησης(ΟΒΙΑ) στα εξής δύο σημεία: 1)δεν απαιτεί πρότερη κατάτμηση(pre-segmentation), 2)για την περιγραφή κάθε εικονοστοιχείου χρησιμοποιεί και στοιχεία από τα δεδομένα που το περικλείουν, ενώ η κλασσική μέθοδος βασίζεται αποκλειστικά στην υφή και τον τόνο του κάθε αντικειμένου. Το κυριότερο πλεονέκτημα που παρέχεται μέσω της χρήσης της μεθόδου WICS είναι ότι μπορούμε να έχουμε συνδυαστικά περιγραφή του χωρικού περιβάλλοντος κάθε εικονοστοιχείου, αλλά και τη δυνατότητα εφαρμογής αλγορίθμων τυπικής ομαδοποίησης για την ταξινόμηση των κατηγοριών με βάση το περιβάλλον που τις περικλείει.<br /> <br /> [[Εικόνα:rswiki_p9_ld_7.jpg | thumb| right|Eικόνα 7:'''Σύγκριση κατάτμησης WICS ''']]<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει ένα από τα βασικά εργαλεία για την ολοκλήρωση της μεθόδου WICS. Στα αρχικά βήματα της μεθοδολογίας οι τεχνικές τηλεπισκόπησης συμβάλλουν ουσιαστικά στην καταγραφή του συνόλου των κατηγοριών κάλυψης γης, ενώ στη συνέχεια με τις κατάλληλες διαδικασίες ανάλυσης των φασματικών υπογραφών απορρίπτονται όλες οι κατηγορίες που ενδέχεται να προκαλέσουν προβλήματα στη διαδικασία ταξινόμησης. Η μέθοδος WICS, της οποίας αναπόσπαστο κομμάτι είναι η τηλεπισκόπηση, αποτελεί μια από τις πιο καινοτόμες μεθόδους που εφαρμόζονται για τον ολοκληρωμένο σχεδιασμό και διαχείριση των αστικών κέντρων.<br /> <br /> [Εικόνα:rswiki_p9_ld_8.jpg | thumb| right|Πίνακας 1:'''Έλεγχος ακριβείας: κάλυψη των χαρακτηριστικών δομημένου περιβάλλοντος σε διαφορετικές κατηγορίες WICS ''']] <br /> [[Εικόνα:rswiki_p9_ld_9.jpg | thumb| right|Πίνακας 2:'''Έλεγχος ακριβείας: αναλογία κάλυψης ανά κατηγορία WICS ''']]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%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:_%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CE%BF%CF%85_WCIS_%CF%83%CF%84%CE%B7_%CE%A3%CF%84%CE%BF%CE%BA%CF%87%CF%8C%CE%BB%CE%BC%CE%B7 2018-01-17T12:40:45Z

<p>Dliagkas: Νέα σελίδα με '''' Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση με...'</p> <hr /> <div>''' Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου κατάτμησης αστικού περιβάλλοντος για την εξαγωγή αστικών χαρακτηριστικών στη Στοκχόλμη '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' Remote sensing for urban planning and management: The use of window-independent context segmentation to extract urban features in Stockholm ''<br /> <br /> '''Συγγραφέας: ''' Michael Meinild Nielsen <br /> <br /> '''Δημοσιεύθηκε: ''' ''Computers, Environment and Urban Systems, Volume 52, July 2015, Pages 1-9''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Τηλεπισκόπηση σε αστικές περιοχές, Κατάτμηση, Χωρική ανάλυση, Σχεδιασμός και διαχείριση αστικών περιοχών, Εξαγωγή χαρακτηριστικών<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να παρουσιάσει μια καινοτόμα μέθοδο καταγραφής των διαφορετικών χρήσεων γης στο αστικό περιβάλλον. Η μέθοδος αυτή βασίζεται σε ένα θεωρητικό πλαίσιο και αποκαλείται ως “window-independent” κατάτμηση του αστικού περιβάλλοντος(WICS). Αποτελεί ουσιαστικά μια τεχνική που έχει ως υπόβαθρο όλα τα διαθέσιμα εικονοστοιχεία και στοχεύει στην ταξινόμηση των δορυφορικών εικόνων. Ο σχεδιασμός και η διαχείριση του δομημένου περιβάλλοντος σχετίζεται άμεσα με την ολοκληρωμένη καταγραφή και παρακολούθηση των διαφορετικών χρήσεων γης, όπως είναι η κατοικία, οι βιομηχανίες και οι εμπορικές δραστηριότητες. Εξ’ αιτίας των ελλιπών αποτελεσμάτων που αποδίδουν οι ανά εικονοστοιχείο τεχνικές ταξινόμησης, τις περισσότερες φορές προτιμάται η οπτική φωτοερμηνεία των δεδομένων τηλεπισκόπησης. <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ραγδαία αστικοποίηση των τελευταίων ετών έχει δημιουργήσει την ανάγκη για ανάπτυξη ολοκληρωμένων εργαλείων που να συμμετέχουν στο σχεδιασμό και στη λήψη αποφάσεων για τη διαχείριση των μεγάλων αστικών κέντρων. Η γεωγραφική ανάλυση των αστικών περιοχών με τεχνικές GIS και τηλεπισκόπησης συμβάλλουν στην καταγραφή των τάσεων που δημιουργούν οι μεταβολές των χρήσεων/καλύψεων γης. Παρ’ όλα αυτά ακόμη και με τη μεγάλη εξέλιξη των τεχνολογικών μέσων που έχει πραγματοποιηθεί έως σήμερα, εντοπίζεται απόκλιση μεταξύ των μελετών που βρίσκονται σε εξέλιξη και της πρακτικής εφαρμογής των δεδομένων προκαλώντας ζητήματα ακρίβειας στις διαδικασίες των φορέων αστικού σχεδιασμού και λήψης αποφάσεων. Στην κατεύθυνση αυτή έχουν γίνει αρκετές προσπάθειες ελάττωσης της σχετικής απόκλισης με διάφορα μέσα. Μια τέτοια προσπάθεια αποτελεί και η παρούσα μελέτη που προάγει μια συγκεκριμένη μέθοδο κατάτμησης ως εργαλείο εξαγωγής πληροφοριών από δορυφορικές εικόνες. Σύμφωνα με πρόσφατες μελέτες οι τεχνικές τηλεπισκόπησης αστικού περιβάλλοντος διακρίνονται σε δύο βασικές κατηγορίες: την τοπική και τη στρατηγική. Η τοπική κλίμακα ασχολείται με τη μεμονωμένη αναγνώριση αντικειμένων(π. χ. διάκριση κτιρίων) χρησιμοποιώντας τη μέθοδο της αντικειμενοστρεφούς ανάλυσης εικόνας(OBIA). Από την άλλη η στρατηγική κλίμακα αναφέρεται κυρίως στο σχεδιασμό και παρακολούθηση των διαφόρων τύπων χρήσεων γης καταγράφοντάς τες ως ζώνες. <br /> <br /> '''Δεδομένα και μεθοδολογία'''<br /> <br /> ''Περιοχή μελέτης''<br /> <br /> Η Στοκχόλμη επιλέχθηκε, καθώς διαθέτει ένα βασικό και επισήμως εγκεκριμένο σχέδιο ταξινόμησης των διαφορετικών κατηγοριών που βασίζεται στην ιστορία, στις αρχιτεκτονικές μεθόδους, στις θεωρίες και πρακτικές σχεδιασμού και στην εν γένει λειτουργία της πόλης. Τα δεδομένα αυτά που είναι διαθέσιμα εκ μέρους της κεντρικής διοίκησης από το 1997 αποτελούν μια ολοκληρωμένη απογραφή στοιχείων τα οποία αποδίδονται και χαρτογραφικά. Το 1999 στην προσπάθεια μια ανανεωμένης ερμηνείας των δεδομένων πραγματοποιήθηκε η διάκριση διαφορετικών περιοχών της πόλης με βάση τις κοινωνικές, τεχνολογικές και οικονομικές συνθήκες. Αυτό το σπάνιο υλικό σχεδιασμού και διαχείρισης των πόλεων είναι ένα βασικό θεμέλιο ταξινόμησης και χαρτογράφησης της περιοχής μελέτης. <br /> <br /> ''Συλλογή δεδομένων και προετοιμασία''<br /> <br /> Στην παρούσα μελέτη, ως πρώτο βήμα της διαδικασίας πραγματοποιήθηκε μια αντιστοίχηση των διαφόρων περιοχών εντός της πόλης με τις χρήσεις γης που κυριαρχούν στην εκάστοτε ζώνη. Η καταγραφή έδειξε ως κυρίαρχες ζώνες το κέντρο της πόλης, τις μονοκατοικίες, τις βιομηχανικές δραστηριότητες και τις πυκνές οικιστικές δομές σε μορφή μπλοκ. Για την ανάλυση των περιοχών χρησιμοποιήθηκε δορυφορική λήψη SPOT για την ημερομηνία 04/06/2008. Η εξαγωγή πληροφοριών έγινε, ύστερα από την επεξεργασία της αρχικής απεικόνισης και την παραγωγή ορθοφωτογραφιών. Οι πληροφορίες υψομετρικής κλιμάκωσης ανακτήθηκαν από το Ψηφιακό Μοντέλο Εδάφους. Στη μεθοδολογία που εφαρμόστηκε τα δεδομένα εισαγωγής που αποδίδονται αρχικά μέσω της δορυφορικής απεικόνισης, συρρικνώθηκαν κατάλληλα και ενσωματώθηκαν σε διαφορετικές κατηγορίες. Η μετατροπή επετεύχθη με τη συμβολή των τεσσάρων φασματικών καναλιών του δορυφόρου και συγκεκριμένα κάθε εικονοστοιχείο τακτοποιήθηκε στην κοντινότερη σε αυτό τάξη. Το αποτέλεσμα της συρρίκνωσης του συνόλου των δεδομένων και η ομαδοποίηση των εικονοστοιχείων σε ομαδοποιημένες τάξεις με την τεχνική του εγγύτερου γείτονα οδήγησε εν τέλει στην ταξινόμηση της περιοχής σε 20 διαφορετικές κατηγορίες.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Στη συνέχεια της διαδικασίας πραγματοποιήθηκε έλεγχος των φασματικών υπογραφών για τις 20 διαφορετικές κατηγορίες που προέκυψαν. Βασικό κριτήριο για την επιλογή ή απόρριψη κατηγοριών είναι να μην υπάρχει επικάλυψη των φασματικών υπογραφών η οποία να αλλοιώνει τα αποτελέσματα της ταξινόμησης. Ύστερα από την ολοκλήρωση της ταξινόμησης οι κατηγορίες που διατηρήθηκαν και θα συμμετέχουν στην παραγωγή του τελικού αποτελέσματος είναι οι εξής: κέντρο της πόλης(Α, μαύρο χρώμα), βιομηχανία(Β, κόκκινο χρώμα), μονοκατοικίες(C, κίτρινο χρώμα), μονοκατοικίες με αραιή δόμηση(D, κίτρινο χρώμα), πυκνές οικιστικές δομές σε μορφή μπλοκ(Ε, μπλε και καφέ χρώμα). Έπειτα, δημιουργήθηκε ένας χάρτης ακρίβειας, ώστε να αποδοθούν οι αναλογίες με τις οποίες κάθε κατηγορία χρήσης καλύπτει την περιοχή μελέτης.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συνοψίζοντας τα δεδομένα που παρέχονται από τη συγκεκριμένη μελέτη, το καινοτόμο στοιχείο που εισάγεται είναι μια ανανεωμένη μέθοδος κατάτμησης η οποία συνδυάζει στοιχεία τηλεπισκόπησης και οπτικής φωτοερμηνείας. Το βασικό χαρακτηριστικό που διακρίνει αυτή τη μέθοδο κατάτμησης από τις υπόλοιπες είναι η χρήση των σχετιζόμενων πληροφοριών για ένα αντικείμενο που βασίζονται στις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Δημιουργήθηκαν ψηφιδωτά αρχεία με σχετιζόμενα χαρακτηριστικά για κάθε εικονοστοιχείο συνυπολογίζοντας τις γεωγραφικές αποστάσεις από τον εγγύτερο γείτονα σε διαφορετικές φασματικές τάξεις. Η μέθοδος WICS διαφέρει από την κλασσική μέθοδο κατάτμησης(ΟΒΙΑ) στα εξής δύο σημεία: 1)δεν απαιτεί πρότερη κατάτμηση(pre-segmentation), 2)για την περιγραφή κάθε εικονοστοιχείου χρησιμοποιεί και στοιχεία από τα δεδομένα που το περικλείουν, ενώ η κλασσική μέθοδος βασίζεται αποκλειστικά στην υφή και τον τόνο του κάθε αντικειμένου. Το κυριότερο πλεονέκτημα που παρέχεται μέσω της χρήσης της μεθόδου WICS είναι ότι μπορούμε να έχουμε συνδυαστικά περιγραφή του χωρικού περιβάλλοντος κάθε εικονοστοιχείου, αλλά και τη δυνατότητα εφαρμογής αλγορίθμων τυπικής ομαδοποίησης για την ταξινόμηση των κατηγοριών με βάση το περιβάλλον που τις περικλείει.<br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει ένα από τα βασικά εργαλεία για την ολοκλήρωση της μεθόδου WICS. Στα αρχικά βήματα της μεθοδολογίας οι τεχνικές τηλεπισκόπησης συμβάλλουν ουσιαστικά στην καταγραφή του συνόλου των κατηγοριών κάλυψης γης, ενώ στη συνέχεια με τις κατάλληλες διαδικασίες ανάλυσης των φασματικών υπογραφών απορρίπτονται όλες οι κατηγορίες που ενδέχεται να προκαλέσουν προβλήματα στη διαδικασία ταξινόμησης. Η μέθοδος WICS, της οποίας αναπόσπαστο κομμάτι είναι η τηλεπισκόπηση, αποτελεί μια από τις πιο καινοτόμες μεθόδους που εφαρμόζονται για τον ολοκληρωμένο σχεδιασμό και διαχείριση των αστικών κέντρων.</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%9B%CE%B9%CE%AC%CE%B3%CE%BA%CE%B1%CF%82_%CE%94%CE%B7%CE%BC%CE%AE%CF%84%CF%81%CE%B9%CE%BF%CF%82 2018-01-17T12:36:51Z

<p>Dliagkas: </p> <hr /> <div>* [[Αξιολόγηση της ερημοποίησης και των αλλαγών στις καλύψεις γης με χρήση τεχνολογιών τηλεπισκόπησης σε μια περιοχή της Μογγολίας]]<br /> * [[Ανάλυση της αστικής ανάπτυξης και εξάπλωσης με τη χρήση δεδομένων τηλεπισκόπησης για την πόλη Φεζ του Μαρόκο]]<br /> * [[Παρακολούθηση πλημμύρων και αξιολόγηση των καταστροφών με χρήση Τεχνικών Τηλεπισκόπησης και ΓΣΠ για την επαρχία Σινδ του Πακιστάν]]<br /> * [[Η δυνατότητα υποστήριξης της γεωργίας ακριβείας στην Ινδονησία από σύστημα τηλεπισκόπησης τεχνολογίας UAV]]<br /> * [[Μέθοδοι τηλεπισκόπησης για την αξιολόγηση της υγείας των καλλιεργειών και για την εξασφάλιση επισιτιστικής ασφάλειας στην Αφρική]]<br /> * [[Χωρική μοντελοποίηση της φυσικής και περιβαλλοντικής ευπάθειας μέσω τεχνικών τηλεπισκόπησης και GIS για την πόλη Άστραχαν, Ρωσία]]<br /> * [[Καθορισμός καλύψεων γης με τη χρήση δεδομένων OpenStreetMap και τεχνικών τηλεπισκόπησης]]<br /> * [[Αξιολόγηση διάβρωσης με το μοντέλο RUSLE, χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS-Περιοχή μελέτης: Λεκάνη Νετραβάτι]]<br /> * [[Σχεδιασμός και διαχείριση αστικών περιοχών με τη χρήση τεχνικών τηλεπισκόπησης: Η χρήση μεθόδου WCIS στη Στοκχόλμη]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%BF_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_RUSLE,_%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%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7%CF%82:_%CE%9B%CE%B5%CE%BA%CE%AC%CE%BD%CE%B7_%CE%9D%CE%B5%CF%84%CF%81%CE%B1%CE%B2%CE%AC%CF%84%CE%B9 2018-01-17T12:29:13Z

<p>Dliagkas: </p> <hr /> <div>''' Αξιολόγηση διάβρωσης του εδάφους με το μοντέλο RUSLE, χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS-Περιοχή μελέτης: Λεκάνη Νετραβάτι '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' AAssessment of soil erosion by RUSLE model using remote sensing and GIS - A case study of Nethravathi Basin ''<br /> <br /> '''Συγγραφέας: ''' B.P. Ganasri, H. Ramesh<br /> <br /> '''Δημοσιεύθηκε: ''' ''Geoscience Frontiers, Volume 7, Issue 6, November 2016, Pages 953-961''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Διάβρωση εδάφους, RUSLE, Τηλεπισκόπηση, GIS, Ποταμός Νετραβάτι<br /> <br /> [[Εικόνα:Rswiki_p8_ld_1.jpg | thumb| right|Eικόνα 1:'''Παραγόμενοι χάρτες μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να μοντελοποιήσει την εξέλιξη του φαινόμενου της εδαφικής διάβρωσης στην περιοχή της υδάτινης λεκάνης Νετραβάτι, ώστε τα δεδομένα να χρησιμοποιηθούν για τη λήψη μέτρων πρόληψης. Η διάβρωση του εδάφους αποτελεί ένα πρόβλημα μείζονος σημασίας το οποίο προκύπτει από την ανάπτυξη ανθρωπογενών δραστηριοτήτων, όπως είναι η εντατική γεωργία που οδηγεί στην υποβάθμιση των εδαφών. Η μοντελοποίηση του φαινομένου δύναται να παρέχει μια ποσοτική και συνεχή προσέγγιση εκτίμησης της εδαφικής διάβρωσης και της παραγόμενης σοδειάς. Στην παρούσα μελέτη το μοντέλο απώλειας εδαφών βασίστηκε στην Αναθεωρημένη Εξίσωση Καθολικής Απώλειας Εδάφους(RUSLE) σε συνδυασμό με τεχνικές GIS. Οι παράμετροι του μοντέλου RUSLE υπολογίστηκαν χρησιμοποιώντας δεδομένα τηλεπισκόπησης, ενώ οι πιθανές ζώνες διάβρωσης καθορίστηκαν με τη χρήση GIS.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_2.jpg | thumb| right|Eικόνα 2:'''Γεωγραφική θέση της λεκάνης Νετραβάτι ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η υποβάθμιση των γεωργικών περιοχών λόγω της εδαφικής διάβρωσης είναι ένα παγκόσμιο φαινόμενο, το οποίο οδηγεί σε απώλειες εκτάσεων πλούσιων σε θρεπτικά συστατικά. Στην περίπτωση αυτή ο υπολογισμός και η ταυτοποίηση των πληττόμενων περιοχών αποτελεί κομβικής σημασίας στοιχείο για την εφαρμογή των κατάλληλων πρακτικών διαχείρισης, επιτυγχάνοντας ένα πρόγραμμα διατήρησης των εδαφών. Στην περιοχή της Ινδίας η διάβρωση των εδαφών αποτελεί ανασταλτικό παράγοντα για την εξέλιξη του αγροτικού τομέα, καθώς προκαλεί καταστροφή των αποθεμάτων και υποβάθμιση των εδαφών. Έχει ληφθεί σειρά μέτρων για την αντιμετώπιση του φαινομένου από την κεντρική διοίκηση, αλλά μέχρι στιγμής σχεδόν 130 εκατομμύρια εκτάρια γης, περίπου το 45% του συνόλου, έχει πληγεί. Οι παράγοντες που προκαλούν τη διάβρωση είναι αρκετοί και δύσκολο να περιοριστούν, καθώς βασίζονται σε φυσικά φαινόμενα όπως οι βροχοπτώσεις και ο άνεμος. Οι βασικότεροι εκ των παραγόντων είναι η κλίση του εδάφους και ο προσανατολισμός των πλαγιών. Η αποδοτική μοντελοποίηση του φαινομένου, με τεχνικές όπως το μοντέλο RUSLE, είναι ικανή να παρέχει πληροφορίες για την υφιστάμενη κατάσταση, τις μελλοντικές τάσεις, επιτρέποντας παράλληλα την ανάλυση διαφορετικών σεναρίων. Στην ουσία δημιουργούνται διαφορετικά μοντέλα προσομοίωσης, ώστε να αξιολογηθούν τα διαφορετικά μοντέλα εδαφικής διαχείρισης. Ωστόσο, χρησιμοποιώντας αποκλειστικά τη συμβατική μέθοδο της μοντελοποίησης για τη διαβάθμιση του ρίσκου εδαφικής διάβρωσης είναι εξαιρετικά ακριβό και χρονοβόρο. Για το λόγο αυτό στο υπάρχον μοντέλο RUSLE πραγματοποιήθηκε ενσωμάτωση δεδομένων πεδίου και δεδομένων που ανακτήθηκαν με τη χρήση τεχνολογιών τηλεπισκόπησης μέσω της επεξεργασίας σε Συστήματα Γεωγραφικών Πληροφοριών(GIS). Συνοψίζοντας και λαμβάνοντας υπ’ όψιν όλα τα παραπάνω δεδομένα σκοπός της παρούσας μελέτης είναι να: 1)αναπτύξει μια μεθοδολογία που θα συνδυάζει τα δεδομένα τηλεπισκόπησης και GIS με το μοντέλο RUSLE με σκοπό την εκτίμηση της χωρικής κατανομής της εδαφικής διάβρωσης σε πρώιμο στάδιο, 2)να αναλύσει τις επιπτώσεις των αλλαγών χρήσεων/καλύψεων γης στο φαινόμενο της διάβρωσης με τη χρήση τηλεπισκόπησης και GIS, και 3)να σκιαγραφήσει τις πιθανές ζώνες διάβρωσης χρησιμοποιώντας τη μέθοδο της επικάλυψης. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_3.jpg | thumb| right|Eικόνα 3:'''Διάγραμμα ροής της μεθοδολογίας ''']]<br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η μελέτη εστιάζει στην περιοχή της υδάτινης λεκάνης που σχηματίζει ο ποταμός Νετραβάτι που τοποθετείται γεωγραφικά στη νοτιοδυτική Ινδία. Η συγκεκριμένη περιοχή χαρακτηρίζεται ως μια τροπική παράκτια έκταση με υψηλά ποσοστά υγρασίας. Η συνολική της έκταση ανέρχεται σε 3128,72km2 και το μέγεθος του ποταμού παρουσιάζει εποχιακό χαρακτήρα ανάλογα με το ύψος των βροχοπτώσεων. Για τον υπολογισμό της διάβρωσης χρησιμοποιήθηκαν στοιχεία που αντλήθηκαν από δορυφορικές εικόνες, από το Ψηφιακό Μοντέλο Εδάφους, από ποσοστά βροχοπτώσεων και από δεδομένα εδαφολογίας. Παράλληλα από σταθμό μετρήσεων που βρίσκεται σε ακτίνα 20km από την περιοχή μελέτης ανακτήθηκαν στοιχεία για το φορτίο ιζημάτων έως το έτος 2003.Η περιοχή της λεκάνης καλύπτεται κατά βάση από δασικές εκτάσεις διαφόρων τύπων, καθώς η ανάπτυξή τους ευνοείται από τις συχνές βροχοπτώσεις. Η χαμηλότερη θερμοκρασία που παρατηρείται στην περιοχή κατά την περίοδο των μουσώνων είναι 25οC, ενώ η μέση θερμοκρασία κατά τους θερμούς μήνες είναι 35οC. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_4.jpg | thumb| right|Eικόνα 4:'''Χάρτης βροχοπτώσεων και χάρτης διάβρωσης από βροχόπτωση ''']]<br /> <br /> '''Μεθοδολογία και εκτίμηση παραμέτρων'''<br /> <br /> Η διάβρωση των εδαφών αποτελεί ένα διαχρονικό ζήτημα, του οποίου η έκταση έχει αυξηθεί τα τελευταία χρόνια εξ’ αιτίας των ολοένα και περισσότερων έντονων ανθρωπογενών δραστηριοτήτων. Η μελέτη του φαινομένου στην περιοχή της λεκάνης Νετραβάτι περιορίζεται από αρκετές ελλείψεις στα δεδομένα και γι’ αυτό εν τέλει επιλέχθηκε το μοντέλο RUSLE που χρειάζεται αποκλειστικά ένα χάρτη χρήσεων/καλύψεων γης για να λειτουργήσει. Ο χάρτης αυτός είναι εύκολο να παραχθεί με τη χρήση τεχνικών τηλεπισκόπησης. Ένα ακόμη πλεονέκτημα του RUSLE είναι ότι ενσωματώνεται εύκολα σε περιβάλλον GIS.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_5.jpg | thumb| right|Eικόνα 5:'''Χάρτης εδάφους και χάρτης εδαφικής διαβρωσιμότητας ''']] <br /> <br /> ''Εκτίμηση παραμέτρου RUSLE''<br /> <br /> Το μοντέλο RUSLE χρησιμοποιήθηκε για την αξιολόγηση της ετήσιας εδαφικής διάβρωσης και σχεδιάστηκε έτσι ώστε να προβλέπει μακροπρόθεσμα τη μέση τιμή εξέλιξης του φαινομένου. Τα δεδομένα εισαγωγής κατά τη διαδικασία επεξεργασίας είναι εύκολο να αποκτηθούν από το Ψηφιακό Μοντέλο Εδάφους κι από δορυφορικές εικόνες. Βασικό μειονέκτημα του RUSLE είναι πως δεν έχει τη δυνατότητα να δρομολογεί τα ιζήματα στα διάφορα κανάλια, κι έτσι η εφαρμογή περιορίζεται μόνο σε μικρές περιοχές.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_6.jpg | thumb| right|Eικόνα 6:'''Χάρτης κλίσεων σε ποσοστά ''']]<br /> <br /> ''Παράγοντας διάβρωσης από βροχόπτωση''<br /> <br /> Ο συγκεκριμένος παράγοντας παρουσιάζει την επιρροή που ασκεί η ένταση των βροχοπτώσεων στο φαινόμενο της εδαφικής διάβρωσης και γι’ αυτό απαιτούνται λεπτομερή και διαχρονικά δεδομένα κατακρημνίσεων για τον υπολογισμό του. Όλες οι μελέτες αποδεικνύουν πως η διάβρωση σχετίζεται με την ένταση της βροχής και για το λόγο αυτό ο παράγοντας αυτός ενσωματώθηκε στο μοντέλο RUSLE ποσοτικοποιώντας την επίδραση των βροχοπτώσεων και αντικατοπτρίζοντας τις ποσότητες και το ρυθμό απορροής που σχετίζονται με τη βροχή. Τα δεδομένα που χρησιμοποιήθηκαν αφορούν χρονική περίοδο 10 χρόνων(2000-2009). <br /> <br /> [[Εικόνα:Rswiki_p8_ld_7.jpg | thumb| right|Eικόνα 7:'''Παράγοντας διαχείρισης καλλιεργειών ''']]<br /> <br /> ''Παράγοντας εδαφικής διαβρωσιμότητας''<br /> <br /> Η λεκάνη Νετραβάτι αποτελείται από 14 διαφορετικούς τύπους εδάφους, πάνω στους οποίους προσαρμόστηκε κατάλληλα ο παράγοντας εδαφικής διαβρωσιμότητας. Με το συγκεκριμένο παράγοντα παρουσιάζεται ο βαθμός ευαισθησίας των εδαφών σχετικά με το φαινόμενο της διάβρωσης, η μετακίνηση των ιζημάτων, οι ποσότητες και ο ρυθμός απορροής που σχετίζονται με τη βροχή.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_8.jpg | thumb| right|Eικόνα 8:'''Χάρτης πιθανών ζωνών εδαφικής διάβρωσης ''']]<br /> <br /> ''Παράγοντας τοπογραφίας''<br /> <br /> Ο τοπογραφικός παράγοντας αποδίδει το ρυθμό απώλειας εδαφών, κάτω από συγκεκριμένες συνθήκες οι οποίες δίδονται από το συνδυασμό δύο βασικών συνιστωσών. Οι συνιστώσες αυτές είναι το μήκος της πλαγιάς και η κλίση της πλαγιάς.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_9.jpg | thumb| right|Πίνακας 1:'''Περιγραφή των δεδομένων ''']]<br /> <br /> ''Παράγοντας διαχείρισης καλλιεργειών''<br /> <br /> Με τη χρήση αυτού του παράγοντας παρέχεται η δυνατότητα παρουσίασης της επιρροής των τεχνικών καλλιέργειας στο φαινόμενο της διάβρωσης. Δίνοντας διάφορες τιμές από 0 έως +1 μπορούμε να εξάγουμε χρήσιμα συμπεράσματα για την περιοχή μελέτης. Όπου +1 αναφερόμαστε σε περιοχές κυρίως δασικές καλά προστατευμένες από τη διάβρωση. Στη συνέχεια ο παράγοντας προσαρμόστηκε στο θεματικό χάρτη χρήσεων/καλύψεων γης της περιοχής μελέτης, ώστε να δημιουργηθεί ένας νέος χάρτης βασιζόμενος στις τιμές του παράγοντα. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_10.jpg | thumb| right|Πίνακας 2:'''Ετήσιο φορτίο ιζημάτων και χαρακτηριστικά των λεκανών για τους ποταμούς Νετραβάτι ''']]<br /> <br /> ''Παράγοντας πρακτικής υποστήριξης της διατήρησης''<br /> <br /> Οι τιμές του συγκεκριμένου παράγοντας έχουν εύρος από 0 έως +1, όπου με το 0 αναφερόμαστε σε πρακτικές καλής διατήρησης και με το +1 σε πρακτικές ελλιπούς διατήρησης. Δεδομένου ότι για την περιοχή μελέτης δεν υπάρχουν δεδομένα που να αφορούν τις πρακτικές διατήρησης ο παράγοντας λαμβάνει την τιμή +1, αφού η λεκάνη καλύπτεται κατά κύριο λόγο από δασικές εκτάσεις. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_11.jpg | thumb| right|Πίνακας 3:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor ''']]<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Ύστερα από πολυσύνθετες έρευνες που πραγματοποιήθηκαν, παρατηρήθηκε πως ο βασικότερος παράγοντας που επηρεάζει τη διάβρωση των εδαφών είναι οι βροχοπτώσεις. Σε μικρότερη κλίμακα σημαντικό ρόλο διαδραματίζει κι ο διαφορετικός τύπος εδάφους ο οποίος συνυπολογίστηκε. Τελικό στάδιο στο οποίο κατέληξαν και συνδυάστηκαν όλοι οι υπολογισμοί είναι η δημιουργία ενός θεματικού χάρτη πιθανών ζωνών προς διάβρωση, ο οποίος προέκυψε με την τεχνική της επικάλυψης πολλών διαφορετικών θεματικών επιπέδων. <br /> <br /> [[Εικόνα:Rswiki_p8_ld_12.jpg | thumb| right|Πίνακας 4:'''Κατηγορίες εδαφικής διάβρωσης, συνολική έκταση και μέγεθος απώλειας εδαφών ''']] <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Βασικό αντικείμενο της έρευνας είναι η εξέταση της εδαφικής διάβρωσης και των πιθανών ζωνών στις οποίες θα εμφανιστεί το φαινόμενο μελλοντικά για την περιοχή της λεκάνης Νετραβάτι στην Ινδία. Ωστόσο, η καινοτομία που εισάγεται στη συγκεκριμένη μελέτη είναι η συσχέτιση της εδαφικής διάβρωσης με τις μεταβολές των χρήσεων/καλύψεων γης. Τα νέα στοιχεία έδειξαν πως η διάβρωση εξαρτάται άμεσα από την τοπογραφία και τον τύπο καλύψεων γης της εκάστοτε περιοχής. Μάλιστα, αξίζει να σημειωθεί πως η απώλεια εδαφών από διάβρωση αυξάνεται αναλογικά με το ρυθμό αύξησης των καλλιεργητικών εκτάσεων. Στις περιοχές αυτές απαιτείται η άμεση εφαρμογή πρακτικών διατήρησης του εδάφους.<br /> <br /> [[Εικόνα:Rswiki_p8_ld_13.jpg | thumb| right|Πίνακας 5:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor για την αυξημένη αγροτική περιοχή ''']] <br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Στη συγκεκριμένη μελέτη, οι τεχνολογίες της τηλεπισκόπησης λειτούργησαν συνδυαστικά, καθώς απέδωσαν όλα εκείνα τα δεδομένα που έλλειπαν και περιόριζαν την εφαρμογή του μοντέλου RUSLE. Η κατηγοριοποίηση των χρήσεων γης μέσω τεχνικών επιβλεπόμενης ταξινόμησης αποτελεί σπουδαίο εργαλείο το οποίο παρέχει η τηλεπισκόπηση και δύναται να αποτελέσει ισχυρό θεμέλιο στο σχεδιασμό για την πρόληψη φαινομένων διάβρωσης.</div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_13.jpg 2018-01-17T12:28:08Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_12.jpg 2018-01-17T12:27:43Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_11.jpg 2018-01-17T12:27:16Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_10.jpg 2018-01-17T12:26:47Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_9.jpg 2018-01-17T12:26:18Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_8.jpg 2018-01-17T12:25:50Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_7.jpg 2018-01-17T12:25:22Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_6.jpg 2018-01-17T12:24:57Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_5.jpg 2018-01-17T12:24:33Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_4.jpg 2018-01-17T12:24:08Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_3.jpg 2018-01-17T12:23:41Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_2.jpg 2018-01-17T12:23:19Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rswiki_p8_ld_1.jpg 2018-01-17T12:22:56Z

<p>Dliagkas: </p> <hr /> <div></div>

Dliagkas http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%BF_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_RUSLE,_%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%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7%CF%82:_%CE%9B%CE%B5%CE%BA%CE%AC%CE%BD%CE%B7_%CE%9D%CE%B5%CF%84%CF%81%CE%B1%CE%B2%CE%AC%CF%84%CE%B9 2018-01-17T12:22:36Z

<p>Dliagkas: </p> <hr /> <div>''' Αξιολόγηση διάβρωσης του εδάφους με το μοντέλο RUSLE, χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS-Περιοχή μελέτης: Λεκάνη Νετραβάτι '''<br /> <br /> '''Πρωτότυπος τίτλος:''' '' AAssessment of soil erosion by RUSLE model using remote sensing and GIS - A case study of Nethravathi Basin ''<br /> <br /> '''Συγγραφέας: ''' B.P. Ganasri, H. Ramesh<br /> <br /> '''Δημοσιεύθηκε: ''' ''Geoscience Frontiers, Volume 7, Issue 6, November 2016, Pages 953-961''<br /> <br /> '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: ''' Διάβρωση εδάφους, RUSLE, Τηλεπισκόπηση, GIS, Ποταμός Νετραβάτι<br /> <br /> [[Εικόνα:rswiki_p8_ld_1.jpg | thumb| right|Eικόνα 1:'''Παραγόμενοι χάρτες μελέτης ''']]<br /> <br /> '''Αντικείμενο'''<br /> <br /> Αντικείμενο της παρούσας μελέτης είναι να μοντελοποιήσει την εξέλιξη του φαινόμενου της εδαφικής διάβρωσης στην περιοχή της υδάτινης λεκάνης Νετραβάτι, ώστε τα δεδομένα να χρησιμοποιηθούν για τη λήψη μέτρων πρόληψης. Η διάβρωση του εδάφους αποτελεί ένα πρόβλημα μείζονος σημασίας το οποίο προκύπτει από την ανάπτυξη ανθρωπογενών δραστηριοτήτων, όπως είναι η εντατική γεωργία που οδηγεί στην υποβάθμιση των εδαφών. Η μοντελοποίηση του φαινομένου δύναται να παρέχει μια ποσοτική και συνεχή προσέγγιση εκτίμησης της εδαφικής διάβρωσης και της παραγόμενης σοδειάς. Στην παρούσα μελέτη το μοντέλο απώλειας εδαφών βασίστηκε στην Αναθεωρημένη Εξίσωση Καθολικής Απώλειας Εδάφους(RUSLE) σε συνδυασμό με τεχνικές GIS. Οι παράμετροι του μοντέλου RUSLE υπολογίστηκαν χρησιμοποιώντας δεδομένα τηλεπισκόπησης, ενώ οι πιθανές ζώνες διάβρωσης καθορίστηκαν με τη χρήση GIS.<br /> <br /> [[Εικόνα:rswiki_p8_ld_2.jpg | thumb| right|Eικόνα 2:'''Γεωγραφική θέση της λεκάνης Νετραβάτι ''']]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η υποβάθμιση των γεωργικών περιοχών λόγω της εδαφικής διάβρωσης είναι ένα παγκόσμιο φαινόμενο, το οποίο οδηγεί σε απώλειες εκτάσεων πλούσιων σε θρεπτικά συστατικά. Στην περίπτωση αυτή ο υπολογισμός και η ταυτοποίηση των πληττόμενων περιοχών αποτελεί κομβικής σημασίας στοιχείο για την εφαρμογή των κατάλληλων πρακτικών διαχείρισης, επιτυγχάνοντας ένα πρόγραμμα διατήρησης των εδαφών. Στην περιοχή της Ινδίας η διάβρωση των εδαφών αποτελεί ανασταλτικό παράγοντα για την εξέλιξη του αγροτικού τομέα, καθώς προκαλεί καταστροφή των αποθεμάτων και υποβάθμιση των εδαφών. Έχει ληφθεί σειρά μέτρων για την αντιμετώπιση του φαινομένου από την κεντρική διοίκηση, αλλά μέχρι στιγμής σχεδόν 130 εκατομμύρια εκτάρια γης, περίπου το 45% του συνόλου, έχει πληγεί. Οι παράγοντες που προκαλούν τη διάβρωση είναι αρκετοί και δύσκολο να περιοριστούν, καθώς βασίζονται σε φυσικά φαινόμενα όπως οι βροχοπτώσεις και ο άνεμος. Οι βασικότεροι εκ των παραγόντων είναι η κλίση του εδάφους και ο προσανατολισμός των πλαγιών. Η αποδοτική μοντελοποίηση του φαινομένου, με τεχνικές όπως το μοντέλο RUSLE, είναι ικανή να παρέχει πληροφορίες για την υφιστάμενη κατάσταση, τις μελλοντικές τάσεις, επιτρέποντας παράλληλα την ανάλυση διαφορετικών σεναρίων. Στην ουσία δημιουργούνται διαφορετικά μοντέλα προσομοίωσης, ώστε να αξιολογηθούν τα διαφορετικά μοντέλα εδαφικής διαχείρισης. Ωστόσο, χρησιμοποιώντας αποκλειστικά τη συμβατική μέθοδο της μοντελοποίησης για τη διαβάθμιση του ρίσκου εδαφικής διάβρωσης είναι εξαιρετικά ακριβό και χρονοβόρο. Για το λόγο αυτό στο υπάρχον μοντέλο RUSLE πραγματοποιήθηκε ενσωμάτωση δεδομένων πεδίου και δεδομένων που ανακτήθηκαν με τη χρήση τεχνολογιών τηλεπισκόπησης μέσω της επεξεργασίας σε Συστήματα Γεωγραφικών Πληροφοριών(GIS). Συνοψίζοντας και λαμβάνοντας υπ’ όψιν όλα τα παραπάνω δεδομένα σκοπός της παρούσας μελέτης είναι να: 1)αναπτύξει μια μεθοδολογία που θα συνδυάζει τα δεδομένα τηλεπισκόπησης και GIS με το μοντέλο RUSLE με σκοπό την εκτίμηση της χωρικής κατανομής της εδαφικής διάβρωσης σε πρώιμο στάδιο, 2)να αναλύσει τις επιπτώσεις των αλλαγών χρήσεων/καλύψεων γης στο φαινόμενο της διάβρωσης με τη χρήση τηλεπισκόπησης και GIS, και 3)να σκιαγραφήσει τις πιθανές ζώνες διάβρωσης χρησιμοποιώντας τη μέθοδο της επικάλυψης. <br /> <br /> [[Εικόνα:rswiki_p8_ld_3.jpg | thumb| right|Eικόνα 3:'''Διάγραμμα ροής της μεθοδολογίας ''']]<br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η μελέτη εστιάζει στην περιοχή της υδάτινης λεκάνης που σχηματίζει ο ποταμός Νετραβάτι που τοποθετείται γεωγραφικά στη νοτιοδυτική Ινδία. Η συγκεκριμένη περιοχή χαρακτηρίζεται ως μια τροπική παράκτια έκταση με υψηλά ποσοστά υγρασίας. Η συνολική της έκταση ανέρχεται σε 3128,72km2 και το μέγεθος του ποταμού παρουσιάζει εποχιακό χαρακτήρα ανάλογα με το ύψος των βροχοπτώσεων. Για τον υπολογισμό της διάβρωσης χρησιμοποιήθηκαν στοιχεία που αντλήθηκαν από δορυφορικές εικόνες, από το Ψηφιακό Μοντέλο Εδάφους, από ποσοστά βροχοπτώσεων και από δεδομένα εδαφολογίας. Παράλληλα από σταθμό μετρήσεων που βρίσκεται σε ακτίνα 20km από την περιοχή μελέτης ανακτήθηκαν στοιχεία για το φορτίο ιζημάτων έως το έτος 2003.Η περιοχή της λεκάνης καλύπτεται κατά βάση από δασικές εκτάσεις διαφόρων τύπων, καθώς η ανάπτυξή τους ευνοείται από τις συχνές βροχοπτώσεις. Η χαμηλότερη θερμοκρασία που παρατηρείται στην περιοχή κατά την περίοδο των μουσώνων είναι 25οC, ενώ η μέση θερμοκρασία κατά τους θερμούς μήνες είναι 35οC. <br /> <br /> [[Εικόνα:rswiki_p8_ld_4.jpg | thumb| right|Eικόνα 4:'''Χάρτης βροχοπτώσεων και χάρτης διάβρωσης από βροχόπτωση ''']]<br /> <br /> '''Μεθοδολογία και εκτίμηση παραμέτρων'''<br /> <br /> Η διάβρωση των εδαφών αποτελεί ένα διαχρονικό ζήτημα, του οποίου η έκταση έχει αυξηθεί τα τελευταία χρόνια εξ’ αιτίας των ολοένα και περισσότερων έντονων ανθρωπογενών δραστηριοτήτων. Η μελέτη του φαινομένου στην περιοχή της λεκάνης Νετραβάτι περιορίζεται από αρκετές ελλείψεις στα δεδομένα και γι’ αυτό εν τέλει επιλέχθηκε το μοντέλο RUSLE που χρειάζεται αποκλειστικά ένα χάρτη χρήσεων/καλύψεων γης για να λειτουργήσει. Ο χάρτης αυτός είναι εύκολο να παραχθεί με τη χρήση τεχνικών τηλεπισκόπησης. Ένα ακόμη πλεονέκτημα του RUSLE είναι ότι ενσωματώνεται εύκολα σε περιβάλλον GIS.<br /> <br /> [[Εικόνα:rswiki_p8_ld_5.jpg | thumb| right|Eικόνα 5:'''Χάρτης εδάφους και χάρτης εδαφικής διαβρωσιμότητας ''']] <br /> <br /> ''Εκτίμηση παραμέτρου RUSLE''<br /> <br /> Το μοντέλο RUSLE χρησιμοποιήθηκε για την αξιολόγηση της ετήσιας εδαφικής διάβρωσης και σχεδιάστηκε έτσι ώστε να προβλέπει μακροπρόθεσμα τη μέση τιμή εξέλιξης του φαινομένου. Τα δεδομένα εισαγωγής κατά τη διαδικασία επεξεργασίας είναι εύκολο να αποκτηθούν από το Ψηφιακό Μοντέλο Εδάφους κι από δορυφορικές εικόνες. Βασικό μειονέκτημα του RUSLE είναι πως δεν έχει τη δυνατότητα να δρομολογεί τα ιζήματα στα διάφορα κανάλια, κι έτσι η εφαρμογή περιορίζεται μόνο σε μικρές περιοχές.<br /> <br /> [[Εικόνα:rswiki_p8_ld_6.jpg | thumb| right|Eικόνα 6:'''Χάρτης κλίσεων σε ποσοστά ''']]<br /> <br /> ''Παράγοντας διάβρωσης από βροχόπτωση''<br /> <br /> Ο συγκεκριμένος παράγοντας παρουσιάζει την επιρροή που ασκεί η ένταση των βροχοπτώσεων στο φαινόμενο της εδαφικής διάβρωσης και γι’ αυτό απαιτούνται λεπτομερή και διαχρονικά δεδομένα κατακρημνίσεων για τον υπολογισμό του. Όλες οι μελέτες αποδεικνύουν πως η διάβρωση σχετίζεται με την ένταση της βροχής και για το λόγο αυτό ο παράγοντας αυτός ενσωματώθηκε στο μοντέλο RUSLE ποσοτικοποιώντας την επίδραση των βροχοπτώσεων και αντικατοπτρίζοντας τις ποσότητες και το ρυθμό απορροής που σχετίζονται με τη βροχή. Τα δεδομένα που χρησιμοποιήθηκαν αφορούν χρονική περίοδο 10 χρόνων(2000-2009). <br /> <br /> [[Εικόνα:rswiki_p8_ld_7.jpg | thumb| right|Eικόνα 7:'''Παράγοντας διαχείρισης καλλιεργειών ''']]<br /> <br /> ''Παράγοντας εδαφικής διαβρωσιμότητας''<br /> <br /> Η λεκάνη Νετραβάτι αποτελείται από 14 διαφορετικούς τύπους εδάφους, πάνω στους οποίους προσαρμόστηκε κατάλληλα ο παράγοντας εδαφικής διαβρωσιμότητας. Με το συγκεκριμένο παράγοντα παρουσιάζεται ο βαθμός ευαισθησίας των εδαφών σχετικά με το φαινόμενο της διάβρωσης, η μετακίνηση των ιζημάτων, οι ποσότητες και ο ρυθμός απορροής που σχετίζονται με τη βροχή.<br /> <br /> [[Εικόνα:rswiki_p8_ld_8.jpg | thumb| right|Eικόνα 8:'''Χάρτης πιθανών ζωνών εδαφικής διάβρωσης ''']]<br /> <br /> ''Παράγοντας τοπογραφίας''<br /> <br /> Ο τοπογραφικός παράγοντας αποδίδει το ρυθμό απώλειας εδαφών, κάτω από συγκεκριμένες συνθήκες οι οποίες δίδονται από το συνδυασμό δύο βασικών συνιστωσών. Οι συνιστώσες αυτές είναι το μήκος της πλαγιάς και η κλίση της πλαγιάς.<br /> <br /> [[Εικόνα:rswiki_p8_ld_9.jpg | thumb| right|Πίνακας 1:'''Περιγραφή των δεδομένων ''']]<br /> <br /> ''Παράγοντας διαχείρισης καλλιεργειών''<br /> <br /> Με τη χρήση αυτού του παράγοντας παρέχεται η δυνατότητα παρουσίασης της επιρροής των τεχνικών καλλιέργειας στο φαινόμενο της διάβρωσης. Δίνοντας διάφορες τιμές από 0 έως +1 μπορούμε να εξάγουμε χρήσιμα συμπεράσματα για την περιοχή μελέτης. Όπου +1 αναφερόμαστε σε περιοχές κυρίως δασικές καλά προστατευμένες από τη διάβρωση. Στη συνέχεια ο παράγοντας προσαρμόστηκε στο θεματικό χάρτη χρήσεων/καλύψεων γης της περιοχής μελέτης, ώστε να δημιουργηθεί ένας νέος χάρτης βασιζόμενος στις τιμές του παράγοντα. <br /> <br /> [[Εικόνα:rswiki_p8_ld_10.jpg | thumb| right|Πίνακας 2:'''Ετήσιο φορτίο ιζημάτων και χαρακτηριστικά των λεκανών για τους ποταμούς Νετραβάτι ''']]<br /> <br /> ''Παράγοντας πρακτικής υποστήριξης της διατήρησης''<br /> <br /> Οι τιμές του συγκεκριμένου παράγοντας έχουν εύρος από 0 έως +1, όπου με το 0 αναφερόμαστε σε πρακτικές καλής διατήρησης και με το +1 σε πρακτικές ελλιπούς διατήρησης. Δεδομένου ότι για την περιοχή μελέτης δεν υπάρχουν δεδομένα που να αφορούν τις πρακτικές διατήρησης ο παράγοντας λαμβάνει την τιμή +1, αφού η λεκάνη καλύπτεται κατά κύριο λόγο από δασικές εκτάσεις. <br /> <br /> [[Εικόνα:rswiki_p8_ld_11.jpg | thumb| right|Πίνακας 3:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor ''']]<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Ύστερα από πολυσύνθετες έρευνες που πραγματοποιήθηκαν, παρατηρήθηκε πως ο βασικότερος παράγοντας που επηρεάζει τη διάβρωση των εδαφών είναι οι βροχοπτώσεις. Σε μικρότερη κλίμακα σημαντικό ρόλο διαδραματίζει κι ο διαφορετικός τύπος εδάφους ο οποίος συνυπολογίστηκε. Τελικό στάδιο στο οποίο κατέληξαν και συνδυάστηκαν όλοι οι υπολογισμοί είναι η δημιουργία ενός θεματικού χάρτη πιθανών ζωνών προς διάβρωση, ο οποίος προέκυψε με την τεχνική της επικάλυψης πολλών διαφορετικών θεματικών επιπέδων. <br /> <br /> [[Εικόνα:rswiki_p8_ld_12.jpg | thumb| right|Πίνακας 4:'''Κατηγορίες εδαφικής διάβρωσης, συνολική έκταση και μέγεθος απώλειας εδαφών ''']] <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Βασικό αντικείμενο της έρευνας είναι η εξέταση της εδαφικής διάβρωσης και των πιθανών ζωνών στις οποίες θα εμφανιστεί το φαινόμενο μελλοντικά για την περιοχή της λεκάνης Νετραβάτι στην Ινδία. Ωστόσο, η καινοτομία που εισάγεται στη συγκεκριμένη μελέτη είναι η συσχέτιση της εδαφικής διάβρωσης με τις μεταβολές των χρήσεων/καλύψεων γης. Τα νέα στοιχεία έδειξαν πως η διάβρωση εξαρτάται άμεσα από την τοπογραφία και τον τύπο καλύψεων γης της εκάστοτε περιοχής. Μάλιστα, αξίζει να σημειωθεί πως η απώλεια εδαφών από διάβρωση αυξάνεται αναλογικά με το ρυθμό αύξησης των καλλιεργητικών εκτάσεων. Στις περιοχές αυτές απαιτείται η άμεση εφαρμογή πρακτικών διατήρησης του εδάφους.<br /> <br /> [[Εικόνα:rswiki_p8_ld_13.jpg | thumb| right|Πίνακας 5:'''Κατηγορίες χρήσεων/καλύψεων γης και η σχετική τιμή C-factor για την αυξημένη αγροτική περιοχή ''']] <br /> <br /> '''Συμβολή της τηλεπισκόπησης'''<br /> <br /> Στη συγκεκριμένη μελέτη, οι τεχνολογίες της τηλεπισκόπησης λειτούργησαν συνδυαστικά, καθώς απέδωσαν όλα εκείνα τα δεδομένα που έλλειπαν και περιόριζαν την εφαρμογή του μοντέλου RUSLE. Η κατηγοριοποίηση των χρήσεων γης μέσω τεχνικών επιβλεπόμενης ταξινόμησης αποτελεί σπουδαίο εργαλείο το οποίο παρέχει η τηλεπισκόπηση και δύναται να αποτελέσει ισχυρό θεμέλιο στο σχεδιασμό για την πρόληψη φαινομένων διάβρωσης.</div>

Dliagkas