http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Efklia&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%2FEfklia 2026-05-14T12:54:53Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BC%CF%80%CE%B5%CE%BB%CE%BF%CF%85%CF%81%CE%B3%CE%AF%CE%B1_%CE%91%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82:_%CE%91%CF%85%CF%84%CF%8C%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CE%B5%CE%BD%CF%84... 2021-02-15T15:48:54Z

<p>Efklia: Η Αμπελουργία Ακριβείας: Αυτόματος εντ... μετακινήθηκε στη θέση (Άκυρο)</p> <hr /> <div>#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[(Άκυρο)]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/(%CE%86%CE%BA%CF%85%CF%81%CE%BF) 2021-02-15T15:48:54Z

<p>Efklia: Η Αμπελουργία Ακριβείας: Αυτόματος εντ... μετακινήθηκε στη θέση (Άκυρο)</p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%8D%CF%81%CF%84%CE%B1_%CE%95%CF%8D%CE%BA%CE%BB%CE%B5%CE%B9%CE%B1 2021-02-15T15:44:16Z

<p>Efklia: </p> <hr /> <div>[[Βαθυμετρία και χαρτογράφηση πυθμένα με τηλεπισκοπικές τεχνικές]]<br /> <br /> [[Συγκριτική αξιολόγηση των μεθόδων για αρχαιολογικές διασκοπήσεις]]<br /> <br /> [[Συγχώνευση τηλεσκοπικών μεθόδων]]<br /> <br /> [[Εκτίμηση Αερίων του Θερμοκηπίου]]<br /> <br /> [[Χαρτογράφηση και Ανίχνευση Ορυκτών Πρώτων Υλών στη Μήλο]]<br /> <br /> [[Αμπελουργία Ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου με τηλεσκοπικά δεδομένα]]<br /> <br /> [[Χαρτογράφηση χρήσεων και κάλυψη γης από δορυφορικά δεδομένα Sentinel 2 και Landsat 8]]<br /> <br /> [[Αποστολή στον Άρη: MARS2020 AND MARS SAMPLE RETURN]]<br /> <br /> [[Χωροθέτηση αιολικού πάρκου στη Ζάκυνθο]]<br /> <br /> [[Αξιολόγηση χαρακτηριστικών ποιότητας αστικού τοπίου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%8D%CF%81%CF%84%CE%B1_%CE%95%CF%8D%CE%BA%CE%BB%CE%B5%CE%B9%CE%B1 2021-02-15T15:43:47Z

<p>Efklia: Νέα σελίδα με 'Βαθυμετρία και χαρτογράφηση πυθμένα με τηλεπισκοπικές τεχνικές [[Συγκριτική αξιολόγηση τω...'</p> <hr /> <div>[[Βαθυμετρία και χαρτογράφηση πυθμένα με τηλεπισκοπικές τεχνικές]]<br /> [[Συγκριτική αξιολόγηση των μεθόδων για αρχαιολογικές διασκοπήσεις]]<br /> [[Συγχώνευση τηλεσκοπικών μεθόδων]]<br /> [[Εκτίμηση Αερίων του Θερμοκηπίου]]<br /> [[Χαρτογράφηση και Ανίχνευση Ορυκτών Πρώτων Υλών στη Μήλο]]<br /> [[Αμπελουργία Ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου με τηλεσκοπικά δεδομένα]]<br /> [[Χαρτογράφηση χρήσεων και κάλυψη γης από δορυφορικά δεδομένα Sentinel 2 και Landsat 8]]<br /> [[Αποστολή στον Άρη: MARS2020 AND MARS SAMPLE RETURN]]<br /> [[Χωροθέτηση αιολικού πάρκου στη Ζάκυνθο]]<br /> [[Αξιολόγηση χαρακτηριστικών ποιότητας αστικού τοπίου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%9F%CF%81%CF%85%CE%BA%CF%84%CF%8E%CE%BD_%CE%A0%CF%81%CF%8E%CF%84%CF%89%CE%BD_%CE%A5%CE%BB%CF%8E%CE%BD_%CF%83%CF%84%CE%B7_%CE%9C%CE%AE%CE%BB%CE%BF 2021-02-14T00:35:12Z

<p>Efklia: Νέα σελίδα με ' Εικ. 1 Συνδυασμός καναλιών RGB 321, Πηγή:[https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978]...'</p> <hr /> <div>[[Εικόνα:SEMilos1.jpg | thumb | right | Εικ. 1 Συνδυασμός καναλιών RGB 321, Πηγή:[https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978]]]<br /> [[Εικόνα:SEMilos2.jpg | thumb | right | Εικ. 2 Συνδυασμός καναλιών RGB 432, Πηγή:[https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978]]]<br /> [[Εικόνα:SEMilos3.jpg | thumb | right | Εικ. 3 Γεωλογικός χάρτης Μήλου, Πηγή:[https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978]]]<br /> [[Εικόνα:SEMilos4.jpg | thumb | right | Εικ. 4 Λατομείο μπετονίτη, Πηγή:[https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Γεωλογική χαρτογράφηση κ Ανίχνευση Ορυκτών Πρώτων Υλών με ανάλυση δορυφορικής εικόνας Hyperion. Περιοχή μελέτης: Κεντρική Μήλος<br /> <br /> '''Συγγραφείς:''' Σταυρούλα Γιαννακοπούλου<br /> <br /> '''Πηγή:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978<br /> <br /> '''Λέξεις κλειδιά:''' Ταξινόμηση, Κλασματική κάλυψη, Hyperion, Φασματική υπογραφή, Ποιοτικός έλεγχος, Γεωλογικός σχηματισμός, Ορυκτές πρώτες ύλες, Υλικό-στόχος, Καθαρός στόχος, Χαρτογράφηση<br /> '''<br /> Αντικείμενο Εφαρμογής:''' Χαρτογράφηση και ανίχνευση ορυκτών πρώτων υλών με τη χρήση τηλεπισκόπησης<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Ως περιοχή μελέτης έχει οριστεί το κεντρικό τμήμα της Μήλου. Η χρήση μεθόδων τηλεπισκόπησης έχει στόχο αφενός τη χαρτογράφηση των γεωλογικών σχηματισμών (ρυολιθικών και ανδεσιτικών λαβών, ηφαιστειακών τόφφων, ασβεστόλιθων), και αφετέρου τον εντοπισμό των Ορυκτών Πρώτων Υλών (ΠΟΥ) (π.χ. περλίτη, μπετονίτη, καολίνη). Καθώς το νησί καλύπτεται σε μεγάλο μέρος από ηφαιστειακά πετρώματα, έχουν δημιουργηθεί βιομηχανικά ορυκτά, κάτι το οποίο εκμεταλλεύονται οικονομικά οι κάτοικοι. Η επιλογή του συγκεκριμένου νησιού, έγινε εξαιτίας του οικονομικού ενδιαφέροντος και της ύπαρξης μεγάλων εκτάσεων χωρίς βλάστηση.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η Μήλος βρίσκεται στο κεντρικό τμήμα του ενεργού ηφαιστειακού τόξου του νοτίου Αιγαίου. Άρα αποτελείται κυρίως από ηφαιστειακά προϊόντα, ενώ απαντώνται και κάποια πυροκλαστικά χερσαίας απόθεσης και τοφφίτες στο θαλάσσιο περιβάλλον. Επίσης στο ανατολικό τμήμα του νησιού έχουν δημιουργηθεί κοιτάσματα μπετονίτη, καολινίτη, σουλφιδίων και βαρύτη. Τα σημαντικότερα κοιτάσματα του νησιού που θα εντοπιστούν μέσω των τηλεσκοπικών μεθόδων είναι: ο μπετονίτης, ο περλίτης, η ποζολάνη, το πυριτικό, ο ζεόλιθος, ο καολίνης και η βαρυτίνη. Ο συνδυασμός γνώσεων από τον τομέα της γεωλογίας και αυτών της ψηφιακής τηλεπισκόπησης εφαρμόστηκε ώστε ο εντοπισμός των παραπάνω υλικών να καταστεί ευκολότερος και ακριβέστερος. Ο δορυφόρος Earth Observing (EO-1), που τέθηκε πρώτη φορά σε τροχιά το 2000 από τη NASA, φέρει τον υπερφασματικό αισθητήρα Hyperion. Η εικόνα του Hyperion που επιλέχθηκε, έχει χωρική ανάλυση 30 m, και φασματική ανάλυση που αντιστοιχεί στα 10 nm, και τραβήχτηκε στις 20/08/2001.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Σε οποιαδήποτε ερευνητική διαδικασία ξεκινούμε με το στάδιο της προεπεξεργασίας των εικόνων. Αυτό στοχεύει στο να λάβουμε τα επιθυμητά αποτελέσματα από τα προϊόντα της υπερφασματικής αναζήτησης. Επίσης θα οδηγήσει στην κατάλληλη επιλογή καναλιών (bad bands), ώστε να μειωθεί η διαστατικότητα (dimensionality) των δεδομένων και της υπολογιστικής πολυπλοκότητας (computational complexity). Πραγματοποιήθηκε λοιπόν φασματική, ραδιομετρική, γεωμετρική και ατμοσφαιρικές διορθώσεις της εικόνας, ώστε να μετατραπεί η ακτινοβολία (radiance) σε ανακλαστικότητα επιφάνειας (reflectance). Τέλος, εξήχθησαν τα χαρακτηριστικά PCA, MNF και συντελεστής συσχέτισης, για μετέπειτα χρήση.<br /> <br /> Η εικόνα 1 εμφανίζει έναν συνδυασμό καναλιών RGB 321, ενώ η εικόνα 2 δείχνει την υγιή βλάστηση του νησιού με τον συνδυασμό RGB 432. Έχουν δε ληφθεί από τον δορυφόρο Landsat 5 TM.<br /> Ακολούθησε επιλογή και κατηγοριοποίηση των πετρωμάτων και ορυκτών, σύμφωνα με το γεωλογικό χάρτη της Μήλου (εικ.3). Οι διαδικασίες φασματικού διαχωρισμού που εφαρμόστηκαν είναι οι SFF (Spectral Feature Fitting) και MTMF (Mixture Tuned Matched Filtering), ενώ οι μέθοδοι ταξινόμησης είναι οι Spectral Angle Mapper και Mahalanobis distance, ολόκληρου του εικονοστοιχείου.<br /> <br /> Η επιλογή των υλικών-στόχων είναι απαραίτητο να γίνει σωστά για να χαρτογραφηθεί σωστά η εικόνα. Ονομάζονται δε «καθαροί στόχοι». Για την πραγματοποίηση αυτού χρησιμοποιήθηκαν φασματικές υπογραφές των ορυκτών και των πετρωμάτων ενδιαφέροντος από τις διαθέσιμες φασματικές βιβλιοθήκες (USGS, THU κλπ) ή φασματικές υπογραφές από τις περιοχές ενδιαφέροντος (regions of interest ή ground truth points), που συλλέχθηκαν μέσω οπτικού ελέγχου και τη βοήθεια του γεωλογικού χάρτη. Επιπλέον, μέσω της διαδικασίας Spectral Hourglass Wizard του λογισμικού ENVI, οι καθαροί στόχοι καθορίστηκαν με αυτόματη εξαγωγή, όπως για παράδειγμα στη μετασχηματισμένη Minimum Noise Fraction (MNF) εικόνα με 15 κανάλια.<br /> <br /> Η μέθοδος φασματικού διαχωρισμού Spectral Feature Fitting είναι μια από τις βασικές μεθόδους ανάλυσης με ανάλυση ολόκληρου του εικονοστοιχείου (whole pixel ή per-pixel method). Ο αλγόριθμος βασίζεται στα χαρακτηριστικά απορρόφησης των φασματικών στόχων και έτσι δηλώνεται εάν βρίσκονται σε αφθονία στην υπερφασματική εικόνα. Βασική αρχή της μεθόδου είναι η σύγκριση του φάσματος του εικονοστοιχείου με το γνωστό φάσμα αναφοράς, που έχει επιλεγεί. Έτερη μεθοδολογία είναι η υβριδική Mixture Tuned Matched Filtering (MTMF). Από αυτήν προκύπτουν οι κλασματικές καλύψεις των ύπο-εικονοστοιχείων για κάθε φασματική υπογραφή. Ο αλγόριθμος MTMF συνδυάζει πλεονεκτήματα των τεχνικών Matched Filtered (MF) και Linear Spectral Unimixing (LSU) και προστίθεται και η μεταβλητή infeasibility. Ο τελευταίος αλγόριθμος ανιχνεύει λεπτές αλλαγές στα φάσματα και υπογραμμίζει τις πιο feasible περιοχές. Τα πιο ακριβή αποτελέσματα προέκυψαν από τη μεθοδολογία MTMF η οποία δίνει μεγαλύτερα ποσοστά αφθονίας και είναι πιο αξιόπιστη για κλασματικές καλύψεις των καθαρών στόχων.<br /> <br /> Στο επόμενο στάδιο έγινε ταξινόμηση μέσω Spectral Angle Mapper (SAM) και Mahalanobis distance ολόκληρου του εικονοστοιχείου. Η SAM είναι μέθοδος αυτόματης επιβλεπόμενης ταξινόμησης και λειτουργεί με ανακλαστικότητα επιφάνειας. Η μέθοδος Mahalanobis distance έχει πολλές ομοιότητες με τις μεθόδους ταξινόμησεις Maximum Likelihood Classification (MNC) και Minimum Distance Classification. Η βασική της διαφορά με την MLC είναι πως θεωρεί το σύνολο συνδιακυμάνσεων ως ίδιο. Δημιουργήθηκε δε για την επίλυση των λανθασμένα ταξινομημένων δεδομένων με την ευκλείδεια απόσταση. Τα καλύτερα αποτελέσματα για τη SAM προέκυψαν στην ταξινόμηση της μετασχηματισμένης εικόνας MNF (Overall accuracy=54,9%), ενώ για τη Mahalanobis distance με τη χρήση της εικόνας από την MTMF.<br /> <br /> '''Ποιοτικός Έλεγχος και Σύγκριση Αποτελεσμάτων'''<br /> <br /> Ο ποιοτικός έλεγχος των αποτελεσμάτων έγινε με δύο τρόπους: 1) Κατασκευή πινάκων της συνολικής ακρίβειας της ταξινόμησης (overall accuracy) και των πινάκων error of omission-commission, και 2) Οπτικός έλεγχος.<br /> Οι πίνακες συνολικής ακρίβειας κατασκευάστηκαν ώστε το άθροισμα των ποσοστών να είναι ίσο με το 100%. Η συνολική ακρίβεια υπολογίζεται αθροίζοντας τον αριθμό των σωστά ταξινομημένων τιμών και διαιρώντας με το συνολικό αριθμό των τιμών που ελέγχονται. Τα σφάλματα προκύπτουν όταν τα εικονοστοιχεία δεν αναγνωρίστηκαν ως παρόντα και ταξινομούνται σε διαφορετική κλάση (omission error), αλλά και όταν είναι εσφαλμένα αναγνωρισμένα ως άλλες κλάσεις (commission error). Η ακρίβεια χαρτογράφησης είναι ο αριθμός των σωστά ταυτοποιημένων στοιχείων στο σύνολο της εμφανιζόμενης περιοχής, διαιρούμενος με αυτόν τον αριθμό μαζί με τα pixel omission-commission errors. Η απόδοση της συνολικής ακρίβειας της ταξινόμησης συμβάλλει στη σύγκριση των αποτελεσμάτων από διαφορετικές μεθόδους για την ίδια υπερφασματική εικόνα. Την συγκεκριμένη εργασία, επειδή η αξιολόγηση των μεθοδολογιών με τον ίδιο τρόπο δεν ήταν εφικτή, δεν υπήρξε ιδιαίτερη πρόοδος προς αυτή την κατεύθυνση.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η νήσος Μήλος είναι πλούσια σε Ορυκτές Πρώτες Ύλες. Η ανάπτυξη των μεθόδων τηλεπισκόπησης ευνοείται εξαιτίας της μειωμένης βλάστησης και των διαθέσιμων πληροφοριών σε σχέση με τις θέσεις ενδιαφέροντος. Η μείωση των κλάσεων όπως των ρυολιθικών λαβών και των ηφαιστειακών τόφφων αυξάνει την ακρίβεια των μεθοδολογιών επιλογής. Όσον αφορά στα συμπεράσματα των βέλτιστων μεθόδων και αλγορίθμων που χρησιμοποιήθηκαν, έχουν αναφερθεί παραπάνω. Αν και δεν υπήρχε η δυνατότητα για έλεγχο δεδομένων σε επίγεια σημεία και περιοχών εκπαίδευσης στην ύπαιθρο (in-situ) ώστε να συνδεθούν με τα δορυφορικά δεδομένα, τα αποτελέσματα της ταξινόμησης και η δημιουργία χαρτών αφθονίας κρίνονται πολύ ενθαρρυντικά.<br /> <br /> <br /> [[category:Εξερεύνηση ορυκτών πόρων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%89%CF%81%CE%BF%CE%B8%CE%AD%CF%84%CE%B7%CF%83%CE%B7_%CE%B1%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CF%80%CE%AC%CF%81%CE%BA%CE%BF%CF%85_%CF%83%CF%84%CE%B7_%CE%96%CE%AC%CE%BA%CF%85%CE%BD%CE%B8%CE%BF 2021-02-14T00:19:08Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:SEZak1.jpg | thumb | right | Εικ. 1 Εικόνα από Landsat 4-5 TM, Πηγή:[http://hdl.handle.net/11615/43394]]] <br /> [[Εικόνα:SEZak2.jpg | thumb | right | Εικ. 2 Διάγραμμα ροής, Πηγή:[http://hdl.handle.net/11615/43394]]] <br /> [[Εικόνα:SEZak3.jpg | thumb | right | Εικ. 3 Καλύψεις γης με επιβλεπόμενη ταξινόμηση, Πηγή:[http://hdl.handle.net/11615/43394]]]<br /> [[Εικόνα:SEZak4.jpg | thumb | right | Εικ. 4 Κλίσεις εδάφους, Πηγή:[http://hdl.handle.net/11615/43394]]] <br /> <br /> '''Πρωτότυπος Τίτλος:''' Χωροθέτηση αιολικού πάρκου στη νήσο Ζάκυνθο μέσω τηλεπισκόπησης και γεωγραφικών συστημάτων πληροφοριών<br /> <br /> '''Συγγραφείς:''' Μαρία Ακτύπη<br /> <br /> '''Πηγή:''' http://hdl.handle.net/11615/43394<br /> <br /> '''Λέξεις κλειδιά:''' Aνανεώσιμες Πηγές ενέργειας, Χωροθέτηση Αιολικού Πάρκου, Γεωγραφικά Συστήματα Πληροφοριών, Tηλεπισκόπηση<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χωροθέτηση αιολικού πάρκου στη Ζάκυνθο με χρήση τηλεπισκόπησης<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Η μελέτη χωροθέτησης αιολικού πάρκου πραγματοποιήθηκε για το νησί της Ζακύνθου, με τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών (ΓΠΣ) μέσω του προγράμματος ArcMap10 καθώς και με την τηλεπισκόπηση μέσω του προγράμματος Erdas Imagine 2011. Στην πρώτη περίπτωση προσδιορίζονται οι κατάλληλες περιοχές βάσει των κριτηρίων της Εθνικής νομοθεσίας, ενώ μέσα από τις δορυφορικές εικόνες Landsat 4-5 TM δημιουργείται χάρτης καλύψεων γης.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η κατασπατάληση των φυσικών πόρων της Γης έχει επιφέρει πολλά προβλήματα σε περιβαλλοντικό, αλλά και σε άλλα επίπεδα (κοινωνικό, οικονομικό κλπ). Είναι επιτακτική η ανάγκη λοιπόν να στραφούμε σε Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ), όπως στο συγκεκριμένο παράδειγμα στην αιολική. Ωστόσο, δεν πρέπει να ξεχνάμε πως είναι απαραίτητο να πληρούνται όλες εκείνες οι προϋποθέσεις και να τηρούνται οι κανόνες και τα κριτήρια που έχει θέσει το Ειδικό Πλαίσιο Χωροταξικού Σχεδιασμού και Αειφόρου Ανάπτυξης (ΕΠΧΣΑΑ), ώστε να ενταχθούν αρμονικά στο περιβάλλον. Η αιολική ενέργεια σήμερα αποτελεί την πλέον συμφέρουσα ανανεώσιμη πηγή ενέργειας, εφόσον το κάστος της παραγόμενης αιολικής KWh συναγωνίζεται το κόστος της συμβατικής KWh.<br /> <br /> Τα Γεωγραφικά Συστήματα Πληροφοριών (ΓΠΣ) και η τηλεπισκόπηση, λοιπόν, θα χρησιμοποιηθούν για την εκμετάλλευση της αιολικής ενέργειας, μέσω του σχεδιασμού χωροθέτησης ενός αιολικού πάρκου στη Ζάκυνθο. Θα δημιουργηθεί και αναλυθεί ένα χωρικό τεχνικό μοντέλο για την εφαρμογή των νομικών περιορισμών για τις Ανανεώσιμες Πηγές Ενέργειας.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ένα χωρικό μοντέλο δημιουργήθηκε για να λυθεί το ζήτημα της τοποθέτησης του αιολικού πάρκου. Αυτό περιέχει όλα τα κριτήρια και τους κανόνες της ισχύουσας νομοθεσίας (περιοχές Natura 2000, καταφύγιο άγριας ζωής , βιότοποι corine, κλπ).<br /> Δημιουργήθηκε μια βάση δεδομένων (γεωβάση) σε περιβάλλον ArcGIS και εισήχθησαν τα παρακάτω διανυσματικά επίπεδα πληροφορίας: Χαρτογραφικά υπόβαθρα τοπογραφικών χαρτών κλίμακας 1:50.000, Περιφέρεια Ζακύνθου (περιοχή μελέτης), Αιολικό δυναμικό (μέση ετήσια ταχύτητα ανέμου 40m από την επιφάνεια του εδάφους), Οδικό δίκτυο, Δίκτυο Natura 2000, Καταφύγιο άγριας ζωής, Βιότοποι corine, Αξιόλογες ακτές και παραλίες, Οριοθετημένοι οικισμοί, Τουριστικοί οικισμοί, Ιερές μονές, Υψηλό δίκτυο τάσης, Χρήσεις γης, Μεταλλευτικές και εξορυκτικές ζώνες, Εκτάσεις αγροτικής γης υψηλής παραγωγικότητας, Υψομετρικές καμπύλες. <br /> Για τον χάρτη χρησιμοποιήθηκε η δορυφορική εικόνα από το δορυφόρο Landsat 4-5 TM για όλη τη Ζάκυνθο, με διακριτική ικανότητα 30x30 m και ραδιομετρική ικανότητα 8 bit, χωρίς νεφώσεις.<br /> Εφαρμόστηκε επιβλεπόμενη ταξινόμηση (supervised classification) με τη βοήθεια του corine 2000, παίρνοντας τις εξής κατηγορίες: αμπελώνες-ελαιώνες, γεωργικές περιοχές, δάση και ημιφυσικές περιοχές, αστικές περιοχές και άγονες εκτάσεις. Αυτό έγινε σε περιβάλλον ERDAS Imagine. Στη συνέχεια σε ΑrcGIS, δημιουργήθηκαν πολύγωνα που περιείχαν και την πληροφορία του εμβαδού.<br /> Ακολούθησε η δημιουργία ζωνών καταλληλότητας. Αυτές ήταν για το μεν Αιολικό Δυναμικό (μέση ετήσια ταχύτητα ανέμου) ζώνες (buffer) ακτίνας 800 m, μεταξύ ταχυτήτων 5 m/s 7 m/s, για το δε οδικό δίκτυο μέγιστη απόσταση εγκατάστασης τα 10 km (αυτό το κριτήριο ικανοποιούν όλα τα σημεία του νησιού). Στη συνέχεια δημιουργήθηκαν ζώνες αποκλεισμού. Σε αυτές ανήκουν οι περιοχές Natura, το καταφύγιο άγριας ζωής, το Εθνικό Θαλάσσιο Πάρκο και οι βιότοποι corine. Ακόμα αξιόλογες ακτές, παραλίες και οικισμοί, όπου η απόσταση πρέπει να είναι τουλάχιστον 1500 m, ενώ για Ιερές Μονές, Λιμάνι, Αεροδρόμιο, Μεταλλευτικές και Εξορυκτικές ζώνες και Δίκτυο Υψηλής Τάσης, οι αποστάσεις ποικίλουν. Για το οδικό δίκτυο δημιουργείται μια ζώνη αποκλεισμού 150 m. Τέλος, αποκλείονται οι εκτάσεις αγροτικής γης υψηλής παραγωγικότητας και αρδευόμενες εκτάσεις.<br /> Για την εύρεση των τελικών περιοχών ενώθηκαν όλες οι περιοχές αποκλεισμού με την εντολή της ένωσης (union) και αφαιρέθηκαν από όλη τη Ζάκυνθο. Έπειτα οι εναπομείνασες περιοχές συνδυάστηκαν με τα κριτήρια καταλληλότητας με την εντολή τομής (intersect) και ενοποιήθηκαν με την εντολή dissolve, ώστε να χαθούν οι ενδιάμεσες γραμμές.<br /> Για την χωροθέτηση ανεμογεννητριών υπάρχουν άλλα δύο κριτήρια-κανόνες και αυτά είναι το υψόμετρο και η κλίση. Για την ανάλυση του υψομέτρου χρησιμοποιήθηκε το Ψηφιακό Μοντέλο Εδάφους (DEM-DTM) και μετατράπηκαν οι ισοϋψείς καμπύλες υψομέτρου από διανυσματική σε ψηφιακή μορφή και έπειτα κατασκευάστηκε η δομή του υψομέτρου με το Δίκτυο Ακανόνιστων Τριγώνων (ΤΙΝ). Για την εύρεση της κλίσης χρησιμοποιήθηκε το ψηφιακό μοντέλο με την εντολή slope. Έτσι προέκυψαν τελικά οι κατάλληλες περιοχές χωροθέτησης του αιολικού πάρκου στη Ζάκυνθο.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Σε παγκόσμιο επίπεδο, το κλειδί για την επίλυση του ενεργειακού προβλήματος μοιάζει να είναι η στροφή προς Ανανεώσιμες Πηγές Ενέργειας, οι οποίες είναι φιλικότερες προς το περιβάλλον. Η αιολική ενέργεια θα μπορούσε να είναι μια ανεξάντλητη πηγή ενέργειας, ιδίως στην Ελλάδα, καθώς διαθέτει υψηλό αιολικό δυναμικό. Ωστόσο, παρόλο που τα αιολικά πάρκα θεωρούνται φιλικά προς το περιβάλλον, δε στερούνται επιπτώσεων προς αυτό. Για αυτό το λόγο αναπτύχθηκε η μεθοδολογία μέσω ΓΣΠ, ακολουθώντας τα κριτήρια χωροθέτησης από το Ειδικό Πλαίσιο Χωροταξικού Σχεδιασμού. Τα αποτελέσματα που προέκυψαν αναλύθηκαν περαιτέρω χρησιμοποιώντας και κάποια κριτήρια λειτουργικότητας του χώρου εγκατάστασης, όπως το υψόμετρο, οι κλίσεις του εδάφους και η έκταση των περιοχών.<br /> <br /> <br /> <br /> [[category:Ποιότητα τοπίου]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%89%CF%81%CE%BF%CE%B8%CE%AD%CF%84%CE%B7%CF%83%CE%B7_%CE%B1%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CF%80%CE%AC%CF%81%CE%BA%CE%BF%CF%85_%CF%83%CF%84%CE%B7_%CE%96%CE%AC%CE%BA%CF%85%CE%BD%CE%B8%CE%BF 2021-02-14T00:18:06Z

<p>Efklia: Νέα σελίδα με ' Εικ. 1 Εικόνα από Landsat 4-5 TM, Πηγή: [http://hdl.handle.net/11615/43394] [[Εικόνα:SEZak2.jpg | thum...'</p> <hr /> <div>[[Εικόνα:SEZak1.jpg | thumb | right | Εικ. 1 Εικόνα από Landsat 4-5 TM, Πηγή: [http://hdl.handle.net/11615/43394]]] <br /> [[Εικόνα:SEZak2.jpg | thumb | right | Εικ. 2 Διάγραμμα ροής, Πηγή: [http://hdl.handle.net/11615/43394]]] <br /> [[Εικόνα:SEZak3.jpg | thumb | right | Εικ. 3 Καλύψεις γης με επιβλεπόμενη ταξινόμηση, Πηγή: [http://hdl.handle.net/11615/43394]]]<br /> [[Εικόνα:SEZak4.jpg | thumb | right | Εικ. 4 Κλίσεις εδάφους, Πηγή: [http://hdl.handle.net/11615/43394]]] <br /> <br /> '''Πρωτότυπος Τίτλος:''' Χωροθέτηση αιολικού πάρκου στη νήσο Ζάκυνθο μέσω τηλεπισκόπησης και γεωγραφικών συστημάτων πληροφοριών<br /> <br /> '''Συγγραφείς:''' Μαρία Ακτύπη<br /> <br /> '''Πηγή:''' http://hdl.handle.net/11615/43394<br /> <br /> '''Λέξεις κλειδιά:''' Aνανεώσιμες Πηγές ενέργειας, Χωροθέτηση Αιολικού Πάρκου, Γεωγραφικά Συστήματα Πληροφοριών, Tηλεπισκόπηση<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χωροθέτηση αιολικού πάρκου στη Ζάκυνθο με χρήση τηλεπισκόπησης<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Η μελέτη χωροθέτησης αιολικού πάρκου πραγματοποιήθηκε για το νησί της Ζακύνθου, με τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών (ΓΠΣ) μέσω του προγράμματος ArcMap10 καθώς και με την τηλεπισκόπηση μέσω του προγράμματος Erdas Imagine 2011. Στην πρώτη περίπτωση προσδιορίζονται οι κατάλληλες περιοχές βάσει των κριτηρίων της Εθνικής νομοθεσίας, ενώ μέσα από τις δορυφορικές εικόνες Landsat 4-5 TM δημιουργείται χάρτης καλύψεων γης.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η κατασπατάληση των φυσικών πόρων της Γης έχει επιφέρει πολλά προβλήματα σε περιβαλλοντικό, αλλά και σε άλλα επίπεδα (κοινωνικό, οικονομικό κλπ). Είναι επιτακτική η ανάγκη λοιπόν να στραφούμε σε Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ), όπως στο συγκεκριμένο παράδειγμα στην αιολική. Ωστόσο, δεν πρέπει να ξεχνάμε πως είναι απαραίτητο να πληρούνται όλες εκείνες οι προϋποθέσεις και να τηρούνται οι κανόνες και τα κριτήρια που έχει θέσει το Ειδικό Πλαίσιο Χωροταξικού Σχεδιασμού και Αειφόρου Ανάπτυξης (ΕΠΧΣΑΑ), ώστε να ενταχθούν αρμονικά στο περιβάλλον. Η αιολική ενέργεια σήμερα αποτελεί την πλέον συμφέρουσα ανανεώσιμη πηγή ενέργειας, εφόσον το κάστος της παραγόμενης αιολικής KWh συναγωνίζεται το κόστος της συμβατικής KWh.<br /> <br /> Τα Γεωγραφικά Συστήματα Πληροφοριών (ΓΠΣ) και η τηλεπισκόπηση, λοιπόν, θα χρησιμοποιηθούν για την εκμετάλλευση της αιολικής ενέργειας, μέσω του σχεδιασμού χωροθέτησης ενός αιολικού πάρκου στη Ζάκυνθο. Θα δημιουργηθεί και αναλυθεί ένα χωρικό τεχνικό μοντέλο για την εφαρμογή των νομικών περιορισμών για τις Ανανεώσιμες Πηγές Ενέργειας.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ένα χωρικό μοντέλο δημιουργήθηκε για να λυθεί το ζήτημα της τοποθέτησης του αιολικού πάρκου. Αυτό περιέχει όλα τα κριτήρια και τους κανόνες της ισχύουσας νομοθεσίας (περιοχές Natura 2000, καταφύγιο άγριας ζωής , βιότοποι corine, κλπ).<br /> Δημιουργήθηκε μια βάση δεδομένων (γεωβάση) σε περιβάλλον ArcGIS και εισήχθησαν τα παρακάτω διανυσματικά επίπεδα πληροφορίας: Χαρτογραφικά υπόβαθρα τοπογραφικών χαρτών κλίμακας 1:50.000, Περιφέρεια Ζακύνθου (περιοχή μελέτης), Αιολικό δυναμικό (μέση ετήσια ταχύτητα ανέμου 40m από την επιφάνεια του εδάφους), Οδικό δίκτυο, Δίκτυο Natura 2000, Καταφύγιο άγριας ζωής, Βιότοποι corine, Αξιόλογες ακτές και παραλίες, Οριοθετημένοι οικισμοί, Τουριστικοί οικισμοί, Ιερές μονές, Υψηλό δίκτυο τάσης, Χρήσεις γης, Μεταλλευτικές και εξορυκτικές ζώνες, Εκτάσεις αγροτικής γης υψηλής παραγωγικότητας, Υψομετρικές καμπύλες. <br /> Για τον χάρτη χρησιμοποιήθηκε η δορυφορική εικόνα από το δορυφόρο Landsat 4-5 TM για όλη τη Ζάκυνθο, με διακριτική ικανότητα 30x30 m και ραδιομετρική ικανότητα 8 bit, χωρίς νεφώσεις.<br /> Εφαρμόστηκε επιβλεπόμενη ταξινόμηση (supervised classification) με τη βοήθεια του corine 2000, παίρνοντας τις εξής κατηγορίες: αμπελώνες-ελαιώνες, γεωργικές περιοχές, δάση και ημιφυσικές περιοχές, αστικές περιοχές και άγονες εκτάσεις. Αυτό έγινε σε περιβάλλον ERDAS Imagine. Στη συνέχεια σε ΑrcGIS, δημιουργήθηκαν πολύγωνα που περιείχαν και την πληροφορία του εμβαδού.<br /> Ακολούθησε η δημιουργία ζωνών καταλληλότητας. Αυτές ήταν για το μεν Αιολικό Δυναμικό (μέση ετήσια ταχύτητα ανέμου) ζώνες (buffer) ακτίνας 800 m, μεταξύ ταχυτήτων 5 m/s 7 m/s, για το δε οδικό δίκτυο μέγιστη απόσταση εγκατάστασης τα 10 km (αυτό το κριτήριο ικανοποιούν όλα τα σημεία του νησιού). Στη συνέχεια δημιουργήθηκαν ζώνες αποκλεισμού. Σε αυτές ανήκουν οι περιοχές Natura, το καταφύγιο άγριας ζωής, το Εθνικό Θαλάσσιο Πάρκο και οι βιότοποι corine. Ακόμα αξιόλογες ακτές, παραλίες και οικισμοί, όπου η απόσταση πρέπει να είναι τουλάχιστον 1500 m, ενώ για Ιερές Μονές, Λιμάνι, Αεροδρόμιο, Μεταλλευτικές και Εξορυκτικές ζώνες και Δίκτυο Υψηλής Τάσης, οι αποστάσεις ποικίλουν. Για το οδικό δίκτυο δημιουργείται μια ζώνη αποκλεισμού 150 m. Τέλος, αποκλείονται οι εκτάσεις αγροτικής γης υψηλής παραγωγικότητας και αρδευόμενες εκτάσεις.<br /> Για την εύρεση των τελικών περιοχών ενώθηκαν όλες οι περιοχές αποκλεισμού με την εντολή της ένωσης (union) και αφαιρέθηκαν από όλη τη Ζάκυνθο. Έπειτα οι εναπομείνασες περιοχές συνδυάστηκαν με τα κριτήρια καταλληλότητας με την εντολή τομής (intersect) και ενοποιήθηκαν με την εντολή dissolve, ώστε να χαθούν οι ενδιάμεσες γραμμές.<br /> Για την χωροθέτηση ανεμογεννητριών υπάρχουν άλλα δύο κριτήρια-κανόνες και αυτά είναι το υψόμετρο και η κλίση. Για την ανάλυση του υψομέτρου χρησιμοποιήθηκε το Ψηφιακό Μοντέλο Εδάφους (DEM-DTM) και μετατράπηκαν οι ισοϋψείς καμπύλες υψομέτρου από διανυσματική σε ψηφιακή μορφή και έπειτα κατασκευάστηκε η δομή του υψομέτρου με το Δίκτυο Ακανόνιστων Τριγώνων (ΤΙΝ). Για την εύρεση της κλίσης χρησιμοποιήθηκε το ψηφιακό μοντέλο με την εντολή slope. Έτσι προέκυψαν τελικά οι κατάλληλες περιοχές χωροθέτησης του αιολικού πάρκου στη Ζάκυνθο.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Σε παγκόσμιο επίπεδο, το κλειδί για την επίλυση του ενεργειακού προβλήματος μοιάζει να είναι η στροφή προς Ανανεώσιμες Πηγές Ενέργειας, οι οποίες είναι φιλικότερες προς το περιβάλλον. Η αιολική ενέργεια θα μπορούσε να είναι μια ανεξάντλητη πηγή ενέργειας, ιδίως στην Ελλάδα, καθώς διαθέτει υψηλό αιολικό δυναμικό. Ωστόσο, παρόλο που τα αιολικά πάρκα θεωρούνται φιλικά προς το περιβάλλον, δε στερούνται επιπτώσεων προς αυτό. Για αυτό το λόγο αναπτύχθηκε η μεθοδολογία μέσω ΓΣΠ, ακολουθώντας τα κριτήρια χωροθέτησης από το Ειδικό Πλαίσιο Χωροταξικού Σχεδιασμού. Τα αποτελέσματα που προέκυψαν αναλύθηκαν περαιτέρω χρησιμοποιώντας και κάποια κριτήρια λειτουργικότητας του χώρου εγκατάστασης, όπως το υψόμετρο, οι κλίσεις του εδάφους και η έκταση των περιοχών.<br /> <br /> <br /> <br /> [[category:Ποιότητα τοπίου]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7_%CE%B3%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel_2_%CE%BA%CE%B1%CE%B9_Landsat_8 2021-02-13T23:59:46Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:SEKypros1.jpg | thumb | right | Εικ. 1 Περιοχές μελέτης Landsat 8 και Sentinel 2, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/1551...'</p> <hr /> <div>[[Εικόνα:SEKypros1.jpg | thumb | right | Εικ. 1 Περιοχές μελέτης Landsat 8 και Sentinel 2, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/15518]]]<br /> [[Εικόνα:SEKypros2.jpg | thumb | right | Εικ. 2 Βήματα δορυφόρου Landsat 8, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/15518]]]<br /> [[Εικόνα:SEKypros3.jpg | thumb | right | Εικ. 3 Βήματα δορυφόρου Sentinel 2, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/15518]]]<br /> [[Εικόνα:SEKypros4.jpg | thumb | right | Εικ. 4 Τελικό αποτέλεσμα από Landsat 8, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/15518]]]<br /> [[Εικόνα:SEKypros5.jpg | thumb | right | Εικ. 5 Μέγιστη πιθανοφάνεια από Sentinel 2, Πηγή: [https://ktisis.cut.ac.cy/handle/10488/15518]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Χαρτογράφηση χρήσεων και κάλυψη γης από δορυφορικά δεδομένα Sentinel 2 και Landsat 8<br /> <br /> '''Συγγραφείς:''' Αγγελίνα Μιχαήλ<br /> <br /> '''Πηγή:''' https://ktisis.cut.ac.cy/handle/10488/15518<br /> <br /> '''Λέξεις κλειδιά:''' Τηλεπισκόπηση, Sentinel 2, Landsat 8, ταξινόμηση, Μέγιστη Πιθανοφάνεια, Ελάχιστη Απόσταση, Φασματική Γωνία<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χαρτογράφηση καλλιεργειών<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα μελέτη πραγματοποιείται σύγκριση των αποτελεσμάτων ταξινόμησης, εικόνων της Κύπρου από τους δορυφόρους Landsat 8 και Sentinel 2. Χρησιμοποιήθηκαν οι μέθοδοι Μέγιστης Πιθανοφάνειας, Ελάχιστης Απόστασης και Φασματικής Γωνίας με τις ίδιες περιοχές εκπαίδευσης. Ακολουθήθηκαν δύο στρατηγικές ταξινόμησης με τυχαία δείγματα περιοχών εκπαίδευσης και τυχαίο αριθμό για να καλυφθεί όλη η Κύπρος.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χρήση της τηλεπισκόπησης τα τελευταία χρόνια βοηθά στο να παρακολουθούμε και να προστατεύουμε το περιβάλλον, χαρτογραφώντας το και εντοπίζοντας τυχόν προβλήματα. Η φωτοερμηνεία (η αναγνώριση δηλαδή των αντικειμένων) είναι πολύ σημαντικό κομμάτι της τηλεπισκόπησης, όμως χρησιμοποιώντας αλγόριθμους, καθίσταται δυνατό να υπάρξουν στατιστικές πληροφορίες και με την ταξινόμηση της ψηφιακής εικόνας να δημιουργηθούν θεματικοί χάρτες, αναγνωρίζοντας φασματικά και χωρικά πρότυπα. Στη συγκεκριμένη εργασία πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση περιοχής της Κύπρου με τη χρήση των δορυφόρων Landsat 8 και Sentinel 2. Η περιοχή μελέτης για τον Landsat 8 ήταν όλη η νήσος Κύπρος εκτός του πενταδάκτυλου, ενώ για τον Sentinel 2 το νοτιοανατολικό τμήμα της Κύπρου. Να σημειωθεί πως οι ημερομηνίες είναι διαφορετικές: 28/9/2018 και 5/3/2017 αντίστοιχα. Στη δε δεύτερη παρατηρούνται και κάποιες νεφώσεις. Η ταξινόμηση έγινε στο πρόγραμμα ERDAS 2016.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ο δορυφόρος Landsat 8 είναι σε λειτουργία από το 2013 και χρησιμοποιεί τα όργανα OLI (Operational Land Image) και TIRS (θερμικούς υπέρυθρους αισθητήρες). Έχει χωρική ανάλυση 30 μέτρων και καλύπτει το ορατό, NIR και SWIR φάσμα. Ο δορυφόρος Sentinel 2 αποτελείται ουσιαστικά από δύο δορυφόρους τον 2A και τον 2B, που εκτοξεύθηκαν από την ESA το 2015 και 2017 αντίστοιχα. Η χωρική τους ανάλυση περιλαμβάνει ζώνες των 10, 20 και 60 μέτρων.<br /> <br /> Επιλέχθηκαν δύο εικόνες, από τον δορυφόρο Landsat 8 η Level 1C και από τον Sentinel 2 η Level 2A με σύστημα αναφοράς το WGS 84. Έπειτα έγιναν όλες οι απαραίτητες ραδιομετρικές, ατμοσφαιρικές και γεωμετρικές διορθώσεις. Επιλέχθηκαν οι βασικές κατηγορίες χρήσης και κάλυψης γης, όπως δασική γη, υδάτινες επιφάνειες, καλλιεργημένες ή μη εκτάσεις και άλλες. Αποφασίστηκε το κατάλληλο σύστημα ταξινόμησης με το Corine και το USGS, αλλά και της ελάχιστης εδαφικής μονάδας. Έπειτα η μεθοδολογία της ψηφιακής επεξεργασίας και τα κανάλια της πολυφασματικής εικόνας για την ποιοτική φωτοερμηνεία. Πραγματοποιήθηκε ομαδοποίηση των διαφορετικών καλύψεων γης σε συγκεκριμένες χρήσεις γης και δημιουργήθηκε μια ψηφιακή εικόνα με διάφορες κατηγορίες από τα επιμέρους επίπεδα φωτοερμηνείας. Τέλος προσδιορίστηκε η ακρίβεια με σύγκριση χαρτών και επίγειους ελέγχους.<br /> <br /> Το επόμενο στάδιο που ακολουθήθηκε είναι η ταξινόμηση. Υπάρχουν δύο είδη, η επιβλεπόμενη που χρησιμοποιεί τους αλγόριθμους ελάχιστης απόστασης, μέγιστης πιθανοφάνειας και φασματικής γωνίας, και η μη επιβλεπόμενη, που είναι πιο αυτοματοποιημένη και χρησιμοποιεί τους αλγόριθμους Κ-Μέσων (K-Means), ISODATA και άλλους. Στις διορθωμένες εικόνες έγινε επιβλεπόμενη ταξινόμηση και με τους τρεις αλγόριθμους για κάθε μία από αυτές. Καθώς το ζητούμενο ήταν η δημιουργία θεματικών χαρτών, απαιτείται και η μεγαλύτερη δυνατή ακρίβεια. Ανάλογα με τις ανάγκες του χρήστη, υπάρχουν τρία είδη: Ολική ακρίβεια= Άθροισμα διαγώνιων στοιχείων/Ολικό πλήθος ψηφίδων, , Ακρίβεια αναλυτή= Πλήθος ορθά ταξινομημένων ψηφίδων/Συνολικό αριθμό ολικά ταξινομημένων ψηφίδων, και Ακρίβεια χρήστη= Πλήθος ορθά ταξινομημένων ψηφίδων/Συνολικό αριθμό ολικά ταξινομημένων ψηφίδων.<br /> <br /> '''Αποτελέσματα και Συγκρίσεις'''<br /> <br /> Το αντιπροσωπευτικό αποτέλεσμα προέκυψε με τη διαδικασία τοποθέτησης των περιοχών εκπαίδευσης και της κατηγοριοποίησης των δειγμάτων. Εφαρμόστηκαν οι τρεις μέθοδοι ταξινόμησης και πήραμε μια εικόνα για κάθε μέθοδο. Μετά την τοποθέτηση των 100 τυχαίων σημείων και την αντιστοίχιση, προέκυψε ο συντελεστής Κ, που επιβεβαίωνε την ορθότητα της ταξινόμησης. Αυτή η διαδικασία ακολουθήθηκε και για τις δύο εικόνες από τους δορυφόρους. Συγκρίνοντας τις εικόνες της Μέγιστης Πιθανοφάνειας το Overall Accuracy είναι 92% και 88% για το Sentinel 2 και Landsat 8, τιμές που θεωρούνται πολύ ακριβείς και αποδεκτές. Τα ποσοστά Συνολικής Ακρίβειας για τη μέθοδο της Ελάχιστης Απόστασης είναι αντίστοιχα 91% και 89%, επίσης πολύ υψηλά, ενώ για τις εικόνες της Φασματικής Γωνίας, έχουμε 90% και 88%. Με τις παραπάνω συγκρίσεις διαπιστώνουμε πως η εικόνα Sentinel 2 έχει καλύτερα στατιστικά από αυτήν της Landsat 8, πιθανόν επειδή απεικονίζει μικρότερη περιοχή, είναι δηλαδή κοντινότερη και τα δείγματα για τις περιοχές εκπαίδευσης είναι πιο ξεκάθαρα. Οι μικρές διαφορές της μπορεί να οφείλονται στο ότι πάρθηκαν σε διαφορετική χρονική στιγμή, διότι κατά τα άλλα παρουσιάζονται παρόμοιες.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ο σκοπός λοιπόν της παρούσας μελέτης, η ταξινόμηση σε δύο διαφορετικές δορυφορικές εικόνες με τις ίδιες περιοχές εκπαίδευσης, επετεύχθη. Χρησιμοποιήθηκαν τρεις μέθοδοι ταξινόμησης και συγκρίθηκαν τα αποτελέσματα, ώστε να καθοριστεί η μέθοδος με τα λιγότερα σφάλματα και τη μεγαλύτερη ακρίβεια. <br /> <br /> <br /> [[category:Ταξινόμηση καλλιεργειών]]</div>

Efklia 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_%CF%87%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%BF%CF%8D_%CF%84%CE%BF%CF%80%CE%AF%CE%BF%CF%85 2021-02-13T23:35:41Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:SEAsttopio1.jpg | thumb | right | Εικ. 1 Διάταξη κατάτμησης/ταξινόμησης και ροή πληροφορίας, Πηγή: [http...'</p> <hr /> <div>[[Εικόνα:SEAsttopio1.jpg | thumb | right | Εικ. 1 Διάταξη κατάτμησης/ταξινόμησης και ροή πληροφορίας, Πηγή: [https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834]]]<br /> [[Εικόνα:SEAsttopio2.jpg | thumb | right | Εικ. 2 Αντιπροσωπευτική περιοχή μελέτης, Πηγή: [https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834]]]<br /> [[Εικόνα:SEAsttopio3.jpg | thumb | right | Εικ. 3 Διανυσματικά (Vector) δεδομένα οικοδομικών τετραγώνων, Πηγή: [https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834]]]<br /> [[Εικόνα:SEAsttopio4.jpg | thumb | right | Εικ. 4 Θεματικός χάρτης, Πηγή: [https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' ΑΞΙΟΛΟΓΗΣΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΠΟΙΟΤΗΤΑΣ ΤΟΥ ΑΣΤΙΚΟΥ ΤΟΠΙΟΥ ΜΕ ΧΡΗΣΗ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΑΝΑΛΥΣΗΣ<br /> <br /> '''Συγγραφείς:''' Γιώργος Ι. Ρηγόπουλος<br /> <br /> '''Πηγή:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834<br /> <br /> '''Λέξεις κλειδιά:''' αντικειμενοστραφής ανάλυση , αντικειμενοστραφής ταξινόμηση, LiDAR, IKONOS, ανάλυση ποιότητας, ποιότητα αστικού τοπίου, αστικό πράσινο, έμπειρα συστήματα.<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Αξιολόγηση χαρακτηριστικών ποιότητας του αστικού τοπίου με τη βοήθεια τηλεπισκόπησης<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Η διαδικασία ταξινόμησης στην Τηλεπισκόπηση με την αντικειμενοστρεφή προσέγγιση (object oriented) δημιουργεί ομοιογενή σύνολα, σε αντίθεση με τους περισσότερους αλγόριθμους που επεξεργάζονται εικονοστοιχεία (pixel-based). Δημιουργώντας πλατφόρμες αντικειμενοστρεφών συστημάτων που θα χειρίζονται όλο και πιο σύνθετα τηλεσκοπικά προβλήματα, επιταχύνονται και αυτοματοποιούνται πολλές διαδικασίες που θα ήταν πολύ χρονοβόρες. Η συγκεκριμένη διπλωματική εργασία στοχεύει στη δημιουργία ενός δείκτη ποιότητας μέσω μιας νέας εφαρμογής και η απεικόνιση της παραχθείσας πληροφορίας. Αυτός ο δείκτης αφορά στην ποιότητα του αστικού τοπίου σε επίπεδο οικοδομικού τετραγώνου με δεδομένα από IKONOS δορυφορικές και LiDAR απεικονίσεις. Για τη δημιουργία του δείκτη, συντελεστές ήταν η ύπαρξη αστικού πρασίνου, η πυκνότητα της δόμησης, το υψόμετρο και η θέα του κάθε τετραγώνου.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Είναι θεμελιώδες στο σχεδιασμό του αστικού περιβάλλοντος η διαφύλαξη των στοιχείων του φυσικού τοπίου, όπως το αστικό πράσινο και το υδάτινο περιβάλλον. Αυτό προϋποθέτει να συνδυαστεί με τη δυνατότητα των κατοίκων να τα προσεγγίζουν και να τα απολαμβάνουν.<br /> Καθώς οι εφαρμογές της αντικειμενοστρεφούς ταξινόμησης κερδίζουν έδαφος, η δυνατότητά τους να χειρίζονται σχεσιακά μοντέλα, παράγει δεδομένα για χρήση σε περίπλοκες μελέτες και όχι απλώς χάρτες κάλυψης του εδάφους. Η συλλογή χωρικών πληροφοριών έχει εμπλουτιστεί πλέον με δορυφορικά δεδομένα μεγάλης ακρίβειας ακόμα και στην υψομετρική διάσταση με τη χρήση των LiDAR απεικονίσεων. Αυτό έχει ως αποτέλεσμα η τηλεπισκόπηση να μπορεί να συνεργαστεί με χωροτάκτες, πολεοδόμους και περιβαλλοντολόγους εντοπίζοντας τις κατάλληλες και τις προβληματικές περιοχές.<br /> <br /> '''Μέθοδοι, λογισμικό και δεδομένα'''<br /> <br /> Επιλέχθηκε η μέθοδος της αντικειμενοστρεφούς ανάλυσης εξαιτίας του ότι δεν έχει το μειονέκτημα του θορύβου «αλατοπίπερου» - salt and pepper ταξινομήσεων, ενώ αντίθετα παρέχει εκμετάλλευση των σχέσεων του κάθε εικονοστοιχείου με το περιβάλλον του. Επίσης η απεικόνιση ποιοτικών χαρακτηριστικών μπορεί να είναι χωρικά ανεξάρτητη ή εξαρτημένη σε μια μονάδα φυσικής σημασίας, όπως οικοδομικό τετράγωνο, και ευνοεί τη σχεδόν πλήρως αυτοματοποιημένη δημιουργία και ορισμό του οικοδομικού τετραγώνου. Το λογισμικό αντικειμενοστρεφούς ανάλυσης που χρησιμοποιήθηκε είναι το eCognition. Πρώτο στάδιο είναι η κατάτμηση της εικόνας σε ομογενή τμήματα, μέσω της τεχνικής συγχώνευσης περιοχών, και ελέγχονται από τη μεταβλητή «παράμετρος κλίμακας» (scale parameter). Δεύτερο στάδιο είναι η ταξινόμηση όχι μόνο βάση φασματικών χαρακτηριστικών, αλλά και άλλων κριτηρίων μέσω της ασαφούς λογικής “fuzzy logic” εισάγεται η βάση γνώσης σε λογισμικό. Οι κατηγορίες που θα δημιουργηθούν μπορεί να οργανωθούν σε ευρύτερες θεματικές ομάδες. Τα αποτελέσματα της αντικειμενοστρεφούς ανάλυσης μπορούν να εξαχθούν ως εικόνα raster ή υπό μορφή πολυγώνων και να χρησιμοποιηθούν σε περιβάλλον GIS. Ο δείκτης που επιχειρείται να δημιουργηθεί, έχει τη μορφή σύνθετου χαρακτηριστικού (custom feature) και είναι αναγκαίο να «τροφοδοτηθεί» από δεδομένα της περιοχής μελέτης για την αξιολόγηση του τοπίου. Προαπαιτούμενα 1) Συνδυασμός σετ δεδομένων υψομετρικής, διανυσματικής (vector) και φασματικής πληροφορίας 2) Δημιουργία δεδομένων στην εικόνα και κατάλληλη ταξινόμησή του και 3) Ανίχνευση και ταξινόμηση οικοδομικών τετραγώνων. Ακολουθεί η ειδική ταξινόμηση. Ανάλογα με τα ποιοτικά χαρακτηριστικά του τετραγώνου θα παραχθεί μια κατάλληλη χρωματική διαβάθμιση. Τα ποιοτικά κριτήρια με σειρά βαρύτητας είναι το αστικό πράσινο, το ποσοστό ακάλυπτων χώρων και η θέα.<br /> Η λειτουργία του δείκτη ποιότητας γίνεται σε τρία στάδια:<br /> 1) Συλλογή από αντικείμενα (sub-objects) (εικ. 1). Αναλύεται η συνολική χωρική και υψομετρική πληροφορία από τη LiDAR εικόνα και από τις κατατμημένες φασματικές εικόνες, και αντλούνται τιμές αντικειμένων από το κατώτερο επίπεδο ταξινόμησης. Για τη λειτουργία του QualityIndex δημιουργούνται τρία νέα χαρακτηριστικά, η πυκνότητα πρασίνου (GreenDensity), η παρουσία ακάλυπτων χώρων (Unbuilt Area) και η σχετική υψομετρική θέση των οικοδομικών τετραγώνων (Relative Block Elevation).<br /> 2) Αντιστοιχία βαρών ανάλογα με το οικοδομικό τετράγωνο.<br /> 3) Εφαρμογή δείκτη QualityIndex και μετα-ταξινόμηση. Αυτή θα γίνει σε μια κατάλληλη κατατμημένη εικόνα της περιοχής η οποία θα αποτελεί το δεύτερο επίπεδο (Level 2), για το οποίο αποτελούν υπερ-αντικείμενα (super-scale objects) οι πληροφορίες του τρίτου επιπέδου κατάτμησης (Level 3), η απόδοση δηλαδή, της υψομετρικής πληροφορίας.<br /> <br /> Επιλέχθηκε μια IKONOS δορυφορική εικόνα και ένα LiDAR υψομετρικό μοντέλο, επειδή καλύπτουν απαιτήσεις όπως η υψηλή ραδιομετρική ακρίβεια, η ευκολία στον προσδιορισμό της τρίτης διάστασης και στο διαχωρισμό δρόμων από κτίρια, όπως επίσης και των σκιώδων περιοχών βλάστησης. Το εγγύς υπέρυθρο κανάλι θα χρησιμεύσει στη χαρτογράφηση των συγκεντρώσεων πρασίνου, ενώ τα δεδομένα LiDAR θα εξυπηρετήσουν για τη διάκριση κτιρίων/άκτιστων περιοχών και την ταξινόμηση σκιώδων αντικειμένων.<br /> <br /> Σαν περιοχή μελέτης ορίζεται μέρος του δήμου Παλαιού Φαλήρου σαν μια τυπική, οικιστική περιοχή με τυπική ρυμοτομία και δενδροφύτευση, ενώ καλύπτει περίπου είκοσι οικοδομικά τετράγωνα. Η δορυφορική απεικόνιση IKONOS περιλαμβάνει τέσσερα φασματικά κανάλια (Red, Blue, Green, NIR) με χωρική διακριτική ικανότητα 1m και διαστάσεις 590x641 pixels. Τα δεδομένα του υπέστησαν επεξεργασία pansharpening με χρήση του παγχρωματικού καναλιού. Το LiDAR υψομετρικό μοντέλο είναι ενός παλμού (top response), προϊόν αερομεταφερόμενου Σαρωτή Λέιζερ (Laserscanner) χωρικής διακριτικής ικανότητας 1m. Επίσης στο dataset έχει προστεθεί ένα διανυσματικό (vector) αρχείο AUTOCAD DFX στα κεντρικά 11 τετράγωνα και θεωρούνται ως η αντιπροσωπευτική περιοχή μελέτης (εικ. 2).<br /> <br /> Ακολουθεί μίξη επιπέδων για να γίνει φωτοερμηνεία. Από IKONOS raster layer για κάθε φασματικό κανάλι όπως επίσης και για LiDAR raster layer. Πραγματοποιούνται με τη σειρά κατάτμηση και ταξινόμηση πρώτου επιπέδου, κατάτμηση και ταξινόμηση τρίτου επιπέδου και τέλος κατάτμηση και ταξινόμηση δεύτερου επιπέδου. Για την τελευταία ταξινόμηση, ο δείκτης θα χρησιμοποιήσει το πρώτο επίπεδο ως «υπό»-επίπεδο, ενώ το τρίτο ως «υπέρ»-επίπεδο. Από αυτές τις αναλύσεις θα προκύψει ο τελικός Δείκτης Ποιότητας του Αστικού Τοπίου QualityIndex. Θα ακολουθήσει οπτικοποίηση με χρωματική κλίμακα. Αυτές είναι: Πολύ Χαμηλή Ποιότητα (Very Low Quality), Χαμηλή Ποιότητα (Low Quality), Μέτρια Ποιότητα (Medium Quality) και Υψηλή Ποιότητα (High Quality).<br /> <br /> '''Αξιολόγηση Αποτελεσμάτων'''<br /> <br /> Ο αλγόριθμος ταξινόμησης δίνει ακριβή αποτελέσματα. Εφόσον η κάθε κλάση καταλαμβάνει συγκεκριμένες τιμές, δεν υφίσταται επικάλυψη μεταξύ τους και έχουμε ορθό αποτέλεσμα. Για ολοκληρωμένο ωστόσο έλεγχο της εγκυρότητας της μελέτης, απαιτείται έρευνα αξιολόγησης π.χ. από επιτροπή ειδικών. Τα περισσότερα οικοδομικά τετράγωνα της περιοχής μελέτης χαρακτηρίζονται ως Μέτριας Ποιότητας. Σημαντικό είναι πως κανένα από αυτά δεν εντάσσεται στην κατηγορία Υψηλής Ποιότητας (High Quality). Αυτό το αποτέλεσμα επιβεβαιώνεται και φωτοερμηνευτικά, παρατηρώντας την εικόνα LiDAR (εικ. 4).<br /> <br /> '''Συμπεράσματα-Προοπτικές'''<br /> <br /> Στην παρούσα εργασία δόθηκε βάρος στις αυτοματοποιημένες διαδικασίες που θα μειώσουν την εμπλοκή του χρήστη στη λήψη αποφάσεων, εξοικονομώντας χρόνο. Η δημιουργία του τρόπου αξιολόγησης με τον Δείκτη Ποιότητας Αστικού Τοπίου, παρότι επιδέχεται περαιτέρω βελτίωση, αναμένεται να αναδειχτεί σημαντική σε πολεοδόμους ή άλλους σχεδιαστές που χειρίζονται μεγάλο όγκο δεδομένων. Ο συγκεκριμένος αλγόριθμος, καθώς μπορεί να εξαχθεί ως πρωτόκολλο, έχει τη δυνατότητα να αποτελέσει βοήθημα για κάθε χρήση, καθιστώντας την Τηλεπισκόπηση εργαλείο ακόμα και για καθημερινούς σκοπούς. <br /> <br /> <br /> <br /> [[category:Ποιότητα τοπίου]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CF%87%CF%8E%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD 2021-02-13T23:14:13Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:10.1. Περιοχή μελέτης, Ουγγαρία.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης, Ουγγαρία, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.2. Οριζόντια τομογραφική απεικόνιση για υψόμετρο των 93 μέτρων του λόφου Καστά.jpg | thumb | right | Εικ. 2 Οριζόντια τομογραφική απεικόνιση για υψόμετρο των 93 μέτρων του λόφου Καστά, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.3. Μη επιβλεπόμενη ταξινόμηση.jpg | thumb | right | Εικ. 3 Μη επιβλεπόμενη ταξινόμηση, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.4. Μοντέλα Παλινδρόμησης.jpg | thumb | right | Εικ. 4 Μοντέλα Παλινδρόμησης, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> <br /> <br /> '''Πρωτότυπος Τίτλος:''' Συγχώνευση τηλεπισκοπικών δεδομένων για την ανίχνευση υπεδάφιων αρχαιολογικών καταλοίπων<br /> <br /> '''Συγγραφείς:''' Μάνος Παπαγεωργίου<br /> <br /> '''Πηγή:''' http://ktisis.cut.ac.cy/handle/10488/12745<br /> <br /> '''Λέξεις Κλειδιά:''' ενίσχυση, συγχώνευση, επίγεια ραδιομετρία, γεωραντάρ, πολυφασματικές εικόνες, τηλεπισκόπηση στην αρχαιολογία, ταξινόμηση<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Συσχέτιση και συγχώνευση τηλεσκοπικών μεθόδων με σκοπό τη βελτιστοποίηση ανίχνευσης υπεδάφιων αρχαιολογικών θέσεων.<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα μελέτη εξετάζεται η συσχέτιση μεταξύ γεωραντάρ, επίγειας ραδιομετρίας και πολυφασματικών δορυφορικών εικόνων και κατά πόσο είναι δυνατό να επιτευχθεί μια μορφή συγχώνευσης, ούτως ώστε να ανιχνεύονται καλύτερα υπεδάφια αρχαιολογικά κατάλοιπα. Αναπτύχθηκαν διάφορα μαθηματικά μοντέλα παλινδρόμησης για συσχέτιση ενός γεωραντάρ και ενός φασματοραδιόμετρου. Σε εικόνες με δείκτες βλάστησης εφαρμόστηκαν τεχνικές ανάλυσης εικόνων.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα τελευταία χρόνια οι διάφοροι αισθητήρες και τεχνικές τηλεπισκόπησης έχουν αναδειχθεί σε σημαντικό εργαλείο για τον εντοπισμό αρχαιολογικών θέσεων. Πρόσφατα το ενδιαφέρον έχει στραφεί στη συγχώνευση δεδομένων από πηγές όπως πολυφασματικές εικόνες, φασματοραδιόμετρα, γεωραντάρ και άλλα τηλεσκοπικά μέσα. Αυτό στοχεύει στη βελτίωση της ερμηνείας των δεδομένων, ούτως ώστε όλες οι πληροφορίες που πάρθηκαν με διαφορετικές χωρικές και φασματικές αναλύσεις από αισθητήρες σε δορυφόρους, αεροσκάφη και επίγειες πλατφόρμες, να μας δώσουν στοιχεία για τον εντοπισμό αρχαιολογικών καταλοίπων. Σκοπός της μελέτης είναι να διερευνηθεί κατά πόσο είναι ικανοποιητική η συσχέτιση μεταξύ των δεδομένων από τις διάφορες πηγές. Η περιοχή μελέτης είναι ένας αρχαιολογικός χώρος στην Ουγγαρία (εικ1).<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Τα τρία σετ δεδομένων ήταν τα εξής: α) μια υψηλής ανάλυσης δορυφορική εικόνα GeoEye με ανάλυση 50cm β) επίγειες υπερφασματικές υπογραφές, που συλλέχθηκαν από ένα φασματοραδιόμετρο GER-1500 με εύρος 350-1050 nm (Visible-Near Infrared φάσμα) και γ) μετρήσεις GPR με αντένα συχνότητας 250 MHz. Χρησιμοποιήθηκαν 18 δείκτες βλάστησης από τις μετρήσεις του GER-1500 για τη δημιουργία εικόνων, ώστε να εφαρμοστούν διάφορες τεχνικές ανάλυσης. Όλα τα σετ είχαν υποστεί τα απαραίτητα αρχικά βήματα προεπεξεργασίας.<br /> <br /> Αρχικά επιχειρήθηκε να συσχετιστούν 6 δείκτες βλάστησης (Green NDVI, NDVI, NDVI 2, SARVI, RDVI και REP), οι τιμές 4 καναλιών (Band 1-4) και των 3 συντελεστών Crop mark, Vegetation και Soil της εικόνας GeoEye. Στο επόμενο στάδιο εξετάστηκαν υποσύνολα των μετρήσεων GPR και χωρίστηκαν σε ομάδες ανάλογα με τις τιμές σε διάφορους δείκτες. Επίσης χρησιμοποιήθηκε ο αλγόριθμος K-means. Εντοπίστηκαν τα βέλτιστα μαθηματικά μοντέλα παλινδρόμησης. Κατόπιν δημιουργήθηκαν 18 διαφορετικές εικόνες από τους αντίστοιχους 18 δείκτες βλάστησης. Η εντολή Composite bands συγχώνευσε τις εικόνες σε μία με 18 κανάλια. Η ίδια διαδικασία έγινε και για τις μετρήσεις του GPR.<br /> <br /> Για την τεχνική ανάλυσης με τα έγχρωμα σύνθετα δημιουργήθηκαν 60 διαφορετικά έγχρωμα σύνθετα με διάφορους συνδυασμούς των 18 εικόνων των δεικτών βλάστησης και των 3 εικόνων των μετρήσεων του GPR. Έγινε εκτέλεση στο λογισμικό ArcMap και σε κάθε περίπτωση συνδυάζονταν οι τρεις παράγοντες R-G-B.<br /> <br /> Επόμενη τεχνική ήταν η ταξινόμηση. Συγκεκριμένα η μη-επιβλεπόμενη (εικ.3), που εφαρμόστηκε σε κάθε μία εκ των 18 εικόνων, αλλά και στη γενική εικόνα με τα 18 κανάλια, έγινε στο λογισμικό ENVI με τον αλγόριθμο ISODATA (unsupervised classification). Επαναλήφθηκε η διαδικασία μέχρι τον εντοπισμό των βέλτιστων κέντρων. Η επιβλεπόμενη ταξινόμηση έγινε επίσης με το λογισμικό ENVI και χρησιμοποιήθηκαν οι αλγόριθμοι Μέγιστης Πιθανοφάνειας, Ελάχιστης Απόστασης και Φασματικής Γωνίας. Τελευταίο είδος ταξινόμησης ήταν επιβλεπόμενη με τη χρήση SVMs (Support Vector Machines). Εδώ, η συνάρτηση Kernel παρουσιάστηκε με τέσσερα διαφορετικά μαθηματικά μοντέλα: το Linear, το Polynomial, το Radial Basis Function και το Sigmoid. Στη συνέχεια εφαρμόστηκε ο αλγόριθμος RXD (Reed-Xiaoli Detector), UTD (Uniform Target Detector) και RXD-UTD με διάφορους συνδυασμούς στην εικόνα με τα 18 κανάλια.<br /> <br /> Στο τελικό στάδιο παρουσιάστηκαν τα καλύτερα μοντέλα παλινδρόμησης στην προσπάθεια συσχέτισης των μετρήσεων GPR με τις μετρήσεις του φασματοραδιόμετρου πάνω στην πολυφασματική εικόνα GeoEye (εικ.4). Αρχικά απεικονίστηκε ο δείκτης βλάστησης SARVI (Soil and Atmospherically Resistant Vegetation Index) πάνω στην εικόνα GeoEye και μετά εντοπίστηκαν τα βέλτιστα μαθηματικά μοντέλα που συνδέουν το δείκτη SARVI με τις μετρήσεις του GPR που αντιστοιχούν σε βάθος 0-0,60m. Επιλέχθηκε το γραμμικό (Linear) μοντέλο, εξαιτίας της πολυπλοκότητας των υπολοίπων. Δημιουργήθηκαν τρεις νέες εικόνες που επεξεργάστηκαν με ENVI και ArcMap.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Οι διάφορες τεχνικές τηλεπισκόπησης μπορούν να δώσουν διαφορετικά αποτελέσματα μεταξύ τους χωρίς αυτά να σχετίζονται απαραίτητα. Η ερμηνεία, δηλαδή, γίνεται σαν παζλ, όπου έχουμε αποσπασματικές πληροφορίες που πρέπει να συνδυαστούν για την κατανόηση μέρους του συνόλου της περιοχής μελέτης. Μετά από αρκετές προσπάθειες και δοκιμές, τα θετικά αποτελέσματα για τη συσχέτιση μεταξύ δεδομένων από GPR, φασματοραδιόμετρο και πολυφασματικές εικόνες υπήρξαν λίγα. Σε ανάλογη μελέτη (Agapiou et al.) διαπιστώθηκε πως το γραμμικό μοντέλο παλινδρόμησης (Linear) είναι το καταλληλότερο για τη συγχώνευση των μετρήσεων, καθώς παρουσίασε αποτελέσματα με το Pearson coefficient (R) να φτάνει σχεδόν ως το 50%. Στην παρούσα μελέτη υπήρξαν νέα ευρήματα που ενθαρρύνουν την περαιτέρω έρευνα στο συγκεκριμένο θέμα. Από τα μαθηματικά μοντέλα παλινδρόμησης, το κυβικό (Cubic) αποδείχτηκε το βέλτιστο για τη δημιουργία ισχυρής συσχέτισης των δύο σετ δεδομένων. Στους δείκτες βλάστησης ο REP και ο GREEN NDVI έδωσαν τους υψηλότερους συντελεστές προσδιορισμού (R2). Στις τεχνικές ανάλυσης της εικόνας, τα έγχρωμα σύνθετα (RGB composites) παρά τις προσπάθειες, δεν παρουσίασαν ιδιαίτερα αποτελέσματα. Η επιβλεπόμενη ταξινόμηση αποδείχτηκε πως υπερτερεί κατά πολύ έναντι της μη επιβλεπόμενης, ενώ και η χρήση των SVMs (Support Vector Machine Classification) έδωσε σχετικά καλά αποτελέσματα. Οι εφαρμογές των αλγορίθμων RXD και UTD μέσω του εργαλείου RX Anomaly Detection του λογισμικού ENVI δεν επέφερε κάτι επιθυμητό. Η εικόνα που δημιουργήθηκε μέσω των μαθηματικών μοντέλων παλινδρόμησης, δε φαίνεται να βοηθά στον εντοπισμό υπεδάφιων αρχαιολογικών καταλοίπων.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συμπεραίνουμε λοιπόν, πως μπορεί να υπάρξει συσχέτιση μεταξύ των μετρήσεων του Γεωραντάρ (GPR) και ορισμένων δεικτών βλάστησης μέσω του κυβικού μοντέλου παλινδρόμησης (Cubic), ωστόσο μόνο για ορισμένες από αυτές. Περαιτέρω διερεύνηση των μετρήσεων με τη χρήση του PCT πιθανόν να επιφέρει καλύτερα αποτελέσματα. Συνεπώς φανερώνεται πως η ενίσχυση της οπτικής τηλεπισκόπησης για τον καλύτερο εντοπισμό αρχαιολογικών καταλοίπων είναι εφικτή, δίνοντας έτσι τη δυνατότητα για μελλοντική έρευνα και πρακτικές εφαρμογές.<br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CF%87%CF%8E%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD 2021-02-13T23:11:36Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:10.1. Περιοχή μελέτης, Ουγγαρία.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης, Ουγγαρία, Πηγή: [http://kti...'</p> <hr /> <div>[[Εικόνα:10.1. Περιοχή μελέτης, Ουγγαρία.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης, Ουγγαρία, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.2. Οριζόντια τομογραφική απεικόνιση για υψόμετρο των 93 μέτρων του λόφου Καστά.jpg | thumb | right | Εικ. 2 Οριζόντια τομογραφική απεικόνιση για υψόμετρο των 93 μέτρων του λόφου Καστά, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.3. Μη επιβλεπόμενη ταξινόμηση.jpg | thumb | right | Εικ. 3 Μη επιβλεπόμενη ταξινόμηση, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> [[Εικόνα:10.4. Μοντέλα Παλινδρόμησης.jpg | thumb | right | Εικ. 4 Μοντέλα Παλινδρόμησης, Πηγή: [http://ktisis.cut.ac.cy/handle/10488/12745]]]<br /> <br /> <br /> '''Πρωτότυπος Τίτλος:''' Συγχώνευση τηλεπισκοπικών δεδομένων για την ανίχνευση υπεδάφιων αρχαιολογικών καταλοίπων<br /> <br /> '''Συγγραφείς:''' Μάνος Παπαγεωργίου<br /> <br /> '''Πηγή:''' http://ktisis.cut.ac.cy/handle/10488/12745<br /> <br /> '''Λέξεις Κλειδιά:''' ενίσχυση, συγχώνευση, επίγεια ραδιομετρία, γεωραντάρ, πολυφασματικές εικόνες, τηλεπισκόπηση στην αρχαιολογία, ταξινόμηση<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Συσχέτιση και συγχώνευση τηλεσκοπικών μεθόδων με σκοπό τη βελτιστοποίηση ανίχνευσης υπεδάφιων αρχαιολογικών θέσεων.<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα μελέτη εξετάζεται η συσχέτιση μεταξύ γεωραντάρ, επίγειας ραδιομετρίας και πολυφασματικών δορυφορικών εικόνων και κατά πόσο είναι δυνατό να επιτευχθεί μια μορφή συγχώνευσης, ούτως ώστε να ανιχνεύονται καλύτερα υπεδάφια αρχαιολογικά κατάλοιπα. Αναπτύχθηκαν διάφορα μαθηματικά μοντέλα παλινδρόμησης για συσχέτιση ενός γεωραντάρ και ενός φασματοραδιόμετρου. Σε εικόνες με δείκτες βλάστησης εφαρμόστηκαν τεχνικές ανάλυσης εικόνων.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα τελευταία χρόνια οι διάφοροι αισθητήρες και τεχνικές τηλεπισκόπησης έχουν αναδειχθεί σε σημαντικό εργαλείο για τον εντοπισμό αρχαιολογικών θέσεων. Πρόσφατα το ενδιαφέρον έχει στραφεί στη συγχώνευση δεδομένων από πηγές όπως πολυφασματικές εικόνες, φασματοραδιόμετρα, γεωραντάρ και άλλα τηλεσκοπικά μέσα. Αυτό στοχεύει στη βελτίωση της ερμηνείας των δεδομένων, ούτως ώστε όλες οι πληροφορίες που πάρθηκαν με διαφορετικές χωρικές και φασματικές αναλύσεις από αισθητήρες σε δορυφόρους, αεροσκάφη και επίγειες πλατφόρμες, να μας δώσουν στοιχεία για τον εντοπισμό αρχαιολογικών καταλοίπων. Σκοπός της μελέτης είναι να διερευνηθεί κατά πόσο είναι ικανοποιητική η συσχέτιση μεταξύ των δεδομένων από τις διάφορες πηγές. Η περιοχή μελέτης είναι ένας αρχαιολογικός χώρος στην Ουγγαρία (εικ1).<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Τα τρία σετ δεδομένων ήταν τα εξής: α) μια υψηλής ανάλυσης δορυφορική εικόνα GeoEye με ανάλυση 50cm β) επίγειες υπερφασματικές υπογραφές, που συλλέχθηκαν από ένα φασματοραδιόμετρο GER-1500 με εύρος 350-1050 nm (Visible-Near Infrared φάσμα) και γ) μετρήσεις GPR με αντένα συχνότητας 250 MHz. Χρησιμοποιήθηκαν 18 δείκτες βλάστησης από τις μετρήσεις του GER-1500 για τη δημιουργία εικόνων, ώστε να εφαρμοστούν διάφορες τεχνικές ανάλυσης. Όλα τα σετ είχαν υποστεί τα απαραίτητα αρχικά βήματα προεπεξεργασίας. <br /> Αρχικά επιχειρήθηκε να συσχετιστούν 6 δείκτες βλάστησης (Green NDVI, NDVI, NDVI 2, SARVI, RDVI και REP), οι τιμές 4 καναλιών (Band 1-4) και των 3 συντελεστών Crop mark, Vegetation και Soil της εικόνας GeoEye. Στο επόμενο στάδιο εξετάστηκαν υποσύνολα των μετρήσεων GPR και χωρίστηκαν σε ομάδες ανάλογα με τις τιμές σε διάφορους δείκτες. Επίσης χρησιμοποιήθηκε ο αλγόριθμος K-means. Εντοπίστηκαν τα βέλτιστα μαθηματικά μοντέλα παλινδρόμησης. Κατόπιν δημιουργήθηκαν 18 διαφορετικές εικόνες από τους αντίστοιχους 18 δείκτες βλάστησης. Η εντολή Composite bands συγχώνευσε τις εικόνες σε μία με 18 κανάλια. Η ίδια διαδικασία έγινε και για τις μετρήσεις του GPR.<br /> Για την τεχνική ανάλυσης με τα έγχρωμα σύνθετα δημιουργήθηκαν 60 διαφορετικά έγχρωμα σύνθετα με διάφορους συνδυασμούς των 18 εικόνων των δεικτών βλάστησης και των 3 εικόνων των μετρήσεων του GPR. Έγινε εκτέλεση στο λογισμικό ArcMap και σε κάθε περίπτωση συνδυάζονταν οι τρεις παράγοντες R-G-B.<br /> Επόμενη τεχνική ήταν η ταξινόμηση. Συγκεκριμένα η μη-επιβλεπόμενη (εικ.3), που εφαρμόστηκε σε κάθε μία εκ των 18 εικόνων, αλλά και στη γενική εικόνα με τα 18 κανάλια, έγινε στο λογισμικό ENVI με τον αλγόριθμο ISODATA (unsupervised classification). Επαναλήφθηκε η διαδικασία μέχρι τον εντοπισμό των βέλτιστων κέντρων. Η επιβλεπόμενη ταξινόμηση έγινε επίσης με το λογισμικό ENVI και χρησιμοποιήθηκαν οι αλγόριθμοι Μέγιστης Πιθανοφάνειας, Ελάχιστης Απόστασης και Φασματικής Γωνίας. Τελευταίο είδος ταξινόμησης ήταν επιβλεπόμενη με τη χρήση SVMs (Support Vector Machines). Εδώ, η συνάρτηση Kernel παρουσιάστηκε με τέσσερα διαφορετικά μαθηματικά μοντέλα: το Linear, το Polynomial, το Radial Basis Function και το Sigmoid. Στη συνέχεια εφαρμόστηκε ο αλγόριθμος RXD (Reed-Xiaoli Detector), UTD (Uniform Target Detector) και RXD-UTD με διάφορους συνδυασμούς στην εικόνα με τα 18 κανάλια. <br /> Στο τελικό στάδιο παρουσιάστηκαν τα καλύτερα μοντέλα παλινδρόμησης στην προσπάθεια συσχέτισης των μετρήσεων GPR με τις μετρήσεις του φασματοραδιόμετρου πάνω στην πολυφασματική εικόνα GeoEye (εικ.4). Αρχικά απεικονίστηκε ο δείκτης βλάστησης SARVI (Soil and Atmospherically Resistant Vegetation Index) πάνω στην εικόνα GeoEye και μετά εντοπίστηκαν τα βέλτιστα μαθηματικά μοντέλα που συνδέουν το δείκτη SARVI με τις μετρήσεις του GPR που αντιστοιχούν σε βάθος 0-0,60m. Επιλέχθηκε το γραμμικό (Linear) μοντέλο, εξαιτίας της πολυπλοκότητας των υπολοίπων. Δημιουργήθηκαν τρεις νέες εικόνες που επεξεργάστηκαν με ENVI και ArcMap.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Οι διάφορες τεχνικές τηλεπισκόπησης μπορούν να δώσουν διαφορετικά αποτελέσματα μεταξύ τους χωρίς αυτά να σχετίζονται απαραίτητα. Η ερμηνεία, δηλαδή, γίνεται σαν παζλ, όπου έχουμε αποσπασματικές πληροφορίες που πρέπει να συνδυαστούν για την κατανόηση μέρους του συνόλου της περιοχής μελέτης. Μετά από αρκετές προσπάθειες και δοκιμές, τα θετικά αποτελέσματα για τη συσχέτιση μεταξύ δεδομένων από GPR, φασματοραδιόμετρο και πολυφασματικές εικόνες υπήρξαν λίγα. Σε ανάλογη μελέτη (Agapiou et al.) διαπιστώθηκε πως το γραμμικό μοντέλο παλινδρόμησης (Linear) είναι το καταλληλότερο για τη συγχώνευση των μετρήσεων, καθώς παρουσίασε αποτελέσματα με το Pearson coefficient (R) να φτάνει σχεδόν ως το 50%. Στην παρούσα μελέτη υπήρξαν νέα ευρήματα που ενθαρρύνουν την περαιτέρω έρευνα στο συγκεκριμένο θέμα. Από τα μαθηματικά μοντέλα παλινδρόμησης, το κυβικό (Cubic) αποδείχτηκε το βέλτιστο για τη δημιουργία ισχυρής συσχέτισης των δύο σετ δεδομένων. Στους δείκτες βλάστησης ο REP και ο GREEN NDVI έδωσαν τους υψηλότερους συντελεστές προσδιορισμού (R2). Στις τεχνικές ανάλυσης της εικόνας, τα έγχρωμα σύνθετα (RGB composites) παρά τις προσπάθειες, δεν παρουσίασαν ιδιαίτερα αποτελέσματα. Η επιβλεπόμενη ταξινόμηση αποδείχτηκε πως υπερτερεί κατά πολύ έναντι της μη επιβλεπόμενης, ενώ και η χρήση των SVMs (Support Vector Machine Classification) έδωσε σχετικά καλά αποτελέσματα. Οι εφαρμογές των αλγορίθμων RXD και UTD μέσω του εργαλείου RX Anomaly Detection του λογισμικού ENVI δεν επέφερε κάτι επιθυμητό. Η εικόνα που δημιουργήθηκε μέσω των μαθηματικών μοντέλων παλινδρόμησης, δε φαίνεται να βοηθά στον εντοπισμό υπεδάφιων αρχαιολογικών καταλοίπων.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συμπεραίνουμε λοιπόν, πως μπορεί να υπάρξει συσχέτιση μεταξύ των μετρήσεων του Γεωραντάρ (GPR) και ορισμένων δεικτών βλάστησης μέσω του κυβικού μοντέλου παλινδρόμησης (Cubic), ωστόσο μόνο για ορισμένες από αυτές. Περαιτέρω διερεύνηση των μετρήσεων με τη χρήση του PCT πιθανόν να επιφέρει καλύτερα αποτελέσματα. Συνεπώς φανερώνεται πως η ενίσχυση της οπτικής τηλεπισκόπησης για τον καλύτερο εντοπισμό αρχαιολογικών καταλοίπων είναι εφικτή, δίνοντας έτσι τη δυνατότητα για μελλοντική έρευνα και πρακτικές εφαρμογές.<br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CE%BA%CF%81%CE%B9%CF%84%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CE%B4%CE%B9%CE%B1%CF%83%CE%BA%CE%BF%CF%80%CE%AE%CF%83%CE%B5%CE%B9%CF%82 2021-02-13T18:50:07Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:9.1. Αεροφωτογραφία.jpg | thumb | right | Εικ. 1 Αεροφωτογραφία, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.2. Λήψη δορυφορικών εικόνων.jpg | thumb | right | Εικ. 2 Λήψη δορυφορικών εικόνων, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.3. Γεωραντάρ.jpg | thumb | right | Εικ. 3 Γεωραντάρ, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.4. Σεισμική Ανάκλαση και Σεισμική Διάθλαση.jpg | thumb | right | Εικ. 4 Σεισμική Ανάκλαση και Σεισμική Διάθλαση, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.5. Ηχοβολιστής Πλευρικής Σάρωσης.jpg | thumb | right | Εικ. 5 Ηχοβολιστής Πλευρικής Σάρωσης, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Παρουσίαση και συγκριτική αξιολόγηση των μεθόδων για αρχαιολογικές διασκοπήσεις<br /> <br /> '''Συγγραφείς:''' ΖΑΧΑΡΗ ΑΧΙΛΛΕΟΠΟΥΛΟΥ<br /> <br /> '''Πηγή:''' https://hellanicus.lib.aegean.gr/handle/11610/19015<br /> <br /> '''Λέξεις κλειδιά:''' διασκόπηση, φωτογραμμετρία, αρχαιολογία, τηλεπισκόπηση, αεροφωτογραφίες, δορυφορικές εικόνες<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Συγκριτική αξιολόγηση των μεθόδων αρχαιολογικών διασκοπήσεων<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Καθώς αναπτύσσεται η τεχνολογία, η συμμετοχή της σαν εργαλείο για τη μελέτη του περιβάλλοντος, του παγκόσμιου κλίματος και το σχεδιασμό αναπτυξιακών και παραγωγικών δραστηριοτήτων είναι πολύ μεγάλη. Πιο συγκεκριμένα, τα τελευταία χρόνια η δορυφορική παρατήρηση της Γης είναι εξαιρετικά σημαντική σε πάρα πολλούς τομείς και δη στην αρχαιολογία. Για τον εντοπισμό νέων αρχαιολογικών θέσεων ή ερμηνεία και κατανόηση ήδη γνωστών, χρησιμοποιούνται πολλές νέες μέθοδοι που μας έχει προσφέρει η φυσική επιστήμη. Αυτές είναι η Τηλεπισκόπηση, τα Γεωραντάρ, η βαρυτομετρική μέθοδος, η ηλεκτρική μέθοδος, η μαγνητική διασκόπηση, οι σεισμικές μέθοδοι και τα ηχοβολιστικά υποβρύχιων ερευνών.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι γεωφυσικές τεχνικές αναπτύχθηκαν αρχικά για γεωλογικές εφαρμογές. Ωστόσο, τις δεκαετίες του 1940 και 1950 στην Ευρώπη και ιδιαίτερα στη Μ.Βρετανία, άρχισαν να χρησιμοποιούνται και στις αρχαιολογικές έρευνες με αποτέλεσμα να δημιουργηθεί ειδική υποκατηγορία, η «αρχαιολογική γεωφυσική». Η εφαρμογή αυτών των μεθόδων άνθισε τη δεκαετία του 1960 με την εφεύρεση ευέλικτων οργάνων μέτρησης. Τότε ξεκίνησε και η αυτόματη ψηφιακή καταγραφή των μετρήσεων, ενώ σήμερα με την εξέλιξη της πληροφορικής, η συλλογή των γεωφυσικών δεδομένων είναι πλήρως ψηφιακή και ο όγκος αυτών τεράστιος.<br /> Οι αρχαιότητες αποτελούν διαταράξεις στην ομοιογένεια των ανωτέρων στρωμάτων της Γης και έτσι προκαλούν ανωμαλίες σε φυσικά ή τεχνητά πεδία. Οι ανωμαλίες αυτές καταγράφονται με τη βοήθεια των κατάλληλων οργάνων, επεξεργάζονται και τελικά παρουσιάζεται μια χαρτογράφηση των υπεδαφικών αρχιτεκτονικών λειψάνων. Ο γεωφυσικός που χαρτογραφεί χρησιμοποιώντας τις διάφορες μεθόδους, λαμβάνει υπόψιν του τις διαφοροποιήσεις των τιμών. Η δειγματοληψία γίνεται σε τομές με ορισμένη και σταθερή απόσταση μεταξύ τους, το «δίκτυο», που συνήθως είναι μεταξύ 0,5m και 1m. Οι παράγοντες που καθορίζουν την πυκνότητα της δειγματοληψίας είναι τρεις: το είδος, το μέγεθος και το βάθος.<br /> <br /> '''Μέθοδοι'''<br /> <br /> '''Αεροφωτογραφία'''<br /> Οι φωτογραφίες από αέρος ήταν η πρώτη από τις νέες μεθόδους που χρησιμοποιήθηκαν στην αρχαιολογία. Η λήψη πλάγιων και κατακόρυφων φωτογραφιών (εικ.1) έδινε τη δυνατότητα για φωτοερμηνεία (αναγνώριση και προσδιορισμό χαρακτηριστικών μέσω ανάλυσης και ερμηνείας της εικόνας) και εξαγωγή συμπερασμάτων και χρήσιμων πληροφοριών. Χρησιμοποιείται έως και σήμερα ως μέθοδος.<br /> <br /> '''Τηλεπισκόπηση'''<br /> Τηλεπισκόπηση είναι η συλλογή πληροφοριών αντικειμένων από τη γήινη επιφάνεια, από αισθητήρες που βρίσκονται σε δορυφόρους, είναι δηλαδή μακριά (τηλε-). Τα τελευταία χρόνια έχει εξελιχθεί σε σημαντικό εργαλείο για τη μελέτη της αρχαιολογίας, καθώς δίνει αξιόπιστα αποτελέσματα και μια ολοκληρωμένη εικόνα της περιοχής μελέτης, σε σύντομο χρονικό διάστημα, με μικρό κόστος και σε μέρη που μπορεί να είναι δύσκολη η πρόσβαση. Η δε μεθοδολογία της βασίζεται σε δύο βήματα: την ανάλυση και την ερμηνεία. Η αρχαιολογική τηλεπισκόπηση βασίζεται είτε σε παθητική απεικόνιση είτε σε ενεργή τεχνική ανίχνευσης, την Airborne Laser Scanning (ALS). «Παθητικά» ονομάζονται τα συστήματα που καταγράφουν τη φυσική ακτινοβολία (π.χ. ήλιος) και «ενεργητικά» εκείνα που καταγράφουν την εκπεμπόμενη από τα ίδια ηλεκτρομαγνητική ακτινοβολία ή από κάποια άλλη εξωτερική πηγή. <br /> Οι γεωστατικοί δορυφόροι βρίσκονται σε τροχιά περίπου στα 36.000km και επειδή έχουν την ίδια σχεδόν ταχύτητα με τη Γη, δίνουν την εντύπωση πως είναι στατικοί. Άλλοι δορυφόροι ακολουθούν την σχεδόν πολική ή ηλιοσύγχρονη τροχιά, η οποία τους δίνει τη δυνατότητα να καλύπτουν το μεγαλύτερο τμήμα της επιφάνειας της γης σε μια συγκεκριμένη χρονική στιγμή, με σταθερό φωτισμό και έτσι διευκολύνονται οι συγκρίσεις για την ίδια εποχή (εικ.2).<br /> Για να εφαρμοστεί η τηλεπισκόπηση, χρειάζονται πληροφορίες από πολλές και διαφορετικές περιοχές του φάσματος, που παρέχονται από ποικίλους αισθητήρες όπως: αισθητήρες καταγραφής (sensors), που μπορεί να είναι φωτογραφικοί ή ψηφιακοί, ενεργητικοί ή παθητικοί, κάμερες με φιλμ για κάλυψη ορατού και κοντινού υπέρυθρου φάσματος, Ραντάρ Συνθετικού Ανοίγματος (SAR), το οποίο καλύπτει το μικροκυματικό φάσμα. Καθένα από αυτά έχει συγκεκριμένα πλεονεκτήματα και μειονεκτήματα. Επίσης πολύ σημαντικό ρόλο έχει η χωρική διακριτική ικανότητα μιας παραγόμενης εικόνας, η ελάχιστη δηλαδή απόσταση μεταξύ δύο αντικειμένων στην οποία οι διαστάσεις τους φαίνονται χωριστά και καθαρά (pixel). Τέλος, συνδυάζοντας τα διάφορα φασματικά κανάλια, δημιουργούνται πολυφασματικές εικόνες με βελτιωμένη ευαισθησία στη φασματική ανάκλαση, οι οποίες είναι πολύ χρήσιμες για την φωτοερμηνεία και εξαγωγή συμπερασμάτων.<br /> <br /> '''Ηλεκτρομαγνητική μέθοδος (Γεωραντάρ)'''<br /> Το Γεωραντάρ είναι μια σύγχρονη τεχνική γεωφυσικής έρευνας. Λειτουργεί με την εκπομπή ηλεκτρομαγνητικών παλμών που διαδίδονται στο υπέδαφος (εικ.3). Όταν αυτά συναντήσουν μια διαχωριστική επιφάνεια μεταξύ δύο μέσων με διαφορετικές διηλεκτρικές ιδιότητες, τότε ένα μέρος της ενέργειάς τους ανακλάται από τη διεπιφάνεια και η υπολειπόμενη ενέργεια του παλμού συνεχίζει προς το βαθύτερο υλικό. Οι παράμετροι που πρέπει να λαμβάνονται υπόψιν είναι το βάθος διασκόπησης, η αντίθεση ηλεκτρικών και μαγνητικών ιδιοτήτων μεταξύ των διαφορετικών υλικών που δομούν το υπέδαφος και η επιθυμητή διακριτική ανάλυση. Το τελευταίο εξαρτάται από την ταχύτητα των ηλεκτρομαγνητικών κυμάτων και τη διαφορά ηλεκτρικής αγωγιμότητας μεταξύ των υλικών του υπεδάφους. Παραδείγματα εφαρμογής είναι στη συντήρηση μνημείων, στην εξέταση αρχαίων ψηφιδωτών δαπέδων, στον εντοπισμό αρχαίων κτισμάτων και αλλού.<br /> <br /> '''Βαρυτομετρική Μέθοδος'''<br /> Η Βαρυτομετρική μέθοδος βασίζεται στη διαφορά της πυκνότητας μεταξύ των πετρωμάτων. Οι διαφορές της πυκνότητας στο υπέδαφος επιδρούν στην κατανομή της έντασης βαρύτητας στην επιφάνεια της Γης. Συμπεραίνουμε πως ορισμένα μεταλλεύματα, λόγω της μεγαλύτερης πυκνότητάς τους, προκαλούν διαφορές βαρύτητας σε σύγκριση με την πυκνότητα των πετρωμάτων που τα περιβάλλουν. Όταν γειτονικά πετρώματα έχουν διαφορετικές πυκνότητες, παρατηρούνται επίσης διαφορές στη βαρύτητα, ειδικά στις περιπτώσεις στις οποίες συντρέχουν και τεκτονικοί λόγοι. Πολύ μεγάλη δυσκολία αποτελεί το γεγονός ότι είναι εξαιρετικά δύσκολο να κατασκευαστούν όργανα τα οποία να μπορούν να μετρήσουν τις απειροελάχιστες μεταβολές της βαρύτητας που αποτελεί και το τελικό ζητούμενο στις γεωφυσικές διασκοπήσεις. Οι βαρυτομετρικές ανήκουν στις παθητικές διασκοπήσεις, καθώς περιλαμβάνουν μετρήσεις φυσικών πεδίων ή ιδιοτήτων της γης.<br /> <br /> '''Γεωηλεκτρική Μέθοδος'''<br /> Οι ηλεκτρικές μέθοδοι έχουν ως στόχο τον προσδιορισμό των ηλεκτρικών ιδιοτήτων των επιφανειακών στρωμάτων του φλοιού της Γης. Η μετρούμενη ποσότητα είναι η ηλεκτρική τάση, από την οποία επιδιώκεται ο καθορισμός της ειδικής ηλεκτρικής αντίστασης και της κατανομής των τιμών της μέσα στα επιφανειακά στρώματα του εδάφους, ανάλογα με το είδος και τη φυσική τους κατάσταση. Στα ξηρά εδάφη και στα συμπαγή πετρώματα, η ηλεκτρική αγωγιμότητα είναι μικρή, ενώ στα υγρά εδάφη και στα πορώδη πετρώματα έχει μεγάλες τιμές. Συνεπώς, η μέτρηση της ηλεκτρικής αγωγιμότητας ή της ειδικής ηλεκτρικής αντίστασης των πετρωμάτων, δύναται να μας βοηθήσει να εκτιμήσουμε τη σύσταση των στρωμάτων του υπεδάφους. Παρόλα αυτά, η εφαρμογή των ηλεκτρικών μεθόδων περιορίζεται στην έρευνα γεωλογικών στρωμάτων μικρού σχετικά βάθους, διότι η διαχωριστική ικανότητα των ηλεκτρικών μεθόδων ελαττώνεται αισθητά όσο μεγαλώνει το βάθος των προς διάκριση σχηματισμών. Σαν μέθοδος ανήκει στις ενεργητικές διασκοπήσεις.<br /> <br /> '''Μαγνητική Μέθοδος'''<br /> Η Μαγνητική διασκόπηση είναι μια παθητική τεχνική με την οποία μπορούν να μετρηθούν μικρές μεταβολές (ανωμαλίες) στη βαθμίδα του γήινου μαγνητικού πεδίου. Οι ανωμαλίες προέρχονται από τις μεταβολές στην μαγνητική επιδεκτικότητα των θαμμένων αντικειμένων, οι οποίες συμβαίνουν όταν π.χ. υλικά πλούσια σε σίδηρο σχηματίζουν πιο ισχυρές σιδηρομαγνητικές δομές. Αυτή η μαγνητική ενίσχυση σχετίζεται συχνά με το ψήσιμο του υλικού, αν και πιο εκλεπτυσμένες ανόργανες μεταβολές ή οφειλόμενες σε βακτήρια μπορούν να συμβούν κάτω από κατάλληλες συνθήκες του εδάφους. Τέτοιες συνθήκες συμβαίνουν φυσιολογικά στα περισσότερα επιφανειακά εδάφη που περιέχουν αρχαιολογικού ενδιαφέροντος υλικά, και δίνουν αδιάψευστες μαγνητικές διαταράξεις.<br /> <br /> '''Σεισμική Μέθοδος'''<br /> Η σεισμική διάθλαση ήταν η πρώτη σεισμική μέθοδος που χρησιμοποιήθηκε και στηρίχθηκε στο γεγονός ότι οι ταχύτητες των σεισμικών κυμάτων διαφέρουν από πέτρωμα σε πέτρωμα και οι ταχύτητες των απευθείας σεισμικών κυμάτων μπορούν να υπολογιστούν από τους χρόνους διαδρομής. Γενικώς, η αρχή στην οποία βασίζονται οι σεισμικές μέθοδοι είναι το ότι τα τεχνητά ελαστικά κύματα, κινούνται στο υπέδαφος με ταχύτητα η οποία εξαρτάται από την πυκνότητα και τις ελαστικές ιδιότητες των πετρωμάτων και εμφανίζουν τις κλασσικές κυματικές ιδιότητες (ανάκλαση, διάθλαση, περίθλαση) βοηθώντας στον εντοπισμό των διαχωριστικών επιφανειών. Οι κυριότερες εξ αυτών είναι η Σεισμική Διάθλαση (Refraction Seismology) και η Σεισμική Ανάκλαση (Reflection Seismology) (εικ.4).<br /> <br /> '''Ηχοβολιστικά Υπόγειων και Υποβρύχιων Ερευνών'''<br /> Η υποβρύχια αρχαιολογία, όπως ονομάζεται, αντλεί αρχικά τις πληροφορίες της από γραπτές μαρτυρίες, ανάλογα με την εκάστοτε ιστορική περίοδο που μελετάται. Ωστόσο αυτό για προϊστορικές περιόδους δεν είναι εφικτό. Όταν ορισθεί η περιοχή έρευνας χρησιμοποιούνται κάποια εργαλεία για τη συλλογή πληροφοριών. Το πιο διαδεδομένο σήμερα είναι ο ηχοβολιστής πλευρικής σάρωσης (side scan sonar) (εικ.5). Η υποβρύχια αρχαιολογία έχει κοινές μεθόδους με τη χερσαία, άλλα έχει αναπτύξει και τις δικές της τεχνικές. Χρησιμοποιεί δορυφορικά συστήματα προσδιορισμού θέσης (GPS), βαθύμετρο, δηλαδή με ηχητικά κύματα (sonar) και ηχοβολιστικές συσκευές, τομογράφο υποεπιφανειακής δομής του πυθμένα, ηχοβολιστική τορπίλη πομποδεκτών (towfish), θαλάσσιο μαγνητόμετρο και κατευθυνόμενο βαθυσκάφος.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όλες αυτές οι μέθοδοι γεωφυσικής διασκόπησης που έχουν αναπτυχθεί, δύνανται να παράγουν εντυπωσιακά αποτελέσματα όταν εφαρμοστούν στην αρχαιολογία. Προσφέρουν εικόνες των θαμμένων αρχαίων αρχιτεκτονικών κατασκευών, ταφικών μνημείων κλπ, και συμβάλλουν σημαντικά στον καλύτερο σχεδιασμό των ανασκαφών, στη συμπλήρωση των δεδομένων και στην επιτάχυνση της έρευνας, καθώς οι αρχαιολόγοι μπορούν να κατευθυνθούν επιλεκτικά στις περιοχές με το μεγαλύτερο ανασκαφικό ενδιαφέρον. Τέλος, καθιστούν δυνατή τη διερεύνηση μεγάλων εκτάσεων, σε σύντομο χρονικό διάστημα και με μικρό κόστος. <br /> <br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CE%BA%CF%81%CE%B9%CF%84%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CE%B4%CE%B9%CE%B1%CF%83%CE%BA%CE%BF%CF%80%CE%AE%CF%83%CE%B5%CE%B9%CF%82 2021-02-13T18:47:58Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:9.1. Αεροφωτογραφία.jpg | thumb | right | Εικ. 1 Αεροφωτογραφία, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/190...'</p> <hr /> <div>[[Εικόνα:9.1. Αεροφωτογραφία.jpg | thumb | right | Εικ. 1 Αεροφωτογραφία, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.2. Λήψη δορυφορικών εικόνων.jpg | thumb | right | Εικ. 2 Λήψη δορυφορικών εικόνων, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.3. Γεωραντάρ.jpg | thumb | right | Εικ. 3 Γεωραντάρ, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.4. Σεισμική Ανάκλαση και Σεισμική Διάθλαση.jpg | thumb | right | Εικ. 4 Σεισμική Ανάκλαση και Σεισμική Διάθλαση, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> [[Εικόνα:9.5. Ηχοβολιστής Πλευρικής Σάρωσης.jpg | thumb | right | Εικ. 5 Ηχοβολιστής Πλευρικής Σάρωσης, Πηγή: [https://hellanicus.lib.aegean.gr/handle/11610/19015]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Παρουσίαση και συγκριτική αξιολόγηση των μεθόδων για αρχαιολογικές διασκοπήσεις<br /> <br /> '''Συγγραφείς:''' ΖΑΧΑΡΗ ΑΧΙΛΛΕΟΠΟΥΛΟΥ<br /> <br /> '''Πηγή:''' https://hellanicus.lib.aegean.gr/handle/11610/19015<br /> <br /> '''Λέξεις κλειδιά:''' διασκόπηση, φωτογραμμετρία, αρχαιολογία, τηλεπισκόπηση, αεροφωτογραφίες, δορυφορικές εικόνες<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Συγκριτική αξιολόγηση των μεθόδων αρχαιολογικών διασκοπήσεων<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Καθώς αναπτύσσεται η τεχνολογία, η συμμετοχή της σαν εργαλείο για τη μελέτη του περιβάλλοντος, του παγκόσμιου κλίματος και το σχεδιασμό αναπτυξιακών και παραγωγικών δραστηριοτήτων είναι πολύ μεγάλη. Πιο συγκεκριμένα, τα τελευταία χρόνια η δορυφορική παρατήρηση της Γης είναι εξαιρετικά σημαντική σε πάρα πολλούς τομείς και δη στην αρχαιολογία. Για τον εντοπισμό νέων αρχαιολογικών θέσεων ή ερμηνεία και κατανόηση ήδη γνωστών, χρησιμοποιούνται πολλές νέες μέθοδοι που μας έχει προσφέρει η φυσική επιστήμη. Αυτές είναι η Τηλεπισκόπηση, τα Γεωραντάρ, η βαρυτομετρική μέθοδος, η ηλεκτρική μέθοδος, η μαγνητική διασκόπηση, οι σεισμικές μέθοδοι και τα ηχοβολιστικά υποβρύχιων ερευνών.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι γεωφυσικές τεχνικές αναπτύχθηκαν αρχικά για γεωλογικές εφαρμογές. Ωστόσο, τις δεκαετίες του 1940 και 1950 στην Ευρώπη και ιδιαίτερα στη Μ.Βρετανία, άρχισαν να χρησιμοποιούνται και στις αρχαιολογικές έρευνες με αποτέλεσμα να δημιουργηθεί ειδική υποκατηγορία, η «αρχαιολογική γεωφυσική». Η εφαρμογή αυτών των μεθόδων άνθισε τη δεκαετία του 1960 με την εφεύρεση ευέλικτων οργάνων μέτρησης. Τότε ξεκίνησε και η αυτόματη ψηφιακή καταγραφή των μετρήσεων, ενώ σήμερα με την εξέλιξη της πληροφορικής, η συλλογή των γεωφυσικών δεδομένων είναι πλήρως ψηφιακή και ο όγκος αυτών τεράστιος.<br /> Οι αρχαιότητες αποτελούν διαταράξεις στην ομοιογένεια των ανωτέρων στρωμάτων της Γης και έτσι προκαλούν ανωμαλίες σε φυσικά ή τεχνητά πεδία. Οι ανωμαλίες αυτές καταγράφονται με τη βοήθεια των κατάλληλων οργάνων, επεξεργάζονται και τελικά παρουσιάζεται μια χαρτογράφηση των υπεδαφικών αρχιτεκτονικών λειψάνων. Ο γεωφυσικός που χαρτογραφεί χρησιμοποιώντας τις διάφορες μεθόδους, λαμβάνει υπόψιν του τις διαφοροποιήσεις των τιμών. Η δειγματοληψία γίνεται σε τομές με ορισμένη και σταθερή απόσταση μεταξύ τους, το «δίκτυο», που συνήθως είναι μεταξύ 0,5m και 1m. Οι παράγοντες που καθορίζουν την πυκνότητα της δειγματοληψίας είναι τρεις: το είδος, το μέγεθος και το βάθος.<br /> <br /> '''Μέθοδοι'''<br /> <br /> '''Αεροφωτογραφία'''<br /> Οι φωτογραφίες από αέρος ήταν η πρώτη από τις νέες μεθόδους που χρησιμοποιήθηκαν στην αρχαιολογία. Η λήψη πλάγιων και κατακόρυφων φωτογραφιών (εικ.1) έδινε τη δυνατότητα για φωτοερμηνεία (αναγνώριση και προσδιορισμό χαρακτηριστικών μέσω ανάλυσης και ερμηνείας της εικόνας) και εξαγωγή συμπερασμάτων και χρήσιμων πληροφοριών. Χρησιμοποιείται έως και σήμερα ως μέθοδος.<br /> '''Τηλεπισκόπηση'''<br /> Τηλεπισκόπηση είναι η συλλογή πληροφοριών αντικειμένων από τη γήινη επιφάνεια, από αισθητήρες που βρίσκονται σε δορυφόρους, είναι δηλαδή μακριά (τηλε-). Τα τελευταία χρόνια έχει εξελιχθεί σε σημαντικό εργαλείο για τη μελέτη της αρχαιολογίας, καθώς δίνει αξιόπιστα αποτελέσματα και μια ολοκληρωμένη εικόνα της περιοχής μελέτης, σε σύντομο χρονικό διάστημα, με μικρό κόστος και σε μέρη που μπορεί να είναι δύσκολη η πρόσβαση. Η δε μεθοδολογία της βασίζεται σε δύο βήματα: την ανάλυση και την ερμηνεία. Η αρχαιολογική τηλεπισκόπηση βασίζεται είτε σε παθητική απεικόνιση είτε σε ενεργή τεχνική ανίχνευσης, την Airborne Laser Scanning (ALS). «Παθητικά» ονομάζονται τα συστήματα που καταγράφουν τη φυσική ακτινοβολία (π.χ. ήλιος) και «ενεργητικά» εκείνα που καταγράφουν την εκπεμπόμενη από τα ίδια ηλεκτρομαγνητική ακτινοβολία ή από κάποια άλλη εξωτερική πηγή. <br /> Οι γεωστατικοί δορυφόροι βρίσκονται σε τροχιά περίπου στα 36.000km και επειδή έχουν την ίδια σχεδόν ταχύτητα με τη Γη, δίνουν την εντύπωση πως είναι στατικοί. Άλλοι δορυφόροι ακολουθούν την σχεδόν πολική ή ηλιοσύγχρονη τροχιά, η οποία τους δίνει τη δυνατότητα να καλύπτουν το μεγαλύτερο τμήμα της επιφάνειας της γης σε μια συγκεκριμένη χρονική στιγμή, με σταθερό φωτισμό και έτσι διευκολύνονται οι συγκρίσεις για την ίδια εποχή (εικ.2).<br /> Για να εφαρμοστεί η τηλεπισκόπηση, χρειάζονται πληροφορίες από πολλές και διαφορετικές περιοχές του φάσματος, που παρέχονται από ποικίλους αισθητήρες όπως: αισθητήρες καταγραφής (sensors), που μπορεί να είναι φωτογραφικοί ή ψηφιακοί, ενεργητικοί ή παθητικοί, κάμερες με φιλμ για κάλυψη ορατού και κοντινού υπέρυθρου φάσματος, Ραντάρ Συνθετικού Ανοίγματος (SAR), το οποίο καλύπτει το μικροκυματικό φάσμα. Καθένα από αυτά έχει συγκεκριμένα πλεονεκτήματα και μειονεκτήματα. Επίσης πολύ σημαντικό ρόλο έχει η χωρική διακριτική ικανότητα μιας παραγόμενης εικόνας, η ελάχιστη δηλαδή απόσταση μεταξύ δύο αντικειμένων στην οποία οι διαστάσεις τους φαίνονται χωριστά και καθαρά (pixel). Τέλος, συνδυάζοντας τα διάφορα φασματικά κανάλια, δημιουργούνται πολυφασματικές εικόνες με βελτιωμένη ευαισθησία στη φασματική ανάκλαση, οι οποίες είναι πολύ χρήσιμες για την φωτοερμηνεία και εξαγωγή συμπερασμάτων.<br /> '''Ηλεκτρομαγνητική μέθοδος (Γεωραντάρ)'''<br /> Το Γεωραντάρ είναι μια σύγχρονη τεχνική γεωφυσικής έρευνας. Λειτουργεί με την εκπομπή ηλεκτρομαγνητικών παλμών που διαδίδονται στο υπέδαφος (εικ.3). Όταν αυτά συναντήσουν μια διαχωριστική επιφάνεια μεταξύ δύο μέσων με διαφορετικές διηλεκτρικές ιδιότητες, τότε ένα μέρος της ενέργειάς τους ανακλάται από τη διεπιφάνεια και η υπολειπόμενη ενέργεια του παλμού συνεχίζει προς το βαθύτερο υλικό. Οι παράμετροι που πρέπει να λαμβάνονται υπόψιν είναι το βάθος διασκόπησης, η αντίθεση ηλεκτρικών και μαγνητικών ιδιοτήτων μεταξύ των διαφορετικών υλικών που δομούν το υπέδαφος και η επιθυμητή διακριτική ανάλυση. Το τελευταίο εξαρτάται από την ταχύτητα των ηλεκτρομαγνητικών κυμάτων και τη διαφορά ηλεκτρικής αγωγιμότητας μεταξύ των υλικών του υπεδάφους. Παραδείγματα εφαρμογής είναι στη συντήρηση μνημείων, στην εξέταση αρχαίων ψηφιδωτών δαπέδων, στον εντοπισμό αρχαίων κτισμάτων και αλλού.<br /> '''Βαρυτομετρική Μέθοδος'''<br /> Η Βαρυτομετρική μέθοδος βασίζεται στη διαφορά της πυκνότητας μεταξύ των πετρωμάτων. Οι διαφορές της πυκνότητας στο υπέδαφος επιδρούν στην κατανομή της έντασης βαρύτητας στην επιφάνεια της Γης. Συμπεραίνουμε πως ορισμένα μεταλλεύματα, λόγω της μεγαλύτερης πυκνότητάς τους, προκαλούν διαφορές βαρύτητας σε σύγκριση με την πυκνότητα των πετρωμάτων που τα περιβάλλουν. Όταν γειτονικά πετρώματα έχουν διαφορετικές πυκνότητες, παρατηρούνται επίσης διαφορές στη βαρύτητα, ειδικά στις περιπτώσεις στις οποίες συντρέχουν και τεκτονικοί λόγοι. Πολύ μεγάλη δυσκολία αποτελεί το γεγονός ότι είναι εξαιρετικά δύσκολο να κατασκευαστούν όργανα τα οποία να μπορούν να μετρήσουν τις απειροελάχιστες μεταβολές της βαρύτητας που αποτελεί και το τελικό ζητούμενο στις γεωφυσικές διασκοπήσεις. Οι βαρυτομετρικές ανήκουν στις παθητικές διασκοπήσεις, καθώς περιλαμβάνουν μετρήσεις φυσικών πεδίων ή ιδιοτήτων της γης.<br /> '''Γεωηλεκτρική Μέθοδος'''<br /> Οι ηλεκτρικές μέθοδοι έχουν ως στόχο τον προσδιορισμό των ηλεκτρικών ιδιοτήτων των επιφανειακών στρωμάτων του φλοιού της Γης. Η μετρούμενη ποσότητα είναι η ηλεκτρική τάση, από την οποία επιδιώκεται ο καθορισμός της ειδικής ηλεκτρικής αντίστασης και της κατανομής των τιμών της μέσα στα επιφανειακά στρώματα του εδάφους, ανάλογα με το είδος και τη φυσική τους κατάσταση. Στα ξηρά εδάφη και στα συμπαγή πετρώματα, η ηλεκτρική αγωγιμότητα είναι μικρή, ενώ στα υγρά εδάφη και στα πορώδη πετρώματα έχει μεγάλες τιμές. Συνεπώς, η μέτρηση της ηλεκτρικής αγωγιμότητας ή της ειδικής ηλεκτρικής αντίστασης των πετρωμάτων, δύναται να μας βοηθήσει να εκτιμήσουμε τη σύσταση των στρωμάτων του υπεδάφους. Παρόλα αυτά, η εφαρμογή των ηλεκτρικών μεθόδων περιορίζεται στην έρευνα γεωλογικών στρωμάτων μικρού σχετικά βάθους, διότι η διαχωριστική ικανότητα των ηλεκτρικών μεθόδων ελαττώνεται αισθητά όσο μεγαλώνει το βάθος των προς διάκριση σχηματισμών. Σαν μέθοδος ανήκει στις ενεργητικές διασκοπήσεις.<br /> '''Μαγνητική Μέθοδος'''<br /> Η Μαγνητική διασκόπηση είναι μια παθητική τεχνική με την οποία μπορούν να μετρηθούν μικρές μεταβολές (ανωμαλίες) στη βαθμίδα του γήινου μαγνητικού πεδίου. Οι ανωμαλίες προέρχονται από τις μεταβολές στην μαγνητική επιδεκτικότητα των θαμμένων αντικειμένων, οι οποίες συμβαίνουν όταν π.χ. υλικά πλούσια σε σίδηρο σχηματίζουν πιο ισχυρές σιδηρομαγνητικές δομές. Αυτή η μαγνητική ενίσχυση σχετίζεται συχνά με το ψήσιμο του υλικού, αν και πιο εκλεπτυσμένες ανόργανες μεταβολές ή οφειλόμενες σε βακτήρια μπορούν να συμβούν κάτω από κατάλληλες συνθήκες του εδάφους. Τέτοιες συνθήκες συμβαίνουν φυσιολογικά στα περισσότερα επιφανειακά εδάφη που περιέχουν αρχαιολογικού ενδιαφέροντος υλικά, και δίνουν αδιάψευστες μαγνητικές διαταράξεις.<br /> '''Σεισμική Μέθοδος'''<br /> Η σεισμική διάθλαση ήταν η πρώτη σεισμική μέθοδος που χρησιμοποιήθηκε και στηρίχθηκε στο γεγονός ότι οι ταχύτητες των σεισμικών κυμάτων διαφέρουν από πέτρωμα σε πέτρωμα και οι ταχύτητες των απευθείας σεισμικών κυμάτων μπορούν να υπολογιστούν από τους χρόνους διαδρομής. Γενικώς, η αρχή στην οποία βασίζονται οι σεισμικές μέθοδοι είναι το ότι τα τεχνητά ελαστικά κύματα, κινούνται στο υπέδαφος με ταχύτητα η οποία εξαρτάται από την πυκνότητα και τις ελαστικές ιδιότητες των πετρωμάτων και εμφανίζουν τις κλασσικές κυματικές ιδιότητες (ανάκλαση, διάθλαση, περίθλαση) βοηθώντας στον εντοπισμό των διαχωριστικών επιφανειών. Οι κυριότερες εξ αυτών είναι η Σεισμική Διάθλαση (Refraction Seismology) και η Σεισμική Ανάκλαση (Reflection Seismology) (εικ.4). <br /> '''Ηχοβολιστικά Υπόγειων και Υποβρύχιων Ερευνών'''<br /> Η υποβρύχια αρχαιολογία, όπως ονομάζεται, αντλεί αρχικά τις πληροφορίες της από γραπτές μαρτυρίες, ανάλογα με την εκάστοτε ιστορική περίοδο που μελετάται. Ωστόσο αυτό για προϊστορικές περιόδους δεν είναι εφικτό. Όταν ορισθεί η περιοχή έρευνας χρησιμοποιούνται κάποια εργαλεία για τη συλλογή πληροφοριών. Το πιο διαδεδομένο σήμερα είναι ο ηχοβολιστής πλευρικής σάρωσης (side scan sonar) (εικ.5). Η υποβρύχια αρχαιολογία έχει κοινές μεθόδους με τη χερσαία, άλλα έχει αναπτύξει και τις δικές της τεχνικές. Χρησιμοποιεί δορυφορικά συστήματα προσδιορισμού θέσης (GPS), βαθύμετρο, δηλαδή με ηχητικά κύματα (sonar) και ηχοβολιστικές συσκευές, τομογράφο υποεπιφανειακής δομής του πυθμένα, ηχοβολιστική τορπίλη πομποδεκτών (towfish), θαλάσσιο μαγνητόμετρο και κατευθυνόμενο βαθυσκάφος.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όλες αυτές οι μέθοδοι γεωφυσικής διασκόπησης που έχουν αναπτυχθεί, δύνανται να παράγουν εντυπωσιακά αποτελέσματα όταν εφαρμοστούν στην αρχαιολογία. Προσφέρουν εικόνες των θαμμένων αρχαίων αρχιτεκτονικών κατασκευών, ταφικών μνημείων κλπ, και συμβάλλουν σημαντικά στον καλύτερο σχεδιασμό των ανασκαφών, στη συμπλήρωση των δεδομένων και στην επιτάχυνση της έρευνας, καθώς οι αρχαιολόγοι μπορούν να κατευθυνθούν επιλεκτικά στις περιοχές με το μεγαλύτερο ανασκαφικό ενδιαφέρον. Τέλος, καθιστούν δυνατή τη διερεύνηση μεγάλων εκτάσεων, σε σύντομο χρονικό διάστημα και με μικρό κόστος. <br /> <br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%91%CE%B5%CF%81%CE%AF%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%98%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CE%B7%CF%80%CE%AF%CE%BF%CF%85 2021-02-13T18:27:39Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:8.1. Τιμές μονοξειδίου του άνθρακα (CO).jpg | thumb | right | Εικ. 1 Τιμές μονοξειδίου του άνθρακα (C...'</p> <hr /> <div>[[Εικόνα:8.1. Τιμές μονοξειδίου του άνθρακα (CO).jpg | thumb | right | Εικ. 1 Τιμές μονοξειδίου του άνθρακα (CO), Πηγή: [https://dspace.lib.ntua.gr/xmlui/]]]<br /> [[Εικόνα:8.2. Συγκέντρωση μεθανίου (CH4).jpg | thumb | right | Εικ. 2 Συγκέντρωση μεθανίου (CH4), Πηγή: [https://dspace.lib.ntua.gr/xmlui/]]]<br /> [[Εικόνα:8.3. Συγκέντρωση μονοξειδίου του άνθρακα (CO).jpg | thumb | right | Εικ. 3 Συγκέντρωση μονοξειδίου του άνθρακα (CO), Πηγή: [https://dspace.lib.ntua.gr/xmlui/]]]<br /> [[Εικόνα:8.4. Συγκέντρωση διοξειδίου του άνθρακα (CO2).jpg | thumb | right | Εικ. 4 Συγκέντρωση διοξειδίου του άνθρακα (CO2), Πηγή: [https://dspace.lib.ntua.gr/xmlui/]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Εκτίμηση Αερίων του Θερμοκηπίου (CH4, CO, CO2) με Τηλεπισκοπικά Δεδομένα ECOSTRESS και Sentinel-5P<br /> <br /> '''Συγγραφείς:''' Παπαγεωργίου Ανδρεανή<br /> <br /> '''Πηγή:''' https://dspace.lib.ntua.gr/xmlui/<br /> <br /> '''Λέξεις κλειδιά:''' αέρια θερμοκηπίου, CO, CO2, CH4, τηλεπισκόπηση, δορυφορικά δεδομένα, Νότια Ιταλία<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χρήση της τηλεπισκόπησης για εκτίμηση των αερίων του θερμοκηπίου<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης και οι νέες τεχνολογίες χρησιμοποιούνται πλέον για κάθε είδους παρακολούθησης και άντλησης δεδομένων και ανάλυσης για εξαγωγή συμπερασμάτων. Στο συγκεκριμένο παράδειγμα εστιάζεται η χρήση τους στη δυνατότητα εκτίμησης της συγκέντρωσης των αερίων του θερμοκηπίου, μονοξείδιο του άνθρακα (CO), διοξείδιο του άνθρακα (CO2) και μεθάνιο (CH4). Η περιοχή μελέτης ήταν η Νότια Ιταλία και χρησιμοποιήθηκαν δείκτες που προέκυψαν από θερμικά δεδομένα ECOSTRESS, και έγιναν έλεγχοι συσχέτισης μεταξύ αυτών και επίγειων μετρήσεων που ορίστηκαν ως δεδομένα ελέγχου. Ο δορυφόρος Sentinel-5P έδωσε δεδομένα για το μονοξείδιο του άνθρακα σε δύο περιοχές και έτσι προτάθηκαν μοντέλα που προσαρμόζονται καλύτερα σε κάθε περιοχή μελέτης. Η έρευνα αφορά διάστημα ενός έτους, από τον Ιούλιο του 2018 έως και τον Ιούνιο του 2019.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Για την παρακολούθηση της ποιότητας του αέρα απαιτούνται υπολογιστικά μοντέλα ατμόσφαιρας και συνδυασμός παρατηρήσεων από δορυφόρους και επίγειους σταθμούς. Είναι δε εξαιρετικά σημαντικό καθώς η ρύπανση της ατμόσφαιρας έχει πολλαπλές επιπτώσεις στην υγεία των ανθρώπων, καθώς και στις καλλιέργειες, δηλαδή στην οικονομία. Επιπλέον είναι κάτι που δεν περιορίζεται σε τοπικό επίπεδο, αλλά μεταφέρεται ανεξέλεγκτα μέσω του ανέμου. Οι αιτίες ρύπανσης του αέρα μπορεί να είναι ανθρωπογενείς (βιομηχανία, αυτοκίνητα, γεωργία κ.λ.π.) ή φυσικές (εκρήξεις ηφαιστείων, δασικές πυρκαγιές κ.α.). Στόχος της πληροφόρησης είναι η μείωση της έκθεσης των ανθρώπων σε κίνδυνο, και οι εποχικές προβλέψεις για τις καλλιέργειες. <br /> Οι νέες τεχνολογίες και δη η τηλεπισκόπηση, έχουν εισβάλει δυναμικά στο χώρο της παρακολούθησης της ατμόσφαιρας, αν και η χωρική ανάλυση των δορυφόρων είναι μόνο της τάξης των μερικών χιλιομέτρων. Συγκεκριμένα εδώ χρησιμοποιήθηκαν δεδομένα από το δορυφόρο Sentinel 5P της ESA με μέγεθος εικονοστοιχείου 7km x 3,5km. Από τις θερμικές εικόνες ECOSTRESS ανακτήθηκαν δεδομένα που αφορούν στη συγκέντρωση μεθανίου, μονοξειδίου και διοξειδίου του άνθρακα, ενώ από τον Sentinel 5P αξιολογήθηκε το προϊόν μονοξειδίου του άνθρακα και δημιουργήθηκε ένα βελτιωμένο μοντέλο εκτίμησής του.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ως περιοχή μελέτης ορίστηκε η Ιταλία και συγκεκριμένα 4 επίγειοι σταθμοί μέτρησης ατμοσφαιρικών παραμέτρων εξαιτίας της διαθεσιμότητας των δεδομένων. Τα δεδομένα ελέγχου υπήρξαν οι συγκεντρώσεις μεθανίου, μονοξειδίου και διοξειδίου του άνθρακα. Εξαιτίας του μεγάλου πλήθος των, λόγω της ωριαίας λήψης δεδομένων, έγινε επιλογή ώστε να συμφωνούν με την ώρα λήψης των εικόνων. Η πειραματική αποστολή “ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station(ECOSTRESS)” της NASA, έδωσε τα τηλεσκοπικά δεδομένα πρώτου επιπέδου “ECO1BRAD” και “ECO1BGEO” που χρησιμοποιήθηκαν. Τα “ECO1BRAD” δεδομένα παρέχουν βαθμονομημένες τιμές ακτινοβολίας σε πέντε ζώνες του θερμικού υπέρυθρου φάσματος (TIR) από 8 μm έως 12.5 μm. Τα “ECO1BGEO” δεδομένα περιέχουν την πληροφορία της γεωαναφοράς, γι’ αυτό οι δύο τύποι δεδομένων συνενώθηκαν ώστε να παραχθούν γεωαναφερμένες εικόνες σε μορφή GeoTIFF και να μπορέσουν να αξιοποιηθούν. Για κάθε κανάλι παρήχθη αρχείο GeoTIFF με τις τιμές τις ακτινοβολίας, το οποίο χρησιμοποιήθηκε για τους σκοπούς τις εργασίας. Μέσω της φασματικής πληροφορίας της εικόνας δημιουργήθηκαν δείκτες, ούτως ώστε με την ανάλυση παλινδρόμησης να φανεί εάν και κατά πόσο αυτοί μπορούν να συσχετιστούν με τα επίγεια δεδομένα για τη συγκέντρωση των στοιχείων στην ατμόσφαιρα. Ως εξαρτημένη μεταβλητή ορίστηκε η συγκέντρωση του αερίου μελέτης και ως ανεξάρτητη μεταβλητή ορίστηκε ο εκάστοτε δείκτης. <br /> Από το δορυφόρο Sentinel-5P συλλέχθηκαν δεδομένα που παρήγαγαν τιμές μονοξειδίου του άνθρακα (CO) που αφορούσαν στους δύο επίγειους σταθμούς (εικ.1) και έγινε σύγκριση μεταξύ αυτών. Χρησιμοποιήθηκε η γραμμική και μη γραμμική μέθοδος παλινδρόμησης ανάλυσης για κάθε σταθμό ξεχωριστά. Η νέα συνάρτηση παράγει βελτιωμένη εκτίμηση μονοξειδίου του άνθρακα. <br /> Από το διαστημικό σταθμό ISS πήραμε θερμικές εικόνες, των οποίων τα δεδομένα συσχετίστηκαν με αυτά από τους 4 επίγειους σταθμούς παρακολούθησης ποιότητας της ατμόσφαιρας. Μελετήθηκαν τρεις παράμετροι και τα μοντέλα συσχετίσεων που χρησιμοποιήθηκαν ήταν αυτά της απλής γραμμικής παλινδρόμησης και τα μη γραμμικά της εκθετικής και λογαριθμικής παλινδρόμησης.<br /> Στη συνέχεια έγινε ανάλυση από τους δείκτες καναλιών, που έδωσαν οι φασματικές πληροφορίες των εικόνων, και τα επίγεια δεδομένα. Η μεθοδολογία που ακολουθήθηκε στην εργασία αποτελείται από δύο τμήματα. Στο πρώτο τμήμα εξετάστηκαν οι συσχετίσεις που παρουσιάστηκαν ανάμεσα στα δεδομένα ελέγχου μεθανίου, μονοξειδίου του άνθρακα και διοξειδίου του άνθρακα, και στα θερμικά δεδομένα από τις πειραματικές εικόνες πρώτου επιπέδου (ECO1BRAD) του παγκόσμιου διαστημικού σταθμού (ISS). Στο δεύτερο τμήμα, έγινε αξιολόγηση των δεδομένων του δορυφόρου Sentinel-5P με χρήση των δεδομένων αναφοράς από τους επίγειους σταθμούς μέτρησης.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Για την εκτίμηση της συγκέντρωσης των αερίων στην ατμόσφαιρα, προέκυψαν εξισώσεις από τις συσχετίσεις, ενώ για τον έλεγχο αυτών, πραγματοποιήθηκε ανάλυση παλινδρόμησης με χρήση γραμμικών και μη γραμμικών μοντέλων. Στις εικόνες 2, 3 και 4 φαίνονται αντίστοιχα οι χάρτες εκτίμησης συγκέντρωσης μεθανίου (CH4), μονοξειδίου του άνθρακα (CO) και διοξειδίου του άνθρακα (CO2) που δημιουργήθηκαν. Γενικώς, τα αποτελέσματα υπήρξαν ενθαρρυντικά τόσο για την εκτίμηση διοξειδίου του άνθρακα όσο και του μεθανίου από θερμικά δεδομένα, ωστόσο τα δορυφορικά δεδομένα από τον Sentinel-5P έδειξαν πως υποεκτιμούν την πραγματική κατάσταση.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συμπερασματικά λοιπόν, αν και η μελέτη της ποιότητας του αέρα με δορυφορικά δεδομένα βρίσκεται σε πρώιμο στάδιο, θα μπορούσε να εξελιχθεί και να προσφέρει πολλά εάν μεγαλώσει το πλήθος τηλεσκοπικών δεδομένων, υπάρχει σύγκριση με επίγειους σταθμούς, οι οποίοι θα εκτείνονται σε πυκνότερο δίκτυο και διερεύνηση συσχετίσεων με χρήση άλλων μη γραμμικών μοντέλων παλινδρόμησης. <br /> <br /> <br /> <br /> [[category:Ατμοσφαιρική Ρύπανση]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEZak4.jpg 2021-02-13T18:07:53Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEZak3.jpg 2021-02-13T18:07:37Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEZak2.jpg 2021-02-13T18:07:23Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEZak1.jpg 2021-02-13T18:07:07Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEMilos4.jpg 2021-02-13T18:06:49Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEMilos3.jpg 2021-02-13T18:03:15Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEMilos2.jpg 2021-02-13T18:02:39Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEMilos1.jpg 2021-02-13T18:02:21Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEKypros5.jpg 2021-02-13T18:01:40Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEKypros4.jpg 2021-02-13T18:01:16Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEKypros3.jpg 2021-02-13T18:00:51Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEKypros2.jpg 2021-02-13T18:00:33Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEKypros1.jpg 2021-02-13T18:00:17Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEAsttopio4.jpg 2021-02-13T17:59:48Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEAsttopio3.jpg 2021-02-13T17:59:33Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEAsttopio2.jpg 2021-02-13T17:59:14Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SEAsttopio1.jpg 2021-02-13T17:58:59Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:10.4._%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CE%A0%CE%B1%CE%BB%CE%B9%CE%BD%CE%B4%CF%81%CF%8C%CE%BC%CE%B7%CF%83%CE%B7%CF%82.jpg 2021-02-13T17:58:37Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:10.3._%CE%9C%CE%B7_%CE%B5%CF%80%CE%B9%CE%B2%CE%BB%CE%B5%CF%80%CF%8C%CE%BC%CE%B5%CE%BD%CE%B7_%CF%84%CE%B1%CE%BE%CE%B9%CE%BD%CF%8C%CE%BC%CE%B7%CF%83%CE%B7.jpg 2021-02-13T17:58:10Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:10.2._%CE%9F%CF%81%CE%B9%CE%B6%CF%8C%CE%BD%CF%84%CE%B9%CE%B1_%CF%84%CE%BF%CE%BC%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%85%CF%88%CF%8C%CE%BC%CE%B5%CF%84%CF%81%CE%BF_%CF%84%CF%89%CE%BD_93_%CE%BC%CE%AD%CF%84%CF%81%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%BB%CF%8C%CF%86%CE%BF%CF%85_%CE%9A%CE%B1%CF%83%CF%84%CE%AC.jpg 2021-02-13T17:57:50Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:10.1._%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%9F%CF%85%CE%B3%CE%B3%CE%B1%CF%81%CE%AF%CE%B1.jpg 2021-02-13T17:57:29Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9.5._%CE%97%CF%87%CE%BF%CE%B2%CE%BF%CE%BB%CE%B9%CF%83%CF%84%CE%AE%CF%82_%CE%A0%CE%BB%CE%B5%CF%85%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%A3%CE%AC%CF%81%CF%89%CF%83%CE%B7%CF%82.jpg 2021-02-13T17:57:07Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9.4._%CE%A3%CE%B5%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%AC%CE%BA%CE%BB%CE%B1%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%A3%CE%B5%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE_%CE%94%CE%B9%CE%AC%CE%B8%CE%BB%CE%B1%CF%83%CE%B7.jpg 2021-02-13T17:56:50Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9.3._%CE%93%CE%B5%CF%89%CF%81%CE%B1%CE%BD%CF%84%CE%AC%CF%81.jpg 2021-02-13T17:56:20Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9.2._%CE%9B%CE%AE%CF%88%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD.jpg 2021-02-13T17:56:01Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9.1._%CE%91%CE%B5%CF%81%CE%BF%CF%86%CF%89%CF%84%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%AF%CE%B1.jpg 2021-02-13T17:55:45Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:8.4._%CE%A3%CF%85%CE%B3%CE%BA%CE%AD%CE%BD%CF%84%CF%81%CF%89%CF%83%CE%B7_%CE%B4%CE%B9%CE%BF%CE%BE%CE%B5%CE%B9%CE%B4%CE%AF%CE%BF%CF%85_%CF%84%CE%BF%CF%85_%CE%AC%CE%BD%CE%B8%CF%81%CE%B1%CE%BA%CE%B1_(CO2).jpg 2021-02-13T17:55:24Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:8.3._%CE%A3%CF%85%CE%B3%CE%BA%CE%AD%CE%BD%CF%84%CF%81%CF%89%CF%83%CE%B7_%CE%BC%CE%BF%CE%BD%CE%BF%CE%BE%CE%B5%CE%B9%CE%B4%CE%AF%CE%BF%CF%85_%CF%84%CE%BF%CF%85_%CE%AC%CE%BD%CE%B8%CF%81%CE%B1%CE%BA%CE%B1_(CO).jpg 2021-02-13T17:55:05Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:8.2._%CE%A3%CF%85%CE%B3%CE%BA%CE%AD%CE%BD%CF%84%CF%81%CF%89%CF%83%CE%B7_%CE%BC%CE%B5%CE%B8%CE%B1%CE%BD%CE%AF%CE%BF%CF%85_(CH4).jpg 2021-02-13T17:54:47Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:8.1._%CE%A4%CE%B9%CE%BC%CE%AD%CF%82_%CE%BC%CE%BF%CE%BD%CE%BF%CE%BE%CE%B5%CE%B9%CE%B4%CE%AF%CE%BF%CF%85_%CF%84%CE%BF%CF%85_%CE%AC%CE%BD%CE%B8%CF%81%CE%B1%CE%BA%CE%B1_(CO).jpg 2021-02-13T17:54:21Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BC%CF%80%CE%B5%CE%BB%CE%BF%CF%85%CF%81%CE%B3%CE%AF%CE%B1_%CE%91%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82:_%CE%91%CF%85%CF%84%CF%8C%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CF%80%CF%81%CE%AD%CE%BC%CE%BD%CF%89%CE%BD_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2021-02-13T17:53:17Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:SESantorini1.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης: Σαντορίνη, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> [[Εικόνα:SESantorini2.jpg | thumb | right | Εικ. 2 Ταξινόμηση με K-means 8 κλάσεις, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> [[Εικόνα:SESantorini3.jpg | thumb | right | Εικ. 3 Κατωφλιωμένη εικόνα με δείκτη NDVI, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> <br /> <br /> <br /> '''Πρωτότυπος Τίτλος:''' Αμπελουργία Ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου διαμόρφωσης «κουλούρα» Σαντορίνης σε τηλεσκοπικά δεδομένα πολύ υψηλής χωρικής ανάλυσης.<br /> <br /> '''Συγγραφείς:''' Αικατερίνη Δεμάγκου<br /> <br /> '''Πηγή:''' https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1<br /> <br /> '''Λέξεις Κλειδιά:''' αμπελουργία ακριβείας, γεωργία ακριβείας, τηλεπισκόπηση, πρέμνα αμπέλου, Σαντορίνη<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Αυτόματος εντοπισμός πρέμνων αμπέλου με τη χρήση δορυφορικών απεικονίσεων.<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα εργασία διαπιστώνεται πως η χρήση της τηλεπισκόπησης μπορεί να αξιοποιηθεί για την παρακολούθηση των καλλιεργειών και συγκεκριμένα για την αύξηση της παραγωγής με ταυτόχρονη ελαχιστοποίηση των περιβαλλοντικών επιπτώσεων με τις λεγόμενες τεχνικές Γεωργίας Ακριβείας. Πιο συγκεκριμένα θα μελετηθεί το παράδειγμα της Αμπελουργίας Ακριβείας στη Σαντορίνη, όπου με εικόνες του δορυφορικού αισθητήρα WorldView-3 θα εντοπιστούν αυτόματα μεμονωμένοι πρέμνοι αμπέλου με διαμόρφωση «κουλούρα». Εφαρμόζοντας τεχνικές ταξινόμησης της τηλεπισκόπησης, θα δούμε πως υπερτερούν σε γενίκευση, ακρίβεια και ορθότητα έναντι απλούστερων τεχνικών ανάλυσης.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Καθώς η λήψη δορυφορικών δεδομένων πολύ υψηλής χωρικής ανάλυσης γίνεται όλο και πιο διαδεδομένη σε όλο και περισσότερους τομείς της επιστημονικής και καθημερινής ζωής, η τηλεπισκόπηση καθίσταται σημαντικός παράγοντας στην αυτοματοποίηση συγκεκριμένων διαδικασιών. Τις τελευταίες δεκαετίες χρησιμοποιείται και για την παρακολούθηση και μελέτη των καλλιεργειών. Η παρατήρηση της Γης από δορυφόρους αξιοποιεί τεχνικές γεωπληροφορικής και τηλεπισκόπησης με σκοπό την επίλυση ζητημάτων και την αυτοματοποίηση διαδικασιών στο πεδίο της Γεωργίας Ακριβείας. Συγκεκριμένα η Αμπελουργία Ακριβείας είναι η μέθοδος που θα δώσει στον αμπελουργό και στον οινολόγο τη γνώση για το ποιο μέρος του αμπελώνα θα παραγάγει υψηλότερης ή χαμηλότερης ποιότητας οίνο, ώστε ο τρύγος να γίνει επιλεκτικά. Δεδομένου πως διάφοροι παράγοντες όπως το ανάγλυφο, τα χαρακτηριστικά του εδάφους, τα παράσιτα, οι καιρικές συνθήκες κλπ επηρεάζουν την παραγωγή και ποιότητα των σταφυλιών, είναι εξαιρετικά σημαντική η χρήση των νέων τεχνολογιών για τη βελτιστοποίηση της παραγωγής. Η Αμπελουργία Ακριβείας θεωρείται μια συνεχής κυκλική διαδικασία τριών σταδίων: α) της παρατήρησης και χαρτογράφησης, β) της ερμηνείας (με χρήση λογισμικού GIS) και γ) της εκτίμησης. Στην παρούσα μελέτη περίπτωσης αναπτύχθηκε η μεθοδολογία που προτείνεται για τον αυτόματο εντοπισμό πρέμνων αμπέλου τύπου κουλούρας.<br /> <br /> '''Μέθοδοι'''<br /> <br /> Σαν πρώτο στάδιο επιλέχθηκε η περιοχή μελέτης. Η προς εξέταση περιοχή βρίσκεται μεταξύ των οικισμών Ακρωτήρι και Εμπορειό και καλύπτει μια έκταση 250 περίπου στρεμμάτων. Η δορυφορική εικόνα του WorldView-3 που επιλέχθηκε είναι του 2018 και σε χρονικό εύρος +/- 2 εβδομάδων πριν την έναρξη του περκασμού (veraison). Αυτό είναι το στάδιο λίγο πριν την έναρξη της ωρίμανσης των ραγών, οπότε παύουν να είναι πράσινες και εμφανίζεται προοδευτικά το χρώμα της κάθε ποικιλίας. Θεωρείται δε το πλέον κατάλληλο για τις εφαρμογές αμπελουργίας ακριβείας.<br /> Ο δορυφόρος WorldView-3 βρίσκεται σε τροχιά 61.711km και έχει πολύ υψηλή φασματική και χωρική ανάλυση (31cm στο παγχρωματικό, 1,24m στα πολυφασματικά και 3,7m στο μέσο υπέρυθρο). Έχει μέσο χρόνο επανάληψης μικρότερο της μιας ημέρας. Με βάση αυτά τα δεδομένα έχει ωφελήσει πάρα πολύ τη γεωργία και τη σχετική με αυτή εφαρμογές.<br /> Δεύτερο στάδιο υπήρξε η προεπεξεργασία της εικόνας. Η πολυφασματική εικόνα διορθώθηκε ραδιομετρικά και συγχωνεύθηκε με την παγχρωματική. Ατμοσφαιρική διόρθωση δεν κατέστη αναγκαία, καθώς η εικόνα ήταν ήδη διορθωμένη.<br /> Στο επόμενο στάδιο δημιουργήθηκαν δεδομένα σε περιβάλλον Quantum GIS. Ψηφιοποιήθηκε το σύνολο των αμπελοτεμαχίων και πρέμνων και αναγνωρίστηκαν με φωτοερμηνευτικές μεθόδους. Η επιλογή της τελικής περιοχής μελέτης έγινε με βάση την πυκνότητα των αμπελοτεμαχίων, αλλά και τη διάταξη, την ποιότητα και το μέγεθος των πρέμνων στην περιοχή αυτή. Έτσι δημιουργήθηκαν τα διανυσματικά αρχεία που περιέχουν τα φυτά για την ταξινόμηση που ακολούθησε.<br /> Στη συνέχεια αναζητήθηκε η κατάλληλη μέθοδος για τον εντοπισμό των πρεμνών. Για να επιτευχθεί αυτό, βρέθηκε ο δείκτης βλάστησης κανονικοποιημένων διαφορών NDVI (normalised difference vegetation index), που δηλώνει την κατάσταση της ευρωστίας του φυτού, με βάση πως αυτό ανακλά το φως σε ορισμένες συχνότητες. Εξαιτίας κάποιων αδυναμιών του δείκτη NDVI (π.χ. ανιχνεύει τη βλάστηση γενικά) η εικόνα έπρεπε να μετατραπεί σε δυαδική (Binary) για να ξεχωρίσουν όσο το δυνατόν περισσότερο τα πρέμνα. Επόμενη μέθοδος ήταν αυτή που βασίζεται σε χρήση μοντέλων Μερικών Διαφορικών Εξισώσεων (ΜΔΕ). Χρησιμοποιήθηκε δηλαδή ένα μοντέλο που είναι σχεδιασμένο για γενικές διανυσματικές εικόνες και επεξεργάζεται τα διαφορετικά κανάλια της εικόνας με έναν συζευγμένο τρόπο. Αναπτύχθηκε δε μέσω της γλώσσας προγραμματισμού Python και ήταν το φίλτρο δεύτερης παραγώγου LoG (Laplacian of Gaussian). Τέλος έγινε ψηφιακή ταξινόμηση της εικόνας, σημαντικότατη διαδικασία για την εξαγωγή πληροφορίας από την ομαδοποίηση των διάφορων περιοχών εκπαίδευσης. Εκτελέστηκαν και οι δύο τύποι ταξινόμησης επιβλεπόμενη και μη επιβλεπόμενη. Στην πρώτη περίπτωση χρησιμοποιείται ο αλγόριθμος K-means όπου ο χρήστης προσδιορίζει τις ομάδες ταξινόμησης χωρίς να γνωρίζει εκ των προτέρων την κατηγορία κάλυψης γης. Αντίθετα στη δεύτερη περίπτωση, η ταυτότητα των δειγματοληπτικών περιοχών είναι γνωστή στον αναλυτή και εμπεριέχουν μόνο ένα χαρακτηριστικό. Συγκεκριμένα εδώ χρησιμοποιήθηκε ο ταξινομητής Τυχαίων Δασών (Random Forest (RF)), ο οποίος αξιοποιεί πολλά ασυσχέτιστα μεταξύ τους μοντέλα-δέντρα αποφάσεων για να πραγματοποιήσει μια εκτίμηση.<br /> <br /> '''Αποτελέσματα και αξιολόγηση'''<br /> <br /> Εφόσον έγιναν πειράματα με διάφορες τεχνικές μεθόδων για την ανίχνευση πρέμνων, θα ακολουθήσει αξιολόγηση αυτών. Εξετάστηκαν οι Πίνακες Σύγχυσης (Confusion Matrix) και υπολογίστηκαν κάποια στατιστικά στοιχεία. Η διαγώνιος i=j του πίνακα δίνει τις πετυχημένες εκτιμήσεις του μοντέλου, ενώ πάνω από τη διαγώνιο έχουμε τις False Negative προβλέψεις και κάτω τις False Positive, δημιουργώντας έτσι πιθανές περιπτώσεις. Η ποσοτική αξιολόγηση της κάθε μεθόδου ολοκληρώνεται με την εξαγωγή δεικτών από τον παραπάνω πίνακα (Ανάκληση TP/(TP+FN) και Ακρίβεια TP/(TP+FP)). Η κατωφλίωση της συγχωνευμένης εικόνας που είχε εφαρμοστεί ο δείκτης NDVI για τιμή 0,35 έδωσε πολύ μικρή ακρίβεια, όπως διαπιστώθηκε ποιοτικά μέσω φωτοερμηνείας. Στο πείραμα της μεθόδου μοντέλου μη-γραμμικής διάχυσης για την παρεμβολή εικόνας, η εφαρμογή του φίλτρου Laplace απέτυχε να εντοπίσει αποτελεσματικά τα πρέμνα. Υπήρξε μεν ανίχνευση αυτών, όμως εντοπίστηκαν δρόμοι, κτίρια και τα όρια των αμπελοτεμαχίων ενώ δεν ανήκαν σε αυτή την κατηγορία. Η μέθοδος μη-επιβλεπόμενης ταξινόμησης (αλγόριθμος k-means) αξιολογήθηκε μόνο ποιοτικά, ώστε τα αποτελέσματα να λειτουργήσουν σαν οδηγός του φασματικού διαχωρισμού για τη μέθοδο Random Forest. Η εισαγωγή της πολυφασματικής εικόνας με βάση τους δείκτες ποιότητας, έδωσε με την επιβλεπόμενη ταξινόμηση Random Forest αξιοπρεπή αποτελέσματα σε όλους τους δείκτες αξιολόγησης για όλους τους συνδυασμούς δεδομένων που μελετήθηκαν. Τέλος, στην πολυφασματική εικόνα προστέθηκαν κάποιοι φασματικοί δείκτες βλάστησης, οι NDVI, MSAVI (modified soil-adjusted vegetation index) και NDWI (normalised difference water index), οι οποίοι έδωσαν εξίσου ικανοποιητικά αποτελέσματα.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση Τυχαίων Δασών εντόπισε τα πρέμνα αμπέλου με ακρίβεια σε ποσοστό της τάξης του 73% σε ορθότητα και 88% σε ανάκληση στην περιοχή μελέτης. Είναι αρκετά ακριβή, ωστόσο υπάρχει χώρος για περαιτέρω εξέλιξη και ελαχιστοποίηση των σφαλμάτων. Κάτι τέτοιο δύναται να επιτευχθεί με τη βελτιστοποίηση της προεπεξεργασίας των εικόνων, την ποιοτικότερη και εκτενέστερη παραγωγή δεδομένων ελέγχου και τη χρήση φασματογράφου. Σαν αποτέλεσμα τέλος, οι αμπελώνες θα μπορούσαν να διαχωριστούν ακόμα και ανά ποικιλία με τη βοήθεια της τηλεπισκόπησης.<br /> <br /> <br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BC%CF%80%CE%B5%CE%BB%CE%BF%CF%85%CF%81%CE%B3%CE%AF%CE%B1_%CE%91%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82:_%CE%91%CF%85%CF%84%CF%8C%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CF%80%CF%81%CE%AD%CE%BC%CE%BD%CF%89%CE%BD_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2021-02-13T17:52:18Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:SESantorini1.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης: Σαντορίνη, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> [[Εικόνα:SESantorini2.jpg | thumb | right | Εικ. 2 Ταξινόμηση με K-means 8 κλάσεις, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> [[Εικόνα:SESantorini3.jpg | thumb | right | Εικ. 3 Κατωφλιωμένη εικόνα με δείκτη NDVI, Πηγή: [https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1]]]<br /> <br /> <br /> '''Αμπελουργία Ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου διαμόρφωσης «κουλούρα» Σαντορίνης σε τηλεσκοπικά δεδομένα πολύ υψηλής χωρικής ανάλυσης.'''<br /> <br /> <br /> '''Πρωτότυπος Τίτλος:''' Αμπελουργία Ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου διαμόρφωσης «κουλούρα» Σαντορίνης σε τηλεσκοπικά δεδομένα πολύ υψηλής χωρικής ανάλυσης.<br /> <br /> '''Συγγραφείς:''' Αικατερίνη Δεμάγκου<br /> <br /> '''Πηγή:''' https://dspace.lib.ntua.gr/xmlui/bitstream/handle/123456789/50316/Demagkou_Aikaterini.pdf?sequence=1<br /> <br /> '''Λέξεις Κλειδιά:''' αμπελουργία ακριβείας, γεωργία ακριβείας, τηλεπισκόπηση, πρέμνα αμπέλου, Σαντορίνη<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Αυτόματος εντοπισμός πρέμνων αμπέλου με τη χρήση δορυφορικών απεικονίσεων.<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα εργασία διαπιστώνεται πως η χρήση της τηλεπισκόπησης μπορεί να αξιοποιηθεί για την παρακολούθηση των καλλιεργειών και συγκεκριμένα για την αύξηση της παραγωγής με ταυτόχρονη ελαχιστοποίηση των περιβαλλοντικών επιπτώσεων με τις λεγόμενες τεχνικές Γεωργίας Ακριβείας. Πιο συγκεκριμένα θα μελετηθεί το παράδειγμα της Αμπελουργίας Ακριβείας στη Σαντορίνη, όπου με εικόνες του δορυφορικού αισθητήρα WorldView-3 θα εντοπιστούν αυτόματα μεμονωμένοι πρέμνοι αμπέλου με διαμόρφωση «κουλούρα». Εφαρμόζοντας τεχνικές ταξινόμησης της τηλεπισκόπησης, θα δούμε πως υπερτερούν σε γενίκευση, ακρίβεια και ορθότητα έναντι απλούστερων τεχνικών ανάλυσης.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Καθώς η λήψη δορυφορικών δεδομένων πολύ υψηλής χωρικής ανάλυσης γίνεται όλο και πιο διαδεδομένη σε όλο και περισσότερους τομείς της επιστημονικής και καθημερινής ζωής, η τηλεπισκόπηση καθίσταται σημαντικός παράγοντας στην αυτοματοποίηση συγκεκριμένων διαδικασιών. Τις τελευταίες δεκαετίες χρησιμοποιείται και για την παρακολούθηση και μελέτη των καλλιεργειών. Η παρατήρηση της Γης από δορυφόρους αξιοποιεί τεχνικές γεωπληροφορικής και τηλεπισκόπησης με σκοπό την επίλυση ζητημάτων και την αυτοματοποίηση διαδικασιών στο πεδίο της Γεωργίας Ακριβείας. Συγκεκριμένα η Αμπελουργία Ακριβείας είναι η μέθοδος που θα δώσει στον αμπελουργό και στον οινολόγο τη γνώση για το ποιο μέρος του αμπελώνα θα παραγάγει υψηλότερης ή χαμηλότερης ποιότητας οίνο, ώστε ο τρύγος να γίνει επιλεκτικά. Δεδομένου πως διάφοροι παράγοντες όπως το ανάγλυφο, τα χαρακτηριστικά του εδάφους, τα παράσιτα, οι καιρικές συνθήκες κλπ επηρεάζουν την παραγωγή και ποιότητα των σταφυλιών, είναι εξαιρετικά σημαντική η χρήση των νέων τεχνολογιών για τη βελτιστοποίηση της παραγωγής. Η Αμπελουργία Ακριβείας θεωρείται μια συνεχής κυκλική διαδικασία τριών σταδίων: α) της παρατήρησης και χαρτογράφησης, β) της ερμηνείας (με χρήση λογισμικού GIS) και γ) της εκτίμησης. Στην παρούσα μελέτη περίπτωσης αναπτύχθηκε η μεθοδολογία που προτείνεται για τον αυτόματο εντοπισμό πρέμνων αμπέλου τύπου κουλούρας.<br /> <br /> '''Μέθοδοι'''<br /> <br /> Σαν πρώτο στάδιο επιλέχθηκε η περιοχή μελέτης. Η προς εξέταση περιοχή βρίσκεται μεταξύ των οικισμών Ακρωτήρι και Εμπορειό και καλύπτει μια έκταση 250 περίπου στρεμμάτων. Η δορυφορική εικόνα του WorldView-3 που επιλέχθηκε είναι του 2018 και σε χρονικό εύρος +/- 2 εβδομάδων πριν την έναρξη του περκασμού (veraison). Αυτό είναι το στάδιο λίγο πριν την έναρξη της ωρίμανσης των ραγών, οπότε παύουν να είναι πράσινες και εμφανίζεται προοδευτικά το χρώμα της κάθε ποικιλίας. Θεωρείται δε το πλέον κατάλληλο για τις εφαρμογές αμπελουργίας ακριβείας.<br /> Ο δορυφόρος WorldView-3 βρίσκεται σε τροχιά 61.711km και έχει πολύ υψηλή φασματική και χωρική ανάλυση (31cm στο παγχρωματικό, 1,24m στα πολυφασματικά και 3,7m στο μέσο υπέρυθρο). Έχει μέσο χρόνο επανάληψης μικρότερο της μιας ημέρας. Με βάση αυτά τα δεδομένα έχει ωφελήσει πάρα πολύ τη γεωργία και τη σχετική με αυτή εφαρμογές.<br /> Δεύτερο στάδιο υπήρξε η προεπεξεργασία της εικόνας. Η πολυφασματική εικόνα διορθώθηκε ραδιομετρικά και συγχωνεύθηκε με την παγχρωματική. Ατμοσφαιρική διόρθωση δεν κατέστη αναγκαία, καθώς η εικόνα ήταν ήδη διορθωμένη.<br /> Στο επόμενο στάδιο δημιουργήθηκαν δεδομένα σε περιβάλλον Quantum GIS. Ψηφιοποιήθηκε το σύνολο των αμπελοτεμαχίων και πρέμνων και αναγνωρίστηκαν με φωτοερμηνευτικές μεθόδους. Η επιλογή της τελικής περιοχής μελέτης έγινε με βάση την πυκνότητα των αμπελοτεμαχίων, αλλά και τη διάταξη, την ποιότητα και το μέγεθος των πρέμνων στην περιοχή αυτή. Έτσι δημιουργήθηκαν τα διανυσματικά αρχεία που περιέχουν τα φυτά για την ταξινόμηση που ακολούθησε.<br /> Στη συνέχεια αναζητήθηκε η κατάλληλη μέθοδος για τον εντοπισμό των πρεμνών. Για να επιτευχθεί αυτό, βρέθηκε ο δείκτης βλάστησης κανονικοποιημένων διαφορών NDVI (normalised difference vegetation index), που δηλώνει την κατάσταση της ευρωστίας του φυτού, με βάση πως αυτό ανακλά το φως σε ορισμένες συχνότητες. Εξαιτίας κάποιων αδυναμιών του δείκτη NDVI (π.χ. ανιχνεύει τη βλάστηση γενικά) η εικόνα έπρεπε να μετατραπεί σε δυαδική (Binary) για να ξεχωρίσουν όσο το δυνατόν περισσότερο τα πρέμνα. Επόμενη μέθοδος ήταν αυτή που βασίζεται σε χρήση μοντέλων Μερικών Διαφορικών Εξισώσεων (ΜΔΕ). Χρησιμοποιήθηκε δηλαδή ένα μοντέλο που είναι σχεδιασμένο για γενικές διανυσματικές εικόνες και επεξεργάζεται τα διαφορετικά κανάλια της εικόνας με έναν συζευγμένο τρόπο. Αναπτύχθηκε δε μέσω της γλώσσας προγραμματισμού Python και ήταν το φίλτρο δεύτερης παραγώγου LoG (Laplacian of Gaussian). Τέλος έγινε ψηφιακή ταξινόμηση της εικόνας, σημαντικότατη διαδικασία για την εξαγωγή πληροφορίας από την ομαδοποίηση των διάφορων περιοχών εκπαίδευσης. Εκτελέστηκαν και οι δύο τύποι ταξινόμησης επιβλεπόμενη και μη επιβλεπόμενη. Στην πρώτη περίπτωση χρησιμοποιείται ο αλγόριθμος K-means όπου ο χρήστης προσδιορίζει τις ομάδες ταξινόμησης χωρίς να γνωρίζει εκ των προτέρων την κατηγορία κάλυψης γης. Αντίθετα στη δεύτερη περίπτωση, η ταυτότητα των δειγματοληπτικών περιοχών είναι γνωστή στον αναλυτή και εμπεριέχουν μόνο ένα χαρακτηριστικό. Συγκεκριμένα εδώ χρησιμοποιήθηκε ο ταξινομητής Τυχαίων Δασών (Random Forest (RF)), ο οποίος αξιοποιεί πολλά ασυσχέτιστα μεταξύ τους μοντέλα-δέντρα αποφάσεων για να πραγματοποιήσει μια εκτίμηση.<br /> <br /> '''Αποτελέσματα και αξιολόγηση'''<br /> <br /> Εφόσον έγιναν πειράματα με διάφορες τεχνικές μεθόδων για την ανίχνευση πρέμνων, θα ακολουθήσει αξιολόγηση αυτών. Εξετάστηκαν οι Πίνακες Σύγχυσης (Confusion Matrix) και υπολογίστηκαν κάποια στατιστικά στοιχεία. Η διαγώνιος i=j του πίνακα δίνει τις πετυχημένες εκτιμήσεις του μοντέλου, ενώ πάνω από τη διαγώνιο έχουμε τις False Negative προβλέψεις και κάτω τις False Positive, δημιουργώντας έτσι πιθανές περιπτώσεις. Η ποσοτική αξιολόγηση της κάθε μεθόδου ολοκληρώνεται με την εξαγωγή δεικτών από τον παραπάνω πίνακα (Ανάκληση TP/(TP+FN) και Ακρίβεια TP/(TP+FP)). Η κατωφλίωση της συγχωνευμένης εικόνας που είχε εφαρμοστεί ο δείκτης NDVI για τιμή 0,35 έδωσε πολύ μικρή ακρίβεια, όπως διαπιστώθηκε ποιοτικά μέσω φωτοερμηνείας. Στο πείραμα της μεθόδου μοντέλου μη-γραμμικής διάχυσης για την παρεμβολή εικόνας, η εφαρμογή του φίλτρου Laplace απέτυχε να εντοπίσει αποτελεσματικά τα πρέμνα. Υπήρξε μεν ανίχνευση αυτών, όμως εντοπίστηκαν δρόμοι, κτίρια και τα όρια των αμπελοτεμαχίων ενώ δεν ανήκαν σε αυτή την κατηγορία. Η μέθοδος μη-επιβλεπόμενης ταξινόμησης (αλγόριθμος k-means) αξιολογήθηκε μόνο ποιοτικά, ώστε τα αποτελέσματα να λειτουργήσουν σαν οδηγός του φασματικού διαχωρισμού για τη μέθοδο Random Forest. Η εισαγωγή της πολυφασματικής εικόνας με βάση τους δείκτες ποιότητας, έδωσε με την επιβλεπόμενη ταξινόμηση Random Forest αξιοπρεπή αποτελέσματα σε όλους τους δείκτες αξιολόγησης για όλους τους συνδυασμούς δεδομένων που μελετήθηκαν. Τέλος, στην πολυφασματική εικόνα προστέθηκαν κάποιοι φασματικοί δείκτες βλάστησης, οι NDVI, MSAVI (modified soil-adjusted vegetation index) και NDWI (normalised difference water index), οι οποίοι έδωσαν εξίσου ικανοποιητικά αποτελέσματα.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση Τυχαίων Δασών εντόπισε τα πρέμνα αμπέλου με ακρίβεια σε ποσοστό της τάξης του 73% σε ορθότητα και 88% σε ανάκληση στην περιοχή μελέτης. Είναι αρκετά ακριβή, ωστόσο υπάρχει χώρος για περαιτέρω εξέλιξη και ελαχιστοποίηση των σφαλμάτων. Κάτι τέτοιο δύναται να επιτευχθεί με τη βελτιστοποίηση της προεπεξεργασίας των εικόνων, την ποιοτικότερη και εκτενέστερη παραγωγή δεδομένων ελέγχου και τη χρήση φασματογράφου. Σαν αποτέλεσμα τέλος, οι αμπελώνες θα μπορούσαν να διαχωριστούν ακόμα και ανά ποικιλία με τη βοήθεια της τηλεπισκόπησης.<br /> <br /> <br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CE%AE_%CF%83%CF%84%CE%BF%CE%BD_%CE%86%CF%81%CE%B7:_MARS2020_AND_MARS_SAMPLE_RETURN 2021-02-13T17:48:22Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:SEMars1.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης του κρατήρα Jezero, [https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract]]]<br /> [[Εικόνα:SEMars2.jpg | thumb | right | Εικ. 2 Χαρτογραφημένο το δέλτα του Jezero, [https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' MARS2020 AND MARS SAMPLE RETURN<br /> <br /> '''Συγγραφείς:''' Adrian Jon Brown<br /> <br /> '''Πηγή:''' https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract<br /> <br /> '''Λέξεις Κλειδιά:''' αποστολή Mars Sample Return, τηλεπισκόπηση, ολιβίνης, Άρης, πετρώματα, ορυκτά<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χρήση τηλεσκοπικών μεθόδων για τον εντοπισμό του ολιβίνη σε πετρώματα του πλανήτη Άρη. <br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Το Mars Sample Return αποτελείται από τρεις διαφορετικές αποστολές εκ των οποίων η πρώτη το Mars2020 rover θα προσεδαφιστεί στον κρατήρα Jezero του πλανήτη Άρη, στις 18 Φεβρουαρίου του 2021. Στο παρόν άρθρο παρουσιάζεται η μελέτη τηλεπισκόπησης μιας προεξέχουσας μονάδας, η οποία είναι πιθανόν να βρεθεί στη συλλογή δειγμάτων που θα πραγματοποιηθεί, αφού περιέχει ολιβίνη (ο ολιβίνης είναι συστατικό που προκύπτει απ’τα ορυκτά φορστερίνη και φαϋαλίτη, θεωρείται δε παράμιξη). Χρησιμοποιήθηκαν δεδομένα από το όργανο CRISM. Επίσης αναφέρεται η σημασία του στην αστροβιολογία σε συνάρτηση με τα στρωματολιθικά Αρχαιοζωικού αιώνα ευρήματα στη δυτική Αυστραλία.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Το rover Mars2020 θα συλλέξει μια σειρά δειγμάτων τα οποία θα κατηγοριοποιηθούν και θα αποθηκευτούν, ώστε να επιστρέψουν στη Γη με την αποστολή MSR που θα εκτοξευθεί το 2026 και αναμένεται να επιστρέψει το 2031. Έχει αναγνωριστεί ένα εντυπωσιακό κομμάτι βράχου, πολύ ερυθρό, χωρίς αλλοιώσεις ορυκτών αργίλου και ανθρακικών αλάτων. Αυτή την ανακάλυψη έκανε το CRISM VNIR υπερφασματικό όργανο του MRO (Mars Reconnaissance Orbiter). Η μελέτη θα δείξει πως πετρώματα με ολιβίνη από το χείλος του κρατήρα, είναι το ίδιο με τον ανθρακικό-ολιβίνη που βρίσκεται μέσα στον ίδιο τον κρατήρα, που θα ερευνήσει το Mars2020. Αυτό θα φανερώσει πως ήταν ο ολιβίνης πριν αλλοιωθεί και μεταφερθεί μέσα στον κρατήρα, δίνοντάς μας έτσι μια εικόνα του κατά πόσο ήταν κατοικήσιμος ο Άρης τότε. Μέσω συγκρίσεων των υπογραφών άνθρακα και αργίλου, θα ελεγχθούν συμπεράσματα για την προέλευση του ολιβίνη και τις σχέσεις με την ορυκτολογία αλλοίωσης.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Χρησιμοποιήθηκαν δεδομένα πλήρους ανάλυσης από το CRISM για να χαρτογραφηθούν οι υπογραφές του ολιβίνη και του άνθρακα στον κρατήρα Jezero και στη γύρω λεκάνη απορροής. Αποκαλύφθηκε μια άγνωστη σχέση μεταξύ της υπογραφής ολιβίνη 1μm band και άνθρακα και φυλλοπυριτικών ορυκτών. Η επαναληπτική ασύμμετρη προσέγγιση Gauss, εφαρμόζοντας ένα όριο στις τέσσερις παραμέτρους, εξάλειψε τον «θόρυβο» και τα μη-ολιβίνη στοιχεία. Παίρνοντας δείγματα από συγκεκριμένα σημεία της εικόνας και εφαρμόζοντας τη μέθοδο καταλήγουμε στο συμπέρασμα πως η εκτιμώμενη ακρίβεια της σύνθεσης είναι μέτρια Fo (40-66).<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή προέβαλε τους άγνωστους συσχετισμούς του ολιβίνη 1μm band με ανθρακικά άλατα και άργιλο. Οι γραφικές παραστάσεις “Shkuratov” για την ασυμμετρία έδειξαν πως στην τελευταία σειρά (FRT3E12) τα πιο ερυθρά 1μm band pixels δεν σχετίζονται με άνθρακα ή φυλλοπυριτικά ορυκτά. Αντίθετα στο HRL40FF οι πιο ερυθροί ολιβίνοι συνοδεύονται από άνθρακα και φυλλοπυριτικά. Αυτή η διαφορά υπαινίσσεται διαφορετικά είδη αλλοίωσης στην περιοχή 3E12 και 40FF και είναι πολύ πιθανό να ερευνηθεί από το rover Mars2020, που θα προσεδαφιστεί κοντά στην τοποθεσία HRL40FF.<br /> Επιπλέον, γίνονται συγκρίσεις των αποτελεσμάτων με δεδομένα υπερφασματικών υπογραφών στοιχείων που αντλήθηκαν από την περιοχή Warrawoona Group της δυτικής Αυστραλίας. Εκεί έχουν ανακαλυφθεί ορυκτά και πετρώματα, όπως ο Apex Basalt, τα οποία θεωρούνται ενδείξεις για ηφαιστειακή δραστηριότητα στο πολύ μακρινό παρελθόν. Με ημερομηνία 3.465 Ga, οι μικροδομές, που βρέθηκαν στα πετρώματα, θεωρούνται το παλαιότερο γνωστό γεωλογικό αρχείο της ζωής στη Γη. Δεδομένης της φασματικής ομοιότητας, τα αυστραλιανά πετρώματα μπορεί να αποδειχτούν ιδιαίτερα σημαντικά για την εκτίμηση της θέσης προσεδάφισης του Mars2020.<br /> <br /> <br /> <br /> [[category:Διαστημική Τηλεπισκόπηση]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%B1%CE%B8%CF%85%CE%BC%CE%B5%CF%84%CF%81%CE%AF%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%80%CF%85%CE%B8%CE%BC%CE%AD%CE%BD%CE%B1_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AD%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82 2021-02-13T17:44:45Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:7.1. Παραλία Λαμπαγιαννών, Άργος.jpg | thumb | right | Εικ. 1 Παραλία Λαμπαγιαννών, Άργος, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]<br /> ]]<br /> [[Εικόνα:7.2. Παραλία Βάρκιζας.jpg | thumb | right | Εικ. 2 Παραλία Βάρκιζας, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.3. Περιοχές εκπαίδευσης Βάρκιζα.jpg | thumb | right | Εικ. 3 Περιοχές εκπαίδευσης, Βάρκιζα, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.4. Επιβλεπόμενη ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 4 Επιβλεπόμενη ταξινόμηση, Βάρκιζα, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.5. Μη επιβλεπόμενη ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 5 Μη επιβλεπόμενη ταξινόμηση, Βάρκιζα, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.6. Αντικειμενοστρεφής ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 6 Αντικειμενοστρεφής ταξινόμηση, Βάρκιζα, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.7. Φωτοερμηνεία, Άργος.jpg | thumb | right | Εικ. 7 Φωτοερμηνεία, Άργος]]<br /> [[Εικόνα:7.8. Αντικειμενοστρεφής ταξινόμηση, Άργος.jpg | thumb | right | Εικ. 8 Αντικειμενοστρεφής ταξινόμηση, Άργος, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> [[Εικόνα:7.9. Γραμμικό βαθυμετρικό μοντέλο.jpg | thumb | right | Εικ. 9 Γραμμικό βαθυμετρικό μοντέλο, Πηγή: [http://dspace.lib.ntua.gr/handle/123456789/46879]]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Διερεύνηση τηλεπισκοπικών τεχνικών για βαθυμετρία και χαρτογράφηση πυθμένα από δορυφορικά και εναέρια δεδομένα<br /> <br /> '''Συγγραφείς:''' Κωνσταντίνα Καραντώνη<br /> <br /> '''Πηγή:''' http://dspace.lib.ntua.gr/handle/123456789/46879<br /> <br /> '''Λέξεις κλειδιά:''' τηλεπισκόπηση, βαθυμετρία, χαρτογράφηση πυθμένα, δορυφορικοί αισθητήρες, Βάρκιζα, παραλία Λαμπαγιαννών<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χρήση της τηλεπισκόπησης για χαρτογράφηση πυθμένα<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα εργασία θα μελετηθούν τα παράκτια θαλάσσια περιβάλλοντα και θα καταγραφούν οι μεταβολές τους, καθώς αυτές είναι σημαντικές. Για να γίνει αυτό με ακρίβεια αλλά και οικονομικό τρόπο, θα χρησιμοποιηθούν πολυφασματικά τηλεσκοπικά δεδομένα υψηλής χωρικής ανάλυσης, ώστε να γίνει βαθυμετρική εκτίμηση και χαρτογράφηση του πυθμένα. Αυτά προέκυψαν από τους δορυφόρους Sentinel-2 και WorldView-2, καθώς και από επανδρωμένες και μη πτήσεις στις περιοχές της Βάρκιζας και της παραλίας Λαμπαγιαννών στην Αργολίδα.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αλματώδης εξέλιξη που έχει συντελεστεί στην τεχνολογία των οπτικών αισθητήρων τα τελευταία χρόνια, έλυσε πολλά προβλήματα που υπήρχαν παλαιότερα στη συλλογή δεδομένων με τη χρήση μονής ή πολλαπλής δέσμης ηχοβολισμού και συστημάτων LiDAR (Light Detection and Ranging). Ως εκ τούτου, οι βαθυμετρικές μετρήσεις είναι πλέον αξιόπιστες, πιο γρήγορες και με μικρότερο κόστος. Επιπλέον είναι δυνατόν να γίνεται πολύ συχνά ανανέωση των δεδομένων, σύμφωνα με τη συχνή μεταβολή των θαλάσσιων περιβαλλόντων. <br /> Η σημασία της παρατήρησης και χαρτογράφησης αυτών των περιοχών είναι πολύ μεγάλη για πολλούς τομείς. Αρχικά συντελούν στην καταγραφή και συντήρηση αρχαιολογικών χώρων, πλήθος των οποίων βρίσκεται στα παράλια της Μεσογείου και ιδιαίτερα της Ελλάδος, και αξιοποίηση αυτών. Έπειτα είναι ιδιαίτερα χρήσιμα στα περιβαλλοντικά ζητήματα (ποιότητα νερού, κοραλλιογενείς ύφαλοι, λιώσιμο των πάγων), σε οικονομικές δραστηριότητες και λοιπούς τομείς.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Σαν περιοχές μελέτης ορίστηκαν η παραλία Λαμπαγιαννά Αργολίδας (εικ1), λόγω του έντονου αρχαιολογικού ενδιαφέροντος, και ο κόλπος της Βάρκιζας (εικ.2), λόγω των διαθέσιμων πυκνών χωρικά βαθυμετρικών δεδομένων. <br /> Τα τηλεσκοπικά δεδομένα των δορυφορικών δεκτών Sentinel-2 και WorldView-2, υπέστησαν αρχικά προεπεξεργασία, δηλαδή ατμοσφαιρική διόρθωση, αφαίρεση λαμπυρίσματος (συχνό πρόβλημα στις εικόνες θαλάσσης, λόγω της πρόσπτωσης του ήλιου στην επιφάνεια), γεωμετρική αναγωγή, χωρική βελτίωση και μοντέλο εδάφους.<br /> Ακολούθησε η χαρτογράφηση του πυθμένα. Αυτή έγινε με τρεις μεθόδους ταξινόμησης: την επιβλεπόμενη, τη μη επιβλεπόμενη και την αντικειμενοστρεφή ανάλυση. Σημειώνουμε πως ήταν απαραίτητη και η ύπαρξη επίγειων δεδομένων από επί τόπου παρατήρηση. Σαν περιοχές εκπαίδευσης για την επιβλεπόμενη ταξινόμηση εισήχθησαν οι ακόλουθοι τύποι πυθμένα από τη Βάρκιζα: άμμος (sand), βραχώδες υποστρώμα (bedrock), λάσπη (mud), αραιό λιβάδι ποσειδωνίας (sparse meadow) και πυκνό λιβάδι ποσειδωνίας (dense meadow) (εικ.3). Η επεξεργασία έγινε στο λογισμικό QGIS με το πρόσθετο Semi-Automatic Classification Plugin και τα αποτελέσματα φαίνονται στην εικόνα 4.<br /> Η μη επιβλεπόμενη ταξινόμηση έγινε στο λογισμικό GRASS GIS με την εντολή i.cluster και έδωσε αποτελέσματα (εικ.5) βάσει των φασματικών υπογραφών των αντικειμένων. Τέλος η αντικειμενοστρεφής ταξινόμηση πραγματοποιήθηκε στο λογισμικό eCognition Developer μέσω της εντολής Classification (εικ.6). <br /> Αντίστοιχα για την περιοχή της παραλίας Λαμπαγιαννά προέκυψε το αποτέλεσμα της εικόνας 7 από φωτοερμηνεία της εικόνας και επιτόπια έρευνα. Η αντικειμενοστρεφής ταξινόμηση, που υπήρξε πολύ ικανοποιητική, φαίνεται στην εικόνα 8.<br /> Στη συνέχεια εφαρμόστηκαν δύο διαφορετικά βαθυμετρικά μοντέλα, το Γραμμικό (Lyzenga) (εικ.9) και το μοντέλο Γραμμικής Αναλογίας (Stumpf). Το πρώτο βασίζεται στη θεωρία πως το φως εξασθενεί γραμμικά σε σχέση με το βάθος, ενώ το δεύτερο θεωρεί πως το φως εξασθενεί εκθετικά.<br /> <br /> '''Αποτελέσματα και Αξιολόγηση'''<br /> <br /> Η βέλτιστη μέθοδος για τη χαρτογράφηση του πυθμένα προκύπτει πως είναι αυτή της αντικειμενοστρεφούς (object based) ταξινόμησης. Υπήρξε η μόνη μέθοδος με την οποία αναγνωρίστηκαν όλες οι κατηγορίες του πυθμένα και το αποτέλεσμα ήταν ποιοτικά καλύτερο από τις άλλες δύο. Επίσης το αποτέλεσμα εξάγεται σε μορφή shapefile κάτι το οποίο είναι πλεονέκτημα, αφού είναι πιο εύκολα διαχειρίσιμο. <br /> Όσον αφορά στη βαθυμετρία, υψηλοί συντελεστές συσχέτισης (R2 &gt; 80%) επιτεύχθηκαν μόνο στην περίπτωση της εικόνας του δορυφόρου Sentinel-2, με τον μεγαλύτερο αυτών να αγγίζει το 90% και να αποδίδεται στο μοντέλο Lyzenga. Ένα πολύ ενδιαφέρον συμπέρασμα που προκύπτει από την εξέταση των συγκεντρωτικών αποτελεσμάτων, είναι ότι το μεν μοντέλο Stumpf δίνει μικρότερες τιμές Ρίζας Μέσου Τετραγωνικού Σφάλματος σε δεδομένα χαμηλής χωρικής ανάλυσης, το δε μοντέλο Lyzenga σε δεδομένα υψηλής χωρικής ανάλυσης. Συνεπώς, το μεν μοντέλο Stumpf ενδείκνυται περισσότερο για εκτίμηση βαθών σε περιπτώσεις τηλεπισκοπικών δεδομένων χαμηλής χωρικής ανάλυσης, το δε Lyzenga σε περιπτώσεις δεδομένων υψηλής χωρικής ανάλυσης.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Τα πλεονεκτήματα χρήσης τηλεσκοπικών δεδομένων είναι η δυνατότητα χαρτογράφησης εκτεταμένων παράκτιων περιοχών σε σύντομο χρονικό διάστημα, με τα αποτελέσματα να εξάγονται σε ψηφιακή (raster) μορφή και να μπορούν να οδηγήσουν στη δημιουργία βαθυμετρικών χαρτών με ακρίβεια της τάξης των 2m και για βάθη έως περίπου 25m. Τα βαθυμετρικά αυτά δεδομένα μπορούν να χρησιμοποιηθούν ως υπόβαθρα σε ποικίλες αρχαιολογικές, τοπογραφικές και άλλες εφαρμογές. Όσον αφορά στα βαθυμετρικά μοντέλα, συμπεραίνουμε πως όσο αυξάνεται η χωρική ανάλυση των δεδομένων τόσο φθίνει η αποτελεσματικότητα των μοντέλων στην εκτίμηση των βαθών. Συνεπώς, συνίσταται η χρήση δεδομένων μέτριας χωρικής ανάλυσης, καθώς εάν επιλεγεί η χαμηλή χωρική ανάλυση όπου υπερτερεί το μοντέλο Stumpf, υπάρχει ο κίνδυνος απόκρυψης στοιχείων του θαλάσσιου πυθμένα που είναι απαραίτητα για την ασφαλή ναυσιπλοΐα.<br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%B1%CE%B8%CF%85%CE%BC%CE%B5%CF%84%CF%81%CE%AF%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%80%CF%85%CE%B8%CE%BC%CE%AD%CE%BD%CE%B1_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AD%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82 2021-02-13T17:41:06Z

<p>Efklia: </p> <hr /> <div>[[Εικόνα:7.1. Παραλία Λαμπαγιαννών, Άργος.jpg | thumb | right | Εικ. 1 Παραλία Λαμπαγιαννών, Άργος]]<br /> [[Εικόνα:7.2. Παραλία Βάρκιζας.jpg | thumb | right | Εικ. 2 Παραλία Βάρκιζας]]<br /> [[Εικόνα:7.3. Περιοχές εκπαίδευσης Βάρκιζα.jpg | thumb | right | Εικ. 3 Περιοχές εκπαίδευσης, Βάρκιζα]]<br /> [[Εικόνα:7.4. Επιβλεπόμενη ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 4 Επιβλεπόμενη ταξινόμηση, Βάρκιζα]]<br /> [[Εικόνα:7.5. Μη επιβλεπόμενη ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 5 Μη επιβλεπόμενη ταξινόμηση, Βάρκιζα]]<br /> [[Εικόνα:7.6. Αντικειμενοστρεφής ταξινόμηση, Βάρκιζα.jpg | thumb | right | Εικ. 6 Αντικειμενοστρεφής ταξινόμηση, Βάρκιζα]]<br /> [[Εικόνα:7.7. Φωτοερμηνεία, Άργος.jpg | thumb | right | Εικ. 7 Φωτοερμηνεία, Άργος]]<br /> [[Εικόνα:7.8. Αντικειμενοστρεφής ταξινόμηση, Άργος.jpg | thumb | right | Εικ. 8 Αντικειμενοστρεφής ταξινόμηση, Άργος]]<br /> [[Εικόνα:7.9. Γραμμικό βαθυμετρικό μοντέλο.jpg | thumb | right | Εικ. 9 Γραμμικό βαθυμετρικό μοντέλο]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' Διερεύνηση τηλεπισκοπικών τεχνικών για βαθυμετρία και χαρτογράφηση πυθμένα από δορυφορικά και εναέρια δεδομένα<br /> <br /> '''Συγγραφείς:''' Κωνσταντίνα Καραντώνη<br /> <br /> '''Πηγή:''' http://dspace.lib.ntua.gr/handle/123456789/46879<br /> <br /> '''Λέξεις κλειδιά:''' τηλεπισκόπηση, βαθυμετρία, χαρτογράφηση πυθμένα, δορυφορικοί αισθητήρες, Βάρκιζα, παραλία Λαμπαγιαννών<br /> <br /> '''Αντικείμενο Εφαρμογής:''' Χρήση της τηλεπισκόπησης για χαρτογράφηση πυθμένα<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Στην παρούσα εργασία θα μελετηθούν τα παράκτια θαλάσσια περιβάλλοντα και θα καταγραφούν οι μεταβολές τους, καθώς αυτές είναι σημαντικές. Για να γίνει αυτό με ακρίβεια αλλά και οικονομικό τρόπο, θα χρησιμοποιηθούν πολυφασματικά τηλεσκοπικά δεδομένα υψηλής χωρικής ανάλυσης, ώστε να γίνει βαθυμετρική εκτίμηση και χαρτογράφηση του πυθμένα. Αυτά προέκυψαν από τους δορυφόρους Sentinel-2 και WorldView-2, καθώς και από επανδρωμένες και μη πτήσεις στις περιοχές της Βάρκιζας και της παραλίας Λαμπαγιαννών στην Αργολίδα.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αλματώδης εξέλιξη που έχει συντελεστεί στην τεχνολογία των οπτικών αισθητήρων τα τελευταία χρόνια, έλυσε πολλά προβλήματα που υπήρχαν παλαιότερα στη συλλογή δεδομένων με τη χρήση μονής ή πολλαπλής δέσμης ηχοβολισμού και συστημάτων LiDAR (Light Detection and Ranging). Ως εκ τούτου, οι βαθυμετρικές μετρήσεις είναι πλέον αξιόπιστες, πιο γρήγορες και με μικρότερο κόστος. Επιπλέον είναι δυνατόν να γίνεται πολύ συχνά ανανέωση των δεδομένων, σύμφωνα με τη συχνή μεταβολή των θαλάσσιων περιβαλλόντων. <br /> Η σημασία της παρατήρησης και χαρτογράφησης αυτών των περιοχών είναι πολύ μεγάλη για πολλούς τομείς. Αρχικά συντελούν στην καταγραφή και συντήρηση αρχαιολογικών χώρων, πλήθος των οποίων βρίσκεται στα παράλια της Μεσογείου και ιδιαίτερα της Ελλάδος, και αξιοποίηση αυτών. Έπειτα είναι ιδιαίτερα χρήσιμα στα περιβαλλοντικά ζητήματα (ποιότητα νερού, κοραλλιογενείς ύφαλοι, λιώσιμο των πάγων), σε οικονομικές δραστηριότητες και λοιπούς τομείς.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Σαν περιοχές μελέτης ορίστηκαν η παραλία Λαμπαγιαννά Αργολίδας (εικ1), λόγω του έντονου αρχαιολογικού ενδιαφέροντος, και ο κόλπος της Βάρκιζας (εικ.2), λόγω των διαθέσιμων πυκνών χωρικά βαθυμετρικών δεδομένων. <br /> Τα τηλεσκοπικά δεδομένα των δορυφορικών δεκτών Sentinel-2 και WorldView-2, υπέστησαν αρχικά προεπεξεργασία, δηλαδή ατμοσφαιρική διόρθωση, αφαίρεση λαμπυρίσματος (συχνό πρόβλημα στις εικόνες θαλάσσης, λόγω της πρόσπτωσης του ήλιου στην επιφάνεια), γεωμετρική αναγωγή, χωρική βελτίωση και μοντέλο εδάφους.<br /> Ακολούθησε η χαρτογράφηση του πυθμένα. Αυτή έγινε με τρεις μεθόδους ταξινόμησης: την επιβλεπόμενη, τη μη επιβλεπόμενη και την αντικειμενοστρεφή ανάλυση. Σημειώνουμε πως ήταν απαραίτητη και η ύπαρξη επίγειων δεδομένων από επί τόπου παρατήρηση. Σαν περιοχές εκπαίδευσης για την επιβλεπόμενη ταξινόμηση εισήχθησαν οι ακόλουθοι τύποι πυθμένα από τη Βάρκιζα: άμμος (sand), βραχώδες υποστρώμα (bedrock), λάσπη (mud), αραιό λιβάδι ποσειδωνίας (sparse meadow) και πυκνό λιβάδι ποσειδωνίας (dense meadow) (εικ.3). Η επεξεργασία έγινε στο λογισμικό QGIS με το πρόσθετο Semi-Automatic Classification Plugin και τα αποτελέσματα φαίνονται στην εικόνα 4.<br /> Η μη επιβλεπόμενη ταξινόμηση έγινε στο λογισμικό GRASS GIS με την εντολή i.cluster και έδωσε αποτελέσματα (εικ.5) βάσει των φασματικών υπογραφών των αντικειμένων. Τέλος η αντικειμενοστρεφής ταξινόμηση πραγματοποιήθηκε στο λογισμικό eCognition Developer μέσω της εντολής Classification (εικ.6). <br /> Αντίστοιχα για την περιοχή της παραλίας Λαμπαγιαννά προέκυψε το αποτέλεσμα της εικόνας 7 από φωτοερμηνεία της εικόνας και επιτόπια έρευνα. Η αντικειμενοστρεφής ταξινόμηση, που υπήρξε πολύ ικανοποιητική, φαίνεται στην εικόνα 8.<br /> Στη συνέχεια εφαρμόστηκαν δύο διαφορετικά βαθυμετρικά μοντέλα, το Γραμμικό (Lyzenga) (εικ.9) και το μοντέλο Γραμμικής Αναλογίας (Stumpf). Το πρώτο βασίζεται στη θεωρία πως το φως εξασθενεί γραμμικά σε σχέση με το βάθος, ενώ το δεύτερο θεωρεί πως το φως εξασθενεί εκθετικά.<br /> <br /> '''Αποτελέσματα και Αξιολόγηση'''<br /> <br /> Η βέλτιστη μέθοδος για τη χαρτογράφηση του πυθμένα προκύπτει πως είναι αυτή της αντικειμενοστρεφούς (object based) ταξινόμησης. Υπήρξε η μόνη μέθοδος με την οποία αναγνωρίστηκαν όλες οι κατηγορίες του πυθμένα και το αποτέλεσμα ήταν ποιοτικά καλύτερο από τις άλλες δύο. Επίσης το αποτέλεσμα εξάγεται σε μορφή shapefile κάτι το οποίο είναι πλεονέκτημα, αφού είναι πιο εύκολα διαχειρίσιμο. <br /> Όσον αφορά στη βαθυμετρία, υψηλοί συντελεστές συσχέτισης (R2 &gt; 80%) επιτεύχθηκαν μόνο στην περίπτωση της εικόνας του δορυφόρου Sentinel-2, με τον μεγαλύτερο αυτών να αγγίζει το 90% και να αποδίδεται στο μοντέλο Lyzenga. Ένα πολύ ενδιαφέρον συμπέρασμα που προκύπτει από την εξέταση των συγκεντρωτικών αποτελεσμάτων, είναι ότι το μεν μοντέλο Stumpf δίνει μικρότερες τιμές Ρίζας Μέσου Τετραγωνικού Σφάλματος σε δεδομένα χαμηλής χωρικής ανάλυσης, το δε μοντέλο Lyzenga σε δεδομένα υψηλής χωρικής ανάλυσης. Συνεπώς, το μεν μοντέλο Stumpf ενδείκνυται περισσότερο για εκτίμηση βαθών σε περιπτώσεις τηλεπισκοπικών δεδομένων χαμηλής χωρικής ανάλυσης, το δε Lyzenga σε περιπτώσεις δεδομένων υψηλής χωρικής ανάλυσης.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Τα πλεονεκτήματα χρήσης τηλεσκοπικών δεδομένων είναι η δυνατότητα χαρτογράφησης εκτεταμένων παράκτιων περιοχών σε σύντομο χρονικό διάστημα, με τα αποτελέσματα να εξάγονται σε ψηφιακή (raster) μορφή και να μπορούν να οδηγήσουν στη δημιουργία βαθυμετρικών χαρτών με ακρίβεια της τάξης των 2m και για βάθη έως περίπου 25m. Τα βαθυμετρικά αυτά δεδομένα μπορούν να χρησιμοποιηθούν ως υπόβαθρα σε ποικίλες αρχαιολογικές, τοπογραφικές και άλλες εφαρμογές. Όσον αφορά στα βαθυμετρικά μοντέλα, συμπεραίνουμε πως όσο αυξάνεται η χωρική ανάλυση των δεδομένων τόσο φθίνει η αποτελεσματικότητα των μοντέλων στην εκτίμηση των βαθών. Συνεπώς, συνίσταται η χρήση δεδομένων μέτριας χωρικής ανάλυσης, καθώς εάν επιλεγεί η χαμηλή χωρική ανάλυση όπου υπερτερεί το μοντέλο Stumpf, υπάρχει ο κίνδυνος απόκρυψης στοιχείων του θαλάσσιου πυθμένα που είναι απαραίτητα για την ασφαλή ναυσιπλοΐα.<br /> <br /> <br /> <br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:7.9._%CE%93%CF%81%CE%B1%CE%BC%CE%BC%CE%B9%CE%BA%CF%8C_%CE%B2%CE%B1%CE%B8%CF%85%CE%BC%CE%B5%CF%84%CF%81%CE%B9%CE%BA%CF%8C_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF.jpg 2021-02-13T17:35:53Z

<p>Efklia: </p> <hr /> <div></div>

Efklia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CE%AE_%CF%83%CF%84%CE%BF%CE%BD_%CE%86%CF%81%CE%B7:_MARS2020_AND_MARS_SAMPLE_RETURN 2021-02-13T13:34:34Z

<p>Efklia: Νέα σελίδα με '[[Εικόνα:SEMars1.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης του κρατήρα Jezero, https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/ab...'</p> <hr /> <div>[[Εικόνα:SEMars1.jpg | thumb | right | Εικ. 1 Περιοχή μελέτης του κρατήρα Jezero, https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract]]<br /> [[Εικόνα:SEMars2.jpg | thumb | right | Εικ. 2 Χαρτογραφημένο το δέλτα του Jezero, https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract]]<br /> <br /> '''Πρωτότυπος Τίτλος:''' MARS2020 AND MARS SAMPLE RETURN<br /> <br /> '''Συγγραφείς:''' Adrian Jon Brown<br /> <br /> '''Πηγή:''' https://ui.adsabs.harvard.edu/abs/2020arXiv201208946B/abstract<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Το Mars Sample Return αποτελείται από τρεις διαφορετικές αποστολές εκ των οποίων η πρώτη το Mars2020 rover θα προσεδαφιστεί στον κρατήρα Jezero του πλανήτη Άρη, στις 18 Φεβρουαρίου του 2021. Στο παρόν άρθρο παρουσιάζεται η μελέτη τηλεπισκόπησης μιας προεξέχουσας μονάδας, η οποία είναι πιθανόν να βρεθεί στη συλλογή δειγμάτων που θα πραγματοποιηθεί, αφού περιέχει ολιβίνη (ο ολιβίνης είναι συστατικό που προκύπτει απ’τα ορυκτά φορστερίνη και φαϋαλίτη, θεωρείται δε παράμιξη). Χρησιμοποιήθηκαν δεδομένα από το όργανο CRISM. Επίσης αναφέρεται η σημασία του στην αστροβιολογία σε συνάρτηση με τα στρωματολιθικά Αρχαιοζωικού αιώνα ευρήματα στη δυτική Αυστραλία.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Το rover Mars2020 θα συλλέξει μια σειρά δειγμάτων τα οποία θα κατηγοριοποιηθούν και θα αποθηκευτούν, ώστε να επιστρέψουν στη Γη με την αποστολή MSR που θα εκτοξευθεί το 2026 και αναμένεται να επιστρέψει το 2031. Έχει αναγνωριστεί ένα εντυπωσιακό κομμάτι βράχου, πολύ ερυθρό, χωρίς αλλοιώσεις ορυκτών αργίλου και ανθρακικών αλάτων. Αυτή την ανακάλυψη έκανε το CRISM VNIR υπερφασματικό όργανο του MRO (Mars Reconnaissance Orbiter). Η μελέτη θα δείξει πως πετρώματα με ολιβίνη από το χείλος του κρατήρα, είναι το ίδιο με τον ανθρακικό-ολιβίνη που βρίσκεται μέσα στον ίδιο τον κρατήρα, που θα ερευνήσει το Mars2020. Αυτό θα φανερώσει πως ήταν ο ολιβίνης πριν αλλοιωθεί και μεταφερθεί μέσα στον κρατήρα, δίνοντάς μας έτσι μια εικόνα του κατά πόσο ήταν κατοικήσιμος ο Άρης τότε. Μέσω συγκρίσεων των υπογραφών άνθρακα και αργίλου, θα ελεγχθούν συμπεράσματα για την προέλευση του ολιβίνη και τις σχέσεις με την ορυκτολογία αλλοίωσης.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Χρησιμοποιήθηκαν δεδομένα πλήρους ανάλυσης από το CRISM για να χαρτογραφηθούν οι υπογραφές του ολιβίνη και του άνθρακα στον κρατήρα Jezero και στη γύρω λεκάνη απορροής. Αποκαλύφθηκε μια άγνωστη σχέση μεταξύ της υπογραφής ολιβίνη 1μm band και άνθρακα και φυλλοπυριτικών ορυκτών. Η επαναληπτική ασύμμετρη προσέγγιση Gauss, εφαρμόζοντας ένα όριο στις τέσσερις παραμέτρους, εξάλειψε τον «θόρυβο» και τα μη-ολιβίνη στοιχεία. Παίρνοντας δείγματα από συγκεκριμένα σημεία της εικόνας και εφαρμόζοντας τη μέθοδο καταλήγουμε στο συμπέρασμα πως η εκτιμώμενη ακρίβεια της σύνθεσης είναι μέτρια Fo (40-66).<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή προέβαλε τους άγνωστους συσχετισμούς του ολιβίνη 1μm band με ανθρακικά άλατα και άργιλο. Οι γραφικές παραστάσεις “Shkuratov” για την ασυμμετρία έδειξαν πως στην τελευταία σειρά (FRT3E12) τα πιο ερυθρά 1μm band pixels δεν σχετίζονται με άνθρακα ή φυλλοπυριτικά ορυκτά. Αντίθετα στο HRL40FF οι πιο ερυθροί ολιβίνοι συνοδεύονται από άνθρακα και φυλλοπυριτικά. Αυτή η διαφορά υπαινίσσεται διαφορετικά είδη αλλοίωσης στην περιοχή 3E12 και 40FF και είναι πολύ πιθανό να ερευνηθεί από το rover Mars2020, που θα προσεδαφιστεί κοντά στην τοποθεσία HRL40FF.<br /> Επιπλέον, γίνονται συγκρίσεις των αποτελεσμάτων με δεδομένα υπερφασματικών υπογραφών στοιχείων που αντλήθηκαν από την περιοχή Warrawoona Group της δυτικής Αυστραλίας. Εκεί έχουν ανακαλυφθεί ορυκτά και πετρώματα, όπως ο Apex Basalt, τα οποία θεωρούνται ενδείξεις για ηφαιστειακή δραστηριότητα στο πολύ μακρινό παρελθόν. Με ημερομηνία 3.465 Ga, οι μικροδομές, που βρέθηκαν στα πετρώματα, θεωρούνται το παλαιότερο γνωστό γεωλογικό αρχείο της ζωής στη Γη. Δεδομένης της φασματικής ομοιότητας, τα αυστραλιανά πετρώματα μπορεί να αποδειχτούν ιδιαίτερα σημαντικά για την εκτίμηση της θέσης προσεδάφισης του Mars2020.<br /> <br /> <br /> <br /> [[category:Διαστημική Τηλεπισκόπηση]]</div>

Efklia