http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Evitsompikou&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%2FEvitsompikou 2026-04-19T20:48:21Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%BF%CE%BC%CF%80%CE%AF%CE%BA%CE%BF%CF%85_%CE%95%CF%85%CE%B1%CE%BD%CE%B8%CE%AF%CE%B1 2018-02-22T12:24:35Z

<p>Evitsompikou: Νέα σελίδα με 'Τηλεπισκόπηση και ανθρώπινη υγεία: νέοι αισθητήρες και νέες ευκαιρίες [[Μηχανική μάθηση στ...'</p> <hr /> <div>[[Τηλεπισκόπηση και ανθρώπινη υγεία: νέοι αισθητήρες και νέες ευκαιρίες]]<br /> <br /> [[Μηχανική μάθηση στις γεωεπιστήμες και τηλεπισκόπηση]]<br /> <br /> [[Εφαρμογές της δημόσιας υγείας στην τηλεπισκόπηση.]]<br /> <br /> [[Εναέρια και δορυφορική αρχαιολογία.]]<br /> <br /> [[Σύστημα παρακολούθησης ακινήτων βασισμένο σε τεχνολογίες τηλεπισκόπησης και αναγνώρισης εικόνων.]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%8D%CF%83%CF%84%CE%B7%CE%BC%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CE%BA%CE%B9%CE%BD%CE%AE%CF%84%CF%89%CE%BD_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%BF_%CF%83%CE%B5_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD. 2018-02-22T12:18:31Z

<p>Evitsompikou: Νέα σελίδα με ''''Σύστημα παρακολούθησης ακινήτων βασισμένο σε τεχνολογίες τηλεπισκόπησης και αναγνώρισης ...'</p> <hr /> <div>'''Σύστημα παρακολούθησης ακινήτων βασισμένο σε τεχνολογίες τηλεπισκόπησης και αναγνώρισης εικόνων'''<br /> <br /> '''Πρωτότυπος Τίτλος:''' Real Estate Monitoring System Based on Remote Sensing and Image Recognition Technologies.<br /> <br /> '''Συγγραφείς:''' Sergejs Kodors, Aldis Rausis, Aivars Ratkevics, Janis Zvirgzds, Artis Teilans, Ivonna Ansone.<br /> <br /> '''Πηγή:''' Science Direct, Procedia Computer Science 104 (2017) 460 - 467, ICTE 2016, December 2016, Riga, Latvia [http://www.sciencedirect.com/search?qs=remote%20sensing%20real%20estate&amp;show=25&amp;sortBy=relevance]<br /> <br /> '''1. Εισαγωγή''' <br /> <br /> Το παρόν άρθρο αναφέρεται στην γεωπληροφόρηση που μεταβάλλεται ταχύτατα, οπότε η μεταβολή της ανίχνευσης των ακινήτων πρέπει να γίνεται σε σύντομο χρονικό διάστημα. Η αυξανόμενη ανάλυση των αισθητηριακών γεωχωρικών δεδομένων παίζει σημαντικό ρόλο στην ανάπτυξη λύσεων πληροφορικής υψηλής απόδοσης για την επεξεργασία γεωχωρικών πληροφοριών.<br /> <br /> Το θέμα της επιστημονικής εργασίας είναι το σύστημα παρακολούθησης ακινήτων βασισμένο σε τεχνολογίες αναγνώρισης εικόνων και τηλεπισκόπησης. Η πρακτική εφαρμογή του συστήματος είναι η αυτόματη αναγνώριση κτιρίων από τα δεδομένα LiDAR χρησιμοποιώντας μέθοδο βασισμένη στην αξιοπιστία, τη δημιουργία διανυσματικού χάρτη και την ανίχνευση αλλαγών σε πραγματικούς κτηματολογικούς χάρτες. <br /> <br /> Πρώτα απ' όλα, τα συστήματα γεωγραφικών πληροφοριών διαδραματίζουν ουσιαστικό ρόλο σε πολλούς τομείς βελτιώνοντας τις διαδικασίες λήψης αποφάσεων σχετικά με χωρικά δεδομένα. Εάν τα συστήματα γεωγραφικών πληροφοριών είναι εργαλεία οπτικοποίησης, ανάλυσης, επεξεργασίας και αποθήκευσης χωρικών πληροφοριών, ο πλήρης κύκλος ζωής των πληροφοριών είναι πολύπλοκη διαδικασία, η οποία μπορεί να χωριστεί σε δύο εξίσου σημαντικά στάδια: την συλλογή δεδομένων και την ανάλυση δεδομένων. Η εν λόγω επιστημονική εργασία περιγράφει τη διαδικασίας λήψης γεωχωρικών δεδομένων και την αυτόματη ερμηνεία των συλλεγόμενων γεωγραφικών δεδομένων στον τομέα της διαχείρισης γης. <br /> <br /> '''2. Μεθοδολογία'''<br /> <br /> Αρχικά, είναι σημαντική η μαζική ενημέρωση των κτηματολογικών δεδομένων και η εφαρμογή τους στον τομέα της διαχείρισης γης, διότι το σύστημα κατασκευάζεται για να προετοιμάσει την αυτοματοποιημένη διαδικασία αναγνώρισης κτιρίων από δεδομένα τηλεπισκόπησης, που είναι το πιο σημαντικό βήμα για την οργάνωση της μαζικής και λειτουργικής επικαιροποίησης των γεωχωρικών δεδομένων, που διαδραματίζουν σημαντικό ρόλο στην διαδικασία διαχείρισης γης.<br /> <br /> Επιπλέον, η αποτελεσματική διαχείριση της γης θα πρέπει να ασχολείται με διάφορες πτυχές της ακίνητης περιουσίας και να περιλαμβάνει τομείς ενδιαφέροντος όπως η γη ως πόρος, η ασφάλεια ιδιοκτησίας και κατοχής, η παρακολούθηση των αγορών γης, η βελτίωση του πολεοδομικού σχεδιασμού κλπ. Τα πιο σημαντικά στοιχεία της τυπικής ακίνητης περιουσίας είναι τα κτίρια και οι κατασκευές. Μάλιστα, η μεταβλητότητα των κτιρίων προκαλεί ζήτηση για συχνά ενημερωμένα δεδομένα κτιρίων σε συστήματα πληροφοριών εδάφους. Η μεγάλη δε αξία των κτιρίων, ως συστατικών στοιχείων της ακίνητης περιουσίας, απαιτεί υψηλή ακρίβεια και πληρότητα των δεδομένων. Ως εκ τούτου, θα πρέπει να χρησιμοποιηθούν νέες τεχνολογίες για την επίλυση των τρεχουσών αναγκών για πραγματικές και πλήρεις πληροφορίες για τα κτίρια.<br /> <br /> Στη συνέχεια, η μαζική συλλογή δεδομένων οργανώνεται με την ανίχνευση και τον εντοπισμό του φωτός (LiDAR), που είναι μια ενεργή τεχνολογία τηλεπισκόπησης, η οποία καταγράφει το τρισδιάστατο μοντέλο εδάφους. Έπειτα, ακολουθεί η γεωχωρική επεξεργασία δεδομένων και τα περιγραφικά χαρακτηριστικά των γεωχωρικών αντικειμένων. Μάλιστα, η διαφορά ύψους θεωρείται το πιο σημαντικό χαρακτηριστικό για την αναγνώριση γεωχωρικών αντικειμένων. Όσον αφορά στην μέθοδο αναγνώρισης κτιρίων, το προτεινόμενο σύστημα εφαρμόζει τη μέθοδο φερεγγυότητας με βάση την προσέγγιση ελαχιστοποίησης της ενέργειας. Ύστερα, αναφέρεται η αναγνώριση κτιρίων μέσω υπολογιστή και παρατίθεται μια έρευνα, η οποία αξιολογεί δύο μηχανικές τεχνικές λύσεις, με στόχο να προσδιορίσει τη βέλτιστη γεωχωρική περιοχή για κάθε λύση και χρόνο επεξεργασίας και να επικυρώσει και να επαληθεύσει το αναπτυγμένο σύστημα αναγνώρισης.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> Το σημαντικότερο μέρος της έρευνας είναι η διαδικασία αξιολόγησης των δεδομένων που συλλέγονται. Ο στόχος της διαδικασίας επικύρωσης και επαλήθευσης είναι να προσδιοριστεί η ποιότητα των ληφθέντων δεδομένων και να εκφραστεί χρησιμοποιώντας ποσοτικές και ποιοτικές παραμέτρους. Στο πρώτο στάδιο της επικύρωσης του συστήματος, τα αποτελέσματα της αναγνώρισης συγκρίνονται με τις διαθέσιμες πληροφορίες κτηματογράφησης. Η ποιοτική αξιολόγηση της τεχνικής λύσης απαιτεί πρόσθετες πληροφορίες σχετικά με την κατάσταση της περιοχής κατά το χρονικό διάστημα κατά το οποίο συγκεντρώθηκαν τα δεδομένα εισόδου για το μηχανογραφημένο σύστημα αναγνώρισης.<br /> <br /> '''4. Συμπεράσματα'''<br /> <br /> Εν κατακλείδι, η χρησιμοποιούμενη μέθοδος αναγνώρισης είναι ένα σύνθετο σύστημα, το οποίο μπορεί να βελτιωθεί σε πολλές κατευθύνσεις. Η μέθοδος αναγνώρισης χρησιμοποιεί τη μέτρηση απόστασης, η οποία μπορεί να βελτιωθεί συνδυάζοντας διαφορετικά χαρακτηριστικά και ο χρόνος επεξεργασίας του δείγματος μπορεί να μειωθεί εάν χρησιμοποιείται ένας γρηγορότερος αλγόριθμος. [[Αρχείο:rs_wiki_land_1.jpg|thumb|right|Εικόνα 1]] [[Αρχείο:rs_wiki_land_2.jpg|thumb|right|Εικόνα 2]] [[Αρχείο:rs_wiki_land_3.jpg|thumb|right|Εικόνα 3]]<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_land_3.jpg 2018-02-22T12:17:30Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_land_2.jpg 2018-02-22T12:16:53Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_land_1.jpg 2018-02-22T12:16:09Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CE%B1%CE%AD%CF%81%CE%B9%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1. 2018-02-22T12:05:18Z

<p>Evitsompikou: Νέα σελίδα με ''''Εναέρια και δορυφορική αρχαιολογία''' '''Συγγραφείς:''' Δημήτρης Καϊμάρης, Όλγα Γεωργούλα, Πέτ...'</p> <hr /> <div>'''Εναέρια και δορυφορική αρχαιολογία'''<br /> <br /> '''Συγγραφείς:''' Δημήτρης Καϊμάρης, Όλγα Γεωργούλα, Πέτρος Πατιάς.<br /> <br /> '''Πηγή:''' ΙΚΕΕ / Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης - Βιβλιοθήκη [http://anaskamma.files.wordpress.com/2009/10/kaimaris_etal.pdf]<br /> <br /> '''1. Εισαγωγή''' <br /> <br /> Το παρόν άρθρο αναφέρεται στην εναέρια και δορυφορική αρχαιολογία. Ο χάρτης, η βιβλιογραφική έρευνα και οι μαρτυρίες παραμένουν ακόμη και σήμερα, βασικά εργαλεία αρχαιολογικής πρόβλεψης για την οριοθέτηση νέων ευρύτερων περιοχών, με υψηλό αρχαιολογικό ενδιαφέρον. Ανέκαθεν οι αρχαιολόγοι έψαχναν τεχνικές και μεθοδολογικές διαδικασίες, που θα επέτρεπαν σε σύντομο χρονικό διάστημα και με μικρό κόστος, τον εντοπισμό μιας νέας αρχαιολογικής θέσης. Έτσι λοιπόν, την δεκαετία του 1920, ο Άγγλος αρχαιολόγος Crawford ήταν ο θεμελιωτής της Εναέριας Αρχαιολογίας, καθώς διατύπωσε την άποψη ότι οι καλυμμένες κατασκευές μπορούν να παρατηρηθούν στις αεροφωτογραφίες, όταν οι συνθήκες το επιτρέπουν.<br /> <br /> Μέχρι σήμερα, με τη βοήθεια της Εναέριας Αρχαιολογίας, έχουν εντοπισθεί αμέτρητα θαμμένα μνημεία. Ωστόσο, εμφανίσθηκαν εικονοληπτικά δορυφορικά συστήματα υψηλής χωρικής ανάλυσης, που οδήγησαν σε μια νέα τεχνική αρχαιολογικής πρόβλεψης, τη Δορυφορική Αρχαιολογία, η οποία μολονότι βρίσκεται σε νηπιακό στάδιο, παρουσιάζει εντυπωσιακά δείγματα.<br /> <br /> '''2. Μεθοδολογία'''<br /> <br /> Οι πρώτες αεροφωτογραφήσεις αρχαιολογικών θέσεων πραγματοποιήθηκαν μόλις το 1899, με τη φωτογράφηση από αερόστατο. Ωστόσο, ο Α' Παγκόσμιος Πόλεμος σήμανε και την απαρχή της Εναέριας Αρχαιολογίας, με την χρήση του αεροπλάνου ως πλατφόρμα για την από αέρα φωτογράφηση αρχαιολογικών καταλοίπων. Μάλιστα, το 1928, πραγματοποιήθηκε η πρώτη μεγάλη συστηματική αεροφωτογράφηση, τονίζοντας την δυνατότητα της εναέριας αναγνώρισης και χαρτογράφησης των καλυμμένων αρχαιολογικών υπολειμμάτων. Επιπλέον, υποστηρίχθηκε ότι μνημεία που βρίσκονται σε μικρό βάθος κάτω από τη θάλασσα, μπορούν να ανιχνευθούν στις αεροφωτογραφίες.<br /> <br /> Βέβαια, συστηματικές εναέριες αρχαιολογικές έρευνες έλαβαν χώρα ουσιαστικά, μετά τον Β' Παγκόσμιο Πόλεμο και οδήγησαν στον εντοπισμό δεκάδων νέων αρχαιολογικών θέσεων. Οι πολυάριθμοι εντοπισμοί μνημείων παράλληλα με την εξέλιξη των φωτογραφικών συστημάτων οδήγησαν στην παγκόσμια αποδοχή της Εναέριας Αρχαιολογίας ως βασικού εργαλείου για την ανάδειξη της πολιτιστικής κληρονομιάς. Κατά συνέπεια, δημιουργήθηκαν Εθνικά Προγράμματα Συστηματικής Έρευνας για εντοπισμό, χαρτογράφηση και ταξινόμηση των αρχαιολογικών θέσεων.<br /> <br /> Σήμερα, η Εναέρια Αρχαιολογία στρέφεται στην έρευνα νέων τηλεπισκοπικών αισθητήρων. Ο νέος αερομεταφερόμενος αισθητήρας Lidar έχει κάνει την εμφάνισή του σε αρχαιολογικές εφαρμογές, όπου ‘‘σημειώνοντας’’ μικρές παραλλαγές του ανάγλυφου της γήινης επιφάνειας, είναι σε θέση να αποκαλύψει αρχαιολογικές θέσεις, που είναι αόρατες με γυμνό οφθαλμό. Επίσης, οι υπερφασματικοί αισθητήρες και οι θερμικοί αισθητήρες αξιολογούνται.<br /> <br /> Άλλωστε, ο ορισμός της Εναέριας Αρχαιολογίας είναι: ‘‘Η μέθοδος πρόβλεψης που χρησιμοποιεί αερομεταφερόμενα μέσα για τη λήψη αναλογικών ή ψηφιακών εικόνων της επιφάνειας της γης, με στόχο τον εντοπισμό, την καταγραφή, την προστασία και τον έλεγχο των αρχαιολογικών θέσεων’’.<br /> <br /> Έπειτα, όσον αφορά στη δορυφορική αρχαιολογία, το υψηλό κόστος, η μικρή χωρική ανάλυση και η έλλειψη εύχρηστων λογισμικών επεξεργασίας των δορυφορικών εικόνων, ήταν τα πρώτα χρόνια της εμφάνισης των τηλεπισκοπικών δεδομένων οι βασικοί λόγοι της απουσίας τους από μελέτες αρχαιολογικού ενδιαφέροντος. Ωστόσο, την δεκαετία του 1980, η βελτίωση αυτών των ανασταλτικών παραγόντων σε συνδυασμό με την αύξηση της προσφοράς των δορυφορικών εικόνων, έκαναν πολλούς ερευνητές να τις χρησιμοποιήσουν, σε συνδυασμό πάντα με τις αεροφωτογραφίες. <br /> <br /> Βέβαια, η Δορυφορική Αρχαιολογία βρίσκεται σε νηπιακό στάδιο, αφού οι περισσότεροι ξένοι ερευνητές χρησιμοποιούν κυρίως αεροφωτογραφίες. Γι' αυτό, μέχρι σήμερα έχει αξιοποιηθεί μόνο το 30% του συνόλου των εικονοληπτικών δορυφορικών συστημάτων, που μπορούν να χρησιμοποιηθούν σε αρχαιολογικές εφαρμογές βάσει της χωρικής και φασματικής τους ανάλυσης. Όμως, αναμένεται ότι τα νέα δορυφορικά συστήματα WordView-1 και GeoEye-1 θα προσελκύσουν περισσότερους ερευνητές προς τη Δορυφορική Αρχαιολογία, η οποία εκτός των άλλων εξασφαλίζει γεωγραφικό και φασματικό εύρος, περιοδικότητα, διαπερατότητα και προστασία των αρχαιολογικών καταλοίπων.<br /> <br /> Άλλωστε, ο ορισμός της Δορυφορικής Αρχαιολογίας είναι: ‘‘Η μέθοδος πρόβλεψης, που χρησιμοποιεί διαστημικά μέσα για τη λήψη αναλογικών ή ψηφιακών εικόνων της επιφάνεια της γης, με στόχο τον εντοπισμό, την καταγραφή, την προστασία και τον έλεγχο των αρχαιολογικών θέσεων’’.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> Δυστυχώς, η ελληνική αρχαιολογική κοινότητα γνωρίζει ελάχιστα για τα οφέλη της Εναέριας και Δορυφορικής Αρχαιολογίας και είναι επιτακτικός ο εντοπισμός όλων των άγνωστων αρχαιολογικών θέσεων και η δημιουργία μιας Ψηφιακής Βάσης Δεδομένων για τον καθορισμό ζωνών και την επιβολή συγκεκριμένων όρων δόμησης, με στόχο την προστασία της Πολιτιστικής Κληρονομιάς. Βέβαια, η συστηματική αποκάλυψη νέων θέσεων αρχαιολογικού ενδιαφέροντος είναι αποτέλεσμα Διεπιστημονικής Συνεργασίας μεταξύ Αρχαιολόγου, Ιστορικού και Φωτογραμμέτρη Μηχανικού. <br /> <br /> '''4. Συμπεράσματα'''<br /> <br /> Εν κατακλείδι, αναπτύχθηκε μια μεθοδολογική διαδικασία, η οποία με την χρήση αεροφωτογραφιών, δορυφορικών εικόνων, χαρτών, ιστορικών κειμένων, καθώς επίσης με την γνώση των κλιματολογικών συνθηκών και της βλαστικής περιόδου ανάπτυξης των φυτών σε συγκεκριμένη περιοχή μελέτης, με κατάλληλη φωτογραμμετρική επεξεργασία, επιτρέπει τον καθορισμό των βέλτιστων συνθηκών λήψεων ψηφιακών εικόνων για τον εντοπισμό νέων αρχαιολογικών θέσεων. [[Αρχείο:rs_wiki_arc_1.jpg|thumb|right|Εικόνα 1]] [[Αρχείο:rs_wiki_arc_2.jpg|thumb|right|Εικόνα 2]]<br /> <br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_arc_2.jpg 2018-02-22T12:04:42Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_arc_1.jpg 2018-02-22T12:04:08Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1%CF%82_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7. 2018-02-22T11:55:37Z

<p>Evitsompikou: Νέα σελίδα με ''''Εφαρμογές της δημόσιας υγείας στην τηλεπισκόπηση''' '''Πρωτότυπος Τίτλος:''' Public-health applications in r...'</p> <hr /> <div>'''Εφαρμογές της δημόσιας υγείας στην τηλεπισκόπηση'''<br /> <br /> '''Πρωτότυπος Τίτλος:''' Public-health applications in remote sensing.<br /> <br /> '''Συγγραφείς:''' William Sprigg, Stanley Morain, Goran Pejanovic, Amelia Budge, William Hudspeth and Brian Barbaris.<br /> <br /> '''Πηγή:''' SPIE Newsroom 10.1117/2.1200902.1488 [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.520.6040&amp;rep=rep1&amp;type=pdf]<br /> <br /> '''1. Εισαγωγή''' <br /> <br /> Το παρόν άρθρο αναφέρεται στην πρόληψη της μόλυνσης της ατμόσφαιρας από την σκόνη της ερήμου, η οποία παρακολουθείται από δορυφορικούς αισθητήρες, καθώς και στη δημιουργία νέων εργαλείων που θα στηρίζουν την δημόσια ασφάλεια και υγεία.<br /> <br /> Πρώτα απ' όλα, η τηλεπισκόπηση του περιβάλλοντος παίζει κρίσιμο ρόλο στην προειδοποίηση από απειλητικούς κινδύνους καταιγίδων σκόνης, καθώς και στη μείωση του ρίσκου έκθεσης στην σκόνη της ερήμου, σε βακτήρια, μούχλα, βαρέα μέταλλα και άλλους παράγοντες που απειλούν την ανθρώπινη υγεία. Η σκόνη συμβάλλει αισθητά στην επιδείνωση των καρδιοαναπνευστικών ασθενειών.<br /> <br /> '''2. Μεθοδολογία'''<br /> <br /> Οι εφαρμογές δημόσιας υγείας στην τηλεπισκόπηση χρηματοδοτούνται από τη NASA, η οποία χρησιμοποιεί δεδομένα από τον δορυφόρο της Γης. Αυτά προσαρμόζονται και τροποποιούνται ανάλογα με τις υπάρχουσες ανάγκες, καθώς και από τα δελτία καιρού. Το σύστημα αυτό μπορεί να προβλέψει μια καταιγίδα σκόνης έως και 3 μέρες νωρίτερα και τα τρισδιάστατα χαρακτηριστικά του μπορούν να ανιχνεύσουν σύννεφα από σωματίδια σκόνης. <br /> <br /> Στη συνέχεια, αναφέρεται ότι η τρέχουσα γείωση στο μοντέλο αποτελείται από την ταξινόμηση MOD12 (ένα διεθνές Γεωσφαιρικό-Βιοσφαιρικό πρόγραμμα οικοσυστήματος), το οποίο συρρικνώνεται σε δύο τάξεις: η πρώτη είναι το γυμνό έδαφος και ισούται με 1 και όλες οι άλλες τάξεις ισούνται με 0. <br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> Δουλεύοντας με το νέο περιβαλλοντικό σύστημα δημόσιας υγείας του Μεξικό, αναπτύχθηκε ένα καινούριο μέσο, το οποίο παρακολουθεί το άσθμα και τα μυοκαρδιακά εμφράγματα κατά μήκος της πολιτείας. Τα δελτία καιρού θα επιτρέψουν την αναγνώριση περιβαλλοντικών κινδύνων και θα προετοιμάσουν τους παρόχους ιατρικής φροντίδας για αυξημένες εσωτερικές και εξωτερικές εξυπηρετήσεις.<br /> <br /> Επιπροσθέτως, για την επιβεβαίωση του μοντέλου, βασιζόμαστε σε ένα περιφερειακά αραιό δίκτυο. Τα δίκτυα αυτά συγκεντρώνονται σε πυκνοκατοικημένες αστικές περιοχές, όπου το ΡΜ10 και ΡΜ2.5 δημιουργούνται από την ανθρώπινη δραστηριότητα. Μελλοντικά, αυτά τα προβλήματα θα διαχωρίζονται εποχιακά αλλάζοντας επιφάνεια χαρακτηριστικών και οι δορυφόροι θα μπορούν να μετρούν και να συγκρίνουν τα σταγονίδια.<br /> <br /> '''4. Συμπεράσματα'''<br /> <br /> Εν κατακλείδι, όλα τα προϊόντα που σχεδιάζονται, εκτιμώνται στην Αριζόνα και στο Νέο Μεξικό με επεμβατικές στην υγεία και στην ποιότητα του αέρα ευθύνες. Αυτά τα προϊόντα θα τροποποιηθούν ανάλογα με τις ανάγκες στην δημόσια υγεία.<br /> <br /> Όσον αφορά στους συγγραφείς, ο William Sprigg καθοδηγεί τις ομάδες στην πρόβλεψη των διαδικασιών όταν υπάρχουν ατμοσφαιρικά σωματίδια. Ο Brian Barbaris ενδιαφέρεται και δραστηριοποιείται στη συλλογή δειγμάτων νερού και αέρα. Η καριέρα του Stanley Morain έχει επικεντρωθεί στη τηλεπισκόπηση και στην χωρική ανάλυση. Η Amelia Budge φέρνει εις πέρας διάφορα προγράμματα που εστιάζουν στο περιβάλλον και την δημόσια υγεία και χρηματοδοτούνται από τη NASA. Κλείνοντας ο William Hudspeth ασχολείται με ανοιχτές πηγές που βασίζονται σε εφαρμογές του διαδικτύου και υποστηρίζουν τα συστήματα δημόσιας υγείας και ο Goran Pejanovic εξειδικεύεται στα μαθηματικά και τις ατμοσφαιρικές επιστήμες που είναι απαραίτητα για την υψηλή απόδοση και κωδικοποίηση των μοντέλων σκόνης. [[Αρχείο:rs_wiki_health_1.jpg|thumb|right|Εικόνα 1]] [[Αρχείο:rs_wiki_health_2.jpg|thumb|right|Εικόνα 2]]<br /> <br /> <br /> [[category:Υγεία]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_health_2.jpg 2018-02-22T11:54:46Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_health_1.jpg 2018-02-22T11:53:59Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%B9%CE%BA%CE%AE_%CE%BC%CE%AC%CE%B8%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CE%B5%CF%80%CE%B9%CF%83%CF%84%CE%AE%CE%BC%CE%B5%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2018-02-22T11:42:30Z

<p>Evitsompikou: Νέα σελίδα με ''''Μηχανική μάθηση στις γεωεπιστήμες και τηλεπισκόπηση''' '''Πρωτότυπος Τίτλος:''' Machine learning in geos...'</p> <hr /> <div>'''Μηχανική μάθηση στις γεωεπιστήμες και τηλεπισκόπηση''' <br /> <br /> '''Πρωτότυπος Τίτλος:''' Machine learning in geosciences and remote sensing.<br /> <br /> '''Συγγραφείς:''' David J. Lary, Amir H. Alavi, Amir H. Gandomi, Annette L. Walker.<br /> <br /> '''Πηγή:''' Geoscience Frontiers 7 (2016) 3 - 10.<br /> <br /> '''Journal homepage:''' [http://www.elsevier.com/locate/gsf]<br /> <br /> '''1. Εισαγωγή''' <br /> <br /> Το παρόν άρθρο αναφέρεται στην εκμάθηση, η οποία ενσωματώνει ένα ευρύ φάσμα πολύπλοκων διαδικασιών. Η μηχανική μάθηση αποτελεί μέρος της τεχνητής νοημοσύνης και χρησιμοποιεί αλγορίθμους για την αποκρυπτογράφηση δεδομένων και για εφαρμογές, που είναι δύσκολο να προγραμματιστούν. Παρακάτω, θα σημειωθεί η αξία της ως προς την επίλυση προβλημάτων στις γεωεπιστήμες και θα τονισθεί η τηλεπισκόπηση.<br /> <br /> Πρώτα απ' όλα, η εκμάθηση μηχανών είναι μια αποτελεσματική μέθοδος για την ταξινόμηση των μη γραμμικών συστημάτων, αλλά και ιδανική για προβλήματα, των οποίων η θεωρητική γνώση είναι ημιτελής. Οι μέθοδοι της μηχανικής μάθησης εφαρμόζονται εδώ και δύο δεκαετίες, γι' αυτό και η ενσωμάτωσή τους στις γεωεπιστήμες και στην τηλεπισκόπηση είναι περιορισμένη. Στη συνέχεια, παρουσιάζονται δύο επεξηγηματικά παραδείγματα, εκ των οποίων το ένα χρησιμοποιεί πολυπαραγοντική, μη παραμετρική οπισθοδρόμηση και το άλλο, πολυπαραγοντική μη επιβλεπόμενη ταξινόμηση.<br /> <br /> '''2. Μεθοδολογία'''<br /> <br /> Ειδικότερα, οι αλγόριθμοι αποκρυπτογραφούν ένα σύστημα μέσω των δεδομένων του. Η εφαρμογή της μηχανικής μάθησης μπορεί να κατηγοριοποιηθεί σε τρία πεδία: 1) ως εργαλείο επιτάχυνσης, 2) ως μοντέλο που χρησιμοποιεί υπάρχοντα δεδομένα και 3) για την ταξινόμηση προβλημάτων. <br /> <br /> Οι εφαρμογές του προγράμματος γενετικής στις γεωεπιστήμες και στην τηλεπισκόπηση είναι αρκετά καινούριες και περιορισμένες σε μερικές περιοχές. Παρόλη την καλή επίδοση των αλγορίθμων ANNs και SVM, δεν είναι ικανές για την πρόβλεψη εξισώσεων και για αυτόν τον λόγο, έρχεται στο προσκήνιο το πρόγραμμα γενετικής, το οποίο χρησιμοποιεί την φυσική επιλογή της αρχής του Δαρβίνου για την δημιουργία προγραμμάτων υπολογιστών.<br /> <br /> Επιπλέον, οι τεχνικές που βασίζονται στην εκμάθηση μηχανών, χρησιμοποιούνται όλο και περισσότερο για να ερμηνεύσουν τις τηλεπισκοπικές εικόνες. Αντιθέτως, υπάρχουν λιγότερες μελέτες που είναι βασισμένες στον γενετικό προγραμματισμό, στον τομέα της τηλεπισκοπικής τεχνολογίας.<br /> <br /> '''3. Παραδείγματα &amp; Αποτελέσματα'''<br /> <br /> Στη συνέχεια, παρατίθενται δύο επεξηγηματικά παραδείγματα, ώστε να φανεί η αποδοτικότητα της εκμάθησης μηχανών στις γεωεπιστήμες και στην τηλεπισκόπηση. Το πρώτο αφορά στα μόρια που μεταφέρονται στον αέρα και στις κλιματικές αλλαγές, που είναι ένα μείζον θέμα των ημερών μας. Η ατμοσφαιρική ρύπανση αποτελεί αιτία πολλών θανάτων σύμφωνα με τις μελέτες του Παγκόσμιου Οργανισμού Υγείας. Ωστόσο, αν και υπάρχει ανάπτυξη της τηλεπισκόπησης, δεν έχει δημιουργηθεί ακόμη ένα καθοριστικό προϊόν αφθονίας αερολύματος. Τα ατμοσφαιρικά σταγονίδια συναντώνται παγκοσμίως και αποτελούν ακόμη πρόκληση για την μελέτη τους, καθώς και την μελέτη της ποιότητας του αέρα. Αμέτρητες μελέτες έχουν δείξει ότι τα ατμοσφαιρικά μόρια που σχηματίζονται από το έδαφος συνδέονται περισσότερο με τις επιδράσεις στην ανθρώπινη υγεία. Η έκθεση κυρίως στο PM2.5, ακόμη και μικρή, σχετίζεται με πρόωρους θανάτους και καρδιοαναπνευστικά προβλήματα. Επιπροσθέτως, η μεταφορά των μορίων σαν σκόνη αποτελεί φορέα για τα βακτήρια.<br /> <br /> Μάλιστα, αξίζει να σημειωθεί ότι ο βαθμός των παρενεργειών εξαρτάται από την σύσταση των συγκεκριμένων μορίων και η σύσταση ποικίλλει ανάλογα με την πηγή των υλικών. Τα υπάρχοντα τηλεπισκοπικά δεδομένα σε συνδυασμό με την μηχανική μάθηση μπορούν να υπολογίσουν την παγκόσμια έκθεση στο PM2.<br /> <br /> Το δεύτερο παράδειγμα αφορά στις πηγές σκόνης, οι οποίες συναντώνται παγκοσμίως και συχνά είναι πολύ περιορισμένες. Η ταυτοποίηση των πηγών σκόνης αποτελεί πρόκληση και εδώ έρχεται να χρησιμοποιηθεί η μηχανική μάθηση, η οποία αναδεικνύεται αρκετά αποτελεσματική. Αυτή η μέθοδος χρησιμοποιεί φασματικές υπογραφές ανακλαστικότητας πολλαπλών κυματικών μηκών.<br /> <br /> '''4. Συμπεράσματα'''<br /> <br /> Συνοψίζοντας, λοιπόν, όπως προαναφέρθηκε η εκμάθηση μηχανών μπορεί να ενσωματωθεί στις γεωεπιστήμες και στην τηλεπισκόπηση. Οι εφαρμογές της αφορούν διάφορους τομείς, όπως τα αέρια ίχνη, τα αέρια αερολύματος, τους δείκτες βλάστησης κλπ. Τα δύο επεξηγηματικά παραδείγματα έκαναν ακόμη πιο κατανοητή την εφαρμογή της, αλλά και η συλλογή δεδομένων, όπως επίσης και η ανάλυσή τους παίζουν ακόμη πιο καθοριστικό ρόλο.[[Αρχείο:rs_wiki_geology_1.jpg|thumb|right|Εικόνα 1]] [[Αρχείο:rs_wiki_geology_2.jpg|thumb|right|Εικόνα 2]] [[Αρχείο:rs_wiki_geology_3.jpg|thumb|right|Εικόνα 3]]<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_geology_3.jpg 2018-02-22T11:41:38Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_geology_2.jpg 2018-02-22T11:40:55Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_geology_1.jpg 2018-02-22T11:38:42Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%B9%CE%BD%CE%B7_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1:_%CE%BD%CE%AD%CE%BF%CE%B9_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CE%B5%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BD%CE%AD%CE%B5%CF%82_%CE%B5%CF%85%CE%BA%CE%B1%CE%B9%CF%81%CE%AF%CE%B5%CF%82 2018-02-22T11:27:17Z

<p>Evitsompikou: Νέα σελίδα με ''''Τηλεπισκόπηση και ανθρώπινη υγεία: νέοι αισθητήρες και νέες ευκαιρίες''' '''Πρωτότυπος Τίτλο...'</p> <hr /> <div>'''Τηλεπισκόπηση και ανθρώπινη υγεία: νέοι αισθητήρες και νέες ευκαιρίες'''<br /> <br /> '''Πρωτότυπος Τίτλος:''' Remote sensing and human health: new sensors and new opportunities. <br /> <br /> '''Συγγραφείς:''' L.R. Beck, B.M. Lobitz and B.L. Wood.<br /> <br /> '''Πηγή:''' EMERGING INFECTIOUS DISEASES,[http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2640871/] <br /> <br /> '''1. Εισαγωγή''' <br /> <br /> Δεδομένα του Landsat έχουν χρησιμοποιηθεί σε μελέτες υγείας για την παρακολούθηση ασθενειών, που προκαλούνται από φορείς. Νέα συστήματα και εξελιγμένη τεχνολογία εμφανίζονται στο προσκήνιο, πολλά υποσχόμενα για την επιτήρηση, καθώς και τον έλεγχο των προαναφερθεισών ασθενειών. Το εν λόγω άρθρο γνωστοποιεί τον τρόπο ένταξης των δεδομένων αυτών στις εφαρμογές υγείας και εκτιμά τις διαφορετικές περιβαλλοντικές συνθήκες, ανάλογα με την κατανομή των προκληθεισών (ασθενειών) από φορείς, καθώς και άλλων ασθενειών.<br /> <br /> Τα περισσότερα δεδομένα τηλεπισκόπησης πηγάζουν από το &quot;Landsat's Multispectral Scanner&quot;, καθώς και το &quot;Thematic Mapper&quot; και εστιάζουν σε τρεις μεταβλητές: την επικάλυψη με βλάστηση, την δομή του τοπίου και τα υγρά σώματα. Οι Διεθνείς Διαστημικοί Οργανισμοί σχεδιάζουν 80 αποστολές, που θα τους βοηθήσουν στην καλύτερη εξερεύνηση των επικίνδυνων παραγόντων, πέρα από τα δεδομένα τηλεπισκόπησης. Επιπλέον, η αναγνώριση παθογόνων, φορέων και ξενιστών, επέτρεψε την εκτίμηση περισσότερων περιβαλλοντικών παραγόντων, που προωθούν την μετάδοση της ασθένειας, όπως και το ρίσκο επαφής με άτομο - φορέα.<br /> <br /> '''2. Μεθοδολογία'''<br /> <br /> Το 1998 το κέντρο των Εφαρμογών Υγείας της NASA βοήθησε τους επιστήμονες υγείας στην επιδημιολογική τους έρευνα, χρησιμοποιώντας δορυφορικά συστήματα. Το παρόν άρθρο αξιοποιεί τα αποτελέσματα της έρευνας, αναλύοντας δύο παραδείγματα. Το πρώτο παράδειγμα αφορά στην χρήση μιας Landsat TM εικόνας ως προς την μετάδοση της νόσου του Lyme στη Νέα Υόρκη, ενώ το δεύτερο παράδειγμα εστιάζει στη συλλογή και στον συνδυασμό στοιχείων από διαφορετικά δορυφορικά συστήματα για να χαρακτηρίσουν τις μεταβλητές στον Κόλπο της Βεγγάλης, που σχετίζονται με την μετάδοση της χολέρας στο Μπαγκλαντές.<br /> <br /> Ως προς την μελέτη της νόσου του Lyme στη Νέα Υόρκη, το κέντρο της NASA συνεργάσθηκε με το Ιατρικό Πανεπιστήμιο της Νέας Υόρκης, διεξάγοντας έρευνα για την μετάδοση της ασθένειας στις βορειοανατολικές ΗΠΑ. Μάλιστα, χρησιμοποίησαν δεδομένα από το &quot;Landsat TM&quot; για την εκτίμηση του ρίσκου της έκθεσης των ανθρώπων στην ασθένεια, καθώς και των σκύλων από τσιμπήματα ψύλλων που την προκαλούν.<br /> <br /> Το δεύτερο παράδειγμα χρησιμοποιεί τηλεπισκοπικά δεδομένα και πληροφορίες που κατεβάστηκαν από το Διαδίκτυο χωρίς κόστος, για να υπολογίσουν το χρονικό μοτίβο στον Κόλπο της Βεγγάλης, συνδέοντάς το με τις εξάρσεις της χολέρας στο Μπαγκλαντές. Τα επόμενα 15 χρόνια, νέοι αισθητήρες θα παρέχουν αξιοσημείωτες πληροφορίες για τις λοιμώδεις ασθένειες, με παρόμοιο τρόπο όπως τα προαναφερθέντα.<br /> <br /> Στη συνέχεια, το πρόγραμμα Αξιολόγησης Αισθητήρων, χρησιμοποιεί πρόσφατες πληροφορίες από δορυφορικά μέσα για την επιτήρηση και τον έλεγχο μετάδοσης των ασθενειών, συμπεριλαμβάνοντας την οικολογία φορέων και ξενιστών.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> Μέχρι στιγμής, καμία ανάλυση δεν έχει ορισθεί ως διεθνώς κατάλληλη για την κατανόηση του τρόπου μετάδοσης των ασθενειών, γι' αυτό και ο εκάστοτε ερευνητής μπορεί να αποσπάσει όποια δεδομένα χρειάζεται ανάλογα με τις προσωπικές του ανάγκες και αναζητήσεις. Αυτή η μέθοδος όρισε 16 ομάδες φυσικών παραγόντων, εκ των οποίων καθένας μπορεί να συνδέεται άμεσα ή έμμεσα με τους φορείς - ξενιστές, καθώς και με άλλους τύπους ασθενειών, όπως αυτές που προκαλούνται από το νερό. Αυτοί οι παράγοντες είναι η βλάστηση, ο τύπος καλλιέργειας, η αποψίλωση των δασών, τα πλημμυρισμένα δάση, το στάσιμο νερό κ.ά.<br /> <br /> Ίσως η ευρύτατη χρήση των Landsat και SPOT δεδομένων είναι η πιο σημαντική, καθώς όλες οι ασθένειες που προκαλούνται από φορείς, συνδέονται με την βλάστηση του περιβάλλοντος κατά την διάρκεια του κύκλου τους.<br /> <br /> Μάλιστα, τα αστικά χαρακτηριστικά και η υγρασία του εδάφους, ανάλογα με τις συνθήκες ευνοούν την εξάπλωση των ασθενειών, καθώς η υγρασία αποτελεί ευνοϊκό περιβάλλον για τα σκουλήκια και τους ψύλλους, που είναι οι φορείς.<br /> <br /> '''4. Συμπεράσματα'''<br /> <br /> Εν κατακλείδι, ο βαθμός με τον οποίο μπορούν να αξιοποιηθούν τα τηλεπισκοπικά δεδομένα είναι περιορισμένος λόγω του υψηλού κόστους και κάποιων αναλύσεων που είναι ανεπαρκείς. Όμως, με τους νέους αισθητήρες και τις υψηλού βαθμού φασματικές αναλύσεις, αναμένεται ότι τα επόμενα 5 χρόνια το κόστος θα μειωθεί και θα παρουσιαστούν ευκαιρίες, οι οποίες θα δίνουν την δυνατότητα &quot;εκμετάλλευσης&quot; στο έπακρο των δεδομένων όσον αφορά στη μελέτη του τρόπου μετάδοσης των λοιμωδών ασθενειών.[[Αρχείο:rs_wiki_picture_1.jpg|thumb|right|Εικόνα 1]] [[Αρχείο:rs_wiki_picture_2.jpg|thumb|right|Εικόνα 2]] [[Αρχείο:rs_wiki_picture_3.jpg|thumb|right|Εικόνα 3]]<br /> <br /> [[category:Υγεία]]</div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_picture_3.jpg 2018-02-22T11:26:13Z

<p>Evitsompikou: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki picture 3.jpg&amp;quot;</p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_picture_3.jpg 2018-02-22T11:25:30Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_picture_2.jpg 2018-02-22T11:24:45Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_picture_1.jpg 2018-02-22T11:21:11Z

<p>Evitsompikou: </p> <hr /> <div></div>

Evitsompikou