http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Fotini_Kokkali&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%2FFotini_Kokkali 2026-04-26T23:21:08Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:57:30Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> Πηγή: <br /> <br /> S. Pascucci, C. Belviso, R. M. Cavalli, A. Palombo, S. Pignatti, F. Santini (2012). Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study. ''Remote Sensing of Environment,Vol. 123, pp 139–154''<br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:56:43Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> Πηγή: <br /> <br /> S. Pascucci, C. Belviso, R. M. Cavalli, A. Palombo, S. Pignatti, F. Santini (2012). Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study.<br /> ''Remote Sensing of Environment,Vol. 123, pp 139–154.''<br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Kinneret_%CF%8C%CF%80%CF%89%CF%82_%CE%BA%CE%B1%CE%B8%CE%BF%CF%81%CE%AF%CF%83%CF%84%CE%B7%CE%BA%CE%B5_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%BF%CF%85_Landsat_Thematic_Mapper 2013-04-01T18:55:55Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερού στη χώρα. Επιπλέον έχει κι άλλες χρήσεις όπως αναψυχή και αλιεία. Η διακύμανση στη στάθμη του νερού είναι μείζονος σημασίας πρόβλημα εξαιτίας της μακροχρόνιων προβλημάτων που δημιουργεί στην ποιότητα του νερού. Η ακανόνιστη κατανομή των αλγών (τα οποία αποτελούν σημαντικό δείκτη της ποιότητας του νερού) τόσο χωρικά όσο και εποχιακά προκαλεί προβλήματα στην δειγματοληψία. Μια αποτελεσματική μέθοδος για την παρακολούθηση της κατανομής των αλγών και για την υπόδειξη κατάλληλων σημείων δειγματοληψίας θα ήταν η τηλεπισκόπηση. Η υψηλή χωρική ανάλυση των εικόνων δορυφόρων (30m), καθιστά τον Landsat TM χρήσιμο για τον προσδιορισμό της ποιότητας των νερών της λίμνης. <br /> <br /> Η πιο συνήθης προσέγγιση της χρήσης του TM προκειμένου να προσδιοριστεί η ποιότητα των νερών μιας λίμνης είναι αυτή των στατιστικών τεχνικών από τις οποίες προκύπτει η συσχέτιση μεταξύ των φασματικών καναλιών και της συγκέντρωσης της χλωροφύλλης. Παρά την περιορισμένη εφαρμογή τους παγκοσμίως, εμπειρικοί αλγόριθμοι μπορούν να προσδιορίσουν επαρκώς την συγκέντρωση της χλωροφύλλης. Για να δώσουν οι τελευταίοι επιτυχή αποτελέσματα πέρα από τις συνθήκες στις οποίες καλιμπραρίστηκαν, πρέπει να γίνει προσαρμογή ορισμένων παραμέτρων τους. Συγκεκριμένα, τίθεται ένα πρόβλημα στην σχετικά χαμηλή συγκέντρωση χλωροφύλλης σε σχέση με την υψηλή συγκέντρωση αιωρούμενων στερεών που εμφανίζεται στην λίμνη Kinneret κατά τις εποχές καλοκαίρι και φθινόπωρο. <br /> <br /> <br /> '''Στόχοι της μελέτης'''<br /> <br /> Η μελέτη αυτή έχει δύο διαφορετικούς στόχους. Η πρώτη φάση σχετίζεται με την φασματική ανάλυση. Δημιουργήθηκαν οπτικά μοντέλα για την λίμνη τα οποία συσχετίζουν την ανακλαστικότητα του νερού σε συγκεκριμένες συγκεντρώσεις στην επιφάνεια των υδάτων. Στο στάδιο αυτό αναπτύχθηκαν και αλγόριθμοι για τον ακριβή προσδιορισμό της χλωροφύλλης χρησιμοποιώντας τον φθορισμό της Chi όπως μετρήθηκε στο ερυθρό φάσμα. Η δεύτερη φάση σχετίζεται με την χρήση δεδομένων του Landsat TM για την παρακολούθηση της Chl στην λίμνη Kinneret.<br /> <br /> <br /> '''Διαδικασία και αποτελέσματα'''<br /> <br /> Στις 26 και 27 October 1992 πραγματοποιήθηκε δειγματοληψία σε 22 σημεία τα οποία εντοπίζονται στο βόρειο τμήμα της λίμνης, όπου το βάθος του νερού κυμαινόταν από 8 μέχρι 43 μέτρα. Η δειγματοληψία έγινε με τρόπο τέτοιο ώστε να καλύπτεται όσο το δυνατόν μεγαλύτερη ποικιλία συγκεντρώσεων Chi και SM. Σε κάθε σταθμό δειγματοληψίας ελήφθησαν μετρήσεις με ραδιόμετρο Ll-1800 στην περιοχή φάσματος 400-750 nm με φασματική ανάλυση 2nm. <br /> Πραγματοποιήθηκε γεωμετρική διόρθωση και ατμοσφαιρική διόρθωση της εικόνας που ελήφθη από τον TM Landsat στις 30 October 1992 ώστε να μπορεί να γίνει ο προσδιορισμός των σταθμών δειγματοληψίας και εξαγωγή ραδιομετρικών δεδομένων για επαλήθευση. <br /> Τα ραδιομετρικά στοιχεία χρησιμοποιήθηκαν για να δημιουργηθεί ένας αλγόριθμος για την εκτίμηση της συγκέντρωσης της χλωροφύλλης από τα στοιχεία του TM. Η ακτινοβολία στο κανάλι ΤΜ3 (620-690 nm) ήταν εκ πρώτοις άμεσα εξαρτώμενη από τη συγκέντρωση μη οργανικών αιωρούμενων υλικών. Η ακτινοβολία σε αυτό το κανάλι αφαιρέθηκε από την ακτινοβολία στο κανάλι TM 1 (450-520 nm) για να διορθωθεί από την επιπρόσθετη ακτινοβολία που προκλήθηκε από την σκέδαση των αιωρούμενων σωματιδίων. Έτσι ο (TM 1 - TM3)/TM2 αποδείχθηκε χρήσιμος δείκτης για την εκτίμηση της συγκέντρωσης της χλωροφύλλης. <br /> Οι συγκεντρώσεις που προέκυψαν έπειτα από ατμοσφαιρική διόρθωση των δεδομένων του ΤΜ συγκρίθηκαν με αυτή που προέκυψε από την δειγματοληψία στην λίμνη. Η εκτίμηση του σφάλματος ήταν λιγότερη από 0·85mgm- 3.<br /> <br /> [[Αρχείο:chloro.png|200px|thumb|center|]]<br /> <br /> <br /> <br /> Πηγή: <br /> <br /> <br /> M. MAYO, A. GITELSON, Y. Z. YACOBI &amp; Z. BEN-AVRAHAM (2007). Chlorophyll distribution in Lake Kinneret determined from Landsat Thematic Mapper. ''International Journal of Remote Sensing, Vol.16, pp 175-182.''<br /> <br /> [[category:Εντοπισμός συγκέντρωσης χλωροφύλλης στο νερό]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Kinneret_%CF%8C%CF%80%CF%89%CF%82_%CE%BA%CE%B1%CE%B8%CE%BF%CF%81%CE%AF%CF%83%CF%84%CE%B7%CE%BA%CE%B5_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%BF%CF%85_Landsat_Thematic_Mapper 2013-04-01T18:55:34Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερού στη χώρα. Επιπλέον έχει κι άλλες χρήσεις όπως αναψυχή και αλιεία. Η διακύμανση στη στάθμη του νερού είναι μείζονος σημασίας πρόβλημα εξαιτίας της μακροχρόνιων προβλημάτων που δημιουργεί στην ποιότητα του νερού. Η ακανόνιστη κατανομή των αλγών (τα οποία αποτελούν σημαντικό δείκτη της ποιότητας του νερού) τόσο χωρικά όσο και εποχιακά προκαλεί προβλήματα στην δειγματοληψία. Μια αποτελεσματική μέθοδος για την παρακολούθηση της κατανομής των αλγών και για την υπόδειξη κατάλληλων σημείων δειγματοληψίας θα ήταν η τηλεπισκόπηση. Η υψηλή χωρική ανάλυση των εικόνων δορυφόρων (30m), καθιστά τον Landsat TM χρήσιμο για τον προσδιορισμό της ποιότητας των νερών της λίμνης. <br /> <br /> Η πιο συνήθης προσέγγιση της χρήσης του TM προκειμένου να προσδιοριστεί η ποιότητα των νερών μιας λίμνης είναι αυτή των στατιστικών τεχνικών από τις οποίες προκύπτει η συσχέτιση μεταξύ των φασματικών καναλιών και της συγκέντρωσης της χλωροφύλλης. Παρά την περιορισμένη εφαρμογή τους παγκοσμίως, εμπειρικοί αλγόριθμοι μπορούν να προσδιορίσουν επαρκώς την συγκέντρωση της χλωροφύλλης. Για να δώσουν οι τελευταίοι επιτυχή αποτελέσματα πέρα από τις συνθήκες στις οποίες καλιμπραρίστηκαν, πρέπει να γίνει προσαρμογή ορισμένων παραμέτρων τους. Συγκεκριμένα, τίθεται ένα πρόβλημα στην σχετικά χαμηλή συγκέντρωση χλωροφύλλης σε σχέση με την υψηλή συγκέντρωση αιωρούμενων στερεών που εμφανίζεται στην λίμνη Kinneret κατά τις εποχές καλοκαίρι και φθινόπωρο. <br /> <br /> <br /> '''Στόχοι της μελέτης'''<br /> <br /> Η μελέτη αυτή έχει δύο διαφορετικούς στόχους. Η πρώτη φάση σχετίζεται με την φασματική ανάλυση. Δημιουργήθηκαν οπτικά μοντέλα για την λίμνη τα οποία συσχετίζουν την ανακλαστικότητα του νερού σε συγκεκριμένες συγκεντρώσεις στην επιφάνεια των υδάτων. Στο στάδιο αυτό αναπτύχθηκαν και αλγόριθμοι για τον ακριβή προσδιορισμό της χλωροφύλλης χρησιμοποιώντας τον φθορισμό της Chi όπως μετρήθηκε στο ερυθρό φάσμα. Η δεύτερη φάση σχετίζεται με την χρήση δεδομένων του Landsat TM για την παρακολούθηση της Chl στην λίμνη Kinneret.<br /> <br /> <br /> '''Διαδικασία και αποτελέσματα'''<br /> <br /> Στις 26 και 27 October 1992 πραγματοποιήθηκε δειγματοληψία σε 22 σημεία τα οποία εντοπίζονται στο βόρειο τμήμα της λίμνης, όπου το βάθος του νερού κυμαινόταν από 8 μέχρι 43 μέτρα. Η δειγματοληψία έγινε με τρόπο τέτοιο ώστε να καλύπτεται όσο το δυνατόν μεγαλύτερη ποικιλία συγκεντρώσεων Chi και SM. Σε κάθε σταθμό δειγματοληψίας ελήφθησαν μετρήσεις με ραδιόμετρο Ll-1800 στην περιοχή φάσματος 400-750 nm με φασματική ανάλυση 2nm. <br /> Πραγματοποιήθηκε γεωμετρική διόρθωση και ατμοσφαιρική διόρθωση της εικόνας που ελήφθη από τον TM Landsat στις 30 October 1992 ώστε να μπορεί να γίνει ο προσδιορισμός των σταθμών δειγματοληψίας και εξαγωγή ραδιομετρικών δεδομένων για επαλήθευση. <br /> Τα ραδιομετρικά στοιχεία χρησιμοποιήθηκαν για να δημιουργηθεί ένας αλγόριθμος για την εκτίμηση της συγκέντρωσης της χλωροφύλλης από τα στοιχεία του TM. Η ακτινοβολία στο κανάλι ΤΜ3 (620-690 nm) ήταν εκ πρώτοις άμεσα εξαρτώμενη από τη συγκέντρωση μη οργανικών αιωρούμενων υλικών. Η ακτινοβολία σε αυτό το κανάλι αφαιρέθηκε από την ακτινοβολία στο κανάλι TM 1 (450-520 nm) για να διορθωθεί από την επιπρόσθετη ακτινοβολία που προκλήθηκε από την σκέδαση των αιωρούμενων σωματιδίων. Έτσι ο (TM 1 - TM3)/TM2 αποδείχθηκε χρήσιμος δείκτης για την εκτίμηση της συγκέντρωσης της χλωροφύλλης. <br /> Οι συγκεντρώσεις που προέκυψαν έπειτα από ατμοσφαιρική διόρθωση των δεδομένων του ΤΜ συγκρίθηκαν με αυτή που προέκυψε από την δειγματοληψία στην λίμνη. Η εκτίμηση του σφάλματος ήταν λιγότερη από 0·85mgm- 3.<br /> <br /> [[Αρχείο:chloro.png|200px|thumb|center|]]<br /> <br /> <br /> Πηγή: <br /> <br /> M. MAYO, A. GITELSON, Y. Z. YACOBI &amp; Z. BEN-AVRAHAM (2007). Chlorophyll distribution in Lake Kinneret determined from Landsat Thematic Mapper. ''International Journal of Remote Sensing, Vol.16, pp 175-182.''<br /> <br /> [[category:Εντοπισμός συγκέντρωσης χλωροφύλλης στο νερό]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Kinneret_%CF%8C%CF%80%CF%89%CF%82_%CE%BA%CE%B1%CE%B8%CE%BF%CF%81%CE%AF%CF%83%CF%84%CE%B7%CE%BA%CE%B5_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%BF%CF%85_Landsat_Thematic_Mapper 2013-04-01T18:55:14Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερού στη χώρα. Επιπλέον έχει κι άλλες χρήσεις όπως αναψυχή και αλιεία. Η διακύμανση στη στάθμη του νερού είναι μείζονος σημασίας πρόβλημα εξαιτίας της μακροχρόνιων προβλημάτων που δημιουργεί στην ποιότητα του νερού. Η ακανόνιστη κατανομή των αλγών (τα οποία αποτελούν σημαντικό δείκτη της ποιότητας του νερού) τόσο χωρικά όσο και εποχιακά προκαλεί προβλήματα στην δειγματοληψία. Μια αποτελεσματική μέθοδος για την παρακολούθηση της κατανομής των αλγών και για την υπόδειξη κατάλληλων σημείων δειγματοληψίας θα ήταν η τηλεπισκόπηση. Η υψηλή χωρική ανάλυση των εικόνων δορυφόρων (30m), καθιστά τον Landsat TM χρήσιμο για τον προσδιορισμό της ποιότητας των νερών της λίμνης. <br /> <br /> Η πιο συνήθης προσέγγιση της χρήσης του TM προκειμένου να προσδιοριστεί η ποιότητα των νερών μιας λίμνης είναι αυτή των στατιστικών τεχνικών από τις οποίες προκύπτει η συσχέτιση μεταξύ των φασματικών καναλιών και της συγκέντρωσης της χλωροφύλλης. Παρά την περιορισμένη εφαρμογή τους παγκοσμίως, εμπειρικοί αλγόριθμοι μπορούν να προσδιορίσουν επαρκώς την συγκέντρωση της χλωροφύλλης. Για να δώσουν οι τελευταίοι επιτυχή αποτελέσματα πέρα από τις συνθήκες στις οποίες καλιμπραρίστηκαν, πρέπει να γίνει προσαρμογή ορισμένων παραμέτρων τους. Συγκεκριμένα, τίθεται ένα πρόβλημα στην σχετικά χαμηλή συγκέντρωση χλωροφύλλης σε σχέση με την υψηλή συγκέντρωση αιωρούμενων στερεών που εμφανίζεται στην λίμνη Kinneret κατά τις εποχές καλοκαίρι και φθινόπωρο. <br /> <br /> <br /> '''Στόχοι της μελέτης'''<br /> <br /> Η μελέτη αυτή έχει δύο διαφορετικούς στόχους. Η πρώτη φάση σχετίζεται με την φασματική ανάλυση. Δημιουργήθηκαν οπτικά μοντέλα για την λίμνη τα οποία συσχετίζουν την ανακλαστικότητα του νερού σε συγκεκριμένες συγκεντρώσεις στην επιφάνεια των υδάτων. Στο στάδιο αυτό αναπτύχθηκαν και αλγόριθμοι για τον ακριβή προσδιορισμό της χλωροφύλλης χρησιμοποιώντας τον φθορισμό της Chi όπως μετρήθηκε στο ερυθρό φάσμα. Η δεύτερη φάση σχετίζεται με την χρήση δεδομένων του Landsat TM για την παρακολούθηση της Chl στην λίμνη Kinneret.<br /> <br /> <br /> '''Διαδικασία και αποτελέσματα'''<br /> <br /> Στις 26 και 27 October 1992 πραγματοποιήθηκε δειγματοληψία σε 22 σημεία τα οποία εντοπίζονται στο βόρειο τμήμα της λίμνης, όπου το βάθος του νερού κυμαινόταν από 8 μέχρι 43 μέτρα. Η δειγματοληψία έγινε με τρόπο τέτοιο ώστε να καλύπτεται όσο το δυνατόν μεγαλύτερη ποικιλία συγκεντρώσεων Chi και SM. Σε κάθε σταθμό δειγματοληψίας ελήφθησαν μετρήσεις με ραδιόμετρο Ll-1800 στην περιοχή φάσματος 400-750 nm με φασματική ανάλυση 2nm. <br /> Πραγματοποιήθηκε γεωμετρική διόρθωση και ατμοσφαιρική διόρθωση της εικόνας που ελήφθη από τον TM Landsat στις 30 October 1992 ώστε να μπορεί να γίνει ο προσδιορισμός των σταθμών δειγματοληψίας και εξαγωγή ραδιομετρικών δεδομένων για επαλήθευση. <br /> Τα ραδιομετρικά στοιχεία χρησιμοποιήθηκαν για να δημιουργηθεί ένας αλγόριθμος για την εκτίμηση της συγκέντρωσης της χλωροφύλλης από τα στοιχεία του TM. Η ακτινοβολία στο κανάλι ΤΜ3 (620-690 nm) ήταν εκ πρώτοις άμεσα εξαρτώμενη από τη συγκέντρωση μη οργανικών αιωρούμενων υλικών. Η ακτινοβολία σε αυτό το κανάλι αφαιρέθηκε από την ακτινοβολία στο κανάλι TM 1 (450-520 nm) για να διορθωθεί από την επιπρόσθετη ακτινοβολία που προκλήθηκε από την σκέδαση των αιωρούμενων σωματιδίων. Έτσι ο (TM 1 - TM3)/TM2 αποδείχθηκε χρήσιμος δείκτης για την εκτίμηση της συγκέντρωσης της χλωροφύλλης. <br /> Οι συγκεντρώσεις που προέκυψαν έπειτα από ατμοσφαιρική διόρθωση των δεδομένων του ΤΜ συγκρίθηκαν με αυτή που προέκυψε από την δειγματοληψία στην λίμνη. Η εκτίμηση του σφάλματος ήταν λιγότερη από 0·85mgm- 3.<br /> <br /> [[Αρχείο:chloro.png|200px|thumb|center|]]<br /> <br /> Πηγή: <br /> M. MAYO, A. GITELSON, Y. Z. YACOBI &amp; Z. BEN-AVRAHAM (2007). Chlorophyll distribution in Lake Kinneret determined from Landsat Thematic Mapper. ''International Journal of Remote Sensing, Vol.16, pp 175-182.''<br /> <br /> [[category:Εντοπισμός συγκέντρωσης χλωροφύλλης στο νερό]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T18:51:50Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> <br /> [[Αρχείο:taf.png|200px|thumb|center|]]<br /> [[Αρχείο:ndvi.png|200px|thumb|center|]]<br /> [[Αρχείο:clay.png|200px|thumb|center|]]<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> [[Αρχείο:xa1.png|200px|thumb|center|]]<br /> [[Αρχείο:xa2.png|200px|thumb|center|]]<br /> [[Αρχείο:xa3.png|200px|thumb|center|]]<br /> <br /> Πηγή:<br /> K. Yang, X. Zhou, W. Yan, D. Hang, P. Steinmann (2008). Landfills in Jiangsu province, China, and potential threats for public health: Leachate appraisal and spatial analysis using geographic information system and remote sensing. ''Waste Management Vol. 28 pp 2750–2757''.<br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%B9%CE%BD%CF%89%CE%BD%CE%B9%CE%BA%CE%BF%CE%BF%CE%B9%CE%BA%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CF%8C%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CF%80%CE%AC%CE%B8%CE%B5%CE%B9%CE%B1%CF%82_(vulnerability_index)_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CF%83%CE%B5_%CE%AD%CE%BD%CE%B1_%CE%BB%CE%B9%CE%BC%CE%AC%CE%BD%CE%B9_%CF%84%CE%BF%CF%85_%CE%91%CE%BC%CE%B1%CE%B6%CE%BF%CE%BD%CE%AF%CE%BF%CF%85 2013-04-01T18:49:05Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Παγκοσμίως, οι παράκτιες ζώνες υπήρξαν το επίκεντρο της ανθρώπινης αποίκησης εξαιτίας κυρίως της εύκολης μεταφοράς αγαθών και ανθρώπων. Λαμβάνοντας υπόψιν τόσο τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά των περιοχών αυτών όσο και τα υποπροϊόντα της έντονης ανθρώπινης δραστηριότητας γύρω από αυτές, ιδιαίτερο ενδιαφέρον έχει δωθεί τα τελευταία χρόνια στην έρευνα και την ανάπτυξη στρατηγικών διατήρησης της ισορροπίας ανάμεσα στους φυσικούς παράγοντες και την ανθρώπινη αξιοποίησή τους. Ένα από τα σημαντικότερα προβλήματα των γειτονικών σε λιμάνια περιοχών είναι το ρίσκο πετρελαιοκηλίδων από τις μεταγωγικές δραστηριότητες, αλλά και από τον καθαρισμό δοχείων αποθήκευσης καυσίμων εντός της περιοχής του λιμανιού.<br /> <br /> <br /> '''Εισαγωγή στην παρούσα μελέτη'''<br /> <br /> Το περίπλοκο πρόβλημα της μελέτης της ευπάθειας (vulnerability) μιας γειτονικής σε λιμάνι περιοχής μας αναγκάζει γενικά να αναζητήσουμε μοντέλα που μπορούν να δράσουν συνεργατικά με ένα σύστημα τηλεπισκόπησης. Στην παρούσα μελέτη σταθμίζεται τόσο η φυσική ευπάθεια, η ευπάθεια δηλαδή του φυσικού περιβάλλοντος στις αρνητικές επιπτώσεις ατυχημάτων, όσο και η κοινωνικοοικονομική ευπάθεια (η δυνατότητα ή μη δηλαδή των ατόμων, ομάδων ή κοινοτήτων να ανθίστανται ή να αναρρώνουν από τέτοια ατυχήματα σε φυσικό, συναισθηματικό και οικονομικό επίπεδο). <br /> Στη Βραζιλία, η αφθονία των εκβολών και των κόλπων, κατάλληλων για τη δημιουργία φυσικών λιμανιών αποτέλεσε τον καιριότερο παράγοντα δημιουργίας αστικών κέντρων όπως το São Marcos στην πολιτεία του Maranhão που αναλύεται. Συγκεκριμένα, εξετάζεται το σύμπλεγμα Itaqui-Bacanga, μία αστική/βιομηχανική παράκτια περιοχή, της οποίας η κοιλάδα κατοικείται από ιθαγενείς και χωρίζεται σε πέντε γειτονιές. Οι τελευταίες στερούνται επαρκούς υγιεινής όσο και οργανωμένων συστήματων αποχέτευσης. Το λιμάνι του δέχεται από το 1980 αλουμίνιο, μπεντονίτη, ασβεστόλιθο, χαλκό, χυτοσίδηρο, πετρελαιοπαράγωγα, λιπάσματα, σογιέλαιο, ρύζι και λοιπούς σπόρους. Έτσι οι δύο βασικές προς εξέταση ερωτήσεις 1) ποιες γεομορφολογικές μονάδες της ανατολικής παράκτιας Αμαζονίας είναι πιο ευπαθείς σε πετρελαιοκηλίδες και 2) ποιο είναι το κοινωνικό προφίλ του πληθυσμού των ευπαθών αυτών περιοχών, απαντήθηκαν μέσα από την κατασκευή ενός Σύνθετου Δείκτη Ευπάθειας (Composite Vulnerability Index) που αποτελείται από τις εξής μεταβλητές: 1) γεωμορφολογική μονάδα, σύμφωνα με την κατοίκησή της από τον τοπικό πληθυσμό 2) εισόδημα 3) μορφωτικό επίπεδο και 4) εξάρτηση των ιθαγενών από την αλιεία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Α] Δεδομένα''<br /> <br /> Οι πηγές που χρησιμοποιήθηκαν για την συλλογή δεδομένων ήταν η βιβλιογραφία, ψηφιακοί χάρτες, δορυφορικές εικόνες (Ikonos), DPGS Differential Satellite Positioning System αλλά και τεχνικές επισκέψεις στην εξεταζομενη περιοχη με υποβολη ερωτηματολογιων στον πληθυσμο. <br /> <br /> Τα χαρτογραφικά δεδομένα αντλήθηκαν απο το Βραζιλιάνικο Ινστιτουτο Γεωγραφίας και Στατιστικης (IBGE). Απο το IKONOS λήφθηκαν δυο εικονες 13km x 13km με ανάλυση 1m οι οποίες προβλήθηκαν στη ζώνη 23 του νότιου ημισφαιρίου. Για την ταυτοποίηση των βασικών παράκτιων γεωμορφολογικών περιοχών και των κοινωνικοοιοκονομικών πόρων, χρησιμοποιήθηκαν η τονικότητα, το χρώμα, η υφή, ή μορφή και το μέγεθος μιας σύνθετης εικόνας (3R2G1B κανάλια χρώματος) ώστε να δημιουργηθεί ένας χάρτης κλίμακας 1:10.000. Η επιπλέον ακρίβεια αυξήθηκε μέσω της χρήσης 12 σημείων ελέγχου εδάφους (GCP - ground control points) και του DGPS. Η ιδιαιτερότητα του κλιματος της περιοχής, με τα πολλά σύννεφα, αποτέλεσε σημαντικό παράγοντα μιας και οι εικόνες απο το IKONOS είναι ανεπαρκείς με συννεφιά άνω του 25%.<br /> <br /> Τα κοινωνικά δεδομένα συλλέχθηκαν με τη βοήθεια 187 ερωτηματολογίων που μοιράστηκαν σε τυχαίο δείγμα κατοίκων της περιοχής. Τα ερωτηματολόγια αποτελούνταν από δύο κατηγορίες ερωτήσεων: 1) προσωπικά δεδομένα σχετικά με την αιτία και το πλαίσιο της κατοίκησης και 2) παραγωγικές δραστηριότητες με έμφαση στο ψάρεμα. Τα παραπάνω δεδομένα συμπληρώθηκαν με παρατηρήσεις on site.<br /> <br /> <br /> ''Β] Κατασκευή χάρτη''<br /> <br /> Η κατασκευή του χάρτη ευπάθειας έχει τρία βήματα 1) ορισμός των ανεξάρτητων μεταβλητών τόσο των φυσικών όσο και κοινωνικοοικονομικών, για την κατασκευή του CVI (vulnerability index) 2) εύρεση του πολυγώνου για την κάθε μεταβλητή 3) εφαρμογή των δεικτών ευπάθειας.<br /> <br /> ι) Μορφολογικά δεδομένα<br /> <br /> Για την ανάλυση της φυσικής ευπάθειας, ορίστηκαν τρεις ζώνες, μορφολογικές μονάδες: το παράκτιο πλάτωμα (coastal plateau) η παράκτια πεδιαδα (coastal plain) και η πεδιαδα της εκβολής ποταμού. Στην πρώτη κατοικούν οι άνθρωποι, στη δεύτερη είναι οι παραλίες και εκεί λαμβάνουν χώρα οι διάφορες δραστηριότητες αναψυχής, ενώ στην τελευταία βρίσκονται τα μανγκρόβια δέντρα (mangroves). Ο δείκτης φυσικής ευπάθειας υπολογίζεται από την παρακάτω φόρμουλα:<br /> <br /> [[Αρχείο:Fisefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας των διαφόρων μονάδων όπως φαίνεται στον παρακάτω πίνακα:<br /> <br /> [[Αρχείο:Pinakas2.jpg|200px|thumb|center|]]<br /> <br /> <br /> ιι) Κοινωνικοοικονομικά δεδομένα<br /> <br /> Οι κοινωνικοοικονομικές μεταβλητές που επιλέχθηκαν είναι 1) εισόδημα 2) μορφωτικό επίπεδο 3) σχέση με το ψάρεμα και αντίστοιχα αναλύθηκαν ως εξής 1) η οικονομική ευπάθεια λαμβάνει υπόψιν το εισόδημα μιας οικογένειας ως εξάρτηση της ικανότητας της να απορροφά υλική και ψυχολογική ζημία. Έτσι όσο χαμηλότερο το εισόδημα (τόσο μέσα απο προσωπική εργασία ή από κρατική βοήθεια) τόσο μεγαλύτερος ο δείκτης ευπάθειας. 2) τα λιγότερο μορφωμένα άτομα τείνουν να είναι πιο επιρρεπή στα αποτελέσματα των καταστροφών, έτσι όσο χαμηλότερο το επίπεδο τυπικής μόρφωσης τόσο μεγαλύτερος ο δείκτης ευπάθειας. 3) η εξάρτηση από το ψάρεμα επιλέχθηκε ειδικά για την περιοχή λόγω της έντονης αλιευτικής δραστηριότητας των κατοίκων της. Η σχέση με το ψάρεμα κατηγοριοποιήθηκε ως &quot;άμεση&quot;, &quot;έμμεση&quot; και &quot;καθόλου σχέση&quot;. Άμεση θεωρείται όταν το ψάρεμα είναι ο βιοπορισμός του ατόμου, έμμεση όταν εμπλέκεται κάποιας μορφής εμπορική εκμετάλλευση ή ψυχαγωγία και &quot;καθόλου σχέση&quot; όταν δεν εμπλέκεται το άτομο στις παραπάνω δραστηριότητες και απλά καταναλώνει και ψωνίζει ψάρι από την τοπική αγορά. <br /> <br /> Τα κοινωνικοοικονομικά δεδομένα τοποθετήθηκαν στο χάρτη με βάση το στίγμα του κάθε ατόμου που έλαβε μέρος στα ερωτηματολόγια. Δημιουργήθηκε έτσι ένας χάρτης για κάθε μια από την τρεις παραπανω μεταβλητές. Επιπλέον για να διευκολύνουμε την δημιουργία ενός κοινού CVI, τα δείγματα που αντιστοιχήθηκαν στον ίδιο δείκτη ευπάθειας ενώθηκαν δημιουργώντας ένα πολύγωνο για κάθε μεταβλητή χρησιμοποιώντας μία ειδική κατηγοριοποίηση GIS για να ορίσουμε τα όρια και το εύρος της κάθε κλάσης. Η κατηγοριοποίηση αυτή έγινε ως εξής: 1) το εισόδημα ομαδοποιήθηκε σε κλάσεις λιγότερου του ενός κατώτατου μισθού, 1-2 κατώτατων μισθών, 2-3 μισθών και περισσότερων των 3 μισθών . 2) οι μορφωτικές βαθμίδες είναι: καθόλου σχολείο, ημιτελές δημοτικό, απόφοιτος δημοτικού, ημιτελές γυμνάσιο, απόφοιτος γυμνασίου 3) οπως αναλύθηκε παραπάνω η σχεση με το ψάρεμα είναι &quot;αμεση&quot;, &quot;'εμμεση&quot;, &quot;καθόλου σχέση&quot;.<br /> <br /> Ο δείκτης κοινωνικοοικονομικής ευπάθειας υπολογίζεται ως:<br /> <br /> [[Αρχείο:koinefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας όπως φαινεται στον παρακάτω πινακα:<br /> <br /> Όπως περιγράφεται στο Araujo et al. 2008 Araújo, A., Ramos, E., Alves, M., Figueira, P., Pamplona, V., 2008. Análise estatística de crimes noticiados nos principais jornais de Belém, no ano de 2007, ocorridos no Estado de Pará. In: Ramos, E., Almeida, S., Araújo, A. (Eds.), Segurança Publica: Uma Abordagem Estatística e Computacional. EDUFPA, Belém, pp. 93e103. για την ανάλυση των δεδομένων χρησιμοποιήθηκε correspondence analysis μιας και αποτελεί την βέλτιστη τεχνική ανάλυσης για προβλήματα πολλαπλών ποσοτικών και ποιοτικών μεταβλητών.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> ''Α) Φυσικές μεταβλητές''<br /> <br /> Το παράκτιο πλάτωμα (coastal plateau) καταλαμβάνει περιοχή 34 km2 και ξεχωρίζει από την φασματική απόκριση δεντρώδους βλάστησης (arboreal vegetation) σε ανοιχτό πράσινο όπως και ανθρώπινων κατασκευασμάτων με γεωμετρικά σχήματα και διάφορες αποχρώσεις. Στην κεντρική περιοχή το ψηλότερο σημείο ειναι στα 45m πεφτοντας στα 5m στις εκβολές. Αυτή η γεωγραφική μονάδα θεωρούμε ότι είναι απίθανο να επηρεαστεί από μια πετρελαιοκηλίδα και είναι ετσι χαμηλής ευπάθειας.<br /> Η παράκτια πεδιάδα (coastal plain) σχηματίζεται κυρίως απο παραλίες που εμφανίζονται με άσπρο χρώμα και απαλή υφή στις εικόνες του IKONOS. Η περιοχή αυτή θεωρείται μεσαίας ευπάθειας, μιας και στο ενδεχόμενο πετρελαιοκηλίδας, η διείσδυση του πετρελαίου θα ήταν λιγότερη από 10cm, παρόλο που θα είχε άμεσες επιπτώσεις στην διαπαλιρροιακή βιωτική κοινότητα και στην χρηση των παραλιών από τους κατοίκους.<br /> Η περιοχή εκβολών εμφανίζεται ως σκούρο γκρι στις εικόνες του IKONOS και χωρίζεται σε τρεις υποπεριοχές, κανάλια εκβολών, βάλτοι μανγκρόβιων δέντρων, όχθες λάσπης. Σε ενδεχόμενη πετρελαιοκηλίδα η περιοχή αυτη θα επηρεαζόταν δρυμύτατα, ειδικά εξαιτίας της μεγαλης δυσκολίας φυσικής απομάκρυνσης του πετρελαίου, μιας και άλλες μέθοδοι καθαρισμού θα δημιουργούσαν ακομη μεγαλύτερα προβλήματα. Έτσι η περιοχή αυτή θεωρείται υψηλού κινδύνου, ειδικά μιας και τόσο τα κανάλια όσο και η περιοχή μανγκρόβιων δέντρων χρησιμοποιούνται απο τους κατοίκους για ψάρεμα και συλλογή οστρακοειδών.<br /> <br /> ''Β) Κοινωνικές μεταβλητές''<br /> <br /> Το ανθρώπινο περιβάλλον αναλύθηκε στατιστικά και χωρικά σύμφωνα με τις επιλεγμένες μεταβλητές και την απόκρισή τους σε μια πιθανή πετρελαιοκηλίδα.<br /> <br /> ''1) Στατιστική ανάλυση''<br /> <br /> Η συσχετιστική ανάλυση (correspondence analysis) περιέλαβε τέσσερις μεταβλητές: γειτνίαση, μορφωτικό επίπεδο, εισόδημα, ανάμειξη στην αλιεία. Ο παρακάτω πίνακας παρουσιάζει τα σφάλματα και τα επίπεδα βεβαιότητας που προέκυψαν από την ανάλυση:<br /> <br /> [[Αρχείο:sfal.jpg|200px|thumb|center|]]<br /> <br /> Οι περιοχες Vila Novo και Alto da Esperança έχουν άμεση συσχέτιση με την αλιεία (83% και 98% αντίστοιχα) ενώ έμμεση είναι η συσχέτιση της περιοχής Mauro Fecury II (99% βεβαιότητα). H Αnjo da Guarda δεν σχετίζεται με το ψάρεμα με ποσοστό βεβαιότητας 92% ενω η ανάλυση για την Mauro Fecury I δεν έδωσε βέβαιο αποτέλεσμα για οποιαδήποτε κατηγορία που φανερώνει πως υπάρχει μια συσχέτιση με όλες τις κατηγορίες.<br /> Η σχέση μεταξύ εισοδήματος και μορφωτικού επιπέδου φαίνεται στον παρακάτω πίνακα 4. Η ανάλυση δείχνει ότι οι απόφοιτοι δημοτικού τείνουν να έχουν εισόδημα μεταξύ 2 και 3 βασικών μισθών με βεβαιότητα 95% ενώ όσοι δεν ολοκλήρωσαν το δημοτικό έχουν μικρότερα εισοδήματα, είτε 1 βασικό μισθό (89%) ή 1-2 (85%). Οι απόφοιτοι γυμνασίου τείνουν να έχουν εισόδημα 2-3 βασικών μισθών (94% βεβαιότητα) ή μεγαλύτερο των 3 (100% βεβαιοτητα) ενώ όσοι δεν τελείωσαν το γυμνάσιο ταλαντώνονται ανάμεσα σε λιγότερο απο έναν (85%) έως μεγαλύτερο των τριών (71%). Με δεδομένο ότι 11% των ερωτηθέντων δεν έδωσε στοιχεία η ανάλυση είναι ενα ζήτημα πολύπλοκο.<br /> <br /> [[Αρχείο:stat.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''2) Χωρική ανάλυση''<br /> <br /> Η χωρική ανάλυση έδειξε πως οι περιοχές Vila Nova, Mauro Fecury I , Alto da Esperança χαακτηρίζονται από χαμηλά εισοδήματα και υψηλή ευπάθεια. Σε αντιδιαστολή οι περιοχές Anjo da Guarda, Fumace, Mauro Fecury II παρουσιάζουν χαμηλή ευπάθεια. Η χωρική ανάλυση δείχνει μια τάση ατόμων των δύο πρώτων μορφωτικών κατηγοριών (καθόλου σχολείο, ημιτελές δημοτικό) να παρουσιάζουν μεγάλη ευπάθεια, απόφοιτοι δημοτικού και ημιτελές γυμνάσιο να παρουσιάζουν μεσαία ευπάθεια, ενώ απόφοιτοι γυμνασίου μικρή ευπάθεια. Οι κάτοικοι των ευπαθών περιοχών λόγω του χαμηλού μορφωτικού επιπέδου έχουν περιορισμένες δυνατότητες απασχόλησης και το χαμηλό τους εισόδημα τους δυσχεραίνει την αποκατάσταση μετά απο μια φυσική καταστροφή. <br /> Ως προς την αλιεία, περιοχές υψηλής ευπάθειας συγκεντρώνονται στα εξωτερικά τμήματα του παράκτιου πλατώματος, στη Vila Nova (42% της περιοχης) και Alto da Esperança (34%). Και στις δυο περιπτώσεις το 25% του πληθυσμού δήλωσε το ψάρεμα ως πρωταρχική ασχολία. Άλλες περιοχές, περισσότερο από 85% της έκτασης θεωρούνται χαμηλής ευπάθειας με υψηλή μόνο στην περιοχή γύρω από τα μανγκρόβια δέντρα.<br /> <br /> ‎[[Αρχείο:Pente.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eksi.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eftaa.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''3) Χάρτης ευπάθειας''<br /> <br /> Ο χάρτης συνολικής ευπάθειας παρουσιάζει τον συνδυασμό φυσικού και κοινωνικού χάρτη. Οι περιοχές υψηλότερης ευπάθειας ειναι οι Vila Nova και οι Alto Esperança με περίπου 0.52km2 έκταση. Η πεδιάδα των εκβολών θεωρείται επίσης υψηλής ευπάθειας εξαιτίας ενός συνδιασμού αλιευτικών δραστηριοτήτων και δυσκολίας απορρύπανσης. <br /> <br /> <br /> [[Αρχείο:okto.jpg|200px|thumb|center|]]<br /> <br /> Πηγή: <br /> <br /> M. M. Nogueira de Andrade, C. F. Szlafsztein, P. Walfir M. Souza-Filho, A. dos Reis Araújo, M. K. Tavares Gomes (2010). A socioeconomic and natural vulnerability index for oil spills in an Amazonian harbor: A case study using GIS and remote sensing. ''Journal of Environmental Management, Vol 91 pp 1972 - 1980.''<br /> <br /> [[category:Ωκεανοί και Ακτές]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:47:58Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> [[Αρχείο:Εικόνα_2._Εικόνα_της_λίμνης_Mogan_από_τον_δορυφόρο_Quickbird_(August_6,_2005).png|200px|thumb|right|]]<br /> [[Αρχείο:them.png|200px|thumb|right|]]<br /> <br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> Πηγή:<br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%B9%CE%BD%CF%89%CE%BD%CE%B9%CE%BA%CE%BF%CE%BF%CE%B9%CE%BA%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CF%8C%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CF%80%CE%AC%CE%B8%CE%B5%CE%B9%CE%B1%CF%82_(vulnerability_index)_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CF%83%CE%B5_%CE%AD%CE%BD%CE%B1_%CE%BB%CE%B9%CE%BC%CE%AC%CE%BD%CE%B9_%CF%84%CE%BF%CF%85_%CE%91%CE%BC%CE%B1%CE%B6%CE%BF%CE%BD%CE%AF%CE%BF%CF%85 2013-04-01T18:47:23Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Παγκοσμίως, οι παράκτιες ζώνες υπήρξαν το επίκεντρο της ανθρώπινης αποίκησης εξαιτίας κυρίως της εύκολης μεταφοράς αγαθών και ανθρώπων. Λαμβάνοντας υπόψιν τόσο τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά των περιοχών αυτών όσο και τα υποπροϊόντα της έντονης ανθρώπινης δραστηριότητας γύρω από αυτές, ιδιαίτερο ενδιαφέρον έχει δωθεί τα τελευταία χρόνια στην έρευνα και την ανάπτυξη στρατηγικών διατήρησης της ισορροπίας ανάμεσα στους φυσικούς παράγοντες και την ανθρώπινη αξιοποίησή τους. Ένα από τα σημαντικότερα προβλήματα των γειτονικών σε λιμάνια περιοχών είναι το ρίσκο πετρελαιοκηλίδων από τις μεταγωγικές δραστηριότητες, αλλά και από τον καθαρισμό δοχείων αποθήκευσης καυσίμων εντός της περιοχής του λιμανιού.<br /> <br /> <br /> '''Εισαγωγή στην παρούσα μελέτη'''<br /> <br /> Το περίπλοκο πρόβλημα της μελέτης της ευπάθειας (vulnerability) μιας γειτονικής σε λιμάνι περιοχής μας αναγκάζει γενικά να αναζητήσουμε μοντέλα που μπορούν να δράσουν συνεργατικά με ένα σύστημα τηλεπισκόπησης. Στην παρούσα μελέτη σταθμίζεται τόσο η φυσική ευπάθεια, η ευπάθεια δηλαδή του φυσικού περιβάλλοντος στις αρνητικές επιπτώσεις ατυχημάτων, όσο και η κοινωνικοοικονομική ευπάθεια (η δυνατότητα ή μη δηλαδή των ατόμων, ομάδων ή κοινοτήτων να ανθίστανται ή να αναρρώνουν από τέτοια ατυχήματα σε φυσικό, συναισθηματικό και οικονομικό επίπεδο). <br /> Στη Βραζιλία, η αφθονία των εκβολών και των κόλπων, κατάλληλων για τη δημιουργία φυσικών λιμανιών αποτέλεσε τον καιριότερο παράγοντα δημιουργίας αστικών κέντρων όπως το São Marcos στην πολιτεία του Maranhão που αναλύεται. Συγκεκριμένα, εξετάζεται το σύμπλεγμα Itaqui-Bacanga, μία αστική/βιομηχανική παράκτια περιοχή, της οποίας η κοιλάδα κατοικείται από ιθαγενείς και χωρίζεται σε πέντε γειτονιές. Οι τελευταίες στερούνται επαρκούς υγιεινής όσο και οργανωμένων συστήματων αποχέτευσης. Το λιμάνι του δέχεται από το 1980 αλουμίνιο, μπεντονίτη, ασβεστόλιθο, χαλκό, χυτοσίδηρο, πετρελαιοπαράγωγα, λιπάσματα, σογιέλαιο, ρύζι και λοιπούς σπόρους. Έτσι οι δύο βασικές προς εξέταση ερωτήσεις 1) ποιες γεομορφολογικές μονάδες της ανατολικής παράκτιας Αμαζονίας είναι πιο ευπαθείς σε πετρελαιοκηλίδες και 2) ποιο είναι το κοινωνικό προφίλ του πληθυσμού των ευπαθών αυτών περιοχών, απαντήθηκαν μέσα από την κατασκευή ενός Σύνθετου Δείκτη Ευπάθειας (Composite Vulnerability Index) που αποτελείται από τις εξής μεταβλητές: 1) γεωμορφολογική μονάδα, σύμφωνα με την κατοίκησή της από τον τοπικό πληθυσμό 2) εισόδημα 3) μορφωτικό επίπεδο και 4) εξάρτηση των ιθαγενών από την αλιεία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Α] Δεδομένα''<br /> <br /> Οι πηγές που χρησιμοποιήθηκαν για την συλλογή δεδομένων ήταν η βιβλιογραφία, ψηφιακοί χάρτες, δορυφορικές εικόνες (Ikonos), DPGS Differential Satellite Positioning System αλλά και τεχνικές επισκέψεις στην εξεταζομενη περιοχη με υποβολη ερωτηματολογιων στον πληθυσμο. <br /> <br /> Τα χαρτογραφικά δεδομένα αντλήθηκαν απο το Βραζιλιάνικο Ινστιτουτο Γεωγραφίας και Στατιστικης (IBGE). Απο το IKONOS λήφθηκαν δυο εικονες 13km x 13km με ανάλυση 1m οι οποίες προβλήθηκαν στη ζώνη 23 του νότιου ημισφαιρίου. Για την ταυτοποίηση των βασικών παράκτιων γεωμορφολογικών περιοχών και των κοινωνικοοιοκονομικών πόρων, χρησιμοποιήθηκαν η τονικότητα, το χρώμα, η υφή, ή μορφή και το μέγεθος μιας σύνθετης εικόνας (3R2G1B κανάλια χρώματος) ώστε να δημιουργηθεί ένας χάρτης κλίμακας 1:10.000. Η επιπλέον ακρίβεια αυξήθηκε μέσω της χρήσης 12 σημείων ελέγχου εδάφους (GCP - ground control points) και του DGPS. Η ιδιαιτερότητα του κλιματος της περιοχής, με τα πολλά σύννεφα, αποτέλεσε σημαντικό παράγοντα μιας και οι εικόνες απο το IKONOS είναι ανεπαρκείς με συννεφιά άνω του 25%.<br /> <br /> Τα κοινωνικά δεδομένα συλλέχθηκαν με τη βοήθεια 187 ερωτηματολογίων που μοιράστηκαν σε τυχαίο δείγμα κατοίκων της περιοχής. Τα ερωτηματολόγια αποτελούνταν από δύο κατηγορίες ερωτήσεων: 1) προσωπικά δεδομένα σχετικά με την αιτία και το πλαίσιο της κατοίκησης και 2) παραγωγικές δραστηριότητες με έμφαση στο ψάρεμα. Τα παραπάνω δεδομένα συμπληρώθηκαν με παρατηρήσεις on site.<br /> <br /> <br /> ''Β] Κατασκευή χάρτη''<br /> <br /> Η κατασκευή του χάρτη ευπάθειας έχει τρία βήματα 1) ορισμός των ανεξάρτητων μεταβλητών τόσο των φυσικών όσο και κοινωνικοοικονομικών, για την κατασκευή του CVI (vulnerability index) 2) εύρεση του πολυγώνου για την κάθε μεταβλητή 3) εφαρμογή των δεικτών ευπάθειας.<br /> <br /> ι) Μορφολογικά δεδομένα<br /> <br /> Για την ανάλυση της φυσικής ευπάθειας, ορίστηκαν τρεις ζώνες, μορφολογικές μονάδες: το παράκτιο πλάτωμα (coastal plateau) η παράκτια πεδιαδα (coastal plain) και η πεδιαδα της εκβολής ποταμού. Στην πρώτη κατοικούν οι άνθρωποι, στη δεύτερη είναι οι παραλίες και εκεί λαμβάνουν χώρα οι διάφορες δραστηριότητες αναψυχής, ενώ στην τελευταία βρίσκονται τα μανγκρόβια δέντρα (mangroves). Ο δείκτης φυσικής ευπάθειας υπολογίζεται από την παρακάτω φόρμουλα:<br /> <br /> [[Αρχείο:Fisefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας των διαφόρων μονάδων όπως φαίνεται στον παρακάτω πίνακα:<br /> <br /> [[Αρχείο:Pinakas2.jpg|200px|thumb|center|]]<br /> <br /> <br /> ιι) Κοινωνικοοικονομικά δεδομένα<br /> <br /> Οι κοινωνικοοικονομικές μεταβλητές που επιλέχθηκαν είναι 1) εισόδημα 2) μορφωτικό επίπεδο 3) σχέση με το ψάρεμα και αντίστοιχα αναλύθηκαν ως εξής 1) η οικονομική ευπάθεια λαμβάνει υπόψιν το εισόδημα μιας οικογένειας ως εξάρτηση της ικανότητας της να απορροφά υλική και ψυχολογική ζημία. Έτσι όσο χαμηλότερο το εισόδημα (τόσο μέσα απο προσωπική εργασία ή από κρατική βοήθεια) τόσο μεγαλύτερος ο δείκτης ευπάθειας. 2) τα λιγότερο μορφωμένα άτομα τείνουν να είναι πιο επιρρεπή στα αποτελέσματα των καταστροφών, έτσι όσο χαμηλότερο το επίπεδο τυπικής μόρφωσης τόσο μεγαλύτερος ο δείκτης ευπάθειας. 3) η εξάρτηση από το ψάρεμα επιλέχθηκε ειδικά για την περιοχή λόγω της έντονης αλιευτικής δραστηριότητας των κατοίκων της. Η σχέση με το ψάρεμα κατηγοριοποιήθηκε ως &quot;άμεση&quot;, &quot;έμμεση&quot; και &quot;καθόλου σχέση&quot;. Άμεση θεωρείται όταν το ψάρεμα είναι ο βιοπορισμός του ατόμου, έμμεση όταν εμπλέκεται κάποιας μορφής εμπορική εκμετάλλευση ή ψυχαγωγία και &quot;καθόλου σχέση&quot; όταν δεν εμπλέκεται το άτομο στις παραπάνω δραστηριότητες και απλά καταναλώνει και ψωνίζει ψάρι από την τοπική αγορά. <br /> <br /> Τα κοινωνικοοικονομικά δεδομένα τοποθετήθηκαν στο χάρτη με βάση το στίγμα του κάθε ατόμου που έλαβε μέρος στα ερωτηματολόγια. Δημιουργήθηκε έτσι ένας χάρτης για κάθε μια από την τρεις παραπανω μεταβλητές. Επιπλέον για να διευκολύνουμε την δημιουργία ενός κοινού CVI, τα δείγματα που αντιστοιχήθηκαν στον ίδιο δείκτη ευπάθειας ενώθηκαν δημιουργώντας ένα πολύγωνο για κάθε μεταβλητή χρησιμοποιώντας μία ειδική κατηγοριοποίηση GIS για να ορίσουμε τα όρια και το εύρος της κάθε κλάσης. Η κατηγοριοποίηση αυτή έγινε ως εξής: 1) το εισόδημα ομαδοποιήθηκε σε κλάσεις λιγότερου του ενός κατώτατου μισθού, 1-2 κατώτατων μισθών, 2-3 μισθών και περισσότερων των 3 μισθών . 2) οι μορφωτικές βαθμίδες είναι: καθόλου σχολείο, ημιτελές δημοτικό, απόφοιτος δημοτικού, ημιτελές γυμνάσιο, απόφοιτος γυμνασίου 3) οπως αναλύθηκε παραπάνω η σχεση με το ψάρεμα είναι &quot;αμεση&quot;, &quot;'εμμεση&quot;, &quot;καθόλου σχέση&quot;.<br /> <br /> Ο δείκτης κοινωνικοοικονομικής ευπάθειας υπολογίζεται ως:<br /> <br /> [[Αρχείο:koinefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας όπως φαινεται στον παρακάτω πινακα:<br /> <br /> Όπως περιγράφεται στο Araujo et al. 2008 Araújo, A., Ramos, E., Alves, M., Figueira, P., Pamplona, V., 2008. Análise estatística de crimes noticiados nos principais jornais de Belém, no ano de 2007, ocorridos no Estado de Pará. In: Ramos, E., Almeida, S., Araújo, A. (Eds.), Segurança Publica: Uma Abordagem Estatística e Computacional. EDUFPA, Belém, pp. 93e103. για την ανάλυση των δεδομένων χρησιμοποιήθηκε correspondence analysis μιας και αποτελεί την βέλτιστη τεχνική ανάλυσης για προβλήματα πολλαπλών ποσοτικών και ποιοτικών μεταβλητών.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> ''Α) Φυσικές μεταβλητές''<br /> <br /> Το παράκτιο πλάτωμα (coastal plateau) καταλαμβάνει περιοχή 34 km2 και ξεχωρίζει από την φασματική απόκριση δεντρώδους βλάστησης (arboreal vegetation) σε ανοιχτό πράσινο όπως και ανθρώπινων κατασκευασμάτων με γεωμετρικά σχήματα και διάφορες αποχρώσεις. Στην κεντρική περιοχή το ψηλότερο σημείο ειναι στα 45m πεφτοντας στα 5m στις εκβολές. Αυτή η γεωγραφική μονάδα θεωρούμε ότι είναι απίθανο να επηρεαστεί από μια πετρελαιοκηλίδα και είναι ετσι χαμηλής ευπάθειας.<br /> Η παράκτια πεδιάδα (coastal plain) σχηματίζεται κυρίως απο παραλίες που εμφανίζονται με άσπρο χρώμα και απαλή υφή στις εικόνες του IKONOS. Η περιοχή αυτή θεωρείται μεσαίας ευπάθειας, μιας και στο ενδεχόμενο πετρελαιοκηλίδας, η διείσδυση του πετρελαίου θα ήταν λιγότερη από 10cm, παρόλο που θα είχε άμεσες επιπτώσεις στην διαπαλιρροιακή βιωτική κοινότητα και στην χρηση των παραλιών από τους κατοίκους.<br /> Η περιοχή εκβολών εμφανίζεται ως σκούρο γκρι στις εικόνες του IKONOS και χωρίζεται σε τρεις υποπεριοχές, κανάλια εκβολών, βάλτοι μανγκρόβιων δέντρων, όχθες λάσπης. Σε ενδεχόμενη πετρελαιοκηλίδα η περιοχή αυτη θα επηρεαζόταν δρυμύτατα, ειδικά εξαιτίας της μεγαλης δυσκολίας φυσικής απομάκρυνσης του πετρελαίου, μιας και άλλες μέθοδοι καθαρισμού θα δημιουργούσαν ακομη μεγαλύτερα προβλήματα. Έτσι η περιοχή αυτή θεωρείται υψηλού κινδύνου, ειδικά μιας και τόσο τα κανάλια όσο και η περιοχή μανγκρόβιων δέντρων χρησιμοποιούνται απο τους κατοίκους για ψάρεμα και συλλογή οστρακοειδών.<br /> <br /> ''Β) Κοινωνικές μεταβλητές''<br /> <br /> Το ανθρώπινο περιβάλλον αναλύθηκε στατιστικά και χωρικά σύμφωνα με τις επιλεγμένες μεταβλητές και την απόκρισή τους σε μια πιθανή πετρελαιοκηλίδα.<br /> <br /> ''1) Στατιστική ανάλυση''<br /> <br /> Η συσχετιστική ανάλυση (correspondence analysis) περιέλαβε τέσσερις μεταβλητές: γειτνίαση, μορφωτικό επίπεδο, εισόδημα, ανάμειξη στην αλιεία. Ο παρακάτω πίνακας παρουσιάζει τα σφάλματα και τα επίπεδα βεβαιότητας που προέκυψαν από την ανάλυση:<br /> <br /> [[Αρχείο:sfal.jpg|200px|thumb|center|]]<br /> <br /> Οι περιοχες Vila Novo και Alto da Esperança έχουν άμεση συσχέτιση με την αλιεία (83% και 98% αντίστοιχα) ενώ έμμεση είναι η συσχέτιση της περιοχής Mauro Fecury II (99% βεβαιότητα). H Αnjo da Guarda δεν σχετίζεται με το ψάρεμα με ποσοστό βεβαιότητας 92% ενω η ανάλυση για την Mauro Fecury I δεν έδωσε βέβαιο αποτέλεσμα για οποιαδήποτε κατηγορία που φανερώνει πως υπάρχει μια συσχέτιση με όλες τις κατηγορίες.<br /> Η σχέση μεταξύ εισοδήματος και μορφωτικού επιπέδου φαίνεται στον παρακάτω πίνακα 4. Η ανάλυση δείχνει ότι οι απόφοιτοι δημοτικού τείνουν να έχουν εισόδημα μεταξύ 2 και 3 βασικών μισθών με βεβαιότητα 95% ενώ όσοι δεν ολοκλήρωσαν το δημοτικό έχουν μικρότερα εισοδήματα, είτε 1 βασικό μισθό (89%) ή 1-2 (85%). Οι απόφοιτοι γυμνασίου τείνουν να έχουν εισόδημα 2-3 βασικών μισθών (94% βεβαιότητα) ή μεγαλύτερο των 3 (100% βεβαιοτητα) ενώ όσοι δεν τελείωσαν το γυμνάσιο ταλαντώνονται ανάμεσα σε λιγότερο απο έναν (85%) έως μεγαλύτερο των τριών (71%). Με δεδομένο ότι 11% των ερωτηθέντων δεν έδωσε στοιχεία η ανάλυση είναι ενα ζήτημα πολύπλοκο.<br /> <br /> [[Αρχείο:stat.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''2) Χωρική ανάλυση''<br /> <br /> Η χωρική ανάλυση έδειξε πως οι περιοχές Vila Nova, Mauro Fecury I , Alto da Esperança χαακτηρίζονται από χαμηλά εισοδήματα και υψηλή ευπάθεια. Σε αντιδιαστολή οι περιοχές Anjo da Guarda, Fumace, Mauro Fecury II παρουσιάζουν χαμηλή ευπάθεια. Η χωρική ανάλυση δείχνει μια τάση ατόμων των δύο πρώτων μορφωτικών κατηγοριών (καθόλου σχολείο, ημιτελές δημοτικό) να παρουσιάζουν μεγάλη ευπάθεια, απόφοιτοι δημοτικού και ημιτελές γυμνάσιο να παρουσιάζουν μεσαία ευπάθεια, ενώ απόφοιτοι γυμνασίου μικρή ευπάθεια. Οι κάτοικοι των ευπαθών περιοχών λόγω του χαμηλού μορφωτικού επιπέδου έχουν περιορισμένες δυνατότητες απασχόλησης και το χαμηλό τους εισόδημα τους δυσχεραίνει την αποκατάσταση μετά απο μια φυσική καταστροφή. <br /> Ως προς την αλιεία, περιοχές υψηλής ευπάθειας συγκεντρώνονται στα εξωτερικά τμήματα του παράκτιου πλατώματος, στη Vila Nova (42% της περιοχης) και Alto da Esperança (34%). Και στις δυο περιπτώσεις το 25% του πληθυσμού δήλωσε το ψάρεμα ως πρωταρχική ασχολία. Άλλες περιοχές, περισσότερο από 85% της έκτασης θεωρούνται χαμηλής ευπάθειας με υψηλή μόνο στην περιοχή γύρω από τα μανγκρόβια δέντρα.<br /> <br /> ‎[[Αρχείο:Pente.png|200px|thumb|left|alt text]]<br /> <br /> [[Αρχείο:eksi.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eftaa.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''3) Χάρτης ευπάθειας''<br /> <br /> Ο χάρτης συνολικής ευπάθειας παρουσιάζει τον συνδυασμό φυσικού και κοινωνικού χάρτη. Οι περιοχές υψηλότερης ευπάθειας ειναι οι Vila Nova και οι Alto Esperança με περίπου 0.52km2 έκταση. Η πεδιάδα των εκβολών θεωρείται επίσης υψηλής ευπάθειας εξαιτίας ενός συνδιασμού αλιευτικών δραστηριοτήτων και δυσκολίας απορρύπανσης. <br /> <br /> <br /> [[Αρχείο:okto.jpg|200px|thumb|center|]]<br /> <br /> Πηγή: <br /> <br /> M. M. Nogueira de Andrade, C. F. Szlafsztein, P. Walfir M. Souza-Filho, A. dos Reis Araújo, M. K. Tavares Gomes (2010). A socioeconomic and natural vulnerability index for oil spills in an Amazonian harbor: A case study using GIS and remote sensing. ''Journal of Environmental Management, Vol 91 pp 1972 - 1980.''<br /> <br /> [[category:Ωκεανοί και Ακτές]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%B9%CE%BD%CF%89%CE%BD%CE%B9%CE%BA%CE%BF%CE%BF%CE%B9%CE%BA%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CF%8C%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CF%80%CE%AC%CE%B8%CE%B5%CE%B9%CE%B1%CF%82_(vulnerability_index)_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CF%83%CE%B5_%CE%AD%CE%BD%CE%B1_%CE%BB%CE%B9%CE%BC%CE%AC%CE%BD%CE%B9_%CF%84%CE%BF%CF%85_%CE%91%CE%BC%CE%B1%CE%B6%CE%BF%CE%BD%CE%AF%CE%BF%CF%85 2013-04-01T18:40:26Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Παγκοσμίως, οι παράκτιες ζώνες υπήρξαν το επίκεντρο της ανθρώπινης αποίκησης εξαιτίας κυρίως της εύκολης μεταφοράς αγαθών και ανθρώπων. Λαμβάνοντας υπόψιν τόσο τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά των περιοχών αυτών όσο και τα υποπροϊόντα της έντονης ανθρώπινης δραστηριότητας γύρω από αυτές, ιδιαίτερο ενδιαφέρον έχει δωθεί τα τελευταία χρόνια στην έρευνα και την ανάπτυξη στρατηγικών διατήρησης της ισορροπίας ανάμεσα στους φυσικούς παράγοντες και την ανθρώπινη αξιοποίησή τους. Ένα από τα σημαντικότερα προβλήματα των γειτονικών σε λιμάνια περιοχών είναι το ρίσκο πετρελαιοκηλίδων από τις μεταγωγικές δραστηριότητες, αλλά και από τον καθαρισμό δοχείων αποθήκευσης καυσίμων εντός της περιοχής του λιμανιού.<br /> <br /> <br /> '''Εισαγωγή στην παρούσα μελέτη'''<br /> <br /> Το περίπλοκο πρόβλημα της μελέτης της ευπάθειας (vulnerability) μιας γειτονικής σε λιμάνι περιοχής μας αναγκάζει γενικά να αναζητήσουμε μοντέλα που μπορούν να δράσουν συνεργατικά με ένα σύστημα τηλεπισκόπησης. Στην παρούσα μελέτη σταθμίζεται τόσο η φυσική ευπάθεια, η ευπάθεια δηλαδή του φυσικού περιβάλλοντος στις αρνητικές επιπτώσεις ατυχημάτων, όσο και η κοινωνικοοικονομική ευπάθεια (η δυνατότητα ή μη δηλαδή των ατόμων, ομάδων ή κοινοτήτων να ανθίστανται ή να αναρρώνουν από τέτοια ατυχήματα σε φυσικό, συναισθηματικό και οικονομικό επίπεδο). <br /> Στη Βραζιλία, η αφθονία των εκβολών και των κόλπων, κατάλληλων για τη δημιουργία φυσικών λιμανιών αποτέλεσε τον καιριότερο παράγοντα δημιουργίας αστικών κέντρων όπως το São Marcos στην πολιτεία του Maranhão που αναλύεται. Συγκεκριμένα, εξετάζεται το σύμπλεγμα Itaqui-Bacanga, μία αστική/βιομηχανική παράκτια περιοχή, της οποίας η κοιλάδα κατοικείται από ιθαγενείς και χωρίζεται σε πέντε γειτονιές. Οι τελευταίες στερούνται επαρκούς υγιεινής όσο και οργανωμένων συστήματων αποχέτευσης. Το λιμάνι του δέχεται από το 1980 αλουμίνιο, μπεντονίτη, ασβεστόλιθο, χαλκό, χυτοσίδηρο, πετρελαιοπαράγωγα, λιπάσματα, σογιέλαιο, ρύζι και λοιπούς σπόρους. Έτσι οι δύο βασικές προς εξέταση ερωτήσεις 1) ποιες γεομορφολογικές μονάδες της ανατολικής παράκτιας Αμαζονίας είναι πιο ευπαθείς σε πετρελαιοκηλίδες και 2) ποιο είναι το κοινωνικό προφίλ του πληθυσμού των ευπαθών αυτών περιοχών, απαντήθηκαν μέσα από την κατασκευή ενός Σύνθετου Δείκτη Ευπάθειας (Composite Vulnerability Index) που αποτελείται από τις εξής μεταβλητές: 1) γεωμορφολογική μονάδα, σύμφωνα με την κατοίκησή της από τον τοπικό πληθυσμό 2) εισόδημα 3) μορφωτικό επίπεδο και 4) εξάρτηση των ιθαγενών από την αλιεία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Α] Δεδομένα''<br /> <br /> Οι πηγές που χρησιμοποιήθηκαν για την συλλογή δεδομένων ήταν η βιβλιογραφία, ψηφιακοί χάρτες, δορυφορικές εικόνες (Ikonos), DPGS Differential Satellite Positioning System αλλά και τεχνικές επισκέψεις στην εξεταζομενη περιοχη με υποβολη ερωτηματολογιων στον πληθυσμο. <br /> <br /> Τα χαρτογραφικά δεδομένα αντλήθηκαν απο το Βραζιλιάνικο Ινστιτουτο Γεωγραφίας και Στατιστικης (IBGE). Απο το IKONOS λήφθηκαν δυο εικονες 13km x 13km με ανάλυση 1m οι οποίες προβλήθηκαν στη ζώνη 23 του νότιου ημισφαιρίου. Για την ταυτοποίηση των βασικών παράκτιων γεωμορφολογικών περιοχών και των κοινωνικοοιοκονομικών πόρων, χρησιμοποιήθηκαν η τονικότητα, το χρώμα, η υφή, ή μορφή και το μέγεθος μιας σύνθετης εικόνας (3R2G1B κανάλια χρώματος) ώστε να δημιουργηθεί ένας χάρτης κλίμακας 1:10.000. Η επιπλέον ακρίβεια αυξήθηκε μέσω της χρήσης 12 σημείων ελέγχου εδάφους (GCP - ground control points) και του DGPS. Η ιδιαιτερότητα του κλιματος της περιοχής, με τα πολλά σύννεφα, αποτέλεσε σημαντικό παράγοντα μιας και οι εικόνες απο το IKONOS είναι ανεπαρκείς με συννεφιά άνω του 25%.<br /> <br /> Τα κοινωνικά δεδομένα συλλέχθηκαν με τη βοήθεια 187 ερωτηματολογίων που μοιράστηκαν σε τυχαίο δείγμα κατοίκων της περιοχής. Τα ερωτηματολόγια αποτελούνταν από δύο κατηγορίες ερωτήσεων: 1) προσωπικά δεδομένα σχετικά με την αιτία και το πλαίσιο της κατοίκησης και 2) παραγωγικές δραστηριότητες με έμφαση στο ψάρεμα. Τα παραπάνω δεδομένα συμπληρώθηκαν με παρατηρήσεις on site.<br /> <br /> <br /> ''Β] Κατασκευή χάρτη''<br /> <br /> Η κατασκευή του χάρτη ευπάθειας έχει τρία βήματα 1) ορισμός των ανεξάρτητων μεταβλητών τόσο των φυσικών όσο και κοινωνικοοικονομικών, για την κατασκευή του CVI (vulnerability index) 2) εύρεση του πολυγώνου για την κάθε μεταβλητή 3) εφαρμογή των δεικτών ευπάθειας.<br /> <br /> ι) Μορφολογικά δεδομένα<br /> <br /> Για την ανάλυση της φυσικής ευπάθειας, ορίστηκαν τρεις ζώνες, μορφολογικές μονάδες: το παράκτιο πλάτωμα (coastal plateau) η παράκτια πεδιαδα (coastal plain) και η πεδιαδα της εκβολής ποταμού. Στην πρώτη κατοικούν οι άνθρωποι, στη δεύτερη είναι οι παραλίες και εκεί λαμβάνουν χώρα οι διάφορες δραστηριότητες αναψυχής, ενώ στην τελευταία βρίσκονται τα μανγκρόβια δέντρα (mangroves). Ο δείκτης φυσικής ευπάθειας υπολογίζεται από την παρακάτω φόρμουλα:<br /> <br /> [[Αρχείο:Fisefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας των διαφόρων μονάδων όπως φαίνεται στον παρακάτω πίνακα:<br /> <br /> [[Αρχείο:Pinakas2.jpg|200px|thumb|center|]]<br /> <br /> <br /> ιι) Κοινωνικοοικονομικά δεδομένα<br /> <br /> Οι κοινωνικοοικονομικές μεταβλητές που επιλέχθηκαν είναι 1) εισόδημα 2) μορφωτικό επίπεδο 3) σχέση με το ψάρεμα και αντίστοιχα αναλύθηκαν ως εξής 1) η οικονομική ευπάθεια λαμβάνει υπόψιν το εισόδημα μιας οικογένειας ως εξάρτηση της ικανότητας της να απορροφά υλική και ψυχολογική ζημία. Έτσι όσο χαμηλότερο το εισόδημα (τόσο μέσα απο προσωπική εργασία ή από κρατική βοήθεια) τόσο μεγαλύτερος ο δείκτης ευπάθειας. 2) τα λιγότερο μορφωμένα άτομα τείνουν να είναι πιο επιρρεπή στα αποτελέσματα των καταστροφών, έτσι όσο χαμηλότερο το επίπεδο τυπικής μόρφωσης τόσο μεγαλύτερος ο δείκτης ευπάθειας. 3) η εξάρτηση από το ψάρεμα επιλέχθηκε ειδικά για την περιοχή λόγω της έντονης αλιευτικής δραστηριότητας των κατοίκων της. Η σχέση με το ψάρεμα κατηγοριοποιήθηκε ως &quot;άμεση&quot;, &quot;έμμεση&quot; και &quot;καθόλου σχέση&quot;. Άμεση θεωρείται όταν το ψάρεμα είναι ο βιοπορισμός του ατόμου, έμμεση όταν εμπλέκεται κάποιας μορφής εμπορική εκμετάλλευση ή ψυχαγωγία και &quot;καθόλου σχέση&quot; όταν δεν εμπλέκεται το άτομο στις παραπάνω δραστηριότητες και απλά καταναλώνει και ψωνίζει ψάρι από την τοπική αγορά. <br /> <br /> Τα κοινωνικοοικονομικά δεδομένα τοποθετήθηκαν στο χάρτη με βάση το στίγμα του κάθε ατόμου που έλαβε μέρος στα ερωτηματολόγια. Δημιουργήθηκε έτσι ένας χάρτης για κάθε μια από την τρεις παραπανω μεταβλητές. Επιπλέον για να διευκολύνουμε την δημιουργία ενός κοινού CVI, τα δείγματα που αντιστοιχήθηκαν στον ίδιο δείκτη ευπάθειας ενώθηκαν δημιουργώντας ένα πολύγωνο για κάθε μεταβλητή χρησιμοποιώντας μία ειδική κατηγοριοποίηση GIS για να ορίσουμε τα όρια και το εύρος της κάθε κλάσης. Η κατηγοριοποίηση αυτή έγινε ως εξής: 1) το εισόδημα ομαδοποιήθηκε σε κλάσεις λιγότερου του ενός κατώτατου μισθού, 1-2 κατώτατων μισθών, 2-3 μισθών και περισσότερων των 3 μισθών . 2) οι μορφωτικές βαθμίδες είναι: καθόλου σχολείο, ημιτελές δημοτικό, απόφοιτος δημοτικού, ημιτελές γυμνάσιο, απόφοιτος γυμνασίου 3) οπως αναλύθηκε παραπάνω η σχεση με το ψάρεμα είναι &quot;αμεση&quot;, &quot;'εμμεση&quot;, &quot;καθόλου σχέση&quot;.<br /> <br /> Ο δείκτης κοινωνικοοικονομικής ευπάθειας υπολογίζεται ως:<br /> <br /> [[Αρχείο:koinefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας όπως φαινεται στον παρακάτω πινακα:<br /> <br /> Όπως περιγράφεται στο Araujo et al. 2008 Araújo, A., Ramos, E., Alves, M., Figueira, P., Pamplona, V., 2008. Análise estatística de crimes noticiados nos principais jornais de Belém, no ano de 2007, ocorridos no Estado de Pará. In: Ramos, E., Almeida, S., Araújo, A. (Eds.), Segurança Publica: Uma Abordagem Estatística e Computacional. EDUFPA, Belém, pp. 93e103. για την ανάλυση των δεδομένων χρησιμοποιήθηκε correspondence analysis μιας και αποτελεί την βέλτιστη τεχνική ανάλυσης για προβλήματα πολλαπλών ποσοτικών και ποιοτικών μεταβλητών.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> ''Α) Φυσικές μεταβλητές''<br /> <br /> Το παράκτιο πλάτωμα (coastal plateau) καταλαμβάνει περιοχή 34 km2 και ξεχωρίζει από την φασματική απόκριση δεντρώδους βλάστησης (arboreal vegetation) σε ανοιχτό πράσινο όπως και ανθρώπινων κατασκευασμάτων με γεωμετρικά σχήματα και διάφορες αποχρώσεις. Στην κεντρική περιοχή το ψηλότερο σημείο ειναι στα 45m πεφτοντας στα 5m στις εκβολές. Αυτή η γεωγραφική μονάδα θεωρούμε ότι είναι απίθανο να επηρεαστεί από μια πετρελαιοκηλίδα και είναι ετσι χαμηλής ευπάθειας.<br /> Η παράκτια πεδιάδα (coastal plain) σχηματίζεται κυρίως απο παραλίες που εμφανίζονται με άσπρο χρώμα και απαλή υφή στις εικόνες του IKONOS. Η περιοχή αυτή θεωρείται μεσαίας ευπάθειας, μιας και στο ενδεχόμενο πετρελαιοκηλίδας, η διείσδυση του πετρελαίου θα ήταν λιγότερη από 10cm, παρόλο που θα είχε άμεσες επιπτώσεις στην διαπαλιρροιακή βιωτική κοινότητα και στην χρηση των παραλιών από τους κατοίκους.<br /> Η περιοχή εκβολών εμφανίζεται ως σκούρο γκρι στις εικόνες του IKONOS και χωρίζεται σε τρεις υποπεριοχές, κανάλια εκβολών, βάλτοι μανγκρόβιων δέντρων, όχθες λάσπης. Σε ενδεχόμενη πετρελαιοκηλίδα η περιοχή αυτη θα επηρεαζόταν δρυμύτατα, ειδικά εξαιτίας της μεγαλης δυσκολίας φυσικής απομάκρυνσης του πετρελαίου, μιας και άλλες μέθοδοι καθαρισμού θα δημιουργούσαν ακομη μεγαλύτερα προβλήματα. Έτσι η περιοχή αυτή θεωρείται υψηλού κινδύνου, ειδικά μιας και τόσο τα κανάλια όσο και η περιοχή μανγκρόβιων δέντρων χρησιμοποιούνται απο τους κατοίκους για ψάρεμα και συλλογή οστρακοειδών.<br /> <br /> ''Β) Κοινωνικές μεταβλητές''<br /> <br /> Το ανθρώπινο περιβάλλον αναλύθηκε στατιστικά και χωρικά σύμφωνα με τις επιλεγμένες μεταβλητές και την απόκρισή τους σε μια πιθανή πετρελαιοκηλίδα.<br /> <br /> ''1) Στατιστική ανάλυση''<br /> <br /> Η συσχετιστική ανάλυση (correspondence analysis) περιέλαβε τέσσερις μεταβλητές: γειτνίαση, μορφωτικό επίπεδο, εισόδημα, ανάμειξη στην αλιεία. Ο παρακάτω πίνακας παρουσιάζει τα σφάλματα και τα επίπεδα βεβαιότητας που προέκυψαν από την ανάλυση:<br /> <br /> [[Αρχείο:sfal.jpg|200px|thumb|center|]]<br /> <br /> Οι περιοχες Vila Novo και Alto da Esperança έχουν άμεση συσχέτιση με την αλιεία (83% και 98% αντίστοιχα) ενώ έμμεση είναι η συσχέτιση της περιοχής Mauro Fecury II (99% βεβαιότητα). H Αnjo da Guarda δεν σχετίζεται με το ψάρεμα με ποσοστό βεβαιότητας 92% ενω η ανάλυση για την Mauro Fecury I δεν έδωσε βέβαιο αποτέλεσμα για οποιαδήποτε κατηγορία που φανερώνει πως υπάρχει μια συσχέτιση με όλες τις κατηγορίες.<br /> Η σχέση μεταξύ εισοδήματος και μορφωτικού επιπέδου φαίνεται στον παρακάτω πίνακα 4. Η ανάλυση δείχνει ότι οι απόφοιτοι δημοτικού τείνουν να έχουν εισόδημα μεταξύ 2 και 3 βασικών μισθών με βεβαιότητα 95% ενώ όσοι δεν ολοκλήρωσαν το δημοτικό έχουν μικρότερα εισοδήματα, είτε 1 βασικό μισθό (89%) ή 1-2 (85%). Οι απόφοιτοι γυμνασίου τείνουν να έχουν εισόδημα 2-3 βασικών μισθών (94% βεβαιότητα) ή μεγαλύτερο των 3 (100% βεβαιοτητα) ενώ όσοι δεν τελείωσαν το γυμνάσιο ταλαντώνονται ανάμεσα σε λιγότερο απο έναν (85%) έως μεγαλύτερο των τριών (71%). Με δεδομένο ότι 11% των ερωτηθέντων δεν έδωσε στοιχεία η ανάλυση είναι ενα ζήτημα πολύπλοκο.<br /> <br /> [[Αρχείο:stat.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''2) Χωρική ανάλυση''<br /> <br /> Η χωρική ανάλυση έδειξε πως οι περιοχές Vila Nova, Mauro Fecury I , Alto da Esperança χαακτηρίζονται από χαμηλά εισοδήματα και υψηλή ευπάθεια. Σε αντιδιαστολή οι περιοχές Anjo da Guarda, Fumace, Mauro Fecury II παρουσιάζουν χαμηλή ευπάθεια. Η χωρική ανάλυση δείχνει μια τάση ατόμων των δύο πρώτων μορφωτικών κατηγοριών (καθόλου σχολείο, ημιτελές δημοτικό) να παρουσιάζουν μεγάλη ευπάθεια, απόφοιτοι δημοτικού και ημιτελές γυμνάσιο να παρουσιάζουν μεσαία ευπάθεια, ενώ απόφοιτοι γυμνασίου μικρή ευπάθεια. Οι κάτοικοι των ευπαθών περιοχών λόγω του χαμηλού μορφωτικού επιπέδου έχουν περιορισμένες δυνατότητες απασχόλησης και το χαμηλό τους εισόδημα τους δυσχεραίνει την αποκατάσταση μετά απο μια φυσική καταστροφή. <br /> Ως προς την αλιεία, περιοχές υψηλής ευπάθειας συγκεντρώνονται στα εξωτερικά τμήματα του παράκτιου πλατώματος, στη Vila Nova (42% της περιοχης) και Alto da Esperança (34%). Και στις δυο περιπτώσεις το 25% του πληθυσμού δήλωσε το ψάρεμα ως πρωταρχική ασχολία. Άλλες περιοχές, περισσότερο από 85% της έκτασης θεωρούνται χαμηλής ευπάθειας με υψηλή μόνο στην περιοχή γύρω από τα μανγκρόβια δέντρα.<br /> <br /> [[Αρχείο:pe.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eksi.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eftaa.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''3) Χάρτης ευπάθειας''<br /> <br /> Ο χάρτης συνολικής ευπάθειας παρουσιάζει τον συνδυασμό φυσικού και κοινωνικού χάρτη. Οι περιοχές υψηλότερης ευπάθειας ειναι οι Vila Nova και οι Alto Esperança με περίπου 0.52km2 έκταση. Η πεδιάδα των εκβολών θεωρείται επίσης υψηλής ευπάθειας εξαιτίας ενός συνδιασμού αλιευτικών δραστηριοτήτων και δυσκολίας απορρύπανσης. <br /> <br /> <br /> [[Αρχείο:okto.jpg|200px|thumb|center|]]<br /> <br /> <br /> [[category:Ωκεανοί και Ακτές]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%B9%CE%BD%CF%89%CE%BD%CE%B9%CE%BA%CE%BF%CE%BF%CE%B9%CE%BA%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CF%8C%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CF%80%CE%AC%CE%B8%CE%B5%CE%B9%CE%B1%CF%82_(vulnerability_index)_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CF%83%CE%B5_%CE%AD%CE%BD%CE%B1_%CE%BB%CE%B9%CE%BC%CE%AC%CE%BD%CE%B9_%CF%84%CE%BF%CF%85_%CE%91%CE%BC%CE%B1%CE%B6%CE%BF%CE%BD%CE%AF%CE%BF%CF%85 2013-04-01T18:38:04Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Παγκοσμίως, οι παράκτιες ζώνες υπήρξαν το επίκεντρο της ανθρώπινης αποίκησης εξαιτίας κυρίως της εύκολης μεταφοράς αγαθών και ανθρώπων. Λαμβάνοντας υπόψιν τόσο τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά των περιοχών αυτών όσο και τα υποπροϊόντα της έντονης ανθρώπινης δραστηριότητας γύρω από αυτές, ιδιαίτερο ενδιαφέρον έχει δωθεί τα τελευταία χρόνια στην έρευνα και την ανάπτυξη στρατηγικών διατήρησης της ισορροπίας ανάμεσα στους φυσικούς παράγοντες και την ανθρώπινη αξιοποίησή τους. Ένα από τα σημαντικότερα προβλήματα των γειτονικών σε λιμάνια περιοχών είναι το ρίσκο πετρελαιοκηλίδων από τις μεταγωγικές δραστηριότητες, αλλά και από τον καθαρισμό δοχείων αποθήκευσης καυσίμων εντός της περιοχής του λιμανιού.<br /> <br /> <br /> '''Εισαγωγή στην παρούσα μελέτη'''<br /> <br /> Το περίπλοκο πρόβλημα της μελέτης της ευπάθειας (vulnerability) μιας γειτονικής σε λιμάνι περιοχής μας αναγκάζει γενικά να αναζητήσουμε μοντέλα που μπορούν να δράσουν συνεργατικά με ένα σύστημα τηλεπισκόπησης. Στην παρούσα μελέτη σταθμίζεται τόσο η φυσική ευπάθεια, η ευπάθεια δηλαδή του φυσικού περιβάλλοντος στις αρνητικές επιπτώσεις ατυχημάτων, όσο και η κοινωνικοοικονομική ευπάθεια (η δυνατότητα ή μη δηλαδή των ατόμων, ομάδων ή κοινοτήτων να ανθίστανται ή να αναρρώνουν από τέτοια ατυχήματα σε φυσικό, συναισθηματικό και οικονομικό επίπεδο). <br /> Στη Βραζιλία, η αφθονία των εκβολών και των κόλπων, κατάλληλων για τη δημιουργία φυσικών λιμανιών αποτέλεσε τον καιριότερο παράγοντα δημιουργίας αστικών κέντρων όπως το São Marcos στην πολιτεία του Maranhão που αναλύεται. Συγκεκριμένα, εξετάζεται το σύμπλεγμα Itaqui-Bacanga, μία αστική/βιομηχανική παράκτια περιοχή, της οποίας η κοιλάδα κατοικείται από ιθαγενείς και χωρίζεται σε πέντε γειτονιές. Οι τελευταίες στερούνται επαρκούς υγιεινής όσο και οργανωμένων συστήματων αποχέτευσης. Το λιμάνι του δέχεται από το 1980 αλουμίνιο, μπεντονίτη, ασβεστόλιθο, χαλκό, χυτοσίδηρο, πετρελαιοπαράγωγα, λιπάσματα, σογιέλαιο, ρύζι και λοιπούς σπόρους. Έτσι οι δύο βασικές προς εξέταση ερωτήσεις 1) ποιες γεομορφολογικές μονάδες της ανατολικής παράκτιας Αμαζονίας είναι πιο ευπαθείς σε πετρελαιοκηλίδες και 2) ποιο είναι το κοινωνικό προφίλ του πληθυσμού των ευπαθών αυτών περιοχών, απαντήθηκαν μέσα από την κατασκευή ενός Σύνθετου Δείκτη Ευπάθειας (Composite Vulnerability Index) που αποτελείται από τις εξής μεταβλητές: 1) γεωμορφολογική μονάδα, σύμφωνα με την κατοίκησή της από τον τοπικό πληθυσμό 2) εισόδημα 3) μορφωτικό επίπεδο και 4) εξάρτηση των ιθαγενών από την αλιεία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Α] Δεδομένα''<br /> <br /> Οι πηγές που χρησιμοποιήθηκαν για την συλλογή δεδομένων ήταν η βιβλιογραφία, ψηφιακοί χάρτες, δορυφορικές εικόνες (Ikonos), DPGS Differential Satellite Positioning System αλλά και τεχνικές επισκέψεις στην εξεταζομενη περιοχη με υποβολη ερωτηματολογιων στον πληθυσμο. <br /> <br /> Τα χαρτογραφικά δεδομένα αντλήθηκαν απο το Βραζιλιάνικο Ινστιτουτο Γεωγραφίας και Στατιστικης (IBGE). Απο το IKONOS λήφθηκαν δυο εικονες 13km x 13km με ανάλυση 1m οι οποίες προβλήθηκαν στη ζώνη 23 του νότιου ημισφαιρίου. Για την ταυτοποίηση των βασικών παράκτιων γεωμορφολογικών περιοχών και των κοινωνικοοιοκονομικών πόρων, χρησιμοποιήθηκαν η τονικότητα, το χρώμα, η υφή, ή μορφή και το μέγεθος μιας σύνθετης εικόνας (3R2G1B κανάλια χρώματος) ώστε να δημιουργηθεί ένας χάρτης κλίμακας 1:10.000. Η επιπλέον ακρίβεια αυξήθηκε μέσω της χρήσης 12 σημείων ελέγχου εδάφους (GCP - ground control points) και του DGPS. Η ιδιαιτερότητα του κλιματος της περιοχής, με τα πολλά σύννεφα, αποτέλεσε σημαντικό παράγοντα μιας και οι εικόνες απο το IKONOS είναι ανεπαρκείς με συννεφιά άνω του 25%.<br /> <br /> Τα κοινωνικά δεδομένα συλλέχθηκαν με τη βοήθεια 187 ερωτηματολογίων που μοιράστηκαν σε τυχαίο δείγμα κατοίκων της περιοχής. Τα ερωτηματολόγια αποτελούνταν από δύο κατηγορίες ερωτήσεων: 1) προσωπικά δεδομένα σχετικά με την αιτία και το πλαίσιο της κατοίκησης και 2) παραγωγικές δραστηριότητες με έμφαση στο ψάρεμα. Τα παραπάνω δεδομένα συμπληρώθηκαν με παρατηρήσεις on site.<br /> <br /> <br /> ''Β] Κατασκευή χάρτη''<br /> <br /> Η κατασκευή του χάρτη ευπάθειας έχει τρία βήματα 1) ορισμός των ανεξάρτητων μεταβλητών τόσο των φυσικών όσο και κοινωνικοοικονομικών, για την κατασκευή του CVI (vulnerability index) 2) εύρεση του πολυγώνου για την κάθε μεταβλητή 3) εφαρμογή των δεικτών ευπάθειας.<br /> <br /> ι) Μορφολογικά δεδομένα<br /> <br /> Για την ανάλυση της φυσικής ευπάθειας, ορίστηκαν τρεις ζώνες, μορφολογικές μονάδες: το παράκτιο πλάτωμα (coastal plateau) η παράκτια πεδιαδα (coastal plain) και η πεδιαδα της εκβολής ποταμού. Στην πρώτη κατοικούν οι άνθρωποι, στη δεύτερη είναι οι παραλίες και εκεί λαμβάνουν χώρα οι διάφορες δραστηριότητες αναψυχής, ενώ στην τελευταία βρίσκονται τα μανγκρόβια δέντρα (mangroves). Ο δείκτης φυσικής ευπάθειας υπολογίζεται από την παρακάτω φόρμουλα:<br /> <br /> [[Αρχείο:Fisefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας των διαφόρων μονάδων όπως φαίνεται στον παρακάτω πίνακα:<br /> <br /> [[Αρχείο:Pinakas2.jpg|200px|thumb|center|]]<br /> <br /> <br /> ιι) Κοινωνικοοικονομικά δεδομένα<br /> <br /> Οι κοινωνικοοικονομικές μεταβλητές που επιλέχθηκαν είναι 1) εισόδημα 2) μορφωτικό επίπεδο 3) σχέση με το ψάρεμα και αντίστοιχα αναλύθηκαν ως εξής 1) η οικονομική ευπάθεια λαμβάνει υπόψιν το εισόδημα μιας οικογένειας ως εξάρτηση της ικανότητας της να απορροφά υλική και ψυχολογική ζημία. Έτσι όσο χαμηλότερο το εισόδημα (τόσο μέσα απο προσωπική εργασία ή από κρατική βοήθεια) τόσο μεγαλύτερος ο δείκτης ευπάθειας. 2) τα λιγότερο μορφωμένα άτομα τείνουν να είναι πιο επιρρεπή στα αποτελέσματα των καταστροφών, έτσι όσο χαμηλότερο το επίπεδο τυπικής μόρφωσης τόσο μεγαλύτερος ο δείκτης ευπάθειας. 3) η εξάρτηση από το ψάρεμα επιλέχθηκε ειδικά για την περιοχή λόγω της έντονης αλιευτικής δραστηριότητας των κατοίκων της. Η σχέση με το ψάρεμα κατηγοριοποιήθηκε ως &quot;άμεση&quot;, &quot;έμμεση&quot; και &quot;καθόλου σχέση&quot;. Άμεση θεωρείται όταν το ψάρεμα είναι ο βιοπορισμός του ατόμου, έμμεση όταν εμπλέκεται κάποιας μορφής εμπορική εκμετάλλευση ή ψυχαγωγία και &quot;καθόλου σχέση&quot; όταν δεν εμπλέκεται το άτομο στις παραπάνω δραστηριότητες και απλά καταναλώνει και ψωνίζει ψάρι από την τοπική αγορά. <br /> <br /> Τα κοινωνικοοικονομικά δεδομένα τοποθετήθηκαν στο χάρτη με βάση το στίγμα του κάθε ατόμου που έλαβε μέρος στα ερωτηματολόγια. Δημιουργήθηκε έτσι ένας χάρτης για κάθε μια από την τρεις παραπανω μεταβλητές. Επιπλέον για να διευκολύνουμε την δημιουργία ενός κοινού CVI, τα δείγματα που αντιστοιχήθηκαν στον ίδιο δείκτη ευπάθειας ενώθηκαν δημιουργώντας ένα πολύγωνο για κάθε μεταβλητή χρησιμοποιώντας μία ειδική κατηγοριοποίηση GIS για να ορίσουμε τα όρια και το εύρος της κάθε κλάσης. Η κατηγοριοποίηση αυτή έγινε ως εξής: 1) το εισόδημα ομαδοποιήθηκε σε κλάσεις λιγότερου του ενός κατώτατου μισθού, 1-2 κατώτατων μισθών, 2-3 μισθών και περισσότερων των 3 μισθών . 2) οι μορφωτικές βαθμίδες είναι: καθόλου σχολείο, ημιτελές δημοτικό, απόφοιτος δημοτικού, ημιτελές γυμνάσιο, απόφοιτος γυμνασίου 3) οπως αναλύθηκε παραπάνω η σχεση με το ψάρεμα είναι &quot;αμεση&quot;, &quot;'εμμεση&quot;, &quot;καθόλου σχέση&quot;.<br /> <br /> Ο δείκτης κοινωνικοοικονομικής ευπάθειας υπολογίζεται ως:<br /> <br /> [[Αρχείο:koinefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας όπως φαινεται στον παρακάτω πινακα:<br /> <br /> Όπως περιγράφεται στο Araujo et al. 2008 Araújo, A., Ramos, E., Alves, M., Figueira, P., Pamplona, V., 2008. Análise estatística de crimes noticiados nos principais jornais de Belém, no ano de 2007, ocorridos no Estado de Pará. In: Ramos, E., Almeida, S., Araújo, A. (Eds.), Segurança Publica: Uma Abordagem Estatística e Computacional. EDUFPA, Belém, pp. 93e103. για την ανάλυση των δεδομένων χρησιμοποιήθηκε correspondence analysis μιας και αποτελεί την βέλτιστη τεχνική ανάλυσης για προβλήματα πολλαπλών ποσοτικών και ποιοτικών μεταβλητών.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> ''Α) Φυσικές μεταβλητές''<br /> <br /> Το παράκτιο πλάτωμα (coastal plateau) καταλαμβάνει περιοχή 34 km2 και ξεχωρίζει από την φασματική απόκριση δεντρώδους βλάστησης (arboreal vegetation) σε ανοιχτό πράσινο όπως και ανθρώπινων κατασκευασμάτων με γεωμετρικά σχήματα και διάφορες αποχρώσεις. Στην κεντρική περιοχή το ψηλότερο σημείο ειναι στα 45m πεφτοντας στα 5m στις εκβολές. Αυτή η γεωγραφική μονάδα θεωρούμε ότι είναι απίθανο να επηρεαστεί από μια πετρελαιοκηλίδα και είναι ετσι χαμηλής ευπάθειας.<br /> Η παράκτια πεδιάδα (coastal plain) σχηματίζεται κυρίως απο παραλίες που εμφανίζονται με άσπρο χρώμα και απαλή υφή στις εικόνες του IKONOS. Η περιοχή αυτή θεωρείται μεσαίας ευπάθειας, μιας και στο ενδεχόμενο πετρελαιοκηλίδας, η διείσδυση του πετρελαίου θα ήταν λιγότερη από 10cm, παρόλο που θα είχε άμεσες επιπτώσεις στην διαπαλιρροιακή βιωτική κοινότητα και στην χρηση των παραλιών από τους κατοίκους.<br /> Η περιοχή εκβολών εμφανίζεται ως σκούρο γκρι στις εικόνες του IKONOS και χωρίζεται σε τρεις υποπεριοχές, κανάλια εκβολών, βάλτοι μανγκρόβιων δέντρων, όχθες λάσπης. Σε ενδεχόμενη πετρελαιοκηλίδα η περιοχή αυτη θα επηρεαζόταν δρυμύτατα, ειδικά εξαιτίας της μεγαλης δυσκολίας φυσικής απομάκρυνσης του πετρελαίου, μιας και άλλες μέθοδοι καθαρισμού θα δημιουργούσαν ακομη μεγαλύτερα προβλήματα. Έτσι η περιοχή αυτή θεωρείται υψηλού κινδύνου, ειδικά μιας και τόσο τα κανάλια όσο και η περιοχή μανγκρόβιων δέντρων χρησιμοποιούνται απο τους κατοίκους για ψάρεμα και συλλογή οστρακοειδών.<br /> <br /> ''Β) Κοινωνικές μεταβλητές''<br /> <br /> Το ανθρώπινο περιβάλλον αναλύθηκε στατιστικά και χωρικά σύμφωνα με τις επιλεγμένες μεταβλητές και την απόκρισή τους σε μια πιθανή πετρελαιοκηλίδα.<br /> <br /> ''1) Στατιστική ανάλυση''<br /> <br /> Η συσχετιστική ανάλυση (correspondence analysis) περιέλαβε τέσσερις μεταβλητές: γειτνίαση, μορφωτικό επίπεδο, εισόδημα, ανάμειξη στην αλιεία. Ο παρακάτω πίνακας παρουσιάζει τα σφάλματα και τα επίπεδα βεβαιότητας που προέκυψαν από την ανάλυση:<br /> <br /> [[Αρχείο:sfal.jpg|200px|thumb|center|]]<br /> <br /> Οι περιοχες Vila Novo και Alto da Esperança έχουν άμεση συσχέτιση με την αλιεία (83% και 98% αντίστοιχα) ενώ έμμεση είναι η συσχέτιση της περιοχής Mauro Fecury II (99% βεβαιότητα). H Αnjo da Guarda δεν σχετίζεται με το ψάρεμα με ποσοστό βεβαιότητας 92% ενω η ανάλυση για την Mauro Fecury I δεν έδωσε βέβαιο αποτέλεσμα για οποιαδήποτε κατηγορία που φανερώνει πως υπάρχει μια συσχέτιση με όλες τις κατηγορίες.<br /> Η σχέση μεταξύ εισοδήματος και μορφωτικού επιπέδου φαίνεται στον παρακάτω πίνακα 4. Η ανάλυση δείχνει ότι οι απόφοιτοι δημοτικού τείνουν να έχουν εισόδημα μεταξύ 2 και 3 βασικών μισθών με βεβαιότητα 95% ενώ όσοι δεν ολοκλήρωσαν το δημοτικό έχουν μικρότερα εισοδήματα, είτε 1 βασικό μισθό (89%) ή 1-2 (85%). Οι απόφοιτοι γυμνασίου τείνουν να έχουν εισόδημα 2-3 βασικών μισθών (94% βεβαιότητα) ή μεγαλύτερο των 3 (100% βεβαιοτητα) ενώ όσοι δεν τελείωσαν το γυμνάσιο ταλαντώνονται ανάμεσα σε λιγότερο απο έναν (85%) έως μεγαλύτερο των τριών (71%). Με δεδομένο ότι 11% των ερωτηθέντων δεν έδωσε στοιχεία η ανάλυση είναι ενα ζήτημα πολύπλοκο.<br /> <br /> [[Αρχείο:stat.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''2) Χωρική ανάλυση''<br /> <br /> Η χωρική ανάλυση έδειξε πως οι περιοχές Vila Nova, Mauro Fecury I , Alto da Esperança χαακτηρίζονται από χαμηλά εισοδήματα και υψηλή ευπάθεια. Σε αντιδιαστολή οι περιοχές Anjo da Guarda, Fumace, Mauro Fecury II παρουσιάζουν χαμηλή ευπάθεια. Η χωρική ανάλυση δείχνει μια τάση ατόμων των δύο πρώτων μορφωτικών κατηγοριών (καθόλου σχολείο, ημιτελές δημοτικό) να παρουσιάζουν μεγάλη ευπάθεια, απόφοιτοι δημοτικού και ημιτελές γυμνάσιο να παρουσιάζουν μεσαία ευπάθεια, ενώ απόφοιτοι γυμνασίου μικρή ευπάθεια. Οι κάτοικοι των ευπαθών περιοχών λόγω του χαμηλού μορφωτικού επιπέδου έχουν περιορισμένες δυνατότητες απασχόλησης και το χαμηλό τους εισόδημα τους δυσχεραίνει την αποκατάσταση μετά απο μια φυσική καταστροφή. <br /> Ως προς την αλιεία, περιοχές υψηλής ευπάθειας συγκεντρώνονται στα εξωτερικά τμήματα του παράκτιου πλατώματος, στη Vila Nova (42% της περιοχης) και Alto da Esperança (34%). Και στις δυο περιπτώσεις το 25% του πληθυσμού δήλωσε το ψάρεμα ως πρωταρχική ασχολία. Άλλες περιοχές, περισσότερο από 85% της έκτασης θεωρούνται χαμηλής ευπάθειας με υψηλή μόνο στην περιοχή γύρω από τα μανγκρόβια δέντρα.<br /> <br /> [[Αρχείο:pente.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eksi.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eftaa.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''3) Χάρτης ευπάθειας''<br /> <br /> Ο χάρτης συνολικής ευπάθειας παρουσιάζει τον συνδυασμό φυσικού και κοινωνικού χάρτη. Οι περιοχές υψηλότερης ευπάθειας ειναι οι Vila Nova και οι Alto Esperança με περίπου 0.52km2 έκταση. Η πεδιάδα των εκβολών θεωρείται επίσης υψηλής ευπάθειας εξαιτίας ενός συνδιασμού αλιευτικών δραστηριοτήτων και δυσκολίας απορρύπανσης. <br /> <br /> <br /> [[Αρχείο:okto.jpg|200px|thumb|center|]]<br /> <br /> <br /> [[category:Ωκεανοί και Ακτές]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%B9%CE%BD%CF%89%CE%BD%CE%B9%CE%BA%CE%BF%CE%BF%CE%B9%CE%BA%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CF%8C%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CF%80%CE%AC%CE%B8%CE%B5%CE%B9%CE%B1%CF%82_(vulnerability_index)_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CF%83%CE%B5_%CE%AD%CE%BD%CE%B1_%CE%BB%CE%B9%CE%BC%CE%AC%CE%BD%CE%B9_%CF%84%CE%BF%CF%85_%CE%91%CE%BC%CE%B1%CE%B6%CE%BF%CE%BD%CE%AF%CE%BF%CF%85 2013-04-01T18:37:27Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Παγκοσμίως, οι παράκτιες ζώνες υπήρξαν το επίκεντρο της ανθρώπινης αποίκησης εξαιτίας κυρίως της εύκολης μεταφοράς αγαθών και ανθρώπων. Λαμβάνοντας υπόψιν τόσο τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά των περιοχών αυτών όσο και τα υποπροϊόντα της έντονης ανθρώπινης δραστηριότητας γύρω από αυτές, ιδιαίτερο ενδιαφέρον έχει δωθεί τα τελευταία χρόνια στην έρευνα και την ανάπτυξη στρατηγικών διατήρησης της ισορροπίας ανάμεσα στους φυσικούς παράγοντες και την ανθρώπινη αξιοποίησή τους. Ένα από τα σημαντικότερα προβλήματα των γειτονικών σε λιμάνια περιοχών είναι το ρίσκο πετρελαιοκηλίδων από τις μεταγωγικές δραστηριότητες, αλλά και από τον καθαρισμό δοχείων αποθήκευσης καυσίμων εντός της περιοχής του λιμανιού.<br /> <br /> <br /> '''Εισαγωγή στην παρούσα μελέτη'''<br /> <br /> Το περίπλοκο πρόβλημα της μελέτης της ευπάθειας (vulnerability) μιας γειτονικής σε λιμάνι περιοχής μας αναγκάζει γενικά να αναζητήσουμε μοντέλα που μπορούν να δράσουν συνεργατικά με ένα σύστημα τηλεπισκόπησης. Στην παρούσα μελέτη σταθμίζεται τόσο η φυσική ευπάθεια, η ευπάθεια δηλαδή του φυσικού περιβάλλοντος στις αρνητικές επιπτώσεις ατυχημάτων, όσο και η κοινωνικοοικονομική ευπάθεια (η δυνατότητα ή μη δηλαδή των ατόμων, ομάδων ή κοινοτήτων να ανθίστανται ή να αναρρώνουν από τέτοια ατυχήματα σε φυσικό, συναισθηματικό και οικονομικό επίπεδο). <br /> Στη Βραζιλία, η αφθονία των εκβολών και των κόλπων, κατάλληλων για τη δημιουργία φυσικών λιμανιών αποτέλεσε τον καιριότερο παράγοντα δημιουργίας αστικών κέντρων όπως το São Marcos στην πολιτεία του Maranhão που αναλύεται. Συγκεκριμένα, εξετάζεται το σύμπλεγμα Itaqui-Bacanga, μία αστική/βιομηχανική παράκτια περιοχή, της οποίας η κοιλάδα κατοικείται από ιθαγενείς και χωρίζεται σε πέντε γειτονιές. Οι τελευταίες στερούνται επαρκούς υγιεινής όσο και οργανωμένων συστήματων αποχέτευσης. Το λιμάνι του δέχεται από το 1980 αλουμίνιο, μπεντονίτη, ασβεστόλιθο, χαλκό, χυτοσίδηρο, πετρελαιοπαράγωγα, λιπάσματα, σογιέλαιο, ρύζι και λοιπούς σπόρους. Έτσι οι δύο βασικές προς εξέταση ερωτήσεις 1) ποιες γεομορφολογικές μονάδες της ανατολικής παράκτιας Αμαζονίας είναι πιο ευπαθείς σε πετρελαιοκηλίδες και 2) ποιο είναι το κοινωνικό προφίλ του πληθυσμού των ευπαθών αυτών περιοχών, απαντήθηκαν μέσα από την κατασκευή ενός Σύνθετου Δείκτη Ευπάθειας (Composite Vulnerability Index) που αποτελείται από τις εξής μεταβλητές: 1) γεωμορφολογική μονάδα, σύμφωνα με την κατοίκησή της από τον τοπικό πληθυσμό 2) εισόδημα 3) μορφωτικό επίπεδο και 4) εξάρτηση των ιθαγενών από την αλιεία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Α] Δεδομένα''<br /> <br /> Οι πηγές που χρησιμοποιήθηκαν για την συλλογή δεδομένων ήταν η βιβλιογραφία, ψηφιακοί χάρτες, δορυφορικές εικόνες (Ikonos), DPGS Differential Satellite Positioning System αλλά και τεχνικές επισκέψεις στην εξεταζομενη περιοχη με υποβολη ερωτηματολογιων στον πληθυσμο. <br /> <br /> Τα χαρτογραφικά δεδομένα αντλήθηκαν απο το Βραζιλιάνικο Ινστιτουτο Γεωγραφίας και Στατιστικης (IBGE). Απο το IKONOS λήφθηκαν δυο εικονες 13km x 13km με ανάλυση 1m οι οποίες προβλήθηκαν στη ζώνη 23 του νότιου ημισφαιρίου. Για την ταυτοποίηση των βασικών παράκτιων γεωμορφολογικών περιοχών και των κοινωνικοοιοκονομικών πόρων, χρησιμοποιήθηκαν η τονικότητα, το χρώμα, η υφή, ή μορφή και το μέγεθος μιας σύνθετης εικόνας (3R2G1B κανάλια χρώματος) ώστε να δημιουργηθεί ένας χάρτης κλίμακας 1:10.000. Η επιπλέον ακρίβεια αυξήθηκε μέσω της χρήσης 12 σημείων ελέγχου εδάφους (GCP - ground control points) και του DGPS. Η ιδιαιτερότητα του κλιματος της περιοχής, με τα πολλά σύννεφα, αποτέλεσε σημαντικό παράγοντα μιας και οι εικόνες απο το IKONOS είναι ανεπαρκείς με συννεφιά άνω του 25%.<br /> <br /> Τα κοινωνικά δεδομένα συλλέχθηκαν με τη βοήθεια 187 ερωτηματολογίων που μοιράστηκαν σε τυχαίο δείγμα κατοίκων της περιοχής. Τα ερωτηματολόγια αποτελούνταν από δύο κατηγορίες ερωτήσεων: 1) προσωπικά δεδομένα σχετικά με την αιτία και το πλαίσιο της κατοίκησης και 2) παραγωγικές δραστηριότητες με έμφαση στο ψάρεμα. Τα παραπάνω δεδομένα συμπληρώθηκαν με παρατηρήσεις on site.<br /> <br /> <br /> ''Β] Κατασκευή χάρτη''<br /> <br /> Η κατασκευή του χάρτη ευπάθειας έχει τρία βήματα 1) ορισμός των ανεξάρτητων μεταβλητών τόσο των φυσικών όσο και κοινωνικοοικονομικών, για την κατασκευή του CVI (vulnerability index) 2) εύρεση του πολυγώνου για την κάθε μεταβλητή 3) εφαρμογή των δεικτών ευπάθειας.<br /> <br /> ι) Μορφολογικά δεδομένα<br /> <br /> Για την ανάλυση της φυσικής ευπάθειας, ορίστηκαν τρεις ζώνες, μορφολογικές μονάδες: το παράκτιο πλάτωμα (coastal plateau) η παράκτια πεδιαδα (coastal plain) και η πεδιαδα της εκβολής ποταμού. Στην πρώτη κατοικούν οι άνθρωποι, στη δεύτερη είναι οι παραλίες και εκεί λαμβάνουν χώρα οι διάφορες δραστηριότητες αναψυχής, ενώ στην τελευταία βρίσκονται τα μανγκρόβια δέντρα (mangroves). Ο δείκτης φυσικής ευπάθειας υπολογίζεται από την παρακάτω φόρμουλα:<br /> <br /> [[Αρχείο:Fisefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας των διαφόρων μονάδων όπως φαίνεται στον παρακάτω πίνακα:<br /> <br /> [[Αρχείο:Pinakas2.jpg|200px|thumb|center|]]<br /> <br /> <br /> ιι) Κοινωνικοοικονομικά δεδομένα<br /> <br /> Οι κοινωνικοοικονομικές μεταβλητές που επιλέχθηκαν είναι 1) εισόδημα 2) μορφωτικό επίπεδο 3) σχέση με το ψάρεμα και αντίστοιχα αναλύθηκαν ως εξής 1) η οικονομική ευπάθεια λαμβάνει υπόψιν το εισόδημα μιας οικογένειας ως εξάρτηση της ικανότητας της να απορροφά υλική και ψυχολογική ζημία. Έτσι όσο χαμηλότερο το εισόδημα (τόσο μέσα απο προσωπική εργασία ή από κρατική βοήθεια) τόσο μεγαλύτερος ο δείκτης ευπάθειας. 2) τα λιγότερο μορφωμένα άτομα τείνουν να είναι πιο επιρρεπή στα αποτελέσματα των καταστροφών, έτσι όσο χαμηλότερο το επίπεδο τυπικής μόρφωσης τόσο μεγαλύτερος ο δείκτης ευπάθειας. 3) η εξάρτηση από το ψάρεμα επιλέχθηκε ειδικά για την περιοχή λόγω της έντονης αλιευτικής δραστηριότητας των κατοίκων της. Η σχέση με το ψάρεμα κατηγοριοποιήθηκε ως &quot;άμεση&quot;, &quot;έμμεση&quot; και &quot;καθόλου σχέση&quot;. Άμεση θεωρείται όταν το ψάρεμα είναι ο βιοπορισμός του ατόμου, έμμεση όταν εμπλέκεται κάποιας μορφής εμπορική εκμετάλλευση ή ψυχαγωγία και &quot;καθόλου σχέση&quot; όταν δεν εμπλέκεται το άτομο στις παραπάνω δραστηριότητες και απλά καταναλώνει και ψωνίζει ψάρι από την τοπική αγορά. <br /> <br /> Τα κοινωνικοοικονομικά δεδομένα τοποθετήθηκαν στο χάρτη με βάση το στίγμα του κάθε ατόμου που έλαβε μέρος στα ερωτηματολόγια. Δημιουργήθηκε έτσι ένας χάρτης για κάθε μια από την τρεις παραπανω μεταβλητές. Επιπλέον για να διευκολύνουμε την δημιουργία ενός κοινού CVI, τα δείγματα που αντιστοιχήθηκαν στον ίδιο δείκτη ευπάθειας ενώθηκαν δημιουργώντας ένα πολύγωνο για κάθε μεταβλητή χρησιμοποιώντας μία ειδική κατηγοριοποίηση GIS για να ορίσουμε τα όρια και το εύρος της κάθε κλάσης. Η κατηγοριοποίηση αυτή έγινε ως εξής: 1) το εισόδημα ομαδοποιήθηκε σε κλάσεις λιγότερου του ενός κατώτατου μισθού, 1-2 κατώτατων μισθών, 2-3 μισθών και περισσότερων των 3 μισθών . 2) οι μορφωτικές βαθμίδες είναι: καθόλου σχολείο, ημιτελές δημοτικό, απόφοιτος δημοτικού, ημιτελές γυμνάσιο, απόφοιτος γυμνασίου 3) οπως αναλύθηκε παραπάνω η σχεση με το ψάρεμα είναι &quot;αμεση&quot;, &quot;'εμμεση&quot;, &quot;καθόλου σχέση&quot;.<br /> <br /> Ο δείκτης κοινωνικοοικονομικής ευπάθειας υπολογίζεται ως:<br /> <br /> [[Αρχείο:koinefpath.jpg|200px|thumb|center|]]<br /> <br /> όπου idx ο δείκτης ευπάθειας όπως φαινεται στον παρακάτω πινακα:<br /> <br /> Όπως περιγράφεται στο Araujo et al. 2008 Araújo, A., Ramos, E., Alves, M., Figueira, P., Pamplona, V., 2008. Análise estatística de crimes noticiados nos principais jornais de Belém, no ano de 2007, ocorridos no Estado de Pará. In: Ramos, E., Almeida, S., Araújo, A. (Eds.), Segurança Publica: Uma Abordagem Estatística e Computacional. EDUFPA, Belém, pp. 93e103. για την ανάλυση των δεδομένων χρησιμοποιήθηκε correspondence analysis μιας και αποτελεί την βέλτιστη τεχνική ανάλυσης για προβλήματα πολλαπλών ποσοτικών και ποιοτικών μεταβλητών.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> ''Α) Φυσικές μεταβλητές''<br /> <br /> Το παράκτιο πλάτωμα (coastal plateau) καταλαμβάνει περιοχή 34 km2 και ξεχωρίζει από την φασματική απόκριση δεντρώδους βλάστησης (arboreal vegetation) σε ανοιχτό πράσινο όπως και ανθρώπινων κατασκευασμάτων με γεωμετρικά σχήματα και διάφορες αποχρώσεις. Στην κεντρική περιοχή το ψηλότερο σημείο ειναι στα 45m πεφτοντας στα 5m στις εκβολές. Αυτή η γεωγραφική μονάδα θεωρούμε ότι είναι απίθανο να επηρεαστεί από μια πετρελαιοκηλίδα και είναι ετσι χαμηλής ευπάθειας.<br /> Η παράκτια πεδιάδα (coastal plain) σχηματίζεται κυρίως απο παραλίες που εμφανίζονται με άσπρο χρώμα και απαλή υφή στις εικόνες του IKONOS. Η περιοχή αυτή θεωρείται μεσαίας ευπάθειας, μιας και στο ενδεχόμενο πετρελαιοκηλίδας, η διείσδυση του πετρελαίου θα ήταν λιγότερη από 10cm, παρόλο που θα είχε άμεσες επιπτώσεις στην διαπαλιρροιακή βιωτική κοινότητα και στην χρηση των παραλιών από τους κατοίκους.<br /> Η περιοχή εκβολών εμφανίζεται ως σκούρο γκρι στις εικόνες του IKONOS και χωρίζεται σε τρεις υποπεριοχές, κανάλια εκβολών, βάλτοι μανγκρόβιων δέντρων, όχθες λάσπης. Σε ενδεχόμενη πετρελαιοκηλίδα η περιοχή αυτη θα επηρεαζόταν δρυμύτατα, ειδικά εξαιτίας της μεγαλης δυσκολίας φυσικής απομάκρυνσης του πετρελαίου, μιας και άλλες μέθοδοι καθαρισμού θα δημιουργούσαν ακομη μεγαλύτερα προβλήματα. Έτσι η περιοχή αυτή θεωρείται υψηλού κινδύνου, ειδικά μιας και τόσο τα κανάλια όσο και η περιοχή μανγκρόβιων δέντρων χρησιμοποιούνται απο τους κατοίκους για ψάρεμα και συλλογή οστρακοειδών.<br /> <br /> ''Β) Κοινωνικές μεταβλητές''<br /> <br /> Το ανθρώπινο περιβάλλον αναλύθηκε στατιστικά και χωρικά σύμφωνα με τις επιλεγμένες μεταβλητές και την απόκρισή τους σε μια πιθανή πετρελαιοκηλίδα.<br /> <br /> ''1) Στατιστική ανάλυση''<br /> <br /> Η συσχετιστική ανάλυση (correspondence analysis) περιέλαβε τέσσερις μεταβλητές: γειτνίαση, μορφωτικό επίπεδο, εισόδημα, ανάμειξη στην αλιεία. Ο παρακάτω πίνακας παρουσιάζει τα σφάλματα και τα επίπεδα βεβαιότητας που προέκυψαν από την ανάλυση:<br /> <br /> [[Αρχείο:sfal.jpg|200px|thumb|center|]]<br /> <br /> Οι περιοχες Vila Novo και Alto da Esperança έχουν άμεση συσχέτιση με την αλιεία (83% και 98% αντίστοιχα) ενώ έμμεση είναι η συσχέτιση της περιοχής Mauro Fecury II (99% βεβαιότητα). H Αnjo da Guarda δεν σχετίζεται με το ψάρεμα με ποσοστό βεβαιότητας 92% ενω η ανάλυση για την Mauro Fecury I δεν έδωσε βέβαιο αποτέλεσμα για οποιαδήποτε κατηγορία που φανερώνει πως υπάρχει μια συσχέτιση με όλες τις κατηγορίες.<br /> Η σχέση μεταξύ εισοδήματος και μορφωτικού επιπέδου φαίνεται στον παρακάτω πίνακα 4. Η ανάλυση δείχνει ότι οι απόφοιτοι δημοτικού τείνουν να έχουν εισόδημα μεταξύ 2 και 3 βασικών μισθών με βεβαιότητα 95% ενώ όσοι δεν ολοκλήρωσαν το δημοτικό έχουν μικρότερα εισοδήματα, είτε 1 βασικό μισθό (89%) ή 1-2 (85%). Οι απόφοιτοι γυμνασίου τείνουν να έχουν εισόδημα 2-3 βασικών μισθών (94% βεβαιότητα) ή μεγαλύτερο των 3 (100% βεβαιοτητα) ενώ όσοι δεν τελείωσαν το γυμνάσιο ταλαντώνονται ανάμεσα σε λιγότερο απο έναν (85%) έως μεγαλύτερο των τριών (71%). Με δεδομένο ότι 11% των ερωτηθέντων δεν έδωσε στοιχεία η ανάλυση είναι ενα ζήτημα πολύπλοκο.<br /> <br /> [[Αρχείο:stat.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''2) Χωρική ανάλυση''<br /> <br /> Η χωρική ανάλυση έδειξε πως οι περιοχές Vila Nova, Mauro Fecury I , Alto da Esperança χαακτηρίζονται από χαμηλά εισοδήματα και υψηλή ευπάθεια. Σε αντιδιαστολή οι περιοχές Anjo da Guarda, Fumace, Mauro Fecury II παρουσιάζουν χαμηλή ευπάθεια. Η χωρική ανάλυση δείχνει μια τάση ατόμων των δύο πρώτων μορφωτικών κατηγοριών (καθόλου σχολείο, ημιτελές δημοτικό) να παρουσιάζουν μεγάλη ευπάθεια, απόφοιτοι δημοτικού και ημιτελές γυμνάσιο να παρουσιάζουν μεσαία ευπάθεια, ενώ απόφοιτοι γυμνασίου μικρή ευπάθεια. Οι κάτοικοι των ευπαθών περιοχών λόγω του χαμηλού μορφωτικού επιπέδου έχουν περιορισμένες δυνατότητες απασχόλησης και το χαμηλό τους εισόδημα τους δυσχεραίνει την αποκατάσταση μετά απο μια φυσική καταστροφή. <br /> Ως προς την αλιεία, περιοχές υψηλής ευπάθειας συγκεντρώνονται στα εξωτερικά τμήματα του παράκτιου πλατώματος, στη Vila Nova (42% της περιοχης) και Alto da Esperança (34%). Και στις δυο περιπτώσεις το 25% του πληθυσμού δήλωσε το ψάρεμα ως πρωταρχική ασχολία. Άλλες περιοχές, περισσότερο από 85% της έκτασης θεωρούνται χαμηλής ευπάθειας με υψηλή μόνο στην περιοχή γύρω από τα μανγκρόβια δέντρα.<br /> <br /> <br /> <br /> [[Αρχείο:eksi.jpg|200px|thumb|center|]]<br /> <br /> [[Αρχείο:eftaa.jpg|200px|thumb|center|]]<br /> <br /> <br /> ''3) Χάρτης ευπάθειας''<br /> <br /> Ο χάρτης συνολικής ευπάθειας παρουσιάζει τον συνδυασμό φυσικού και κοινωνικού χάρτη. Οι περιοχές υψηλότερης ευπάθειας ειναι οι Vila Nova και οι Alto Esperança με περίπου 0.52km2 έκταση. Η πεδιάδα των εκβολών θεωρείται επίσης υψηλής ευπάθειας εξαιτίας ενός συνδιασμού αλιευτικών δραστηριοτήτων και δυσκολίας απορρύπανσης. <br /> <br /> <br /> [[Αρχείο:okto.jpg|200px|thumb|center|]]<br /> <br /> <br /> [[category:Ωκεανοί και Ακτές]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:33:23Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> [[Αρχείο:Εικόνα_2._Εικόνα_της_λίμνης_Mogan_από_τον_δορυφόρο_Quickbird_(August_6,_2005).png|200px|thumb|right|]]<br /> [[Αρχείο:them.png|200px|thumb|right|]]<br /> <br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%B9%CE%BA%CF%8C%CE%BD%CE%B1_2._%CE%95%CE%B9%CE%BA%CF%8C%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7%CF%82_Mogan_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird_(August_6,_2005).png 2013-04-01T18:31:50Z

<p>Fotini Kokkali: </p> <hr /> <div>Εικόνα 2. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:29:48Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> [[Αρχείο:Εικόνα_2._Εικόνα_της_λίμνης_Mogan_από_τον_δορυφόρο_Quickbird_(August_6,_2005).png|200px|thumb|right|]]<br /> [[Αρχείο:them.png|200px|thumb|right|]]<br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:28:14Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> [[Αρχείο:limni.png|200px|thumb|right|]]<br /> [[Αρχείο:them.png|200px|thumb|right|]]<br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:27:17Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> [[Αρχείο:them.png|200px|thumb|center|]]<br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Them.png 2013-04-01T18:26:24Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%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%85%CE%B4%CF%81%CF%8C%CE%B2%CE%B9%CF%89%CE%BD_%CF%85%CF%86%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%85%CF%84%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CE%B2%CE%B1%CE%B8%CE%AE_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF_Quickbird 2013-04-01T18:23:40Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Αντικείμενο της εφαρμογής'''<br /> <br /> Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''Συλλογή στοιχείων στο πεδίο''<br /> <br /> Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and &lt;1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. <br /> Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών. <br /> <br /> [[Αρχείο:1_1.png|200px|thumb|right|Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)]]<br /> <br /> [[Αρχείο:limni.png|200px|thumb|right|]]<br /> <br /> ''Ανάλυση στοιχείων από δορυφόρο''<br /> <br /> Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green &gt; Red &gt; NIR) και NIR &lt; NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD&gt;WD)’, ‘WaterB(2SDD&lt;WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%<br /> <br /> <br /> '''Συμπεράσματα - Aξιολόγηση''' <br /> <br /> • Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.<br /> <br /> • Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.<br /> <br /> • Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.<br /> <br /> • Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη. <br /> <br /> • Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.<br /> <br /> • Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.<br /> <br /> • Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης. <br /> <br /> • Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.<br /> <br /> <br /> O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. ''Journal of Environmental Management, Vol. 90 pp2138-2143''<br /> <br /> <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T18:19:36Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Κοινωνικοοικονομικός και φυσικός δείκτης ευπάθειας (vulnerability index) για πετρελαιοκηλίδες σε ένα λιμάνι του Αμαζονίου]]<br /> <br /> [[Οι Xώροι Yγειονομικής Tαφής στην επαρχία Jiangsu, Κίνα και οι πιθανές απειλές για τη δημόσια υγεία]]<br /> <br /> [[Κατανομή χλωροφύλλης στην λίμνη Kinneret όπως καθορίστηκε από τα δεδομένα του Landsat Thematic Mapper]]<br /> <br /> [[Χρησιμοποιώντας την φασματοσκοπία απεικόνισης για την χαρτογράφηση των αποβλήτων κόκκινης λάσπης - σκόνης (RD) : The Podgorica Aluminum Complex case study]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:16:10Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> Πηγή: S. Pascucci, C. Belviso, R. M. Cavalli, A. Palombo, S. Pignatti, F. Santini (2012). Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study.<br /> ''Remote Sensing of Environment'''',Vol. 123, pp 139–154''<br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:15:24Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:14:35Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> Πηγή: S. Pascucci, C. Belviso, R. M. Cavalli, A. Palombo, S. Pignatti, F. Santini (2012). Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study.<br /> ''Remote Sensing of Environment'''',Vol. 123, pp 139–154''<br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:09:10Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> Πηγή: Remote Sensing of Environment, Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study<br /> Simone Pascucci a, Claudia Belviso a, Rosa Maria Cavalli b, Angelo Palombo a, Stefano Pignatti a,⁎, Federico Santini a<br /> a National Research Council, Institute of Methodologies for Environmental Analysis, Italy <br /> b National Research Council, Institute of Atmospheric Pollution, Italy<br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:05:44Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> Εισαγωγή στο πρόβλημα:<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> [[Αρχείο:bands.png|200px|thumb|center|]]<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Bands.png 2013-04-01T18:05:23Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:04:27Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> Εισαγωγή στο πρόβλημα:<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> εικόνα με bands<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> [[Αρχείο:isodata.png|200px|thumb|center|]]<br /> <br /> [[Αρχείο:sff.png|200px|thumb|center|]]<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Sff.png 2013-04-01T18:03:45Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Isodata.png 2013-04-01T18:03:14Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T18:01:51Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> Εισαγωγή στο πρόβλημα:<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> <br /> [[Αρχείο:pedio1.png|200px|thumb|center|]] <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> εικόνα με bands<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> βάζω δύο εικόνες SFF και ISOData<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pedio1.png 2013-04-01T18:00:35Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CE%BD_%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%BF%CF%83%CE%BA%CE%BF%CF%80%CE%AF%CE%B1_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CF%89%CE%BD_%CE%B1%CF%80%CE%BF%CE%B2%CE%BB%CE%AE%CF%84%CF%89%CE%BD_%CE%BA%CF%8C%CE%BA%CE%BA%CE%B9%CE%BD%CE%B7%CF%82_%CE%BB%CE%AC%CF%83%CF%80%CE%B7%CF%82_-_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_(RD)_:_The_Podgorica_Aluminum_Complex_case_study 2013-04-01T17:58:54Z

<p>Fotini Kokkali: Νέα σελίδα με ''''Εισαγωγή στο πρόβλημα''' Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χ...'</p> <hr /> <div>'''Εισαγωγή στο πρόβλημα'''<br /> <br /> Ο σκοπός της παρούσας μελέτης είναι να διερευνήσει τη δυνατότητα χαρτογράφησης μέσω της υπερφασματικής τηλεπισκόπησης περιοχών που έχουν ρυπανθεί από την Κόκκινη Σκόνη (RD), έτσι ώστε να λαμβάνονται ειδικές προφυλάξεις κατά τη διάθεσή της προκειμένου να αποφευχθεί η ρύπανση του εδάφους και των υδάτινων σωμάτων. Η επιλεγμένη περιοχή μελέτης περιέχει υπολείμματα από την εξαγωγή του αλουμινίου από βωξίτη (κόκκινη λάσπη), τα οποία περιέχουν υψηλές συγκεντρώσεις ρύπων, όπως βαρέα μέταλλα.<br /> εικόνα πεδίου<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Πραγματοποιήθηκαν εργαστηριακές αναλύσεις και in situ μετρήσεις των δειγμάτων της RD προκειμένου να εντοπιστούν τα επικρατή μέταλλα και να προσδιοριστούν τα οπτικά χαρακτηριστικά των δειγμάτων καθώς και φασματικά χαρακτηριστικά τους. <br /> Εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση και μια τεχνική φασματικής ανάλυσης που βασίζεται στο σχήμα, χρησιμοποιώντας τα συγκεκριμένα φασματικά χαρακτηριστικά αντανάκλασης της RD, σε ατμοσφαιρικά υπερφασματικά δεδομένα τηλεπισκόπησης για τη χαρτογράφηση της κατανομής RD σε γυμνά εδάφη. <br /> <br /> εικόνα με bands<br /> <br /> Επιπλέον, για να αξιολογήσει ένα εργαλείο για την ανίχνευση των ρύπων στα νερά του ποταμού χρησιμοποιήθηκε ένα ημι-αναλυτικό μοντέλο.<br /> <br /> <br /> <br /> '''Συμπεράσματα-αξιολόγηση'''<br /> <br /> Η μελέτη αποκαλύπτει την ευελιξία και την χρησιμότητα της υπερφασματικής τηλεπισκόπησης στη χαρτογράφηση επικίνδυνων βιομηχανικών ρυπαντών, όπως η διασπορά κόκκινης σκόνης από την κατακράτηση κόκκινης λάσπης, δίνοντας τη δυνατότητα να εντοπιστεί η χωρική κατανομή τους. Ειδικότερα, αξιολογήθηκε η δυνατότητα χαρτογράφησης σε εδαφικό και υδάτινο περιβάλλον επικίνδυνων υλικών με χρήση υπερφασματικών αντανακλάσεων. Τα αποτελέσματα μπορούν να είναι αξιοσημείωτα για την δημόσια υγεία, επειδή η διασπορά της κόκκινης σκόνης σε υψηλά επίπεδα συγκέντρωσης μπορεί να είναι ένα παθογόνος παράγοντας όπως τονίζεται με την ανάλυση XRD και XRF των δειγμάτων της κόκκινης λάσπης που συλλέχθηκαν στη περιοχή μελέτης.<br /> <br /> Στο έδαφος, τόσο οι VNIR και SWIR φασματικές περιοχές του φασματικού εύρους του MIVIS εφαρμόστηκαν για την ανίχνευση μέσω μη επιβλεπόμενης (ως προϊόν που θα χρησιμοποιηθεί σε περίπτωση γρήγορης πρώτης εκτίμησης των ζημιών) και επιβλεπόμενης μεθόδου ταξινόμησης (ως προϊόν κατάλληλο για την πραγματική εκτίμηση αποβλήτων και υποστήριξη περιβαλλοντικών δράσεων αποκατάστασης), της ύπαρξης της κόκκινης λάσπης σε εδάφη. Ειδικότερα, από εργαστηριακά αποτελέσματα προέκυψε ότι η κόκκινη λάσπη είναι φασματικώς ευδιάκριτη από την συνδυασμένη χρήση των 0,44 έως 0,83 μm και 2.23 έως 2.27 χαρακτηριστικών απορρόφησης σχετικά με την απορρόφηση του Fe3 + και ΑΙ-ΟΗ αντίστοιχα. <br /> Σχετικά με το έδαφος, η SFF διαδικασία ταξινόμησης που χρησιμοποιήθηκε για τη χαρτογράφηση της διάχυσης της κόκκινης λάσπης παρείχε σημαντική ακρίβεια (ΟΑ 84% και συντελεστή Kappa 0,82), σε σχέση με το μη ικανοποιητικό αποτέλεσμα που προέκυψε από την στατιστική μη ταξινομημένη διαδικασία (δηλ. συνδυασμένη χρήση της ICA και ISODATA).<br /> <br /> βάζω δύο εικόνες SFF και ISOData<br /> <br /> Με την εφαρμογή ενός αντιστρόφου μοντέλου, εντοπίστηκαν τα οπτικά προφίλ που ταιριάζουν καλύτερα στην κόκκινη λάσπη που αιωρείται στο νερό και στις περιοχές κατά μήκος του ποταμού που περιβάλλει τη βιομηχανική εγκατάσταση. Λίγες περιοχές του ύδατος κοντά στη βιομηχανική μονάδα φαίνεται να επηρεάζονται. Η ακρίβεια του μοντέλου επαληθεύτηκε με στατιστική ανάλυση μεταξύ της μετρούμενης και της μοντελοποιημένης αντανάκλασης (Rrs) που πραγματοποιήθηκε στον Rrs MIVIS. Αν και η αναγνώριση ιζημάτων αποτελεί πρόκληση, είναι σημαντικό να σημειωθεί ότι η περαιτέρω διερεύνηση των αποτελεσμάτων με in situ έρευνα μέσω της απόκτησης ενός πιο σημαντικού αριθμού δειγμάτων νερού είναι απαραίτητη για την αξιοπιστία του οπτικού μοντέλου. Επιπλέον, πρέπει να σημειωθεί ότι η δυναμική της ροής του ποταμού και η χαμηλή συγκέντρωση της κόκκινης λάσπης στο νερό του ποταμού μπορεί να περιορίσει σημαντικά την ακρίβεια. <br /> <br /> Συμπερασματικά, η μελέτη υποστηρίζει την εφαρμογή των υπερφασματικών τεχνολογιών για την ταχεία ανίχνευση και χαρτογράφηση των βιομηχανικών αποβλήτων, όπως η RD. Η πληροφορία που θα προκύπτει από τις εφαρμογές αυτές θα είναι κατάλληλη για να υποστηρίξει την ανάπτυξη αποτελεσματικότερων προγραμμάτων παρακολούθησης.<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T17:55:35Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Κοινωνικοοικονομικός και φυσικός δείκτης ευπάθειας (vulnerability index) για πετρελαιοκηλίδες σε ένα λιμάνι του Αμαζονίου]]<br /> <br /> [[Οι Xώροι Yγειονομικής Tαφής στην επαρχία Jiangsu, Κίνα και οι πιθανές απειλές για τη δημόσια υγεία]]<br /> <br /> [[Κατανομή χλωροφύλλης στην λίμνη Kinneret όπως καθορίστηκε από τα δεδομένα του Landsat Thematic Mapper]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Kinneret_%CF%8C%CF%80%CF%89%CF%82_%CE%BA%CE%B1%CE%B8%CE%BF%CF%81%CE%AF%CF%83%CF%84%CE%B7%CE%BA%CE%B5_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%BF%CF%85_Landsat_Thematic_Mapper 2013-04-01T17:54:51Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερού στη χώρα. Επιπλέον έχει κι άλλες χρήσεις όπως αναψυχή και αλιεία. Η διακύμανση στη στάθμη του νερού είναι μείζονος σημασίας πρόβλημα εξαιτίας της μακροχρόνιων προβλημάτων που δημιουργεί στην ποιότητα του νερού. Η ακανόνιστη κατανομή των αλγών (τα οποία αποτελούν σημαντικό δείκτη της ποιότητας του νερού) τόσο χωρικά όσο και εποχιακά προκαλεί προβλήματα στην δειγματοληψία. Μια αποτελεσματική μέθοδος για την παρακολούθηση της κατανομής των αλγών και για την υπόδειξη κατάλληλων σημείων δειγματοληψίας θα ήταν η τηλεπισκόπηση. Η υψηλή χωρική ανάλυση των εικόνων δορυφόρων (30m), καθιστά τον Landsat TM χρήσιμο για τον προσδιορισμό της ποιότητας των νερών της λίμνης. <br /> <br /> Η πιο συνήθης προσέγγιση της χρήσης του TM προκειμένου να προσδιοριστεί η ποιότητα των νερών μιας λίμνης είναι αυτή των στατιστικών τεχνικών από τις οποίες προκύπτει η συσχέτιση μεταξύ των φασματικών καναλιών και της συγκέντρωσης της χλωροφύλλης. Παρά την περιορισμένη εφαρμογή τους παγκοσμίως, εμπειρικοί αλγόριθμοι μπορούν να προσδιορίσουν επαρκώς την συγκέντρωση της χλωροφύλλης. Για να δώσουν οι τελευταίοι επιτυχή αποτελέσματα πέρα από τις συνθήκες στις οποίες καλιμπραρίστηκαν, πρέπει να γίνει προσαρμογή ορισμένων παραμέτρων τους. Συγκεκριμένα, τίθεται ένα πρόβλημα στην σχετικά χαμηλή συγκέντρωση χλωροφύλλης σε σχέση με την υψηλή συγκέντρωση αιωρούμενων στερεών που εμφανίζεται στην λίμνη Kinneret κατά τις εποχές καλοκαίρι και φθινόπωρο. <br /> <br /> <br /> '''Στόχοι της μελέτης'''<br /> <br /> Η μελέτη αυτή έχει δύο διαφορετικούς στόχους. Η πρώτη φάση σχετίζεται με την φασματική ανάλυση. Δημιουργήθηκαν οπτικά μοντέλα για την λίμνη τα οποία συσχετίζουν την ανακλαστικότητα του νερού σε συγκεκριμένες συγκεντρώσεις στην επιφάνεια των υδάτων. Στο στάδιο αυτό αναπτύχθηκαν και αλγόριθμοι για τον ακριβή προσδιορισμό της χλωροφύλλης χρησιμοποιώντας τον φθορισμό της Chi όπως μετρήθηκε στο ερυθρό φάσμα. Η δεύτερη φάση σχετίζεται με την χρήση δεδομένων του Landsat TM για την παρακολούθηση της Chl στην λίμνη Kinneret.<br /> <br /> <br /> '''Διαδικασία και αποτελέσματα'''<br /> <br /> Στις 26 και 27 October 1992 πραγματοποιήθηκε δειγματοληψία σε 22 σημεία τα οποία εντοπίζονται στο βόρειο τμήμα της λίμνης, όπου το βάθος του νερού κυμαινόταν από 8 μέχρι 43 μέτρα. Η δειγματοληψία έγινε με τρόπο τέτοιο ώστε να καλύπτεται όσο το δυνατόν μεγαλύτερη ποικιλία συγκεντρώσεων Chi και SM. Σε κάθε σταθμό δειγματοληψίας ελήφθησαν μετρήσεις με ραδιόμετρο Ll-1800 στην περιοχή φάσματος 400-750 nm με φασματική ανάλυση 2nm. <br /> Πραγματοποιήθηκε γεωμετρική διόρθωση και ατμοσφαιρική διόρθωση της εικόνας που ελήφθη από τον TM Landsat στις 30 October 1992 ώστε να μπορεί να γίνει ο προσδιορισμός των σταθμών δειγματοληψίας και εξαγωγή ραδιομετρικών δεδομένων για επαλήθευση. <br /> Τα ραδιομετρικά στοιχεία χρησιμοποιήθηκαν για να δημιουργηθεί ένας αλγόριθμος για την εκτίμηση της συγκέντρωσης της χλωροφύλλης από τα στοιχεία του TM. Η ακτινοβολία στο κανάλι ΤΜ3 (620-690 nm) ήταν εκ πρώτοις άμεσα εξαρτώμενη από τη συγκέντρωση μη οργανικών αιωρούμενων υλικών. Η ακτινοβολία σε αυτό το κανάλι αφαιρέθηκε από την ακτινοβολία στο κανάλι TM 1 (450-520 nm) για να διορθωθεί από την επιπρόσθετη ακτινοβολία που προκλήθηκε από την σκέδαση των αιωρούμενων σωματιδίων. Έτσι ο (TM 1 - TM3)/TM2 αποδείχθηκε χρήσιμος δείκτης για την εκτίμηση της συγκέντρωσης της χλωροφύλλης. <br /> Οι συγκεντρώσεις που προέκυψαν έπειτα από ατμοσφαιρική διόρθωση των δεδομένων του ΤΜ συγκρίθηκαν με αυτή που προέκυψε από την δειγματοληψία στην λίμνη. Η εκτίμηση του σφάλματος ήταν λιγότερη από 0·85mgm- 3.<br /> <br /> [[Αρχείο:chloro.png|200px|thumb|center|]]<br /> <br /> Πηγή: International Journal of Remote Sensing, Chlorophyll distribution in Lake Kinneret determined from Landsat Thematic Mapper data<br /> M. MAYO a , A. GITELSON b , Y. Z. YACOBI c &amp; Z. BEN-AVRAHAM d<br /> a Department of Geophysics and Planetary Sciences, Tel-Aviv University, Israel<br /> b J. Blaustein Institute for Desert Research, Ben-Gurion University of the Negev, 84993, Israel<br /> c The Yigal Allon Kinneret Limnological Laboratory, Israel Oceanographic and Limnological Research<br /> d Department of Geophysics and Planetary Sciences, Tel-Aviv University, Israel <br /> Version of record first published: 16 May 2007.<br /> <br /> [[category:Εντοπισμός συγκέντρωσης χλωροφύλλης στο νερό]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chloro.png 2013-04-01T17:54:17Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE_%CF%87%CE%BB%CF%89%CF%81%CE%BF%CF%86%CF%8D%CE%BB%CE%BB%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Kinneret_%CF%8C%CF%80%CF%89%CF%82_%CE%BA%CE%B1%CE%B8%CE%BF%CF%81%CE%AF%CF%83%CF%84%CE%B7%CE%BA%CE%B5_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%BF%CF%85_Landsat_Thematic_Mapper 2013-04-01T17:50:12Z

<p>Fotini Kokkali: Νέα σελίδα με ''''Εισαγωγή''' Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερο...'</p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η λίμνη Kinneret βρίσκεται στο Ισραήλ και παρέχει το ένα τρίτο του απαιτούμενου νερού στη χώρα. Επιπλέον έχει κι άλλες χρήσεις όπως αναψυχή και αλιεία. Η διακύμανση στη στάθμη του νερού είναι μείζονος σημασίας πρόβλημα εξαιτίας της μακροχρόνιων προβλημάτων που δημιουργεί στην ποιότητα του νερού. Η ακανόνιστη κατανομή των αλγών (τα οποία αποτελούν σημαντικό δείκτη της ποιότητας του νερού) τόσο χωρικά όσο και εποχιακά προκαλεί προβλήματα στην δειγματοληψία. Μια αποτελεσματική μέθοδος για την παρακολούθηση της κατανομής των αλγών και για την υπόδειξη κατάλληλων σημείων δειγματοληψίας θα ήταν η τηλεπισκόπηση. Η υψηλή χωρική ανάλυση των εικόνων δορυφόρων (30m), καθιστά τον Landsat TM χρήσιμο για τον προσδιορισμό της ποιότητας των νερών της λίμνης. <br /> <br /> Η πιο συνήθης προσέγγιση της χρήσης του TM προκειμένου να προσδιοριστεί η ποιότητα των νερών μιας λίμνης είναι αυτή των στατιστικών τεχνικών από τις οποίες προκύπτει η συσχέτιση μεταξύ των φασματικών καναλιών και της συγκέντρωσης της χλωροφύλλης. Παρά την περιορισμένη εφαρμογή τους παγκοσμίως, εμπειρικοί αλγόριθμοι μπορούν να προσδιορίσουν επαρκώς την συγκέντρωση της χλωροφύλλης. Για να δώσουν οι τελευταίοι επιτυχή αποτελέσματα πέρα από τις συνθήκες στις οποίες καλιμπραρίστηκαν, πρέπει να γίνει προσαρμογή ορισμένων παραμέτρων τους. Συγκεκριμένα, τίθεται ένα πρόβλημα στην σχετικά χαμηλή συγκέντρωση χλωροφύλλης σε σχέση με την υψηλή συγκέντρωση αιωρούμενων στερεών που εμφανίζεται στην λίμνη Kinneret κατά τις εποχές καλοκαίρι και φθινόπωρο. <br /> <br /> '''Στόχοι της μελέτης'''<br /> <br /> Η μελέτη αυτή έχει δύο διαφορετικούς στόχους. Η πρώτη φάση σχετίζεται με την φασματική ανάλυση. Δημιουργήθηκαν οπτικά μοντέλα για την λίμνη τα οποία συσχετίζουν την ανακλαστικότητα του νερού σε συγκεκριμένες συγκεντρώσεις στην επιφάνεια των υδάτων. Στο στάδιο αυτό αναπτύχθηκαν και αλγόριθμοι για τον ακριβή προσδιορισμό της χλωροφύλλης χρησιμοποιώντας τον φθορισμό της Chi όπως μετρήθηκε στο ερυθρό φάσμα. Η δεύτερη φάση σχετίζεται με την χρήση δεδομένων του Landsat TM για την παρακολούθηση της Chl στην λίμνη Kinneret.<br /> <br /> <br /> '''Διαδικασία και αποτελέσματα'''<br /> <br /> Στις 26 και 27 October 1992 πραγματοποιήθηκε δειγματοληψία σε 22 σημεία τα οποία εντοπίζονται στο βόρειο τμήμα της λίμνης, όπου το βάθος του νερού κυμαινόταν από 8 μέχρι 43 μέτρα. Η δειγματοληψία έγινε με τρόπο τέτοιο ώστε να καλύπτεται όσο το δυνατόν μεγαλύτερη ποικιλία συγκεντρώσεων Chi και SM. Σε κάθε σταθμό δειγματοληψίας ελήφθησαν μετρήσεις με ραδιόμετρο Ll-1800 στην περιοχή φάσματος 400-750 nm με φασματική ανάλυση 2nm. <br /> Πραγματοποιήθηκε γεωμετρική διόρθωση και ατμοσφαιρική διόρθωση της εικόνας που ελήφθη από τον TM Landsat στις 30 October 1992 ώστε να μπορεί να γίνει ο προσδιορισμός των σταθμών δειγματοληψίας και εξαγωγή ραδιομετρικών δεδομένων για επαλήθευση. <br /> Τα ραδιομετρικά στοιχεία χρησιμοποιήθηκαν για να δημιουργηθεί ένας αλγόριθμος για την εκτίμηση της συγκέντρωσης της χλωροφύλλης από τα στοιχεία του TM. Η ακτινοβολία στο κανάλι ΤΜ3 (620-690 nm) ήταν εκ πρώτοις άμεσα εξαρτώμενη από τη συγκέντρωση μη οργανικών αιωρούμενων υλικών. Η ακτινοβολία σε αυτό το κανάλι αφαιρέθηκε από την ακτινοβολία στο κανάλι TM 1 (450-520 nm) για να διορθωθεί από την επιπρόσθετη ακτινοβολία που προκλήθηκε από την σκέδαση των αιωρούμενων σωματιδίων. Έτσι ο (TM 1 - TM3)/TM2 αποδείχθηκε χρήσιμος δείκτης για την εκτίμηση της συγκέντρωσης της χλωροφύλλης. <br /> Οι συγκεντρώσεις που προέκυψαν έπειτα από ατμοσφαιρική διόρθωση των δεδομένων του ΤΜ συγκρίθηκαν με αυτή που προέκυψε από την δειγματοληψία στην λίμνη. Η εκτίμηση του σφάλματος ήταν λιγότερη από 0·85mgm- 3.<br /> <br /> <br /> [[category:Εντοπισμός συγκέντρωσης χλωροφύλλης στο νερό]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T17:44:09Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Κοινωνικοοικονομικός και φυσικός δείκτης ευπάθειας (vulnerability index) για πετρελαιοκηλίδες σε ένα λιμάνι του Αμαζονίου]]<br /> <br /> [[Οι Xώροι Yγειονομικής Tαφής στην επαρχία Jiangsu, Κίνα και οι πιθανές απειλές για τη δημόσια υγεία]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T17:42:12Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> <br /> [[Αρχείο:taf.png|200px|thumb|center|]]<br /> [[Αρχείο:ndvi.png|200px|thumb|center|]]<br /> [[Αρχείο:clay.png|200px|thumb|center|]]<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> [[Αρχείο:xa1.png|200px|thumb|center|]]<br /> [[Αρχείο:xa2.png|200px|thumb|center|]]<br /> [[Αρχείο:xa3.png|200px|thumb|center|]]<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xa3.png 2013-04-01T17:41:57Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xa2.png 2013-04-01T17:40:24Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xa1.png 2013-04-01T17:39:25Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T17:35:33Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> <br /> [[Αρχείο:taf.png|200px|thumb|center|]]<br /> [[Αρχείο:ndvi.png|200px|thumb|center|]]<br /> [[Αρχείο:clay.png|200px|thumb|center|]]<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> εικόνες χαρτών<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T17:34:27Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> <br /> [[Αρχείο:taf.png|200px|thumb|center|]]<br /> [[Αρχείο:ndvi.png|200px|thumb|center|]]<br /> [[Αρχείο:clay.png|200px|thumb|lcenter|]]<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> εικόνες χαρτών<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Clay.png 2013-04-01T17:34:14Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ndvi.png 2013-04-01T17:33:15Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Taf.png 2013-04-01T17:32:13Z

<p>Fotini Kokkali: </p> <hr /> <div></div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T17:28:58Z

<p>Fotini Kokkali: </p> <hr /> <div>'''Εισαγωγή'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> <br /> να προσθέσω και τις τρεις φωτογραφίες με τους τύπους<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> εικόνες χαρτών<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9F%CE%B9_X%CF%8E%CF%81%CE%BF%CE%B9_Y%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_T%CE%B1%CF%86%CE%AE%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangsu,_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B1%CF%80%CE%B5%CE%B9%CE%BB%CE%AD%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B7%CE%BC%CF%8C%CF%83%CE%B9%CE%B1_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1 2013-04-01T17:28:06Z

<p>Fotini Kokkali: Νέα σελίδα με ''''Εισαγωγή στο πρόβλημα:''' Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγεία...'</p> <hr /> <div>'''Εισαγωγή στο πρόβλημα:'''<br /> <br /> Η απόθεση απορριμάτων αποτελεί σημαντικό πρόβλημα δημόσιας υγείας καθώς και περιβαλλοντικό πρόβλημα. Η διαχείριση επικίνδυνων για την ανθρώπινη υγεία ρύπων οι οποίοι απαντώνται σε Χώρους Υγειονομικής Ταφής Απιρριμάτων (ΧΥΤΑ) (έκλυση μεθανίου από την αποσύνθεση της οργανικής ύλης, βαρέα μέταλλα) απαιτεί την επεξεργασία μεγάλου όγκου χωρικών στοιχείων. Σκοπός της συγκεκριμένης εργασίας είναι, με τη βοήθεια πολύτιμων εργαλείων όπως τα γεωγραφικά συστήματα πληροφοριών (GIS) και η τηλεπισκόπηση (RS),<br /> α) να αναλύσει τις εκπομπές αερίων και στραγγισμάτων από τους ΧΥΤΑ οι οποίοι χρησιμοποιούνται για την απόθεση οικιακών αποβλήτων στην περιοχή Jiangsu της Κίνας<br /> β) να ερευνήσει τις περιοχές που βρίσκονται σε μικρή απόσταση από ΧΥΤΑ και <br /> γ) να ελέγξει αν αυτοί συμμορφώνονται στους εθνικούς κανονισμούς. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> ''1) Επιλογή ΧΥΤΑ στην περιοχή μελέτης''<br /> <br /> Τα περισσότερα από τα στερεά απόβλητα των περιοχών μελέτης αποτίθενται στους ογδόντα ΧΥΤΑ που φαίνεται να απαντώνται στην περιοχή. Πραγματοποιήθηκε επιλογή πέντε ΧΥΤΑ στις μητροπολιτικές περιοχές WUxi και Suzhou, οι οποίες βρίσκονται στις νότιες όχθες του ποταμού Yangtze στην Κίνα. <br /> <br /> ''2)Συλλογή στοιχείων από το έδαφος''<br /> <br /> Με τη βοήθεια GPS προσδιορίστηκε η ακριβής θέση των επιλεχθέντων ΧΥΤΑ. Σε κάθε έναν από αυτούς πραγματοποιήθηκε συλλογή και έπειτα ανάλυση περιβαλλοντικών δεδομένων των συλλεχθέντων στραγγισμάτων σε εργαστήριο (BOD5, COD, NH4, βαρέα μέταλλα- Pb, Cr, As, Hg).<br /> <br /> ''3)Ψηφιακοί χάρτες, εικόνες δορυφόρου και χωρική ανάλυση''<br /> <br /> Χρησιμοποιήθηκε ψηφιακός χάρτης της περιοχής Jiangzu (1:10.000) με είκοσι θεματικά επίπεδα και με την βοήθεια ArcGIS ψηφιοποιήθηκαν επιπλέον στοιχεία από χάρτες hard copy. Οι κλίσεις προσδιορίστηκαν από την ιστοσελίδα του US Geological Survey με την χρήση δορυφορικής εικόνας από τον Landsat 7 Enhanced Thematic Mapper Plus ETM+ (Ιούλιος 2002 - China Remote Sensing Satellite Ground Station China). Ο δορυφόρος αυτός είναι εξοπλισμένος με πολυφασματικά ραδιόμετρα και παρέχει εικόνες υψηλής ανάλυσης της επιφάνειας της γης στα κανάλια του ορατού, εγγύς υπέρυθρου, μικροκυματικού και θερμικού υπέρυθρου. Η ανάλυση είναι 30m και στα έξι κανάλια. Μια υποεικόνα του δορυφόρου που περιείχε την περιοχή μελέτης αναλύθηκε ξανά με την χρήση του ERDAS 8.6 στην οποία έγινε γεωμετρική διόρθωση σε προβολικό σύστημα UTM. <br /> <br /> ''4)Περιβαλλοντικά χαρακτηριστικά που αντλήθηκαν από τηλεπισκοπικές εικόνες''<br /> <br /> Τα περιβαλλοντικά χαρακτηριστικά που ελήφθησαν υπόψη για τη συγκεκριμένη μελέτη ήταν η θερμοκρασία της επιφάνειας του εδάφους (LST), ο δείκτης βλάστησης (NDVI) και ο δείκτης ορυκτών αργίλου (CMI). <br /> Ο λόγος που επιλέχθηκε ο πρώτος δείκτης είναι γιατί η διαφορά στην LST μεταξύ της επιφάνειας των ΧΥΤΑ και των περιοχών που τον περιβάλλουν σχετίζεται με την ταχύτητα αποδόμησης των αποτιθέμενων στους ΧΥΤΑ υλικών που έχει σαν αποτέλεσμα την έκλυση αερίων.<br /> Ως προς τον δεύτερο δείκτη (NDVI), αυτός χρησιμοποιείται ευρέως σε αναλύσεις που αφορούν τη βλάστηση λόγω της ικανότητας του να υπερτονίζει διαφορές στην φυτική κάλυψη που δεν είναι αλλιώς εύκολα ορατές. Επιπλέον, θεωρείται ότι ο NDVI συσχετίζει την περιεκτικότητα του εδάφους σε νερό. Πρέπει να σημειωθεί ότι δομικό χαρακτηριστικό των ΧΥΤΑ είναι ένα σύστημα στεγανών μεμβρανών που συλλέγουν τα στραγγίσματα και εμποδίζουν την διάλυση των βιοαερίων. <br /> Ο άργiλος χρησιμοποιείται συχνά για τη στεγάνωση των ΧΥΤΑ, ώστε να αποτρέπει την ρύπανση των υπόγειων υδροφορέων και των κοντινών υδάτινων σωμάτων. Ο CMI μπορεί να προσδιοριστεί με την βοήθεια της τηλεπισκόπησης, επιτρέποντας την εκτίμηση της συγκέντρωσης του αργίλου στην επιφάνεια του εδάφους.<br /> να προσθέσω και τις τρεις φωτογραφίες με τους τύπους<br /> <br /> ''5) Ανάλυση με GIS και εκτίμηση της καταλληλότητας της περιοχής για λειτουργία ΧΥΤΑ''<br /> <br /> Όλα τα στοιχεία μεταφέρθηκαν σε βάση δεδομένων GIS και έγιναν έξι buffer zones με κέντρο τον κάθε ΧΥΤΑ. Στις μικρότερες buffer zones αντιστοιχήθηκαν τα επίπεδα ρύπανσης όπως βρέθηκαν από τις συγκεντρώσεις των στραγγισμάτων που μετρήθηκαν στο πεδίο. Επιπλέον υπολογίστηκε η απόσταση των ΧΥΤΑ από επιφανειακά ύδατα. Τα προαναφερθέντα περιβαλλοντικά χαρακτηριστικά (π.χ., LST, NDVI και CMI) αξιολογήθηκαν για τις διάφορες buffer zones χωριστά με χρήση στατιστικών στοιχείων, χρησιμοποιώντας την ανάλυση της διακύμανσης (ANOVA) στο SPSS 11,0.<br /> Τα κριτήρια που επιλέχθηκαν για τον προσδιορισμό δυνητικά κατάλληλων θέσεων για τους χώρους υγειονομικής ταφής λαμβάνοντας υπόψιν και όσα αναφέρονται στο εθνικό πρότυπο για την επιλογή των ΧΥΤΑ είναι τα ακόλουθα: εγγύτητα με υδάτινα σώματα, τις κατοικημένες περιοχές, δρόμους, αεροδρόμια, προστατευόμενες περιοχές και κλίση του εδάφους. Σε όλα τα στοιχεία που προέκυψαν έγινε αναταξινόμηση. Σε όλα τα σημεία ράστερ των επιμέρους χαρτών δόθηκε μια τιμή μεταξύ 1 και 10, που αντιπροσωπεύει την καταλληλότητά τους για την κατασκευή και λειτουργία του χώρου υγειονομικής ταφής σε σχέση με τη συγκεκριμένη κατάσταση (με το 1 ως λιγότερο κατάλληλο σημείο).<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η χρήση της τηλεπισκόπησης και των GIS βοήθησε να αναδειχθεί ότι και οι πέντε ΧΥΤΑ βρίσκονται τοποθετημένοι σε ακατάλληλα σημεία, αναδεικνύοντας ταυτόχρονα περιοχές που είναι πιθανώς κατάλληλες για εγκατάσταση και λειτουργία ΧΥΤΑ. Ωστόσο, η συγκεκριμένη μελέτη προτείνει τη χρήση των μεθόδων αυτών στο πρώιμο στάδιο της διερεύνησης τοποθεσίας, προκειμένου να επιταχυνθεί η διαδικασία προσδιορισμού πιθανών σημείων εγκατάστασης. <br /> Δεδομένου ότι οι τηλεπισκοπικές εικόνες δεν μπορούν άμεσα να προσδιορίσουν κατάλληλα σημεία για εγκατάσταση ΧΥΤΑ, η χρήση του LST είναι πολλά υποσχόμενη, τόσο για τον προσδιορισμό κατάλληλου σημείου όσο και για εντοπισμό πιθανού ατυχήματος αυτόματης ανάφλεξης των απορριμάτων εντός του ΧΥΤΑ. <br /> <br /> εικόνες χαρτών<br /> <br /> <br /> <br /> [[category:Επικίνδυνα απόβλητα]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T17:22:08Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Κοινωνικοοικονομικός και φυσικός δείκτης ευπάθειας (vulnerability index) για πετρελαιοκηλίδες σε ένα λιμάνι του Αμαζονίου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T17:20:45Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Κοινωνικοοικονομικός και φυσικός δείκτης ευπάθειας (vulnerability index) για πετρελαιοκηλίδες σε ένα λιμάνι του Αμαζονίου]]<br /> <br /> [[category:ΔΠΜΣ ]]</div>

Fotini Kokkali http://147.102.106.44/rs/wiki/index.php/%CE%9A%CF%8C%CE%BA%CE%BA%CE%B1%CE%BB%CE%B7_%CE%A6%CF%89%CF%84%CE%B5%CE%B9%CE%BD%CE%AE 2013-04-01T17:19:38Z

<p>Fotini Kokkali: </p> <hr /> <div>[[Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird]]<br /> <br /> [[Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]<br /> <br /> [[category:ΔΠΜΣ ]]</div>

Fotini Kokkali