http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Gadesign&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82 2026-07-25T15:18:18Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:46:12Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> [[Εικόνα: Ts2012.2.17.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|left|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> <br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> <br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:44:32Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.17.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|left|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> <br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> <br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.17.jpg 2012-02-29T15:41:29Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:35:55Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.17.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:35:43Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.1017.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:35:11Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.117.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:34:53Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.1017.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:34:30Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> [[Εικόνα: Ts2012.2.17.jpg |thumb| left | Εικ.17: a.Ο οικισμός Σταυρός 1 στην αρχική εικόνα ASTER (RGB=3,2,1)<br /> b.Ο οικισμός Σταυρός 1 στην εικόνα ASTER με αντικειμενοσταφή μεθοδολογία]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:32:08Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.1015.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:31:35Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> [[Εικόνα: Ts2012.2.15.jpg |thumb| left | Εικ.15: a.Ο οικισμός Γαλήνη 4 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b.Ο οικισμός Γαλήνη 4 στην εικόνα ASTER μετά την ενίσχυση μη-συσχετισμού]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:29:17Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> [[Εικόνα: Ts2012.2.14.jpg |thumb| right | Εικ.14: Εφαρμογή του δείκτη NDVI σε εικόνα Landsat. Οι Νεολιθικοί οικισμοί εμφανίζονται ως κόκκινες κουκίδες]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:26:59Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> [[Εικόνα: Ts2012.2.13.jpg |thumb| left | Εικ.13: Το αποτέλεσμα της Ταξινόμησης Εδάφους, από την εικόνα ASTER με τη χρήση του αλγορίθμου Mahalanobis Distance (fuzzy)]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:25:19Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.12.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:24:21Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.11: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.1012.jpg |thumb| right | Εικ.12: Εμφάνιση οικισμού Αναγέννηση 2, στο κανάλι 1 της εικόνας IKONOS]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:23:05Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.10: a. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην αρχική εικόνα IKONOS<br /> b. Εμφάνιση οικισμών Γαλήνη 3, 4, και 5 στην ενισχυμένη ραδιομετρικά εικόνα IKONOS]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:20:40Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> <br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> [[Εικόνα: Ts2012.2.1011.jpg |thumb| right | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T15:06:42Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> <br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T14:44:45Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-29T14:33:45Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:52:54Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> <br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:52:03Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:51:22Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> [[Εικόνα: Ts2012.2.1010.jpg |thumb| left | Εικ.10: a. a.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 8,9,10<br /> b.Εμφάνιση οικισμού με έγχρωμο σύνθετο RGB 1]]<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:48:11Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.1009.jpg|thumb|right|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1009.jpg 2012-02-05T18:47:31Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:45:57Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|left|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:45:28Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.1008.jpg|thumb|cenleft|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1008.jpg 2012-02-05T18:44:16Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:41:18Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:40:36Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|right|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|left|Εικ.6:a.Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:39:35Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> [[Εικόνα:Ts2012.2.7.jpg|thumb|left|Εικ.7:Χάρτης ταξινόμησης με βάση τις φασματικές υπογραφές των εικόνων ASTER]]<br /> <br /> [[Εικόνα:Ts2012.2.6.jpg|thumb|right|Εικ.6:a.Σύγκριση φασματικών υπογραφών όλων των δεκτών]]<br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:31:57Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> [[Εικόνα: Ts2012.2.1005.jpg |thumb| left | Εικ.5:a. Έγχρωμο σύνθετο RGB 3,2,1 της εικόνας IKONOS-Οικισμός Μέλισσα 1<br /> b. Αεροφωτογραφία-Οικισμός Μέλισσα 2]]<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:29:17Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.1003.jpg|thumb|right|Εικ.3:a. Έγχρωμο σύνθετο RGB 3,2,5 της εικόνας ASTER-Οικισμός Μέλισσα 1<br /> b. Έγχρωμο σύνθετο RGB 2,3,7 της εικόνας ASTER-Οικισμός Μέλισσα 1]]<br /> <br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> [[Εικόνα:Ts2012.2.1004.jpg|thumb|right|Εικ.4:a. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 19-03-2003)-Οικισμός Ορφανά<br /> b. Έγχρωμο σύνθετο RGB 1,2,3 της εικόνας ASTER (λήψη: 30-06-2004)-Οικισμός Ορφανά]]<br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:24:56Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|left|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:24:13Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|right|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών]]<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:23:39Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|right|Εικ.2:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:23:05Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.2: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|right|Εικ.1:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:22:40Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|thumb|right|Εικ.1:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:20:42Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|center|Εικ.1:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:19:30Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> [[Εικόνα: Ts2012.2.1001.jpg |thumb| right | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|center|Εικ.1:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%9D%CE%B5%CE%BF%CE%BB%CE%B9%CE%B8%CE%B9%CE%BA%CF%8E%CE%BD_%CE%95%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%98%CE%B5%CF%83%CF%83%CE%B1%CE%BB%CE%AF%CE%B1_(%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1),_%CE%BC%CE%AD%CF%83%CF%89_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%B5%CE%B9%CE%BA%CE%BF%CE%BD%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2012-02-05T18:18:32Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2009&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/1424-8220/9/2/1167 Sensors 9 (2009) σελ 1167-1187(mdpi)]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).<br /> <br /> '''2. Η περιοχή μελέτης και τα δεδομένα'''<br /> <br /> Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. '''(Εικ.1)'''<br /> <br /> [[Εικόνα: Ts2012.2.1001.jpg | center | Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, <br /> c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό]]<br /> ''Εικ.1: a. Η περιοχή μελέτης, σε σχέση με την Ελλάδα, b. Η Θεσσαλία, c. &quot;Μαγούλα&quot; περιοχής Κάστρου, d. &quot;Μαγούλα&quot; περιοχής Καλό Νερό''<br /> <br /> Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα:<br /> - 4 εικόνες ASTER<br /> - 1 εικόνα Landsat ETM<br /> - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση)<br /> - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο)<br /> - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ)<br /> - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας<br /> - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)<br /> <br /> '''3. Μέθοδος μελέτης και αποτελέσματα'''<br /> <br /> Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.<br /> <br /> &lt;u&gt;Α. Προεπεξεργασία δορυφορικών εικόνων&lt;/u&gt;<br /> [[Εικόνα:Ts2012.2.22.jpg|center|Εικ.1:a. Μωσαϊκό εικόνων ASTER<br /> b. Μωσαϊκό εικόνων IKONOS<br /> c. Εικόνα Landsat<br /> d. Εικόνα HYPERION<br /> e. Μωσαϊκό αεροφωτογραφιών<br /> <br /> ]]<br /> Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. <br /> <br /> &lt;u&gt;Β. RGB σύνθετα&lt;/u&gt;<br /> <br /> Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). '''(Εικ.3,4)''' Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. '''(Εικ.5)''' Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.<br /> <br /> &lt;u&gt;Γ. Φασματικές Υπογραφές&lt;/u&gt;<br /> <br /> Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: <br /> α. Αυτές που προέρχονταν από πεδιάδες και <br /> β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). '''(Εικ.6)''' Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: <br /> α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και <br /> β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. '''(Εικ.7)'''<br /> <br /> &lt;u&gt;Δ. Ανάλυση βασικού στοιχείου&lt;/u&gt;<br /> <br /> Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. '''(Εικ.8)'''<br /> [[Εικόνα:Ts2012.2.8.abc.jpg|center|Εικ.8:a. Εμφάνιση 3 οικισμών με την 1η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> b. Εμφάνιση 3 οικισμών με την 2η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER <br /> c. Εμφάνιση 3 οικισμών με την 3η διαδικασία Ανάλυσης Βασικού Στοιχείου, εικόνας ASTER<br /> ]]<br /> <br /> &lt;u&gt;Ε. Συγχωνεύσεις δεδομένων&lt;/u&gt;<br /> <br /> Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. '''(Εικ.9)'''<br /> [[Εικόνα:Ts2012.2.9.ab.jpg|center|Εικ.9:a. Οικισμός Μοσοχώρι (εικόνα IKONOS)<br /> b. Οικισμός Μοσοχώρι (συγχώνευση εικόνων IKONOS και HYPERION)]]<br /> &lt;u&gt;ΣΤ. Λειτουργία Φασματικής Ανάμιξης&lt;/u&gt;<br /> <br /> Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. '''(Εικ.10)'''<br /> <br /> &lt;u&gt;Ζ. Ραδιομετρική Ενίσχυση&lt;/u&gt;<br /> <br /> Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. '''(Εικ.11,12)'''<br /> <br /> &lt;u&gt;Η. Ταξινόμηση γης και δείκτες βλάστησης&lt;/u&gt;<br /> <br /> Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) '''(Εικ.13)'''<br /> Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. '''(Εικ.14)'''<br /> <br /> &lt;u&gt;Θ. Ενίσχυση μη-συσχετισμού&lt;/u&gt;<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. '''(Εικ.15)'''<br /> [[Εικόνα:Ts2012.2.16.abcd.jpg|thumb|right|Εικ.16:a. Η περιοχή Χάλκη στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> b. Η περιοχή Χάλκη εικόνα ASTER μετά το φίλτρο ενίσχυσης Sobel.<br /> c. Οι οικισμοί Ελληνικό 1 και 2 στην αρχική εικόνα ASTER (RGB=1,2,3)<br /> d. Οι οικισμοί Ελληνικό 1 και 2 στην εικόνα ASTER μετά την εφαρμογή του φίλτρου Laplace]]<br /> &lt;u&gt;Ι. Χωρική Ενίσχυση&lt;/u&gt; <br /> <br /> Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. '''(Εικ.16)'''<br /> <br /> &lt;u&gt;Κ. Αντικειμενοστραφής τηλεπισκόπηση&lt;/u&gt;<br /> <br /> Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. '''(Εικ.17)'''<br /> <br /> '''4. Μοντέλο πρόβλεψης'''<br /> [[Εικόνα:Ts2012.2.18.jpg|thumb|right|Εικ.18:Τελικός χάρτης μοντέλου πρόβλεψης<br /> ]]<br /> <br /> Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. '''(Εικ.18)'''<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1015.jpg 2012-02-05T18:18:01Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1011.jpg 2012-02-05T18:17:45Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1010.jpg 2012-02-05T18:17:27Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1005.jpg 2012-02-05T18:17:08Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1004.jpg 2012-02-05T18:16:38Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1003.jpg 2012-02-05T18:16:13Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Ts2012.2.1001.jpg 2012-02-05T18:15:45Z

<p>Gadesign: </p> <hr /> <div></div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B7%CE%BC%CE%B9%CE%BF%CF%85%CF%81%CE%B3%CE%AF%CE%B1_%CE%BF%CF%81%CE%B8%CE%BF%CF%86%CF%89%CF%84%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%AF%CE%B1%CF%82_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B1%CF%82_IKONOS_%CE%BA%CE%B1%CE%B9_%CF%85%CF%88%CE%B7%CE%BB%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CE%A8%CE%9C%CE%95:_%CE%B7_%CF%80%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%B5%CE%BB%CE%AD%CE%B3%CF%87%CE%BF%CF%85_%CE%B7%CF%86%CE%B1%CE%B9%CF%83%CF%84%CE%B5%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CE%BD%CE%B7%CF%83%CE%AF_%CE%9D%CE%AF%CF%83%CF%85%CF%81%CE%BF%CF%82 2012-01-31T18:24:25Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Orthophoto generation using IKONOS imagery and high-resolution DEM: a case study on volcanic hazard monitoring of Nisyros Island (Greece)&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;S. Vassilopoulou, L. Hurni, V. Dietrich, E. Baltsavias, M. Pateraki, E. Lagios, I. Parcharidis&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2002&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.sciencedirect.com/science/article/pii/S0924271602001260 Journal of Photogrammetry &amp; Remote Sensing 57 (2002) 24– 38 (elsevier)]<br /> <br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Τα νησιά Νίσυρος, Υάλη, Κως, Σαντορίνη, Μήλος, Πόρος, Αίγινα και η χερσόνησος των Μεθάνων αποτελούν το Ελληνικό Νησιωτικό Ηφαιστειακό Τόξο. Η ανατολική πλευρά του τόξου αυτού, που περιλαμβάνει τα νησιά Κως, Υάλη και Νίσυρος, φαίνεται να είναι πολύ ενεργή γεωδυναμικά, καθώς περιέχει το μεγαλύτερο όγκο ηφαιστειακού υλικού και έχει πολύ μεγάλη τεκτονική δραστηριότητα. Τα ενεργά ηφαίστεια κρύβουν πολλούς και σοβαρούς φυσικούς κινδύνους, ειδικά στις κατοικημένες περιοχές. Αυτοί οι κίνδυνοι μπορούν να εμφανιστούν ως συνδυασμοί σεισμών, εκρήξεων αερίων, υδροθερμικών εκρήξεων, ηφαιστειακών εκρήξεων, κατολισθήσεων, πλημμυρών, τσουνάμι κλπ. Για το λόγο αυτό, δημιουργήθηκε το ερευνητικό πρόγραμμα GEOWARN της Ευρωπαϊκής Ένωσης, μέσω του οποίου επιχειρείται ένα συνολικό πληροφοριακό, ηφαιστειολογικό, γεωφυσικό και γεωχημικό έργο για την εκτίμηση των ηφαιστειακών και σεισμικών κινδύνων του πλέον ενεργού τμήματος της Ανατολικής Μεσογείου, με τη βοήθεια μιας βάσης δεδομένων GIS και ενός ολοκληρωμένου πολυμεσικού γεω-χωρικού συστήματος της περιοχής. Τα δεδομένα της τηλεπισκόπησης περιλαμβάνουν εικόνες από IKONOS, θερμικές εικόνες LANDSAT 7 TM και ETM+, ASTER και ERS SAR εικόνες για αναλύσεις παραμόρφωσεων. Το αποτέλεσμα αυτής της έρευνας είναι ένας χάρτης της Νισύρου, σε κλίμακα 1:10.000 που περιλαμβάνει ενημερωμένα τοπογραφικά αρχεία, χωρισμένα σε κατηγορίες, όπως οδικό δίκτυο, κτίρια και χρήσεις γης. Στην παρούσα έρευνα χρησιμοποιούνται εικόνες IKONOS (ανάλυσης 1μ.) και γίνεται ορθοαναγωγή με ψηφιακό μοντέλο εδάφους (ανάλυσης 2μ.). Για το σκοπό αυτό χρησιμοποιούνται 38 επιλεγμένα σημεία ελέγχου εδάφους και η τελική εικόνα μεταφέρεται σε ΕΓΣΑ 87.<br /> <br /> '''2. Δεδομένα εικόνας και προεπεξεργασία'''<br /> <br /> Τα δεδομένα IKONOS περιλαμβάνουν πανχρωματικές εικόνες ανάλυσης 1μ., πολυφασματικές 4μ. (στο ορατό και το εγγύς υπέρυθρο) και βελτιστοποιημένες πολυφασματικές εικόνες 1μ., που περιλαμβάνουν 3 από τα 4 φασματικά κανάλια (Μπλέ, Πράσινο, Κόκκινο και Εγγύς Υπέρυθρο). Για την παρούσα έρευνα παραγγέλθηκαν φωτογραφίες από την Ευρωπαϊκή Υπηρεσία Φωτογραφήσεων Χώρων, που περιλαμβάνουν τα κανάλια Πράσινο, Κόκκινο και Εγγύς Υπέρυθρο, σε ψευδοχρωματικές φωτογραφίες. Η καλυπτόμενη περιοχή είναι έκτασης 9,5x9,7χλμ., με κέντρο 36,59ο Βόρεια και 27,16ο Ανατολικά. Η πρώτη εικόνα είχε περίπου 10% επικάλυψη από σύννεφα, κυρίως στα ανατολικά και κεντρικά του νησιού. Στην εικόνα αυτή χρησιμοποιήθηκε ορθοαναγωγή, είχε σχεδόν ιδανικό αζιμούθιο για αισθητήρες και ακτινοβολία και έτσι οι σκιές σχεδόν ταυτίστηκαν με τις περιορισμένες περιοχές, χωρίς να οδηγηθούμε σε κορεσμό, εξαιτίας της έλλειψης έντονα ανακλαστικών επιφανειών κάθετα στη διεύθυνση της όρασης. Το υψόμετρο ήταν αρκετά καλό, καθώς επίσης και οι ατμοσφαιρικές συνθήκες (έλλειψη ομίχλης). Οι Γεωεικόνες ήταν σε UTM προβολή (ζώνη 35), με δεδομένα WGS’84 και ονομαστική ακρίβεια 90% στα 50μ. Στη δεύτερη εικόνα υπάρχει μεγαλύτερη επικάλυψη από σύννεφα (περίπου 15%) και χρησιμοποιήθηκε για πιθανή αυτόματη εξαγωγή ενός ψηφιακού μοντέλου εδάφους, μέσω του συνδυασμού εικόνων.<br /> <br /> Οι αρχικές εικόνες των 11-bit είχαν ελάχιστες/μέγιστες τιμές: Εγγύς Υπέρυθρο: 0/2008, Κόκκινο: 0/1866, Πράσινο: 87/1838. Έγινε γραμμική μείωση (ελαχίστων, μεγίστων) των τριών RGB καναλιών σε τιμές 0-255 και χωρίστηκαν σε ένα αρχείο ανά κανάλι με το λογισμικό IDL. Η μείωση έγινε ταυτόχρονα σε όλα τα κανάλια, για να μην αλλάξουν οι σχέσεις ανάμεσά τους. Τα κανάλια του Κόκκινου και του Εγγύος Υπερύθρου είχαν οπτικά καλύτερη ποιότητα και έδειξαν περισσότερη λεπτομέρεια, ειδικά το Εγγύς Υπέρυθρο στη βλάστηση. Οι αποτελεσματικές τιμές του γκρι των εικόνων 8-bit (εξαιρώντας τα έντονα σκούρα της θάλασσας) ήταν 30, 40 και 60 για τα κανάλια Πράσινο, Κόκκινο και Εγγύς Υπέρυθρο, αντίστοιχα. Το Εγγύς Υπέρυθρο είχε τη μεγαλύτερη αντίθεση και ήταν φωτεινότερο. Σε αυτό το κανάλι, επίσης, η βλάστηση φαίνεται φωτεινότερη από ότι στο Κόκκινο και στο Πράσινο, όμως οι χωματόδρομοι διακρίνονται δυσκολότερα από ότι στα άλλα δύο κανάλια. Στο Κόκκινο κανάλι διακρίνεται καλύτερα η υφή της βλάστησης. Τα κτήρια φαίνονταν το ίδιο σε όλα τα κανάλια, ενώ οι σκιές τους φαίνονταν καλύτερα στο Εγγύς Υπέρυθρο. Περισσότερη προεπεξεργασία, π.χ. μείωση θορύβου και ενίσχυση αντίθεσης, αποφασίστηκε να δοθεί κατευθείαν στις ορθοφωτογραφίες.<br /> [[Εικόνα:Ts2012.4.1.jpg|thumb|right|Εικ.1:Εικόνα IKONOS της Νισύρου, με σημεία ελέγχου εδάφους για ορθοαναφορά]]<br /> [[Εικόνα:Ts2012.4.2.jpg|thumb|right|Εικ.2:Παραδείγματα σημείων ελέγχου εδάφους και αντίστοιχες ποιότητες: καλή (αριστερά), μέτρια (μέση), κακή (δεξιά)]]<br /> '''3. Καθορισμός σημείων ελέγχου εδάφους με χρήση διαφορικών μετρήσεων GPS (DGPS)'''<br /> <br /> Χρησιμοποιήθηκαν δύο γεωδαιτικοί δέκτες GPS (WILD SR 299). Οι συντεταγμένες υπολογίστηκαν με δεσμούς σε μόνιμους σταθμούς GPS στο δίκτυο της Νισύρου, που αναφέρεται σε ένα στύλο στο νησί της Κω, περίπου 33χλμ. ΒΑ της Νισύρου. Ο στύλος αυτός έχει συντεταγμένες Χ=792,708.63μ., Υ=4,087,832.75μ. και ύψος=32.320μ. (σε ΕΓΣΑ ’87). Η ανάλυση και επεξεργασία των μετρήσεων του GPS έγιναν με το λογισμικό SKI Pro της Leica, και το τελικό αποτέλεσμα είχε απόκλιση στις συντεταγμένες 1-3χιλ. στο οριζόντιο επίπεδο και 2-5χιλ. στο κάθετο. Τα pixels των εικόνων IKONOS επαληθεύτηκαν επί τόπου με τη χρήση laptop και του λογισμικού ERDAS. Στην '''(Εικ.1)''' φαίνονται τα σημεία λήψης μέτρησης GPS, που καλύπτουν μια γκάμα υψομέτρων από 0μ. έως 400μ.. Η ακρίβεια των συντεταγμένων σε pixels υπολογίστηκε μεταξύ 0,5 και 2, με μέση τιμή το 1 pixel. Η '''(Εικ.2)''' δείχνει μερικά τυπικά παραδείγματα σημείων ελέγχου εδάφους και την οπτική τους ποιότητα.<br /> '''<br /> 4. Παραγωγή υψηλής ανάλυσης ψηφιακού μοντέλου εδάφους από τοπογραφικούς χάρτες 1:5000'''<br /> <br /> Χρειάστηκε να παραχθεί ένα υψηλής ανάλυσης ψηφιακό μοντέλο εδάφους, καθώς δεν υπήρχε κάτι αντίστοιχο για το συγκεκριμένο νησί, ειδικά με ακρίβεια 2μ.. Για τη διαδικασία χρησιμοποιήθηκαν αρκετά στοιχεία των τοπογραφικών χαρτών (ισοϋψείς, υψόμετρα, αποχετευτικό δίκτυο), τα στοιχεία αυτά ψηφιοποιήθηκαν και οργανώθηκαν σε επίπεδα με το πρόγραμμα Arc Info και το τελικό ψηφιακό μοντέλο είχε χωρική ανάλυση 2μ.<br /> <br /> Τα βασικά δεδομένα εισόδου για την παραγωγή του ψηφιακού μοντέλου εδάφους ήταν ισοϋψείς με καλή πυκνότητα (ανά 10μ. και σε μερικές συγκεκριμένες περιοχές ανά 2-4μ.) σε συνδυασμό με υψόμετρα και αποχετευτικό δίκτυο. Στη συνέχεια, στα στοιχεία αυτά εφαρμόστηκε ο αλγόριθμος Topogrid του προγράμματος Arc Info 8.2.<br /> <br /> Για την επεξεργασία των τοπογραφικών και μορφολογικών δεδομένων χρησιμοποιήθηκε το Arc Info 8.02 και το Arc View 3.2. Η επεξεργασία των δεδομένων αυτών μπορεί να χωριστεί στα ακόλουθα στάδια:<br /> <br /> &lt;u&gt;I.Εισαγωγή δεδομένων και σύνταξη επιπέδων&lt;/u&gt;<br /> <br /> Ο χάρτης του νησιού από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ), σε κλίμακα 1:5000, σαρώθηκε από σαρωτή Optronics 5040 σε ανάλυση 254-dpi και κατόπιν γεωαναφέρθηκε σε ΕΓΣΑ ’87. Τα δεδομένα ψηφιοποιήθηκαν στην οθόνη με το Arc Scan και δημιουργήθηκαν θεματικά επίπεδα.<br /> <br /> &lt;u&gt;II.Μεταφορά των συντεταγμένων σε προβολικό σύστημα&lt;/u&gt;<br /> <br /> Έγινε γεωαναφορά σε ΕΓΣΑ ’87, όπως προαναφέρθηκε.<br /> <br /> &lt;u&gt;III.Επιπλέον επεξεργασία&lt;/u&gt;<br /> [[Εικόνα:Ts2012.4.3.jpg|thumb|right|Εικ.3:Το υψηλής ανάλυσης ψηφιακό μοντέλο εδάφους της Νισύρου (πηγή: ΕΓΣΑ 1987, προβολή: ΤΜ)]]<br /> <br /> Σε αυτό το στάδιο περιλαμβάνονται:<br /> * Διόρθωση του προσανατολισμού των ποταμών, έτσι ώστε όλοι να καταλήγουν στην κατάντη<br /> * Προσθήκη σημειακών υψομέτρων σε συγκεκριμένες περιοχές (π.χ. δίπλα στις ισοϋψείς, σε τριγωνομετρικά σημεία και σε σημειακά υψόμετρα), για καλύτερο προσδιορισμό συγκεκριμένων επίπεδων επιφανειών με κλίση 0-5%.<br /> * Δημιουργία ενός πολυγώνου για να περιγραφεί η ακτογραμμή, με υψόμετρο 0.<br /> <br /> &lt;u&gt;IV.Αλγόριθμος Topogrid&lt;/u&gt;<br /> Ο αλγόριθμος Topogrid είναι μια μέθοδος παρεμβολής, ειδικά σχεδιασμένη για την δημιουργία υδρολογικά σωστών ψηφιακών μοντέλων εδάφους, βασισμένος στο λογισμικό ANUDEM. Το τελικό αποτέλεσμα ήταν ένα ψηφιακό μοντέλο εδάφους υψηλής ανάλυσης (μέγεθος κελιού=2μ.), σε κάναβο με 4118 σειρές και 4575 στήλες. Για να εκτιμηθεί η ποιότητα του ψηφιακού αυτού μοντέλου, δημιουργήθηκαν νέες ισοϋψείς και συγκρίθηκαν με τις αρχικές. Η απόκλιση ήταν της τάξης του 0.2-1μ. '''(Εικ.3)'''<br /> <br /> '''5. Ορθοαναγωγή'''<br /> [[Εικόνα:Ts2012.4.4.jpg|thumb|right|Εικ.4:Η ορθοφωτογραφία της Νισύρου]]<br /> <br /> Για τη διαδικασία της ορθοαναγωγής εξετάσθηκαν δύο μοντέλα αισθητήρων. Το πρώτο βασίστηκε σε πολυωνυμικές λειτουργίες χαρτογράφησης του Kratky και χρησιμοποίησε για τη μετατροπή πολυώνυμα αντικειμένου-εικόνας τετάρτου βαθμού. Όμως, ανάλογα με τον αριθμό και τη διανομή των σημείων ελέγχου εδάφους η μετατροπή μπορεί να είναι αδύναμη ή μη προσδιορισμένη. Αυτό συνέβη στην περίπτωση της συγκεκριμένης μελέτης, όπου η σύγκριση των στοιχείων της ορθοφωτογραφίας σε σχέση με το μοντέλο οδήγησε σε εντελώς παραμορφωμένα αποτελέσματα, με εξαίρεση το κεντρικό τμήμα του νησιού που περικλείονταν από σημεία ελέγχου εδάφους. Το δεύτερο μοντέλο χρησιμοποίησε εξευγενισμένο μετασχηματιαμό, με διορθώσεις στο ανάγλυφο. Καταρχήν, οι συντεταγμένες των σημείων ελέγχου εδάφους, μειώθηκαν με αναφορά σε ένα υψομετρικό επίπεδο (χωρίς να παίζει ρόλο η επιλογή του ύψους) και κατόπιν έγινε μετασχηματισμός αυτών των σημείων και των ισότιμών τους pixels, με υπολογισμό ελαχίστων τετραγώνων. Το δεύτερο μοντέλο έχει πολλά πλεονεκτήματα, σε σύγκριση με το πρώτο: ο χρόνος επεξεργασίας των δεδομένων στον υπολογιστή είναι μικρότερος, δεν χρειάζονται τόσο αυστηρά κριτήρια χωρικής διανομής των σημείων ελέγχου εδάφους και οι κατά προσέγγιση υπολογισμοί δεν οδηγούν σε λάθη. Επιπλέον, αυτό το μοντέλο οδηγεί σε μεγαλύτερη ακρίβεια της ορθοφωτογραφίας. Στο πρώτο μοντέλο, τη μια φορά χρησιμοποιήθηκαν και τα 38 σημεία ελέγχου εδάφους, ενώ την επόμενη χρησιμοποιήθηκαν τα 28 και τα υπόλοιπα 10 χρησιμοποιήθηκαν για επαλήθευση. Στο δεύτερο μοντέλο, αντίθετα, χρησιμοποιήθηκαν μόλις 4 σημεία. '''(Εικ.4)'''<br /> <br /> '''6. Μετεπεξεργασία ορθοφωτογραφίας και οπτικοποίηση'''<br /> [[Εικόνα:Ts2012.4.5.jpg|thumb|left|Εικ.5:Η Φωτογραφία από το video που παρήχθη από την ορθοφωτογραφία και το ψηφιακό μοντέλο εδάφους, με το λογισμικό Erdas Virtual GIS]]<br /> Καταρχήν εφαρμόστηκαν διάφορα φίλτρα και στα 3 κανάλια, για μείωση του θορύβου της εικόνας. Οι αρχικές και η μετεπεξεργασμένες ορθοφωτογραφίες κάθε καναλιού συγκρίθηκαν με RGB εικόνα στο Photoshop και οι τελευταίες ήταν πολύ πιο λεπτομερείς. Η μετεπεξεργασμένη εικόνα RGB μοιάζει περισσότερο με ασπρόμαυρη (εξαιτίας των εφαρμοσμένων φίλτρων Wallis), οπότε, για λόγους οπτικοποίησης, τα κανάλια αλλάζονται χειροκίνητα στο Photoshop. Καλύτερα αποτελέσματα επιτυγχάνονται όμως αν στην εικόνα των 11-bits (πριν την παραγωγή ορθοφωτογραφίας) εφαρμοστεί τοπική δυναμική μείωση θορύβου και διάφορες βελτιστοποιημένες μειώσεις από τα 11-bits στα 8-bits. '''(Εικ.5)'''<br /> <br /> '''7. Λοιπές εργασίες'''<br /> [[Εικόνα:Ts2012.4.6.jpg|thumb|right|Εικ.6:Ο ορθοαναφερμένη δορυφορική εικόνα IKONOS, με το επίπεδο των τοπογραφικών πληροφοριών (δρόμοι, κτήρια κλπ.)]][[Εικόνα:Ts2012.4.7.jpg|thumb|right|Εικ.7:Ο ορθοαναφερμένη δορυφορική εικόνα IKONOS, με το επίπεδο των τεκτονικών χαρακτηριστικών (ρήγματα) και τις θέσεις του GPS]]<br /> Χρησιμοποιώντας τις δύο εικόνες IKONOS που αναφέρθηκαν στην αρχή, με διαφορετικές τεχνικές και παραμέτρους συσχετισμών, χωρίς χειροκίνητη επεξεργασία παρά μόνο τον καθαρισμό από τα σύννεφα, η καλύτερη εκδοχή αποτελέσματος έδωσε τις ακόλουθες τιμές: Μέσο Τετραγωνικό Σφάλμα (RMS)=3,2μ., Μέση Τιμή=1,4μ., Μέγιστη Τυπική Απόκλιση=97,4μ.. Η τελική ορθοαναγωγή της εικόνας IKONOS αποδείχτηκε χρήσιμο εργαλείο για υψηλής ανάλυσης ορθοφωτογραφικούς χάρτες. Έτσι, με την αναπροσαρμογή του τοπογραφικού χάρτη της Νισύρου σε κλίμακα 1:10000, έγινε η αρχή για παραγωγή χαρτών με λεπτομερείς πληροφορίες σχετικές με όλα τα επίπεδα των τοπογραφικών δεδομένων. Με την μετεπεξεργασία, η ορθοφωτογραφία χρησιμοποιήθηκε για την αναπροσαρμογή του δικτύου των δρόμων και μονοπατιών του νησιού, ενώ για την καταγραφή οικιστικών συνόλων και την ταξινόμηση χρήσεων γης χρησιμοποιήθηκε η εικόνα χωρίς μετεπεξεργασία. Το τελικό αποτέλεσμα ήταν η εκτύπωση της ορθοφωτογραφίας σε ink-jet εκτυπωτή με περασμένα πάνω τα διανυσματικά δεδομένα του τοπογραφικού χάρτη. Ο τελικός χάρτης περιελάμβανε όλα τα τοπογραφικά δεδομένα, ξανασχεδιασμένα χαρτογραφικά και ταξινομημένα στις κατηγορίες που προαναφέρθηκαν. Επιπρόσθετα, σχεδιάζεται ο συνδυασμός συγκεκριμένων επιπέδων με επιπρόσθετες θεματικές πληροφορίες, όπως γεωλογία, τεκτονική, σεισμικότητα κλπ, και με τις ορθοφωτογραφίες, για τη δημιουργία νέων χαρτών, βασισμένων σε φωτογραφίες. '''(Εικ.6,7)'''<br /> <br /> '''8. Συμπεράσματα'''<br /> <br /> Οι ορθοφωτογραφίες υψηλής ανάλυσης και ειδικότερα οι IKONOS (ανάλυσης 1μ.) μπορούν να παρέχουν χρήσιμες πληροφορίες όσον αφορά στη γεωλογία και τη γεωδυναμική μιας περιοχής, καθώς επίσης και να συμβάλλουν σε διάφορες γεω-περιβαλλοντικές εφαρμογές τόσο σε επίπεδο εργαστηρίου, όσο και στην επιτόπου μελέτη. Αυτές οι διορθωμένες δορυφορικές εικόνες, μπορούν:<br /> <br /> * Να βοηθήσουν στην παραγωγή διαφόρων ορθοχαρτών, που έχουν σχέση με την τοπογραφία, τις χρήσεις γης, την τεκτονική, τη νεοτεκτονική, τη μορφοτεκτονική, τη γεωλογία και τη γεωμορφολογία<br /> * Να αποτελέσουν σημείο αναφοράς για τη χωροθέτηση μετρήσεων ή σταθμών GPS σε εφαρμοσμένες αρχές γεωεπιστημών (γεωφυσική, σεισμολογία, θεωθερμία, γεωχημεία, υδρογεωλογία)<br /> <br /> Συμπερασματικά, αυτές οι φωτογραφίες μπορούν να χρησιμοποιηθούν ως διαχειριστικά εργαλεία σε περιπτώσεις εκτάκτων σχεδιασμών, σε διαχείριση κρίσεων και σε διαδικασίες αξιολόγησης κατεστραμμένων περιοχών εξαιτίας φυσικών καταστροφών (πλημμύρες, πυρκαγιές, σεισμοί, ηφαιστειακές εκρήξεις), καθώς επίσης και ως χρήσιμα εργαλεία για απρόσιτες περιοχές, για τις οποίες δεν υπάρχει χαρτογράφηση. Συγκεκριμένα, η ορθοφωτογραφία IKONOS 2 του νησιού της Νισύρου και τα παράγωγά της (όπως αυτά αναλύθηκαν παραπάνω), θα χρησιμεύσει ως πολύτιμο εργαλείο για την Έγκαιρη Προειδοποίηση και το Σχεδιασμό Έκτακτης Ανάγκης όσον αφορά στο Ηφαίστειο της Νισύρου.<br /> <br /> <br /> [[category:Ηφαίστεια]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%91%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%9D%CE%B7%CF%83%CE%AF%CE%B4%CE%B1_%CE%98%CE%B5%CF%81%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%A4%CE%BF%CF%81%CF%8C%CE%BD%CF%84%CE%BF_%E2%80%93_%CE%95%CE%BE%CE%B5%CF%81%CE%B5%CF%85%CE%BD%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7_%CF%83%CF%87%CE%AD%CF%83%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BC%CE%B5%CF%83%CE%B1_%CF%83%CF%84%CE%B9%CF%82_%CE%A7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CE%93%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CE%B1%CE%BA%CE%AE_%CE%98%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1 2012-01-31T18:21:28Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Toronto’s Urban Heat Island-Exploring the Relationship between Land Use and Surface Temperature&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Claus Rinner, Mushtaq Hussain&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2011&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/2072-4292/3/6/1251 Remote Sensing 3 (2011) σελ 1251-1265 (mdpi)]<br /> <br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σε παγκόσμια κλίμακα, οι θερμοκρασίες σταδιακά αυξάνουν, λόγω της κλιματικής αλλαγής. Το δομημένο αστικό περιβάλλον κατηγοριοποιείται σε διαφορετικές χρήσεις γης για λόγους τοπικού και περιφερειακού σχεδιασμού. Οι θερμικές ιδιότητες των χρήσεων αυτών παίζουν σημαντικό ρόλο στην μεταβολή της θερμοκρασίας. Όταν η θερμότητα ανακλάται από αυτές τις επιφάνειες, σε συνδυασμό και με τις μετεωρολογικές παραμέτρους, μπορούν να σχηματιστούν Αστικές Νησίδες Θερμότητας. Η Διεύθυνση Περιβαλλοντικής Προστασίας των Ηνωμένων Πολιτειών κάνει διαχωρισμό μεταξύ Επιφανειακών Αστικών Νησίδων Θερμότητας και Ατμοσφαιρικών. Η συγκεκριμένη μελέτη εστιάζει στις Επιφανειακές Αστικές Νησίδες Θερμότητας και εξερευνά τη σχέση διαφορετικών ειδών αστικών χρήσεων γης με την επιφανειακή θερμοκρασία τους. Οι υπερβολικά αυξημένες θερμοκρασίες στις αστικές περιοχές έχουν σοβαρές επιπτώσεις στη δημόσια υγεία: ηλιακά εγκαύματα, εξανθήματα, λιποθυμίες, εξάντληση. Όλα αυτά οδηγούν σε συνθήκες αύξησης της θνησιμότητας. Επιπλέον, η αύξηση της θερμοκρασίας δημιουργεί δυσάρεστες συνθήκες διαβίωσης στους κατοίκους, οπότε οδηγούμαστε σε αυξημένη ζήτηση ενέργειας (για την ψύξη των περιοχών αυτών), δηλαδή σε αύξηση των δημοσίων δαπανών. Αποτελεί λύση κλειδί για τους χωροτάκτες να κατανοήσουν το ρόλο που διαδραματίζει η ανάπτυξη των χρήσεων γης και η χωρική κατανομή τους στη δημιουργία Αστικών Νησίδων Θερμότητας σε μεγάλες πόλεις σαν το Τορόντο. Στόχοι της παρούσας μελέτης είναι:<br /> <br /> I. Να προσδιορίσει τις θερμοκρασιακές διαφορές μεταξύ των χρήσεων γης και να εκτιμήσει τη σχέση μεταξύ χρήσης γης και επιφανειακής θερμοκρασίας<br /> <br /> II. Να εξετάσει την επιρροή ομογενών περιοχών χρήσεων γης στη θερμοκρασία<br /> <br /> III. Να προτείνει στοχευμένες στρατηγικές λύσεις στις υπηρεσίες σχεδιασμού και δημόσιας υγείας.<br /> <br /> '''2. Υπόβαθρο'''<br /> <br /> Το φαινόμενο των Αστικών Νησίδων Θερμότητας μας απασχολεί για πάνω από 40 χρόνια. Βασίζεται στη θεωρία ότι οι αστικές περιοχές είναι θερμότερες από τις γεωργικές. Αυτή η θερμοκρασιακή διαφορά οφείλεται σε έναν αριθμό παραγόντων, όπως είναι η αστική γεωμετρία (π.χ. σχήμα, μέγεθος, ύψος και διάταξη των κτηρίων), τα θερμικά χαρακτηριστικά των αστικών επιφανειών, η αραιή βλάστηση, η εκτεταμένη χρήση κλιματιστικών, οι βιομηχανίες και η χρήση του αυτοκινήτου. Αστική Νησίδα Θερμότητας μπορεί να σχηματιστεί ακόμα και σε μικρές πόλεις, όμως οι επιδράσεις της αυξάνονται με την αύξηση του όγκου του δομημένου περιβάλλοντος.<br /> <br /> Το φαινόμενο προκαλείται κυρίως από το δομημένο περιβάλλον των αστικών περιοχών, το οποίο αντικαθιστά τις φυσικές περιοχές με επιφάνειες μη διαπερατές, υψηλής θερμοκρασίας (τσιμέντο, άσφαλτος). Αυτό περιλαμβάνει τοίχους και οροφές κτηρίων, δρόμους, χώρους στάθμευσης, βιομηχανικές και εμπορικές ζώνες, πάρκα και κέντρα αναψυχής. Τα στοιχεία αυτά περιέχουν λιγότερα ποσοστά υγρασίας, οπότε λιγότερο νερό εξατμίζεται στην ατμόσφαιρα, με αποτέλεσμα την αύξηση της θερμοκρασίας. Διαφορετικές χρήσεις γης μπορούν να πολλαπλασιάσουν ή, αντίθετα, να ελαττώσουν το φαινόμενο. Στις αναπτυγμένες αστικές περιοχές η ηλιακή ακτινοβολία υπάρχει μεγάλη πιθανότητα να απορροφηθεί, εξαιτίας των αντανακλάσεων που δημιουργούνται από τα υψηλά κτήρια. Τα κτήρια αυτά “παγιδεύουν” κατά κάποιον τρόπο την ηλιακή ενέργεια στην επιφάνειά τους. Η επιφανειακή θερμότητα των υλικών, επηρεάζει άμεσα την ατμοσφαιρική θερμότητα, παρόλο που η σχέση μεταξύ τους δεν είναι πάντοτε γραμμική. Ενώ η επιφανειακή θερμότητα μεταβάλλεται σημαντικά ανάλογα με το υλικό, η ατμοσφαιρική θερμότητα πάνω από μια συγκεκριμένη αστική περιοχή δε μεταβάλλεται τόσο έντονα.<br /> <br /> Η αστική ανάπτυξη (οικιστική, εμπορική, βιομηχανική) επηρεάζει το φαινόμενο της Αστικής Νησίδας Θερμότητας, μέσω των θερμικών χαρακτηριστικών της εδαφοκάλυψης. Παράδειγμα μελέτης που έγινε στην πόλη Ho Chi Minh στο Βόρειο Βιετνάμ, βρήκε τη μέγιστη επιφανειακή θερμοκρασία σε βιομηχανικές περιοχές (πάνω από 45°C), ενώ στις υπόλοιπες αστικές περιοχές η θερμοκρασία ήταν 36-40°C. Όμοια, μελέτη που έγινε στην πόλη Nanjing στην Κίνα, συνέδεσε την αύξηση στην επιφανειακή αστική θερμοκρασία με τη μείωση του Δείκτη Βλάστησης (NDVI). Μια άλλη μελέτη στη Σιγκαπούρη έδειξε την επίδραση των χρήσεων γης στο φαινόμενο της Αστικής Νησίδας Θερμότητας. Συγκεκριμένα, συμπέρανε ότι κατά τη διάρκεια της ημέρας οι χρήσεις γης σε σειρά (από τη μεγαλύτερη επιφανειακή θερμοκρασία στη μικρότερη) ήταν: βιομηχανία, εμπόριο, αεροδρόμιο, κατοικία και πάρκα. Αντίστοιχα, τη νύχτα, η σειρά ήταν: εμπόριο, κατοικία, πάρκο, βιομηχανία και αεροδρόμιο.<br /> <br /> '''3. Δεδομένα και μέθοδοι'''<br /> [[Εικόνα:Ts2012.3.1.jpg|thumb|left|Εικ.1:Κατανομή κατηγοριών χρήσης γης στην πόλη Τορόντο]]<br /> <br /> Η πόλη του Τορόντο, είναι ο αστικός πυρήνας της ευρύτερης περιοχής του Τορόντο και περιλαμβάνει ένα μοναδικό μείγμα χρήσεων γης εντός των ορίων της '''(Εικ.1)'''. Βρίσκεται 43° Βόρεια, στη βόρεια ακτή της λίμνης Οντάριο, στον Καναδά. Τα φυσικά όρια διαδραματίζουν σημαντικό ρόλο στις κλιματικές τάσεις της πόλης, όπως για παράδειγμα η λίμνη Οντάριο, στα νότια της πόλης, η οποία δίνει μια αίσθηση δροσιάς σε αυτή. Παρ’ όλα αυτά, το φαινόμενο της Αστικής Νησίδας Θερμότητας, εξακολουθεί να διευρύνεται στο Βορρά.<br /> <br /> Η παρούσα μελέτη συμπεριέλαβε δύο κύριες πηγές δεδομένων: τα πολύγωνα χρήσεων γης και μια δορυφορική θερμική εικόνα. Τα πολύγωνα χρήσεων γης λήφθηκαν από το DMTI Spatial Inc. Τα δεδομένα περιείχαν επτά (7) είδη χρήσεων γης: '''εμπόριο, διοίκηση και υπηρεσίες, ανοιχτοί χώροι, χώροι αναψυχής, κατοικία, βιομηχανία''' και '''νερό''' '''(Εικ.1)'''. Η θερμική δορυφορική εικόνα λήφθηκε από το Landsat Thematic Mapper (ΤΜ) στις 10:00π.μ., την 3η Σεπτεμβρίου 2008. Τα στοιχεία της ατμόσφαιρας τη συγκεκριμένη στιγμή ήταν: θερμοκρασία αέρα: 26.3°C, σχετική υγρασία: 46%, διεύθυνση ανέμου: δυτική (260 βαθμοί), ταχύτητα ανέμου: 7χλμ/ώρα. Η χωρική ανάλυση της ψηφιακής εικόνας ήταν 60μ. Οι ψηφιακοί αριθμοί του θερμικού καναλιού 6 μετατράπηκαν σε φασματική ακτινοβολία, βάσει της οποίας προέκυψε η επιφανειακή θερμοκρασία (με απόκλιση 2°C).<br /> <br /> Για την επίτευξη του στόχου (Ι) εφαρμόστηκε ανάλυση διακύμανσης, ανάλυση διανυσματικών δεδομένων και στατιστική. Για το στόχο (ΙΙ) συντάχθηκε μια επιπρόσθετη μη χωρική ανάλυση συσχετισμού μεταξύ των πολυγωνικών περιοχών και της επιφανειακής θερμοκρασίας, πριν την ανάλυση των δεδομένων εικόνας. Τέλος, για το στόχο (ΙΙΙ) παρήχθησαν τρισδιάστατες οπτικές επικαλύψεις της επιφανειακής θερμοκρασίας και της πυκνότητας χρήσεων γης.<br /> [[Εικόνα:Ts2012.3.2.jpg|thumb|right|Εικ.2:Επιφανειακή Θερμοκρασία στην πόλη Τορόντο, στις 10:00π.μ. της 3ης Σεπτεμβρίου 2008]]<br /> Τα δεδομένα χρήσεων γης περικόπηκαν στα όρια της πόλης του Τορόντο και προέκυψαν 18.558 πολύγωνα. Ομοίως, η θερμική δορυφορική εικόνα που περιελάμβανε την ευρύτερη έκταση του Τορόντο, περικόπηκε στα όρια της πόλης του Τορόντο, με αποτέλεσμα να δημιουργηθούν 176.067 κελιά, τα οποία έδειχναν τις διαφοροποιήσεις στην επιφανειακή θερμοκρασία '''(Εικ.2)'''. Η επιφάνεια κάθε πολυγώνου υπολογίστηκε σε τ.μ. και προστέθηκε στον πίνακα ιδιοτήτων. Η θερμική εικόνα εισήχθη στο ArcGIS και αναλύθηκε με τα εργαλεία χωρικής ανάλυσης. Στη συνέχεια, αντιστοιχήθηκε κάθε πολύγωνο με τη μέση επιφανειακή του θερμοκρασία. Με τη βοήθεια του SPSS15.0, δημιουργήθηκαν περιγραφικές στατιστικές για τις δύο αυτές μεταβλητές (εμβαδό πολυγώνου και μέση επιφανειακή θερμοκρασία) και τέλος ιστογράμματα, για έλεγχο κανονικότητας, από τα οποία προέκυψε ότι ενώ η μέση επιφανειακή θερμοκρασία ήταν κανονικά διανεμημένη, τα εμβαδά των πολυγώνων δεν ήταν. Έγινε η υπόθεση ότι η μέση θερμοκρασία ήταν διαφορετική για διαφορετική χρήση γης. Έτσι, δημιουργήθηκαν 7 ομάδες, όσες και οι χρήσης γης. Άλλη υπόθεση ήταν ότι θα υπήρχε σχέση μεταξύ μεγέθους μοναδιαίας χρήσης γης και επιφανειακής θερμοκρασίας. Έτσι, διαχωρίστηκαν τα όρια των πολυγώνων από τα δεδομένα ιδιοτήτων για κάθε χρήση γης και δημιουργήθηκαν ξεχωριστά επίπεδα, τα οποία ελέχθηκαν σε σχέση με τη μέση επιφανειακή θερμοκρασία. Για να κατανοηθεί η σχέση μεταξύ συγκεντρώσεων ομογενών χρήσεων γης και επιφανειακής θερμοκρασίας, η πυκνότητα χρήσεων γης μοντελοποιήθηκε με βάση την εκτίμηση πυκνότητας Kernel. Βρέθηκαν τα κέντρα βάρους των πολυγώνων χρήσεων γης, σε κάθε μία από τις 7 κατηγορίες και εφαρμόστηκε η εκτίμηση πυκνότητας Kernel, με χρησιμοποίηση ακτίνας 1χλμ. και χωρικής ανάλυσης 60μ. Για κάθε χρήση γης, δημιουργήθηκε μια ξεχωριστή επιφάνεια πυκνότητας χρήσης γης, με 176.067 κελιά, που αντιστοιχούσε με την ανάλυση της θερμική δορυφορικής εικόνας. Με τη χρήση του SPSS, εξετάστηκε η συσχέτιση μεταξύ πυκνότητας χρήσης γης και αντιστοίχων τιμών επιφανειακής θερμοκρασίας. Τέλος, για την παρουσίαση των αποτελεσμάτων αυτής της διαδικασίας, χρησιμοποιήθηκε το ArcScene 9.3.1, για να απλώσει την πυκνότητα χρήσης γης σε μια τρισδιάστατη επιφάνεια που αναπαριστούσε τη θερμοκρασία (η θερμοκρασία λήφθηκε από τη θερμική εικόνα, με ένα συντελεστή μετατροπής ίσο με 300).<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> &lt;u&gt;4.1.Θερμοκρασιακές διαφορές μεταξύ χρήσεων γης&lt;/u&gt;<br /> <br /> Οι μέσες θερμοκρασίες για τις εμπορικές και βιομηχανικές χρήσεις ήταν υψηλές και παρόμοιες (29.1°C). Αντίστοιχα, στις χρήσεις αναψυχής ήταν 25.1°C και στα νερά 23.1°C. Οι περιοχές κατοικίας και οι ανοιχτοί χώροι είχαν 27.5°C και οι χώροι διοίκησης και υπηρεσιών 27.3°C. Δηλαδή, η σειρά των χρήσεων αυτών, από την υψηλότερη στη χαμηλότερη θερμοκρασία, είναι: εμπόριο, βιομηχανία, διοίκηση και υπηρεσίες, κατοικία, ανοιχτοί χώροι, χώροι αναψυχής και νερό.<br /> <br /> &lt;u&gt;4.2.Η επίδραση του μεγέθους του πολυγώνου χρήσης γης&lt;/u&gt;<br /> <br /> Οι περιοχές των πολυγώνων χρήσεων γης συσχετίζονται θετικά με την επιφανειακή θερμοκρασία, για το εμπόριο (r=0.405) και τη βιομηχανία (r=0.259). Καθώς το εμβαδό των πολυγώνων αυτών μεγαλώνει, τείνει να αυξάνεται και η θερμοκρασία. Αντίθετα, οι περιοχές νερού και αναψυχής έχουν αρνητικό συσχετισμό (r=-0.323 και r=-0.264 αντίστοιχα). Στην περίπτωση αυτή, αύξηση του εμβαδού των παραπάνω πολυγώνων προκαλεί μείωση της θερμοκρασίας. Οι υπόλοιπες χρήσης γης (κατοικία, υπηρεσίες-διοίκηση, και ανοιχτοί χώροι) έχουν πολύ μικρό συσχετισμό με την επιφανειακή θερμοκρασία.<br /> <br /> &lt;u&gt;4.3.Η επίδραση της πυκνότητας της χρήσης γης&lt;/u&gt;<br /> <br /> Σύμφωνα με την ανάλυση συσχέτισης, υπάρχει θετικός συσχετισμός μεταξύ επιφανειακής θερμοκρασίας και βιομηχανίας (r=0.423), οπότε αύξηση της πυκνότητας συνεπάγεται και αύξηση της θερμοκρασίας. Οι αντίστοιχοι συσχετισμοί για το εμπόριο είναι r=0.173 και για τους ανοιχτούς χώρους r=0.130. Αρνητικούς συσχετισμούς παρατηρούμε στους χώρους αναψυχής (r=-0.442) και στις περιοχές νερού (r=-0.297), που σημαίνει ότι αύξηση της πυκνότητας σε αυτές τις περιοχές προκαλεί μείωση της επιφανειακής θερμοκρασίας. Οι συσχετισμοί για τις χρήσεις διοίκηση/υπηρεσίες και κατοικία ήταν κοντά στο 0 (r=0.053 και r=0.018 αντίστοιχα).<br /> <br /> &lt;u&gt;4.4.Τρισδιάστατη οπτικοποίηση&lt;/u&gt;<br /> <br /> Για να δοθεί μια καθαρότερη εικόνα της σχέσης μεταξύ των χρήσεων γης και της επιφανειακής θερμοκρασίας, οπτικοποιήθηκαν τα αποτελέσματα πυκνότητας για τρείς χρήσεις γης (βιομηχανία, κατοικία, αναψυχή) σε τρισδιάστατα έγχρωμα μοντέλα. '''(Εικ.3a,b,c)'''. Αυτό που παρατηρείται είναι ότι στις περιοχές με μέγιστο πυκνότητας στη βιομηχανία εμφανίζεται και μέγιστο επιφανειακής θερμοκρασίας. Αντίθετα, στο μέγιστο πυκνότητας στην αναψυχή, η επιφανειακή θερμοκρασία αγγίζει το ελάχιστο όριο. Η πυκνότητα των περιοχών κατοικίας δεν επηρεάζει άμεσα τη θερμοκρασία. <br /> [[Εικόνα:Ts2012.3.3a.jpg|thumb|left|Εικ.3a:Πυκνότητα χρήσεων γης βιομηχανικών περιοχών]]<br /> [[Εικόνα:Ts2012.3.3c.jpg|thumb|right|Εικ.3c:Πυκνότητα χρήσεων γης πάρκων και χώρων αναψυχής]]<br /> [[Εικόνα:Ts2012.3.3b.jpg|thumb|center|Εικ.3b:Πυκνότητα χρήσεων γης οικιστικών περιοχών]]<br /> <br /> <br /> &lt;u&gt;4.5.Παραδείγματα συσχετισμών&lt;/u&gt;<br /> [[Εικόνα:Ts2012.3.5a.jpg|thumb|right|Εικ.5a:Αρνητικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων περιοχών αναψυχής]][[Εικόνα:Ts2012.3.4a.jpg|thumb|left|Εικ.4a:Θετικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων βιομηχανικής χρήσης]]<br /> [[Εικόνα:Ts2012.3.5b.jpg|thumb|right|Εικ.5b:Ορθοφωτογραφία αναφοράς]][[Εικόνα:Ts2012.3.4b.jpg|thumb|left|Εικ.4b:Ορθοφωτογραφία αναφοράς]]<br /> Ένα παράδειγμα θετικού συσχετισμού μεταξύ του εμβαδού του πολυγώνου χρήσης γης και της μέσης <br /> επιφανειακής θερμοκρασίας φαίνεται στην εικόνα 4. Έχουν επιλεγεί δύο πολύγωνα ίδιας χρήσης (βιομηχανία), διαφορετικού εμβαδού '''(Εικ.4a,b)'''. Στο μικρότερο πολύγωνο η θερμοκρασία είναι 31.1°C, ενώ στο μεγαλύτερο η θερμοκρασία είναι αυξημένη στους 32.2°C. Παράδειγμα αρνητικού συσχετισμού παρουσιάζεται στην περίπτωση των πολυγώνων χώρων αναψυχής. Το μικρότερο πολύγωνο παρουσιάζει θερμοκρασία 25.2°C, ενώ το μεγαλύτερο 21.5°C '''(Εικ.5a,b)'''. <br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Όπως αναλύθηκε παραπάνω, η έρευνα έδειξε ότι η μεγαλύτερη τιμή μέσης επιφανειακής θερμοκρασίας εμφανίζεται σε εμπορικές και βιομηχανικές χρήσεις γης, εξαιτίας του μεγάλου ποσοστού δομήσιμης επιφάνειάς τους, του υλικού κατασκευής της οροφής/στέγης τους (σκυρόδεμα ή μέταλλο), της μικρής δυνατότητας εκπομπής τους και τέλος, της παντελούς έλλειψης βλάστησης. Αντίθετα, η βλάστηση στα πάρκα και τους χώρους αναψυχής λειτουργεί σαν ενδιάμεση ζώνη μεταξύ του εδάφους και της ηλιακής ακτινοβολίας, παρεμποδίζει τη δεύτερη να περάσει στο έδαφος και έτσι επιτυγχάνεται μείωση της επιφανειακής θερμοκρασίας. Οι περιοχές κατοικίας και διοίκησης/υπηρεσιών λειτουργούν περίπου στο ενδιάμεσο των δύο προηγούμενων κατηγοριών, καθώς συνδυάζουν δομήσιμη επιφάνεια και μικρό ποσοστό βλάστησης γύρω τους. Επιπλέον, η πυκνότητα των χρήσεων γης επηρεάζει με διαφορετικό τρόπο την επιφανειακή θερμοκρασία. Έτσι, μεγάλη πυκνότητα στη βιομηχανία οδηγεί σε αύξηση της θερμοκρασίας, ενώ αντίστοιχα μεγάλη πυκνότητα στους χώρους αναψυχής οδηγεί σε μείωσή της. <br /> <br /> Συμπερασματικά, τα αποτελέσματα αυτής της μελέτης θα μπορούσαν να χρησιμοποιηθούν από τους χωροτάκτες και τους νομοθέτες, για να μετριαστεί το φαινόμενο των Αστικών Νησίδων Θερμότητας, με τη χρήση π.χ. υλικών υψηλής ανακλαστικότητας στις οροφές των εμπορικών και βιομηχανικών δομήσιμων επιφανειών. Επιπλέον, θα μπορούσε να δοθεί μια σειρά κινήτρων φορολογικών ή επιδοτήσεων, έτσι ώστε να ληφθούν άμεσα μέτρα μείωσης του φαινομένου. Στο Τορόντο, το Μάιο του 2009 εισήχθη ένας κανονισμός ο οποίος επιβάλλει την κατασκευή πράσινης στέγης στο 20-60% όλων των νέων κτισμάτων με ανακλαστική επιφάνεια μεγαλύτερη των 2000τ.μ.. Επίσης, ενισχύθηκαν έργα δενδροφύτευσης σε οικιστικές περιοχές και επιβλήθηκε η εξασφάλιση αδείας για κοπή δέντρων.<br /> <br /> Ως προς την ακολουθούμενη μεθοδολογία της μελέτης, οι θερμικές δορυφορικές εικόνες δίνουν μετρήσεις μόνο για την επιφανειακή θερμοκρασία, οι οποίες δεν αντιπροσωπεύουν απόλυτα την έκθεση του ανθρώπου στη ζέστη. Επιπλέον, η ώρα της ημέρας κατά την οποία λαμβάνονται αυτές οι εικόνες είναι συγκεκριμένη (ο Landsat περνά πάνω από το Τορόντο πάντα στις 10:00π.μ.). Οπότε δεν έχουμε εικόνα των Αστικών Νησίδων Θερμότητας στις υπόλοιπες ώρες της ημέρας, οπότε υπάρχει κίνδυνος το φαινόμενο να μην εκτιμάται σε όλο του το εύρος.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%91%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%9D%CE%B7%CF%83%CE%AF%CE%B4%CE%B1_%CE%98%CE%B5%CF%81%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%A4%CE%BF%CF%81%CF%8C%CE%BD%CF%84%CE%BF_%E2%80%93_%CE%95%CE%BE%CE%B5%CF%81%CE%B5%CF%85%CE%BD%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7_%CF%83%CF%87%CE%AD%CF%83%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BC%CE%B5%CF%83%CE%B1_%CF%83%CF%84%CE%B9%CF%82_%CE%A7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CE%93%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CE%B1%CE%BA%CE%AE_%CE%98%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1 2012-01-31T18:10:34Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Toronto’s Urban Heat Island-Exploring the Relationship between Land Use and Surface Temperature&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Claus Rinner, Mushtaq Hussain&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2011&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/2072-4292/3/6/1251 Remote Sensing 3 (2011) σελ 1251-1265 (mdpi)]<br /> <br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σε παγκόσμια κλίμακα, οι θερμοκρασίες σταδιακά αυξάνουν, λόγω της κλιματικής αλλαγής. Το δομημένο αστικό περιβάλλον κατηγοριοποιείται σε διαφορετικές χρήσεις γης για λόγους τοπικού και περιφερειακού σχεδιασμού. Οι θερμικές ιδιότητες των χρήσεων αυτών παίζουν σημαντικό ρόλο στην μεταβολή της θερμοκρασίας. Όταν η θερμότητα ανακλάται από αυτές τις επιφάνειες, σε συνδυασμό και με τις μετεωρολογικές παραμέτρους, μπορούν να σχηματιστούν Αστικές Νησίδες Θερμότητας. Η Διεύθυνση Περιβαλλοντικής Προστασίας των Ηνωμένων Πολιτειών κάνει διαχωρισμό μεταξύ Επιφανειακών Αστικών Νησίδων Θερμότητας και Ατμοσφαιρικών. Η συγκεκριμένη μελέτη εστιάζει στις Επιφανειακές Αστικές Νησίδες Θερμότητας και εξερευνά τη σχέση διαφορετικών ειδών αστικών χρήσεων γης με την επιφανειακή θερμοκρασία τους. Οι υπερβολικά αυξημένες θερμοκρασίες στις αστικές περιοχές έχουν σοβαρές επιπτώσεις στη δημόσια υγεία: ηλιακά εγκαύματα, εξανθήματα, λιποθυμίες, εξάντληση. Όλα αυτά οδηγούν σε συνθήκες αύξησης της θνησιμότητας. Επιπλέον, η αύξηση της θερμοκρασίας δημιουργεί δυσάρεστες συνθήκες διαβίωσης στους κατοίκους, οπότε οδηγούμαστε σε αυξημένη ζήτηση ενέργειας (για την ψύξη των περιοχών αυτών), δηλαδή σε αύξηση των δημοσίων δαπανών. Αποτελεί λύση κλειδί για τους χωροτάκτες να κατανοήσουν το ρόλο που διαδραματίζει η ανάπτυξη των χρήσεων γης και η χωρική κατανομή τους στη δημιουργία Αστικών Νησίδων Θερμότητας σε μεγάλες πόλεις σαν το Τορόντο. Στόχοι της παρούσας μελέτης είναι:<br /> <br /> I. Να προσδιορίσει τις θερμοκρασιακές διαφορές μεταξύ των χρήσεων γης και να εκτιμήσει τη σχέση μεταξύ χρήσης γης και επιφανειακής θερμοκρασίας<br /> <br /> II. Να εξετάσει την επιρροή ομογενών περιοχών χρήσεων γης στη θερμοκρασία<br /> <br /> III. Να προτείνει στοχευμένες στρατηγικές λύσεις στις υπηρεσίες σχεδιασμού και δημόσιας υγείας.<br /> <br /> '''2. Υπόβαθρο'''<br /> <br /> Το φαινόμενο των Αστικών Νησίδων Θερμότητας μας απασχολεί για πάνω από 40 χρόνια. Βασίζεται στη θεωρία ότι οι αστικές περιοχές είναι θερμότερες από τις γεωργικές. Αυτή η θερμοκρασιακή διαφορά οφείλεται σε έναν αριθμό παραγόντων, όπως είναι η αστική γεωμετρία (π.χ. σχήμα, μέγεθος, ύψος και διάταξη των κτηρίων), τα θερμικά χαρακτηριστικά των αστικών επιφανειών, η αραιή βλάστηση, η εκτεταμένη χρήση κλιματιστικών, οι βιομηχανίες και η χρήση του αυτοκινήτου. Αστική Νησίδα Θερμότητας μπορεί να σχηματιστεί ακόμα και σε μικρές πόλεις, όμως οι επιδράσεις της αυξάνονται με την αύξηση του όγκου του δομημένου περιβάλλοντος.<br /> <br /> Το φαινόμενο προκαλείται κυρίως από το δομημένο περιβάλλον των αστικών περιοχών, το οποίο αντικαθιστά τις φυσικές περιοχές με επιφάνειες μη διαπερατές, υψηλής θερμοκρασίας (τσιμέντο, άσφαλτος). Αυτό περιλαμβάνει τοίχους και οροφές κτηρίων, δρόμους, χώρους στάθμευσης, βιομηχανικές και εμπορικές ζώνες, πάρκα και κέντρα αναψυχής. Τα στοιχεία αυτά περιέχουν λιγότερα ποσοστά υγρασίας, οπότε λιγότερο νερό εξατμίζεται στην ατμόσφαιρα, με αποτέλεσμα την αύξηση της θερμοκρασίας. Διαφορετικές χρήσεις γης μπορούν να πολλαπλασιάσουν ή, αντίθετα, να ελαττώσουν το φαινόμενο. Στις αναπτυγμένες αστικές περιοχές η ηλιακή ακτινοβολία υπάρχει μεγάλη πιθανότητα να απορροφηθεί, εξαιτίας των αντανακλάσεων που δημιουργούνται από τα υψηλά κτήρια. Τα κτήρια αυτά “παγιδεύουν” κατά κάποιον τρόπο την ηλιακή ενέργεια στην επιφάνειά τους. Η επιφανειακή θερμότητα των υλικών, επηρεάζει άμεσα την ατμοσφαιρική θερμότητα, παρόλο που η σχέση μεταξύ τους δεν είναι πάντοτε γραμμική. Ενώ η επιφανειακή θερμότητα μεταβάλλεται σημαντικά ανάλογα με το υλικό, η ατμοσφαιρική θερμότητα πάνω από μια συγκεκριμένη αστική περιοχή δε μεταβάλλεται τόσο έντονα.<br /> <br /> Η αστική ανάπτυξη (οικιστική, εμπορική, βιομηχανική) επηρεάζει το φαινόμενο της Αστικής Νησίδας Θερμότητας, μέσω των θερμικών χαρακτηριστικών της εδαφοκάλυψης. Παράδειγμα μελέτης που έγινε στην πόλη Ho Chi Minh στο Βόρειο Βιετνάμ, βρήκε τη μέγιστη επιφανειακή θερμοκρασία σε βιομηχανικές περιοχές (πάνω από 45°C), ενώ στις υπόλοιπες αστικές περιοχές η θερμοκρασία ήταν 36-40°C. Όμοια, μελέτη που έγινε στην πόλη Nanjing στην Κίνα, συνέδεσε την αύξηση στην επιφανειακή αστική θερμοκρασία με τη μείωση του Δείκτη Εξισορρόπησης Διαφορών Βλάστησης (NVDI). Μια άλλη μελέτη στη Σιγκαπούρη έδειξε την επίδραση των χρήσεων γης στο φαινόμενο της Αστικής Νησίδας Θερμότητας. Συγκεκριμένα, συμπέρανε ότι κατά τη διάρκεια της ημέρας οι χρήσεις γης σε σειρά (από τη μεγαλύτερη επιφανειακή θερμοκρασία στη μικρότερη) ήταν: βιομηχανία, εμπόριο, αεροδρόμιο, κατοικία και πάρκα. Αντίστοιχα, τη νύχτα, η σειρά ήταν: εμπόριο, κατοικία, πάρκο, βιομηχανία και αεροδρόμιο.<br /> <br /> '''3. Δεδομένα και μέθοδοι'''<br /> [[Εικόνα:Ts2012.3.1.jpg|thumb|left|Εικ.1:Κατανομή κατηγοριών χρήσης γης στην πόλη Τορόντο]]<br /> <br /> Η πόλη του Τορόντο, είναι ο αστικός πυρήνας της ευρύτερης περιοχής του Τορόντο και περιλαμβάνει ένα μοναδικό μείγμα χρήσεων γης εντός των ορίων της '''(Εικ.1)'''. Βρίσκεται 43° Βόρεια, στη βόρεια ακτή της λίμνης Οντάριο, στον Καναδά. Τα φυσικά όρια διαδραματίζουν σημαντικό ρόλο στις κλιματικές τάσεις της πόλης, όπως για παράδειγμα η λίμνη Οντάριο, στα νότια της πόλης, η οποία δίνει μια αίσθηση δροσιάς σε αυτή. Παρ’ όλα αυτά, το φαινόμενο της Αστικής Νησίδας Θερμότητας, εξακολουθεί να διευρύνεται στο Βορρά.<br /> <br /> Η παρούσα μελέτη συμπεριέλαβε δύο κύριες πηγές δεδομένων: τα πολύγωνα χρήσεων γης και μια δορυφορική θερμική εικόνα. Τα πολύγωνα χρήσεων γης λήφθηκαν από το DMTI Spatial Inc. Τα δεδομένα περιείχαν επτά (7) είδη χρήσεων γης: '''εμπόριο, διοίκηση και υπηρεσίες, ανοιχτοί χώροι, χώροι αναψυχής, κατοικία, βιομηχανία''' και '''νερό''' '''(Εικ.1)'''. Η θερμική δορυφορική εικόνα λήφθηκε από το Landsat Thematic Mapper (ΤΜ) στις 10:00π.μ., την 3η Σεπτεμβρίου 2008. Τα στοιχεία της ατμόσφαιρας τη συγκεκριμένη στιγμή ήταν: θερμοκρασία αέρα: 26.3°C, σχετική υγρασία: 46%, διεύθυνση ανέμου: δυτική (260 βαθμοί), ταχύτητα ανέμου: 7χλμ/ώρα. Η χωρική ανάλυση της ψηφιακής εικόνας ήταν 60μ. Οι ψηφιακοί αριθμοί του θερμικού καναλιού 6 μετατράπηκαν σε φασματική ακτινοβολία, βάσει της οποίας προέκυψε η επιφανειακή θερμοκρασία (με απόκλιση 2°C).<br /> <br /> Για την επίτευξη του στόχου (Ι) εφαρμόστηκε ανάλυση διακύμανσης, ανάλυση διανυσματικών δεδομένων και στατιστική. Για το στόχο (ΙΙ) συντάχθηκε μια επιπρόσθετη μη χωρική ανάλυση συσχετισμού μεταξύ των πολυγωνικών περιοχών και της επιφανειακής θερμοκρασίας, πριν την ανάλυση των δεδομένων εικόνας. Τέλος, για το στόχο (ΙΙΙ) παρήχθησαν τρισδιάστατες οπτικές επικαλύψεις της επιφανειακής θερμοκρασίας και της πυκνότητας χρήσεων γης.<br /> [[Εικόνα:Ts2012.3.2.jpg|thumb|right|Εικ.2:Επιφανειακή Θερμοκρασία στην πόλη Τορόντο, στις 10:00π.μ. της 3ης Σεπτεμβρίου 2008]]<br /> Τα δεδομένα χρήσεων γης περικόπηκαν στα όρια της πόλης του Τορόντο και προέκυψαν 18.558 πολύγωνα. Ομοίως, η θερμική δορυφορική εικόνα που περιελάμβανε την ευρύτερη έκταση του Τορόντο, περικόπηκε στα όρια της πόλης του Τορόντο, με αποτέλεσμα να δημιουργηθούν 176.067 κελιά, τα οποία έδειχναν τις διαφοροποιήσεις στην επιφανειακή θερμοκρασία '''(Εικ.2)'''. Η επιφάνεια κάθε πολυγώνου υπολογίστηκε σε τ.μ. και προστέθηκε στον πίνακα ιδιοτήτων. Η θερμική εικόνα εισήχθη στο ArcGIS και αναλύθηκε με τα εργαλεία χωρικής ανάλυσης. Στη συνέχεια, αντιστοιχήθηκε κάθε πολύγωνο με τη μέση επιφανειακή του θερμοκρασία. Με τη βοήθεια του SPSS15.0, δημιουργήθηκαν περιγραφικές στατιστικές για τις δύο αυτές μεταβλητές (εμβαδό πολυγώνου και μέση επιφανειακή θερμοκρασία) και τέλος ιστογράμματα, για έλεγχο κανονικότητας, από τα οποία προέκυψε ότι ενώ η μέση επιφανειακή θερμοκρασία ήταν κανονικά διανεμημένη, τα εμβαδά των πολυγώνων δεν ήταν. Έγινε η υπόθεση ότι η μέση θερμοκρασία ήταν διαφορετική για διαφορετική χρήση γης. Έτσι, δημιουργήθηκαν 7 ομάδες, όσες και οι χρήσης γης. Άλλη υπόθεση ήταν ότι θα υπήρχε σχέση μεταξύ μεγέθους μοναδιαίας χρήσης γης και επιφανειακής θερμοκρασίας. Έτσι, διαχωρίστηκαν τα όρια των πολυγώνων από τα δεδομένα ιδιοτήτων για κάθε χρήση γης και δημιουργήθηκαν ξεχωριστά επίπεδα, τα οποία ελέχθηκαν σε σχέση με τη μέση επιφανειακή θερμοκρασία. Για να κατανοηθεί η σχέση μεταξύ συγκεντρώσεων ομογενών χρήσεων γης και επιφανειακής θερμοκρασίας, η πυκνότητα χρήσεων γης μοντελοποιήθηκε με βάση την εκτίμηση πυκνότητας Kernel. Βρέθηκαν τα κέντρα βάρους των πολυγώνων χρήσεων γης, σε κάθε μία από τις 7 κατηγορίες και εφαρμόστηκε η εκτίμηση πυκνότητας Kernel, με χρησιμοποίηση ακτίνας 1χλμ. και χωρικής ανάλυσης 60μ. Για κάθε χρήση γης, δημιουργήθηκε μια ξεχωριστή επιφάνεια πυκνότητας χρήσης γης, με 176.067 κελιά, που αντιστοιχούσε με την ανάλυση της θερμική δορυφορικής εικόνας. Με τη χρήση του SPSS, εφαρμόστηκε ο συσχετισμός Spearman’s rho μεταξύ πυκνότητας χρήσης γης και αντιστοίχων τιμών επιφανειακής θερμοκρασίας. Τέλος, για την παρουσίαση των αποτελεσμάτων αυτής της διαδικασίας, χρησιμοποιήθηκε το ArcScene 9.3.1, για να απλώσει την πυκνότητα χρήσης γης σε μια τρισδιάστατη επιφάνεια που αναπαριστούσε τη θερμοκρασία (η θερμοκρασία λήφθηκε από τη θερμική εικόνα, με ένα συντελεστή μετατροπής ίσο με 300).<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> &lt;u&gt;4.1.Θερμοκρασιακές διαφορές μεταξύ χρήσεων γης&lt;/u&gt;<br /> <br /> Οι μέσες θερμοκρασίες για τις εμπορικές και βιομηχανικές χρήσεις ήταν υψηλές και παρόμοιες (29.1°C). Αντίστοιχα, στις χρήσεις αναψυχής ήταν 25.1°C και στα νερά 23.1°C. Οι περιοχές κατοικίας και οι ανοιχτοί χώροι είχαν 27.5°C και οι χώροι διοίκησης και υπηρεσιών 27.3°C. Δηλαδή, η σειρά των χρήσεων αυτών, από την υψηλότερη στη χαμηλότερη θερμοκρασία, είναι: εμπόριο, βιομηχανία, διοίκηση και υπηρεσίες, κατοικία, ανοιχτοί χώροι, χώροι αναψυχής και νερό.<br /> <br /> &lt;u&gt;4.2.Η επίδραση του μεγέθους του πολυγώνου χρήσης γης&lt;/u&gt;<br /> <br /> Οι περιοχές των πολυγώνων χρήσεων γης συσχετίζονται θετικά με την επιφανειακή θερμοκρασία, για το εμπόριο (r=0.405) και τη βιομηχανία (r=0.259). Καθώς το εμβαδό των πολυγώνων αυτών μεγαλώνει, τείνει να αυξάνεται και η θερμοκρασία. Αντίθετα, οι περιοχές νερού και αναψυχής έχουν αρνητικό συσχετισμό (r=-0.323 και r=-0.264 αντίστοιχα). Στην περίπτωση αυτή, αύξηση του εμβαδού των παραπάνω πολυγώνων προκαλεί μείωση της θερμοκρασίας. Οι υπόλοιπες χρήσης γης (κατοικία, υπηρεσίες-διοίκηση, και ανοιχτοί χώροι) έχουν πολύ μικρό συσχετισμό με την επιφανειακή θερμοκρασία.<br /> <br /> &lt;u&gt;4.3.Η επίδραση της πυκνότητας της χρήσης γης&lt;/u&gt;<br /> <br /> Σύμφωνα με την ανάλυση συσχετισμού, υπάρχει θετικός συσχετισμός μεταξύ επιφανειακής θερμοκρασίας και βιομηχανίας (r=0.423), οπότε αύξηση της πυκνότητας συνεπάγεται και αύξηση της θερμοκρασίας. Οι αντίστοιχοι συσχετισμοί για το εμπόριο είναι r=0.173 και για τους ανοιχτούς χώρους r=0.130. Αρνητικούς συσχετισμούς παρατηρούμε στους χώρους αναψυχής (r=-0.442) και στις περιοχές νερού (r=-0.297), που σημαίνει ότι αύξηση της πυκνότητας σε αυτές τις περιοχές προκαλεί μείωση της επιφανειακής θερμοκρασίας. Οι συσχετισμοί για τις χρήσεις διοίκηση/υπηρεσίες και κατοικία ήταν κοντά στο 0 (r=0.053 και r=0.018 αντίστοιχα).<br /> <br /> &lt;u&gt;4.4.Τρισδιάστατη οπτικοποίηση&lt;/u&gt;<br /> <br /> Για να δοθεί μια καθαρότερη εικόνα της σχέσης μεταξύ των χρήσεων γης και της επιφανειακής θερμοκρασίας, οπτικοποιήθηκαν τα αποτελέσματα πυκνότητας για τρείς χρήσεις γης (βιομηχανία, κατοικία, αναψυχή) σε τρισδιάστατα έγχρωμα μοντέλα. '''(Εικ.3a,b,c)'''. Αυτό που παρατηρείται είναι ότι στις περιοχές με μέγιστο πυκνότητας στη βιομηχανία εμφανίζεται και μέγιστο επιφανειακής θερμοκρασίας. Αντίθετα, στο μέγιστο πυκνότητας στην αναψυχή, η επιφανειακή θερμοκρασία αγγίζει το ελάχιστο όριο. Η πυκνότητα των περιοχών κατοικίας δεν επηρεάζει άμεσα τη θερμοκρασία. <br /> [[Εικόνα:Ts2012.3.3a.jpg|thumb|left|Εικ.3a:Πυκνότητα χρήσεων γης βιομηχανικών περιοχών]]<br /> [[Εικόνα:Ts2012.3.3c.jpg|thumb|right|Εικ.3c:Πυκνότητα χρήσεων γης πάρκων και χώρων αναψυχής]]<br /> [[Εικόνα:Ts2012.3.3b.jpg|thumb|center|Εικ.3b:Πυκνότητα χρήσεων γης οικιστικών περιοχών]]<br /> <br /> <br /> &lt;u&gt;4.5.Παραδείγματα συσχετισμών&lt;/u&gt;<br /> [[Εικόνα:Ts2012.3.5a.jpg|thumb|right|Εικ.5a:Αρνητικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων περιοχών αναψυχής]][[Εικόνα:Ts2012.3.4a.jpg|thumb|left|Εικ.4a:Θετικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων βιομηχανικής χρήσης]]<br /> [[Εικόνα:Ts2012.3.5b.jpg|thumb|right|Εικ.5b:Ορθοφωτογραφία αναφοράς]][[Εικόνα:Ts2012.3.4b.jpg|thumb|left|Εικ.4b:Ορθοφωτογραφία αναφοράς]]<br /> Ένα παράδειγμα θετικού συσχετισμού μεταξύ του εμβαδού του πολυγώνου χρήσης γης και της μέσης <br /> επιφανειακής θερμοκρασίας φαίνεται στην εικόνα 4. Έχουν επιλεγεί δύο πολύγωνα ίδιας χρήσης (βιομηχανία), διαφορετικού εμβαδού '''(Εικ.4a,b)'''. Στο μικρότερο πολύγωνο η θερμοκρασία είναι 31.1°C, ενώ στο μεγαλύτερο η θερμοκρασία είναι αυξημένη στους 32.2°C. Παράδειγμα αρνητικού συσχετισμού παρουσιάζεται στην περίπτωση των πολυγώνων χώρων αναψυχής. Το μικρότερο πολύγωνο παρουσιάζει θερμοκρασία 25.2°C, ενώ το μεγαλύτερο 21.5°C '''(Εικ.5a,b)'''. <br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Όπως αναλύθηκε παραπάνω, η έρευνα έδειξε ότι η μεγαλύτερη τιμή μέσης επιφανειακής θερμοκρασίας εμφανίζεται σε εμπορικές και βιομηχανικές χρήσεις γης, εξαιτίας του μεγάλου ποσοστού δομήσιμης επιφάνειάς τους, του υλικού κατασκευής της οροφής/στέγης τους (σκυρόδεμα ή μέταλλο), της μικρής δυνατότητας εκπομπής τους και τέλος, της παντελούς έλλειψης βλάστησης. Αντίθετα, η βλάστηση στα πάρκα και τους χώρους αναψυχής λειτουργεί σαν ενδιάμεση ζώνη μεταξύ του εδάφους και της ηλιακής ακτινοβολίας, παρεμποδίζει τη δεύτερη να περάσει στο έδαφος και έτσι επιτυγχάνεται μείωση της επιφανειακής θερμοκρασίας. Οι περιοχές κατοικίας και διοίκησης/υπηρεσιών λειτουργούν περίπου στο ενδιάμεσο των δύο προηγούμενων κατηγοριών, καθώς συνδυάζουν δομήσιμη επιφάνεια και μικρό ποσοστό βλάστησης γύρω τους. Επιπλέον, η πυκνότητα των χρήσεων γης επηρεάζει με διαφορετικό τρόπο την επιφανειακή θερμοκρασία. Έτσι, μεγάλη πυκνότητα στη βιομηχανία οδηγεί σε αύξηση της θερμοκρασίας, ενώ αντίστοιχα μεγάλη πυκνότητα στους χώρους αναψυχής οδηγεί σε μείωσή της. <br /> <br /> Συμπερασματικά, τα αποτελέσματα αυτής της μελέτης θα μπορούσαν να χρησιμοποιηθούν από τους χωροτάκτες και τους νομοθέτες, για να μετριαστεί το φαινόμενο των Αστικών Νησίδων Θερμότητας, με τη χρήση π.χ. υλικών υψηλής ανακλαστικότητας στις οροφές των εμπορικών και βιομηχανικών δομήσιμων επιφανειών. Επιπλέον, θα μπορούσε να δοθεί μια σειρά κινήτρων φορολογικών ή επιδοτήσεων, έτσι ώστε να ληφθούν άμεσα μέτρα μείωσης του φαινομένου. Στο Τορόντο, το Μάιο του 2009 εισήχθη ένας κανονισμός ο οποίος επιβάλλει την κατασκευή πράσινης στέγης στο 20-60% όλων των νέων κτισμάτων με ανακλαστική επιφάνεια μεγαλύτερη των 2000τ.μ.. Επίσης, ενισχύθηκαν έργα δενδροφύτευσης σε οικιστικές περιοχές και επιβλήθηκε η εξασφάλιση αδείας για κοπή δέντρων.<br /> <br /> Ως προς την ακολουθούμενη μεθοδολογία της μελέτης, οι θερμικές δορυφορικές εικόνες δίνουν μετρήσεις μόνο για την επιφανειακή θερμοκρασία, οι οποίες δεν αντιπροσωπεύουν απόλυτα την έκθεση του ανθρώπου στη ζέστη. Επιπλέον, η ώρα της ημέρας κατά την οποία λαμβάνονται αυτές οι εικόνες είναι συγκεκριμένη (ο Landsat περνά πάνω από το Τορόντο πάντα στις 10:00π.μ.). Οπότε δεν έχουμε εικόνα των Αστικών Νησίδων Θερμότητας στις υπόλοιπες ώρες της ημέρας, οπότε υπάρχει κίνδυνος το φαινόμενο να μην εκτιμάται σε όλο του το εύρος.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Gadesign http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%91%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%9D%CE%B7%CF%83%CE%AF%CE%B4%CE%B1_%CE%98%CE%B5%CF%81%CE%BC%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%A4%CE%BF%CF%81%CF%8C%CE%BD%CF%84%CE%BF_%E2%80%93_%CE%95%CE%BE%CE%B5%CF%81%CE%B5%CF%85%CE%BD%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7_%CF%83%CF%87%CE%AD%CF%83%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BC%CE%B5%CF%83%CE%B1_%CF%83%CF%84%CE%B9%CF%82_%CE%A7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CE%93%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CE%B1%CE%BA%CE%AE_%CE%98%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1 2012-01-31T18:07:50Z

<p>Gadesign: </p> <hr /> <div>'''Πρωτότυπος τίτλος:''' &lt;u&gt;Toronto’s Urban Heat Island-Exploring the Relationship between Land Use and Surface Temperature&lt;/u&gt;<br /> <br /> '''Συγγραφείς:''' &lt;u&gt;Claus Rinner, Mushtaq Hussain&lt;/u&gt;<br /> <br /> '''Έτος δημοσίευσης:''' &lt;u&gt;2011&lt;/u&gt;<br /> <br /> '''Πηγή:''' [http://www.mdpi.com/2072-4292/3/6/1251 Remote Sensing 3 (2011) σελ 1251-1265 (mdpi)]<br /> <br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Σε παγκόσμια κλίμακα, οι θερμοκρασίες σταδιακά αυξάνουν, λόγω της κλιματικής αλλαγής. Το δομημένο αστικό περιβάλλον κατηγοριοποιείται σε διαφορετικές χρήσεις γης για λόγους τοπικού και περιφερειακού σχεδιασμού. Οι θερμικές ιδιότητες των χρήσεων αυτών παίζουν σημαντικό ρόλο στην μεταβολή της θερμοκρασίας. Όταν η θερμότητα ανακλάται από αυτές τις επιφάνειες, σε συνδυασμό και με τις μετεωρολογικές παραμέτρους, μπορούν να σχηματιστούν Αστικές Νησίδες Θερμότητας. Η Διεύθυνση Περιβαλλοντικής Προστασίας των Ηνωμένων Πολιτειών κάνει διαχωρισμό μεταξύ Επιφανειακών Αστικών Νησίδων Θερμότητας και Ατμοσφαιρικών. Η συγκεκριμένη μελέτη εστιάζει στις Επιφανειακές Αστικές Νησίδες Θερμότητας και εξερευνά τη σχέση διαφορετικών ειδών αστικών χρήσεων γης με την επιφανειακή θερμοκρασία τους. Οι υπερβολικά αυξημένες θερμοκρασίες στις αστικές περιοχές έχουν σοβαρές επιπτώσεις στη δημόσια υγεία: ηλιακά εγκαύματα, εξανθήματα, λιποθυμίες, εξάντληση. Όλα αυτά οδηγούν σε συνθήκες αύξησης της θνησιμότητας. Επιπλέον, η αύξηση της θερμοκρασίας δημιουργεί δυσάρεστες συνθήκες διαβίωσης στους κατοίκους, οπότε οδηγούμαστε σε αυξημένη ζήτηση ενέργειας (για την ψύξη των περιοχών αυτών), δηλαδή σε αύξηση των δημοσίων δαπανών. Αποτελεί λύση κλειδί για τους χωροτάκτες να κατανοήσουν το ρόλο που διαδραματίζει η ανάπτυξη των χρήσεων γης και η χωρική κατανομή τους στη δημιουργία Αστικών Νησίδων Θερμότητας σε μεγάλες πόλεις σαν το Τορόντο. Στόχοι της παρούσας μελέτης είναι:<br /> <br /> I. Να προσδιορίσει τις θερμοκρασιακές διαφορές μεταξύ των χρήσεων γης και να εκτιμήσει τη σχέση μεταξύ χρήσης γης και επιφανειακής θερμοκρασίας<br /> <br /> II. Να εξετάσει την επιρροή ομογενών περιοχών χρήσεων γης στη θερμοκρασία<br /> <br /> III. Να προτείνει στοχευμένες στρατηγικές λύσεις στις υπηρεσίες σχεδιασμού και δημόσιας υγείας.<br /> <br /> '''2. Υπόβαθρο'''<br /> <br /> Το φαινόμενο των Αστικών Νησίδων Θερμότητας μας απασχολεί για πάνω από 40 χρόνια. Βασίζεται στη θεωρία ότι οι αστικές περιοχές είναι θερμότερες από τις γεωργικές. Αυτή η θερμοκρασιακή διαφορά οφείλεται σε έναν αριθμό παραγόντων, όπως είναι η αστική γεωμετρία (π.χ. σχήμα, μέγεθος, ύψος και διάταξη των κτηρίων), τα θερμικά χαρακτηριστικά των αστικών επιφανειών, η αραιή βλάστηση, η εκτεταμένη χρήση κλιματιστικών, οι βιομηχανίες και η χρήση του αυτοκινήτου. Αστική Νησίδα Θερμότητας μπορεί να σχηματιστεί ακόμα και σε μικρές πόλεις, όμως οι επιδράσεις της αυξάνονται με την αύξηση του όγκου του δομημένου περιβάλλοντος.<br /> <br /> Το φαινόμενο προκαλείται κυρίως από το δομημένο περιβάλλον των αστικών περιοχών, το οποίο αντικαθιστά τις φυσικές περιοχές με επιφάνειες μη διαπερατές, υψηλής θερμοκρασίας (τσιμέντο, άσφαλτος). Αυτό περιλαμβάνει τοίχους και οροφές κτηρίων, δρόμους, χώρους στάθμευσης, βιομηχανικές και εμπορικές ζώνες, πάρκα και κέντρα αναψυχής. Τα στοιχεία αυτά περιέχουν λιγότερα ποσοστά υγρασίας, οπότε λιγότερο νερό εξατμίζεται στην ατμόσφαιρα, με αποτέλεσμα την αύξηση της θερμοκρασίας. Διαφορετικές χρήσεις γης μπορούν να πολλαπλασιάσουν ή, αντίθετα, να ελαττώσουν το φαινόμενο. Στις αναπτυγμένες αστικές περιοχές η ηλιακή ακτινοβολία υπάρχει μεγάλη πιθανότητα να απορροφηθεί, εξαιτίας των αντανακλάσεων που δημιουργούνται από τα υψηλά κτήρια. Τα κτήρια αυτά “παγιδεύουν” κατά κάποιον τρόπο την ηλιακή ενέργεια στην επιφάνειά τους. Η επιφανειακή θερμότητα των υλικών, επηρεάζει άμεσα την ατμοσφαιρική θερμότητα, παρόλο που η σχέση μεταξύ τους δεν είναι πάντοτε γραμμική. Ενώ η επιφανειακή θερμότητα μεταβάλλεται σημαντικά ανάλογα με το υλικό, η ατμοσφαιρική θερμότητα πάνω από μια συγκεκριμένη αστική περιοχή δε μεταβάλλεται τόσο έντονα.<br /> <br /> Η αστική ανάπτυξη (οικιστική, εμπορική, βιομηχανική) επηρεάζει το φαινόμενο της Αστικής Νησίδας Θερμότητας, μέσω των θερμικών χαρακτηριστικών της εδαφοκάλυψης. Παράδειγμα μελέτης που έγινε στην πόλη Ho Chi Minh στο Βόρειο Βιετνάμ, βρήκε τη μέγιστη επιφανειακή θερμοκρασία σε βιομηχανικές περιοχές (πάνω από 45alt248o C), ενώ στις υπόλοιπες αστικές περιοχές η θερμοκρασία ήταν 36-40οC. Όμοια, μελέτη που έγινε στην πόλη Nanjing στην Κίνα, συνέδεσε την αύξηση στην επιφανειακή αστική θερμοκρασία με τη μείωση του Δείκτη Εξισορρόπησης Διαφορών Βλάστησης (NVDI). Μια άλλη μελέτη στη Σιγκαπούρη έδειξε την επίδραση των χρήσεων γης στο φαινόμενο της Αστικής Νησίδας Θερμότητας. Συγκεκριμένα, συμπέρανε ότι κατά τη διάρκεια της ημέρας οι χρήσεις γης σε σειρά (από τη μεγαλύτερη επιφανειακή θερμοκρασία στη μικρότερη) ήταν: βιομηχανία, εμπόριο, αεροδρόμιο, κατοικία και πάρκα. Αντίστοιχα, τη νύχτα, η σειρά ήταν: εμπόριο, κατοικία, πάρκο, βιομηχανία και αεροδρόμιο.<br /> <br /> '''3. Δεδομένα και μέθοδοι'''<br /> [[Εικόνα:Ts2012.3.1.jpg|thumb|left|Εικ.1:Κατανομή κατηγοριών χρήσης γης στην πόλη Τορόντο]]<br /> <br /> Η πόλη του Τορόντο, είναι ο αστικός πυρήνας της ευρύτερης περιοχής του Τορόντο και περιλαμβάνει ένα μοναδικό μείγμα χρήσεων γης εντός των ορίων της '''(Εικ.1)'''. Βρίσκεται 43ο Βόρεια, στη βόρεια ακτή της λίμνης Οντάριο, στον Καναδά. Τα φυσικά όρια διαδραματίζουν σημαντικό ρόλο στις κλιματικές τάσεις της πόλης, όπως για παράδειγμα η λίμνη Οντάριο, στα νότια της πόλης, η οποία δίνει μια αίσθηση δροσιάς σε αυτή. Παρ’ όλα αυτά, το φαινόμενο της Αστικής Νησίδας Θερμότητας, εξακολουθεί να διευρύνεται στο Βορρά.<br /> <br /> Η παρούσα μελέτη συμπεριέλαβε δύο κύριες πηγές δεδομένων: τα πολύγωνα χρήσεων γης και μια δορυφορική θερμική εικόνα. Τα πολύγωνα χρήσεων γης λήφθηκαν από το DMTI Spatial Inc. Τα δεδομένα περιείχαν επτά (7) είδη χρήσεων γης: '''εμπόριο, διοίκηση και υπηρεσίες, ανοιχτοί χώροι, χώροι αναψυχής, κατοικία, βιομηχανία''' και '''νερό''' '''(Εικ.1)'''. Η θερμική δορυφορική εικόνα λήφθηκε από το Landsat Thematic Mapper (ΤΜ) στις 10:00π.μ., την 3η Σεπτεμβρίου 2008. Τα στοιχεία της ατμόσφαιρας τη συγκεκριμένη στιγμή ήταν: θερμοκρασία αέρα: 26.3οC, σχετική υγρασία: 46%, διεύθυνση ανέμου: δυτική (260 βαθμοί), ταχύτητα ανέμου: 7χλμ/ώρα. Η χωρική ανάλυση της ψηφιακής εικόνας ήταν 60μ. Οι ψηφιακοί αριθμοί του θερμικού καναλιού 6 μετατράπηκαν σε φασματική ακτινοβολία, βάσει της οποίας προέκυψε η επιφανειακή θερμοκρασία (με απόκλιση 2οC).<br /> <br /> Για την επίτευξη του στόχου (Ι) εφαρμόστηκε ανάλυση διακύμανσης, ανάλυση διανυσματικών δεδομένων και στατιστική. Για το στόχο (ΙΙ) συντάχθηκε μια επιπρόσθετη μη χωρική ανάλυση συσχετισμού μεταξύ των πολυγωνικών περιοχών και της επιφανειακής θερμοκρασίας, πριν την ανάλυση των δεδομένων εικόνας. Τέλος, για το στόχο (ΙΙΙ) παρήχθησαν τρισδιάστατες οπτικές επικαλύψεις της επιφανειακής θερμοκρασίας και της πυκνότητας χρήσεων γης.<br /> [[Εικόνα:Ts2012.3.2.jpg|thumb|right|Εικ.2:Επιφανειακή Θερμοκρασία στην πόλη Τορόντο, στις 10:00π.μ. της 3ης Σεπτεμβρίου 2008]]<br /> Τα δεδομένα χρήσεων γης περικόπηκαν στα όρια της πόλης του Τορόντο και προέκυψαν 18.558 πολύγωνα. Ομοίως, η θερμική δορυφορική εικόνα που περιελάμβανε την ευρύτερη έκταση του Τορόντο, περικόπηκε στα όρια της πόλης του Τορόντο, με αποτέλεσμα να δημιουργηθούν 176.067 κελιά, τα οποία έδειχναν τις διαφοροποιήσεις στην επιφανειακή θερμοκρασία '''(Εικ.2)'''. Η επιφάνεια κάθε πολυγώνου υπολογίστηκε σε τ.μ. και προστέθηκε στον πίνακα ιδιοτήτων. Η θερμική εικόνα εισήχθη στο ArcGIS και αναλύθηκε με τα εργαλεία χωρικής ανάλυσης. Στη συνέχεια, αντιστοιχήθηκε κάθε πολύγωνο με τη μέση επιφανειακή του θερμοκρασία. Με τη βοήθεια του SPSS15.0, δημιουργήθηκαν περιγραφικές στατιστικές για τις δύο αυτές μεταβλητές (εμβαδό πολυγώνου και μέση επιφανειακή θερμοκρασία) και τέλος ιστογράμματα, για έλεγχο κανονικότητας, από τα οποία προέκυψε ότι ενώ η μέση επιφανειακή θερμοκρασία ήταν κανονικά διανεμημένη, τα εμβαδά των πολυγώνων δεν ήταν. Έγινε η υπόθεση ότι η μέση θερμοκρασία ήταν διαφορετική για διαφορετική χρήση γης. Έτσι, δημιουργήθηκαν 7 ομάδες, όσες και οι χρήσης γης. Άλλη υπόθεση ήταν ότι θα υπήρχε σχέση μεταξύ μεγέθους μοναδιαίας χρήσης γης και επιφανειακής θερμοκρασίας. Έτσι, διαχωρίστηκαν τα όρια των πολυγώνων από τα δεδομένα ιδιοτήτων για κάθε χρήση γης και δημιουργήθηκαν ξεχωριστά επίπεδα, τα οποία ελέχθηκαν σε σχέση με τη μέση επιφανειακή θερμοκρασία. Για να κατανοηθεί η σχέση μεταξύ συγκεντρώσεων ομογενών χρήσεων γης και επιφανειακής θερμοκρασίας, η πυκνότητα χρήσεων γης μοντελοποιήθηκε με βάση την εκτίμηση πυκνότητας Kernel. Βρέθηκαν τα κέντρα βάρους των πολυγώνων χρήσεων γης, σε κάθε μία από τις 7 κατηγορίες και εφαρμόστηκε η εκτίμηση πυκνότητας Kernel, με χρησιμοποίηση ακτίνας 1χλμ. και χωρικής ανάλυσης 60μ. Για κάθε χρήση γης, δημιουργήθηκε μια ξεχωριστή επιφάνεια πυκνότητας χρήσης γης, με 176.067 κελιά, που αντιστοιχούσε με την ανάλυση της θερμική δορυφορικής εικόνας. Με τη χρήση του SPSS, εφαρμόστηκε ο συσχετισμός Spearman’s rho μεταξύ πυκνότητας χρήσης γης και αντιστοίχων τιμών επιφανειακής θερμοκρασίας. Τέλος, για την παρουσίαση των αποτελεσμάτων αυτής της διαδικασίας, χρησιμοποιήθηκε το ArcScene 9.3.1, για να απλώσει την πυκνότητα χρήσης γης σε μια τρισδιάστατη επιφάνεια που αναπαριστούσε τη θερμοκρασία (η θερμοκρασία λήφθηκε από τη θερμική εικόνα, με ένα συντελεστή μετατροπής ίσο με 300).<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> &lt;u&gt;4.1.Θερμοκρασιακές διαφορές μεταξύ χρήσεων γης&lt;/u&gt;<br /> <br /> Οι μέσες θερμοκρασίες για τις εμπορικές και βιομηχανικές χρήσεις ήταν υψηλές και παρόμοιες (29.1οC). Αντίστοιχα, στις χρήσεις αναψυχής ήταν 25.1οC και στα νερά 23.1οC. Οι περιοχές κατοικίας και οι ανοιχτοί χώροι είχαν 27.5οC και οι χώροι διοίκησης και υπηρεσιών 27.3οC. Δηλαδή, η σειρά των χρήσεων αυτών, από την υψηλότερη στη χαμηλότερη θερμοκρασία, είναι: εμπόριο, βιομηχανία, διοίκηση και υπηρεσίες, κατοικία, ανοιχτοί χώροι, χώροι αναψυχής και νερό.<br /> <br /> &lt;u&gt;4.2.Η επίδραση του μεγέθους του πολυγώνου χρήσης γης&lt;/u&gt;<br /> <br /> Οι περιοχές των πολυγώνων χρήσεων γης συσχετίζονται θετικά με την επιφανειακή θερμοκρασία, για το εμπόριο (r=0.405) και τη βιομηχανία (r=0.259). Καθώς το εμβαδό των πολυγώνων αυτών μεγαλώνει, τείνει να αυξάνεται και η θερμοκρασία. Αντίθετα, οι περιοχές νερού και αναψυχής έχουν αρνητικό συσχετισμό (r=-0.323 και r=-0.264 αντίστοιχα). Στην περίπτωση αυτή, αύξηση του εμβαδού των παραπάνω πολυγώνων προκαλεί μείωση της θερμοκρασίας. Οι υπόλοιπες χρήσης γης (κατοικία, υπηρεσίες-διοίκηση, και ανοιχτοί χώροι) έχουν πολύ μικρό συσχετισμό με την επιφανειακή θερμοκρασία.<br /> <br /> &lt;u&gt;4.3.Η επίδραση της πυκνότητας της χρήσης γης&lt;/u&gt;<br /> <br /> Σύμφωνα με την ανάλυση συσχετισμού, υπάρχει θετικός συσχετισμός μεταξύ επιφανειακής θερμοκρασίας και βιομηχανίας (r=0.423), οπότε αύξηση της πυκνότητας συνεπάγεται και αύξηση της θερμοκρασίας. Οι αντίστοιχοι συσχετισμοί για το εμπόριο είναι r=0.173 και για τους ανοιχτούς χώρους r=0.130. Αρνητικούς συσχετισμούς παρατηρούμε στους χώρους αναψυχής (r=-0.442) και στις περιοχές νερού (r=-0.297), που σημαίνει ότι αύξηση της πυκνότητας σε αυτές τις περιοχές προκαλεί μείωση της επιφανειακής θερμοκρασίας. Οι συσχετισμοί για τις χρήσεις διοίκηση/υπηρεσίες και κατοικία ήταν κοντά στο 0 (r=0.053 και r=0.018 αντίστοιχα).<br /> <br /> &lt;u&gt;4.4.Τρισδιάστατη οπτικοποίηση&lt;/u&gt;<br /> <br /> Για να δοθεί μια καθαρότερη εικόνα της σχέσης μεταξύ των χρήσεων γης και της επιφανειακής θερμοκρασίας, οπτικοποιήθηκαν τα αποτελέσματα πυκνότητας για τρείς χρήσεις γης (βιομηχανία, κατοικία, αναψυχή) σε τρισδιάστατα έγχρωμα μοντέλα. '''(Εικ.3a,b,c)'''. Αυτό που παρατηρείται είναι ότι στις περιοχές με μέγιστο πυκνότητας στη βιομηχανία εμφανίζεται και μέγιστο επιφανειακής θερμοκρασίας. Αντίθετα, στο μέγιστο πυκνότητας στην αναψυχή, η επιφανειακή θερμοκρασία αγγίζει το ελάχιστο όριο. Η πυκνότητα των περιοχών κατοικίας δεν επηρεάζει άμεσα τη θερμοκρασία. <br /> [[Εικόνα:Ts2012.3.3a.jpg|thumb|left|Εικ.3a:Πυκνότητα χρήσεων γης βιομηχανικών περιοχών]]<br /> [[Εικόνα:Ts2012.3.3c.jpg|thumb|right|Εικ.3c:Πυκνότητα χρήσεων γης πάρκων και χώρων αναψυχής]]<br /> [[Εικόνα:Ts2012.3.3b.jpg|thumb|center|Εικ.3b:Πυκνότητα χρήσεων γης οικιστικών περιοχών]]<br /> <br /> <br /> &lt;u&gt;4.5.Παραδείγματα συσχετισμών&lt;/u&gt;<br /> [[Εικόνα:Ts2012.3.5a.jpg|thumb|right|Εικ.5a:Αρνητικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων περιοχών αναψυχής]][[Εικόνα:Ts2012.3.4a.jpg|thumb|left|Εικ.4a:Θετικός συσχετισμός εμβαδού και μέσης επιφανειακής θερμοκρασίας, με επιλογή 2 άνισων πολυγώνων βιομηχανικής χρήσης]]<br /> [[Εικόνα:Ts2012.3.5b.jpg|thumb|right|Εικ.5b:Ορθοφωτογραφία αναφοράς]][[Εικόνα:Ts2012.3.4b.jpg|thumb|left|Εικ.4b:Ορθοφωτογραφία αναφοράς]]<br /> Ένα παράδειγμα θετικού συσχετισμού μεταξύ του εμβαδού του πολυγώνου χρήσης γης και της μέσης <br /> επιφανειακής θερμοκρασίας φαίνεται στην εικόνα 4. Έχουν επιλεγεί δύο πολύγωνα ίδιας χρήσης (βιομηχανία), διαφορετικού εμβαδού '''(Εικ.4a,b)'''. Στο μικρότερο πολύγωνο η θερμοκρασία είναι 31.1οC, ενώ στο μεγαλύτερο η θερμοκρασία είναι αυξημένη στους 32.2οC. Παράδειγμα αρνητικού συσχετισμού παρουσιάζεται στην περίπτωση των πολυγώνων χώρων αναψυχής. Το μικρότερο πολύγωνο παρουσιάζει θερμοκρασία 25.2οC, ενώ το μεγαλύτερο 21.5οC '''(Εικ.5a,b)'''. <br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Όπως αναλύθηκε παραπάνω, η έρευνα έδειξε ότι η μεγαλύτερη τιμή μέσης επιφανειακής θερμοκρασίας εμφανίζεται σε εμπορικές και βιομηχανικές χρήσεις γης, εξαιτίας του μεγάλου ποσοστού δομήσιμης επιφάνειάς τους, του υλικού κατασκευής της οροφής/στέγης τους (σκυρόδεμα ή μέταλλο), της μικρής δυνατότητας εκπομπής τους και τέλος, της παντελούς έλλειψης βλάστησης. Αντίθετα, η βλάστηση στα πάρκα και τους χώρους αναψυχής λειτουργεί σαν ενδιάμεση ζώνη μεταξύ του εδάφους και της ηλιακής ακτινοβολίας, παρεμποδίζει τη δεύτερη να περάσει στο έδαφος και έτσι επιτυγχάνεται μείωση της επιφανειακής θερμοκρασίας. Οι περιοχές κατοικίας και διοίκησης/υπηρεσιών λειτουργούν περίπου στο ενδιάμεσο των δύο προηγούμενων κατηγοριών, καθώς συνδυάζουν δομήσιμη επιφάνεια και μικρό ποσοστό βλάστησης γύρω τους. Επιπλέον, η πυκνότητα των χρήσεων γης επηρεάζει με διαφορετικό τρόπο την επιφανειακή θερμοκρασία. Έτσι, μεγάλη πυκνότητα στη βιομηχανία οδηγεί σε αύξηση της θερμοκρασίας, ενώ αντίστοιχα μεγάλη πυκνότητα στους χώρους αναψυχής οδηγεί σε μείωσή της. <br /> <br /> Συμπερασματικά, τα αποτελέσματα αυτής της μελέτης θα μπορούσαν να χρησιμοποιηθούν από τους χωροτάκτες και τους νομοθέτες, για να μετριαστεί το φαινόμενο των Αστικών Νησίδων Θερμότητας, με τη χρήση π.χ. υλικών υψηλής ανακλαστικότητας στις οροφές των εμπορικών και βιομηχανικών δομήσιμων επιφανειών. Επιπλέον, θα μπορούσε να δοθεί μια σειρά κινήτρων φορολογικών ή επιδοτήσεων, έτσι ώστε να ληφθούν άμεσα μέτρα μείωσης του φαινομένου. Στο Τορόντο, το Μάιο του 2009 εισήχθη ένας κανονισμός ο οποίος επιβάλλει την κατασκευή πράσινης στέγης στο 20-60% όλων των νέων κτισμάτων με ανακλαστική επιφάνεια μεγαλύτερη των 2000τ.μ.. Επίσης, ενισχύθηκαν έργα δενδροφύτευσης σε οικιστικές περιοχές και επιβλήθηκε η εξασφάλιση αδείας για κοπή δέντρων.<br /> <br /> Ως προς την ακολουθούμενη μεθοδολογία της μελέτης, οι θερμικές δορυφορικές εικόνες δίνουν μετρήσεις μόνο για την επιφανειακή θερμοκρασία, οι οποίες δεν αντιπροσωπεύουν απόλυτα την έκθεση του ανθρώπου στη ζέστη. Επιπλέον, η ώρα της ημέρας κατά την οποία λαμβάνονται αυτές οι εικόνες είναι συγκεκριμένη (ο Landsat περνά πάνω από το Τορόντο πάντα στις 10:00π.μ.). Οπότε δεν έχουμε εικόνα των Αστικών Νησίδων Θερμότητας στις υπόλοιπες ώρες της ημέρας, οπότε υπάρχει κίνδυνος το φαινόμενο να μην εκτιμάται σε όλο του το εύρος.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Gadesign