http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Ioannina7&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%2FIoannina7 2026-05-31T01:47:14Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_MODIS_%CE%BA%CE%B1%CE%B9_SAR 2012-02-14T18:26:53Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Ανίχνευση πετρελαιοκηλίδων με χρήση δορυφορικών εικόνων MODIS και SAR <br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι να περιγράψει τη μεθοδολογία εντοπισμού πετρελαιοκηλίδων με την ανάλυση εικόνων SAR και MODIS.<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπήρχαν αεροφωτογραφίες, γινόταν μετρήσεις και χημικές αναλύσεις του νερού και παράγονταν χάρτες για την ποιότητα των νερών.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν δορυφορικές εικόνες SAR και MODIS.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης MODIS είναι το καταγραφικό όργανο του δορυφόρου TERRA και αν και έχει μικρή χωρική διακριτική ικανότητα, το μεγάλο εύρος σάρωσής του επιτρέπει την κατόπτευση εκτεταμένων περιοχών. Η μεγάλη χρονική διακριτική του ικανότητα επιτρέπει τη λήψη φωτογραφιών από περιοχές που μπορεί να έχουν μία ημέρα νεφοκάλυψη αλλά όχι την επόμενη. Έτσι μπορεί να συλλεχθεί μία σειρά ανέφελων τμημάτων μιας περιοχής και να συντεθεί ένα μωσαϊκό της περιοχής ενδιαφέροντος που να καλύπτει μεγάλη έκταση. <br /> Ο δέκτης SAR χρησιμοποιείται στη διαχείριση της παράκτιας ζώνης και δεν επηρεάζεται από τη νεφοκάλυψη. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η ρύπανση από πετρέλαιο επιφέρει εκτεταμένες καταστροφές στο θαλάσσιο και εδαφικό οικοσύστημα. Κάθε χρόνο τεράστιες ποσότητες πετρελαίου και παραγώγων του καταλήγουν στη θάλασσα, το υπόγειο νερό και το έδαφος λόγω διαρροής κατά τη μεταφορά τους ή από φυσικές πηγές, ατυχημάτων σε αποβάθρες, ατμοσφαιρικής διάθεσής τους κ.α. Η έγκαιρη και ακριβής ανίχνευση της θαλάσσιας ρύπανσης από πετρέλαιο παίζει καθοριστικό ρόλο στην αντιμετώπισή της, μολονότι θεωρείται από τις δυσκολότερες κατηγορίες ρύπανσης εξαιτίας του τεράστιου εύρους του ωκεανού σε σχέση με τα τεχνικά μέσα διαχείρισης του προβλήματος.<br /> Οι τεχνικές τηλεανίχνευσης (οπτικοί αισθητήρες, αεροφωτογραφίες, μικροκύματα, σήματα radar) της υδατικής ρύπανσης από πετρέλαιο χρησιμοποιούνται συχνά για τον γρήγορο εντοπισμό των επιβλαβών ουσιών και μετρήσεις στο επιφανειακό νερό με στόχο την διατήρηση των οικοσυστημάτων θαλασσών και λιμνών. Ο δέκτης SAR (radar με συνθετικό άνοιγμα κεραίας, synthetic aperture radar) είναι ο πλέον διαδεδομένος για τον εντοπισμό τέτοιων συμβάντων θαλάσσιας ρύπανσης, εφόσον τα χαρακτηριστικά του οπισθοσκεδαζόμενου σήματος που καταγράφει έχουν τροποποιηθεί κατά τη διαδικασία της ανάκλασης στην επιφάνεια της γης και φέρουν έτσι πληροφορίες για τα γεωμετρικά και διηλεκτρικά χαρακτηριστικά της. Μία ωκεάνια πετρελαιοκηλίδα έχει μεγαλύτερη επιφανειακή τάση από το νερό, απορροφά τα κύματα που εκπέμπει το radar και κατά συνέπεια οι περιοχές που έχουν ρυπανθεί εμφανίζονται μαύρες στις εικόνες του SAR. Επίσης, τα σήματα που εκπέμπει και καταγράφει το radar δεν επηρεάζονται από τη νεφοκάλυψη. Ωστόσο ο χρόνος και το κόστος που απαιτεί η μελέτη ενός «προβλήματος» με τη χρήση εικόνων SAR κινητοποιεί τους ερευνητές να χρησιμοποιήσουν νέες τεχνικές τηλεπισκόπησης (π.χ. SeaWiFS το 1997, MODIS το 1999, MERIS το 2002).<br /> Ο Hu το 2003 χρησιμοποίησε δορυφορικές εικόνες MODIS διακριτικής ικανότητας 250 m για να μελετήσει πετρελαιοκηλίδες στη λίμνη Βενεζουέλα. Ο ίδιος ερευνητής το 2009 διαπίστωσε ότι εάν υπάρχει ηλιακή λάμψη στις εικόνες MODIS, υπάρχει και υψηλή αντίθεση μεταξύ των πετρελαιοκηλίδων και του νερού. <br /> Στην παρούσα εργασία παρατίθενται παραδείγματα ανίχνευσης πετρελαιοκηλίδων με χρήση εικόνων MODIS διακριτικής ικανότητας 250 m και RADARSAT-1 SAR διακριτικής ικανότητας 25 m. Οι εικόνες MODIS αποκτήθηκαν δωρεάν από το Κέντρο Δορυφορικών Πτήσεων Goddard της ΝΑSA και κάλυπταν το δυτικό τμήμα του κόλπου του Μεξικό, όπου υπήρχαν πολλές πετρελαιοκηλίδες. Οι εικόνες SAR προήλθαν από το πρόγραμμα AKDEMO της Αλάσκα και κάλυπταν το NE GOM, όπου ξεκίνησε στις 20 Απριλίου του 2010 ένα τραγικό περιστατικό θαλάσσιας ρύπανσης από πετρελαιοκηλίδα. Οι τελευταίες γεωαναφέρθηκαν, έγινε επεξεργασία τους με το λογισμικό ENVI και αποθηκεύτηκαν σε γραφικό περιβάλλον PNG στο πανεπιστήμιο της Αλάσκα στο τμήμα δορυφορικών εγκαταστάσεων (ASF). Το άλλο παράδειγμα που παρουσιάζεται αφορά στη θάλασσα της ανατολικής Κίνας, όπου υφίσταται ρύπανση από πετρέλαιο λόγω εδαφικής διάθεσης και κυκλοφορίας πλοίων. <br /> Τα βήματα στη διαδικασία επεξεργασίας των εικόνων MODIS έιναι τα ακόλουθα:<br /> 1.Απόκτηση των δεδομένων από τη NASA<br /> 2.Επεξεργασία των δεδομένων με το σύστημα SeaDAS έκδοσης 5.1 και αποθήκευσή του σε ιεραρχική βάση δεδομένων (HDF) σαν αρχεία ηλεκτρονικού υπολογιστή<br /> 3.Διόρθωση των δεδομένων για επιρροή της σκέδασης Rayleigh και απορρόφηση αερίων. Η διορθωμένη ανακλαστικότητα Rayleigh δίνεται από την εξίσωση:<br /> Rrc,λ(θ0, θ, Δφ)=[πLt,λ(θ0, θ, Δφ)]/[Fολ*cosθ0]-Rr,λ(θ0, θ, Δφ), όπου<br /> λ το μήκος κύματος από το κανάλι του MODIS, Lt η διορθωμένη ακτινοβολία για απορρόφηση αερίων, F0 η διαστημική ηλιακή ακτινοβολία, θ0 η ηλιακή γωνία του ζενίθ, θ η γωνία του ζενίθ για το δέκτη, Δφ το αζιμούθιο μεταξύ δορυφόρου και ήλιου και Rr η ανακλαστικότητα λόγω της σκέδασης Rayleigh. <br /> Στο βήμα αυτό χρησιμοποιήθηκε το λογισμικό CREFL από το πανεπιστήμιο Wisconsin (Liam Gumley). Τα δεδομένα Rrc για τα κανάλια του MODIS αποθηκεύτηκαν σε HDF σαν αρχεία ηλεκτρονικού υπολογιστή.<br /> 4. Τα δεδομένα Rrc γεωαναφέρθηκαν σε κυλινδρικό προβολικό σύστημα.<br /> 5. Τα γεωαναφερμένα δεδομένα που ανήκαν στις φασματικές τιμές 645, 555 και 469 nm μετατράπηκαν σε κόκκινο, πράσινο, μπλε κανάλι αντίστοιχα με χρήση γραμμικής ενίσχυσης.<br /> 6. Έγινε επεξεργασία της εικόνας RGB με το λογισμικό ENVI. Τα χρώματα της εικόνας ενισχύονται γραμμικά λαμβάνοντας τιμές από το 0 έως το 255 ώστε να καλυφτεί ολόκληρη η περιοχή ενδιαφέροντος. Επειδή με αυτό τον τρόπο δεν είναι εμφανείς κάποιες λεπτομέρειες, ακολουθεί γκαουσσιανή ενίσχυση.<br /> <br /> Η Εικόνα 1 παρουσιάζει την αρχική εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β).<br /> [[Εικόνα:Petrelaiokilida.jpg|thumb|right|H αρχική εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β),Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> <br /> <br /> Η Εικόνα 2 παρουσιάζει ενισχυμένη κατά Gauss την εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β).<br /> [[Εικόνα:Petrelaiokilida1.jpg|thumb|right|H ενισχυμένη κατά Gauss εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β),Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> <br /> Οι Εικόνες 3α και 3β παρουσιάζουν εικόνες MODIS και SAR αντίστοιχα του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες. Τα δεδομένα έχουν διαφορά λήψης 4,5 ώρες αλλά οι πετρελαιοκηλίδες φαίνονται πανομοιότυπες. Η Εικόνα 3α έχει υποστεί χρωματική ενίσχυση κατά Gauss με τη χρήση του λογισμικού ENVI.<br /> [[Εικόνα:Petrelaiokilida2.jpg|thumb|right|Εικόνα MODIS του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες. Η Εικόνα έχει υποστεί χρωματική ενίσχυση κατά Gauss με τη χρήση του λογισμικού ENVI,(3β)Εικόνα SAR του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες,Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> [[Εικόνα:Petrelaiokilida3.jpg|thumb|right|Εικόνα SAR του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες,Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> <br /> <br /> Οι εικόνες 4α και 4β παρουσιάζουν εικόνες MODIS που ελήφθησαν στις 13/5/2001 και 24/5/2001 αντίστοιχα και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό. Οι εικόνες έχουν αντίστοιχα θετική και αρνητική αντίθεση σε σχέση με τον περιβάλλοντα χώρο λόγω ηλιακής ακτινοβολίας (Hu, 2009).<br /> [[Εικόνα:Petrelaiokilida5.jpg|thumb|right|α) Εικόνα MODIS στις 13/5/2001 με θετική αντίθεση σε σχέση με τον περιβάλλοντα χώρο και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό (β) Εικόνα MODIS στις 24/5/2001 με αρνητική αντίθεση σε σχέση με τον περιβάλλοντα χώρο και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό,Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> <br /> <br /> Η Εικόνα 5 παρουσιάζει μία δορυφορική φωτογραφία MODIS με επιφανειακά χαρακτηριστικά που φέρονται να είναι πετρελαιοκηλίδες στην ανατολική Κίνα.<br /> [[Εικόνα:Petrelaiokilida6.jpg|thumb|right|Δορυφορική φωτογραφία MODIS με επιφανειακά χαρακτηριστικά που φέρονται να είναι πετρελαιοκηλίδες στην ανατολική Κίνα,Πηγή:http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf]]<br /> <br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Οι δορυφορικές φωτογραφίες που παρατέθηκαν στην εργασία δείχνουν ξεκάθαρα ότι η δορυφορική τηλεπισκόπιση παίζει σπουδαίο ρόλο στην διαχείριση θαλάσσιας ρύπανσης από πετρέλαιο. Τα δεδομένα των δεκτών SAR και MODIS κρίνονται ως τα πλέον κατάλληλα για τέτοιες εφαρμογές με αυτά του MODIS να υπερτερούν ως προς το κόστος (χαμηλότερο) και της μεγαλύτερης κάλυψης. <br /> <br /> Πηγή<br /> 1. Chuanmin Hu - Xiaofeng Li - William G. Pichel, «Detection of Oil Slicks using MODIS and SAR Imagery»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_GDD_(Growing_Degree_Days)_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_Landsat-7_ETM%2B_%CE%BA%CE%B1%CE%B9_MODIS 2012-02-14T18:03:17Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Χαρτογράφηση του θερμοκρασιακού δείκτη GDD (Growing Degree Days) με τη χρήση δορυφορικών δεδομένων Landsat-7 ETM+ και MODIS <br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι ο προσδιορισμός του αριθμού των ημερών κατά τις οποίες η θερμοκρασία του αέρα υπερβαίνει μία θερμοκρασία αναφοράς και η χαρτογράφηση των αποτελεσμάτων σε υψηλής χωρικής ανάλυσης απεικονίσεις των 28,5 m. H ανάλυση βασίστηκε σε προηγούμενα αποτελέσματα του Hassan (J. Applied Remote Sens., 1, 013511, 12p, 2007) με διακριτική ικανότητα 1 km. Επειδή ο δείκτης GDD χρησιμοποιείται κυρίως στη διαχείριση της ανάπτυξης των φυτών και την αγροτική παραγωγή αναλύθηκαν δορυφορικές εικόνες Landsat-7 ETM+ της περιόδου 1999 έως 2002 και σύνθετα 16 ημερών για τον δείκτη βλάστησης της περιόδου 2003 έως 2005 από τον MODIS (Moderate Resolution Imaging Spectroradiometer). Η διαδικασία εφαρμόστηκε σε δορυφορικά και κλιματικά δεδομένα για μία Καναδική Επαρχία με την ονομασία Nova Scotia. <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπήρχαν μετρήσεις της θερμοκρασίας και μοντέλα πρόβλεψής της.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat-7 ETM+ της περιόδου 1999 έως 2002 και σύνθετα του δείκτη βλάστησης της περιόδου 2003 έως 2005 που προέκυψαν από τον MODIS.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> Ο δέκτης MODIS είναι το καταγραφικό όργανο του δορυφόρου TERRA και αν και έχει μικρή χωρική διακριτική ικανότητα, το μεγάλο εύρος σάρωσής του επιτρέπει την κατόπτευση εκτεταμένων περιοχών. Η μεγάλη χρονική διακριτική του ικανότητα επιτρέπει τη λήψη φωτογραφιών από περιοχές που μπορεί να έχουν μία ημέρα νεφοκάλυψη αλλά όχι την επόμενη. Έτσι μπορεί να συλλεχθεί μία σειρά ανέφελων τμημάτων μιας περιοχής και να συντεθεί ένα μωσαϊκό της περιοχής ενδιαφέροντος που να καλύπτει μεγάλη έκταση. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Ο ρόλος της θερμοκρασίας στον κύκλο ζωής των φυτών είναι πολύ σημαντικός, διότι είναι παράγοντας που συμμετέχει σε διαδικασίες όπως η εξατμισοδιαπνοή, η φωτοσύνθεση, η αναπνοή, η μετακίνηση νερού και θρεπτικών συστατικών μέσα στο φυτό. Ο δείκτης GDD ορίζεται ως η εποχική απόκλιση της μέσης ημερήσιας θερμοκρασίας του αέρα από μία τιμή θερμοκρασίας κάτω από την οποία δεν υφίσταται φυτική ανάπτυξη. Στόχος της υπό εξέταση εργασίας είναι να αναπτυχθεί μία μεθοδολογία για τη βελτίωση της χωρικής ανάλυσης των χαρτών που εικονίζουν το GDD (διακριτικής ικανότητας 250 m) και να παραχθεί μία συγχωνευμένη εικόνα με διακριτική ικανότητα 28,5 m από δεδομένα Landsat-7 ETM+ και MODIS.<br /> Περιοχή ελέγχου αποτελεί η Nova Scotia του Καναδά, η οποία καλύπτεται από δάση στο 79% της έκτασής της και το κλίμα της επηρεάζεται αρκετά από την εγγύτητά της προς τον κόλπο Fundi στα βόρεια και τον Ατλαντικό ωκεανό στα νότια και ανατολικά. Χαρακτηρίζεται από δροσερό και υγρό κλίμα με μέση ετήσια θερμοκρασία 3,5-6,5°C και συνολική βροχόπτωση 900-1500 mm. <br /> Το αρχικό στάδιο στην εργασία είναι να παραχθεί ο βελτιωμένος δείκτης βλάστησης (EVI) από επιφανειακές ανακλαστικότητες του Landsat-7 ETM+ χρησιμοποιώντας τη μεθοδολογία των Huete et al εφόσον είναι γνωστό ότι οι εκτιμήσεις του GDD και τα σύνθετα του δείκτη βλάστησης συσχετίζονται. O δείκτης βλάστησης υπολογίζεται από τη σχέση 1. <br /> (1) EVI=2,5*(ρNIR-ρR)/(ρNIR+6ρR-7,5ρB+1) , όπου:<br /> ρκ η επιφανειακή ανακλαστικότητα που έχει διορθωθεί για την ατμοσφαιρική πίεση και κ το κανάλι για το οποίο υπολογίζεται η ανακλαστικότητα, δηλαδή το μπλε (Β), το κόκκινο (R) ή το εγγύς υπέρυθρο (NIR).<br /> Αν και οι σχέσεις του Huete εφαρμόζονται μόνο στην επεξεργασία δεδομένων MODIS για να υπολογιστεί ο δείκτης βλάστησης, οι ίδιες σχέσεις εφαρμόστηκαν και για τα δεδομένα Landsat επειδή οι 2 δέκτες έχουν τα ίδια κανάλια (μπλε, κόκκινο, εγγύς υπέρυθρο) και παρόμοια φασματικά πεδία τιμών. Για παράδειγμα στο μπλε κανάλι ο Landsat-7 ETM+ έχει φασματικές τιμές 0,450 έως 0,520 ενώ ο MODIS 0,459 έως 0,479. Οι τιμές του δείκτη βλάστησης που προέρχονται από τον Landsat μετατρέπονται σε μακροχρόνιες μέσες τιμές (ενώ αναφέρονταν σε συγκεκριμένες μέρες) χρησιμοποιώντας τιμές του MODIS της περιόδου 2003-2005. Κατόπιν, συγχωνεύονται οι μακροχρόνιες τιμές του δείκτη βλάστησης με τον χάρτη του GDD που έχει διακριτική ικανότητα 1 km. Τέλος, παράγεται χάρτης του GDD με βελτιωμένη ανάλυση για την περίοδο 1971-2000. <br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Στο ερευνητικό αυτό έργο παρουσιάστηκε μία μεθοδολογία παραγωγής χάρτη μακροχρόνιων τιμών του δείκτη GDD υψηλής διακριτικής ικανότητας (28,5 m) για την περίοδο 1971-2000 χρησιμοποιώντας δεδομένα επιφανειακής ανακλαστικότητας του Landsat-7 ETM+ ίδιας διακριτικής ικανότητας, δεδομένα για τον δείκτη βλάστησης από τον MODIS με διακριτική ικανότητα 250 m και έναν προϋπάρχων χάρτη του δείκτη GDD που είχε προκύψει αρχικά από δεδομένα του MODIS για την επιφανειακή θερμοκρασία με διακριτική ικανότητα 1 km. H καινοτομία της παρούσας εργασίας σε σχέση με προηγούμενες παρόμοιας φύσης έγκειται στο γεγονός ότι χρησιμοποιήθηκε η σχέση που υπάρχει ανάμεσα στο δείκτη βλάστησης και το GDD.<br /> Η Εικόνα 1 παρουσιάζει την χωρική διακύμανση (a) και τη διακύμανση στη συχνότητα (b) των μακροχρόνιων μέσων τιμών του δείκτη GDD σε χάρτη διακριτικής ικανότητας 28,5 m για την περίοδο 1971-2000. Παρουσιάζεται, επίσης, η συσχέτιση των τιμών GDD διακριτικής ικανότητας 250 m με τις μέσες τιμές GDD διακριτικής ικανότητας 28,5 m.<br /> [[Εικόνα:Xoriki_diakimansi.jpg|thumb|right|H χωρική διακύμανση (a), η διακύμανση στη συχνότητα (b) των μακροχρόνιων μέσων τιμών του δείκτη GDD σε χάρτη διακριτικής ικανότητας 28,5 m για την περίοδο 1971-2000 και η συσχέτιση των τιμών GDD διακριτικής ικανότητας 250 m με τις μέσες τιμές GDD διακριτικής ικανότητας 28,5 m (c),Πηγή:http://www.ucalgary.ca/qhassan/files/Hassan_JARS_2nd_GDD_07.pdf]]<br /> <br /> <br /> <br /> Πηγή<br /> 1. Quazi K. Hassan - Charles P. - A. Bourque - Fan-Rui Meng, «Application of Landsat-7 ETM+ and MODIS products in mapping seasonal accumulation of growing degree days at an enhanced resolution», Journal of Applied Remote Sensing, Vol. 1, 013539 (28 September 2007)<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CF%87%CF%8E%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%89%CF%84%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CF%8E%CE%BD_Landsat_ETM_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CE%B5_%CF%80%CE%B5%CF%80%CE%B5%CF%81%CE%B1%CF%83%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%83%CF%85%CE%BD%CE%B1%CF%81%CF%84%CE%AE%CF%83%CE%B5%CE%B9%CF%82_(wavelets) 2012-02-14T17:54:06Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Συγχώνευση δορυφορικών φωτογραφιών Landsat ETM βασισμένη σε πεπερασμένες συναρτήσεις (wavelets)<br /> <br /> Στόχος της εφαρμογής<br /> Στη παρούσα εργασία μελετάται η συγχώνευση παγχρωματικών (P) εικόνων του δορυφόρου Landsat ETM και πολυφασματικών (MS) εικόνων με στόχο να παραχθεί μία νέα εικόνα η οποία θα είναι βελτιωμένη φασματικά και θα έχει αποκτήσει υψηλότερη χωρική ανάλυση. Οι περιοχές ελέγχου που επιλέχτηκαν ήταν 3 εκτάσεις στο ευρωπαϊκό τμήμα της Κωνσταντινούπολης οι οποίες διέφεραν μεταξύ τους ως προς τις χρήσεις και καλύψεις της γης. Η εκτίμηση της χωρικής βελτίωσης έγινε με οπτική σύγκριση αντικειμένων διαφορετικής γεωμετρίας στη συγχωνευμένη εικόνα και την αρχική. Για την ανάλυση της φασματικής βελτίωσης συλλέχτηκαν περιοχές επάνω στις εικόνες με διαφορετικές καλύψεις γης, έγινε γραφική απεικόνισή τους για τη παραγόμενη εικόνα και την εικόνα MS και έλαβε χώρα μία σύγκριση μεταξύ τους. Ο βαθμός της φασματικής βελτίωσης εκτιμήθηκε με τη χρήση μίας συσχέτισης που δημιουργήθηκε μεταξύ της τελικής και της πολυφασματικής εικόνας για κάθε κανάλι. Τα αποτελέσματα για τις 3 περιοχές ελέγχου παρουσιάστηκαν με γραφικές παραστάσεις και στατιστικά στοιχεία. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν παγχρωματικές (P) εικόνες του δορυφόρου Landsat ETM και πολυφασματικές (MS) εικόνες.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η συγχώνευση των δορυφορικών δεδομένων χρησιμοποιείται για την καλύτερη αξιοποίηση της πληθώρας δεδομένων τα οποία καλύπτουν διαφορετικές φασματικές περιοχές και έχουν διαφορετικές χωρικές, χρονικές και φασματικές αναλύσεις. Σκοπός της συγχώνευσης είναι ο συνδυασμός δορυφορικών δεδομένων με διαφορετικά και συμπληρωματικά χαρακτηριστικά για τη δημιουργία μίας νέας εικόνας που θα περιλαμβάνει όσο το δυνατόν περισσότερα από τα χαρακτηριστικά και τις πληροφορίες των αρχικών δεδομένων. Παραδοσιακές τεχνικές συγχώνευσης δεδομένων τηλεανίχνευσης αποτελούν η ανάλυση στις κύριες συνιστώσες (PCA), ο μετασχηματισμός Brovey, η ανάλυση που βασίζεται στην ένταση του τόνου (IHS) και η συγχώνευση σε επίπεδο απόφασης.<br /> Στο παρόν ερευνητικό έργο η συγχωνευμένη εικόνα παράχθηκε από παγχρωματικά και πολυφασματικά δεδομένα του ίδιου δέκτη με σκοπό τη βελτίωση της χωρικής ανάλυσης της πολυφασματικής εικόνας. Επιλέχτηκε σαν περιοχή μελέτης η Κωνσταντινούπολη καθώς αποτελεί μητροπολιτική πόλη μεγάλου οικονομικού και τουριστικού ενδιαφέροντος. Συγκεκριμένα επιλέχτηκαν 3 περιοχές που έχουν ποικίλες χρήσεις και καλύψεις γης, όπως λ.χ. αυτοκινητοδρόμους, αεροδρόμια, αγροτικές καλλιέργειες, βιομηχανικές εκτάσεις στο ευρωπαϊκό τμήμα της πόλης.<br /> Οι Εικόνες 1α, 2α, 3α παρουσιάζουν τις αρχικές πολυφασματικές εικόνες Landsat, οι Εικόνες 1β, 2β, 3β παρουσιάζουν τις αρχικές παγχρωματικές εικόνες Landsat και οι Εικόνες 1γ, 2γ, 3γ παρουσιάζουν τις συγχωνευμένες εικόνες.<br /> [[Εικόνα:Eikones_landsat.jpg|thumb|right|1α, 2α, 3α: Οι πολυφασματικές εικόνες Landsat<br /> Εικόνες 1β, 2β, 3β: Οι παγχρωματικές εικόνες Landsat<br /> Εικόνες 1γ, 2γ, 3γ: Οι συγχωνευμένες εικόνες,Πηγή:http://www.isprs2007ist.itu.edu.tr/29.pdf]]<br /> <br /> Aπαραίτητη προϋπόθεση για την αξιοπιστία της μεθόδου συγχώνευσης είναι η γεωμετρική διόρθωση των αρχικών εικόνων. Στην υπό εξέταση περίπτωση χρησιμοποιήθηκαν πολυωνυμικές εξισώσεις πρώτου βαθμού και η εικόνα P προβλήθηκε σε μερκατορικό σύστημα συντεταγμένων με σημεία ελέγχου πάνω στο έδαφος που προέκυψαν από χάρτες κλίμακας 1:5000, ενώ η εικόνα MS προβλήθηκε στο ίδιο σύστημα με τη βοήθεια της διορθωμένης παγχρωματικής εικόνας. <br /> Η συγχώνευση μπορούσε να γίνει με 2 τρόπους:<br /> 1.την αντικατάσταση συντελεστών της εικόνας χαμηλότερης ανάλυσης από συντελεστές της εικόνας υψηλής ανάλυσης <br /> 2.την πρόσθεση συντελεστών της εικόνας υψηλής ανάλυσης στα δεδομένα της εικόνας χαμηλής ανάλυσης<br /> Τα βήματα που ακολουθήθηκαν στην διαδικασία συγχώνευσης ήταν τα ακόλουθα:<br /> 1.αποσύνθεση της παγχρωματικής εικόνας υψηλής ανάλυσης σε άλλες εικόνες P χαμηλής ανάλυσης με συντελεστές σε κάθε επίπεδο<br /> 2.αντικατάσταση μίας εικόνας P από ένα κανάλι εικόνας MS που να ανήκει στο ίδιο επίπεδο χωρικής ανάλυσης<br /> 3.αντίστροφος μετασχηματισμός με στόχο την μετατροπή στο αρχικό επίπεδο ανάλυσης της εικόνας που έχει αποσυντεθεί στο βήμα 1 και της εικόνας P που έχει αντικατασταθεί στο βήμα 2<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Η διαδικασία συγχώνευσης παρήγαγε 9 αποτελέσματα, δηλαδή 3 για κάθε μία από τις περιοχές. Κάθε αποτέλεσμα περιέχει διαφορετικές καλύψεις γης και οι ψηφιακές του τιμές για τα κανάλια 2, 3 και 4 αναφέρονται στην εικόνα MS. Η συγχωνευμένη εικόνα χρησιμοποιήθηκε για να προσδιοριστεί η συσχέτιση μεταξύ αυτής και της πολυφασματικής. Ο υψηλή συσχέτιση απέδειξε ότι τα φασματικά χαρακτηριστικά της εικόνας MS διατηρήθηκαν σε μεγάλο βαθμό. Οι καλύτερες συσχετίσεις έγιναν στην περιοχή εκείνη όπου υπήρχαν συμμετρικές αστικές δομές (π.χ. συμμετρικά βιομηχανικά κτίρια). Το θαλασσινό νερό έδωσε καλύτερα αποτελέσματα από τη λίμνη εφόσον η συγχώνευση αλλοίωσε τα φασματικά χαρακτηριστικά του νερού της λίμνης. Οι περιοχές αεροδρομίου και χωραφιών με γρασίδι έδωσαν υψηλές τιμές συσχέτισης. <br /> <br /> Η Εικόνα 2α είναι μία παγχρωματική φωτογραφία για τη μία περιοχή ελέγχου, η Εικόνα 2β αποτελεί μία πολυφασματική απεικόνιση της ίδιας περιοχής και η Εικόνα 2γ είναι το αποτέλεσμα της συγχώνευσης των προαναφερθεισών εικόνων. Είναι εμφανές ότι έγιναν σημαντικές βελτιώσεις στην ανάλυση γραμμικών κατασκευών, όπως ο αυτοκινητόδρομος και τα όρια αγροτικών καλλιεργειών και κτιρίων. Η συγχωνευμένη εικόνα έχει μεν καλύτερη χωρική ανάλυση από την πολυφασματική, αλλά χειρότερη από την παγχρωματική. Οι Εικόνες 3 παρουσιάζουν αντίστοιχες απόψεις για άλλη περιοχή ελέγχου.<br /> [[Εικόνα:Sinthesi.jpg|thumb|right|α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β,Πηγή:http://www.isprs2007ist.itu.edu.tr/29.pdf]]<br /> [[Εικόνα:Sinthesi1.jpg|thumb|right|α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β,Πηγή:http://www.isprs2007ist.itu.edu.tr/29.pdf]]<br /> <br /> <br /> Πηγή<br /> 1. F. Bektas Balcik - E. Sertel, «WAVELET-BASED IMAGE FUSION OF LANDSAT ETM IMAGES: A CASE STUDY FOR DIFFERENT LANDSCAPE CATEGORIES OF ISTANBUL»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B1%CF%81%CE%B9%CE%B8%CE%BC%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%80%CF%81%CF%8C%CE%B3%CE%BD%CF%89%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7_%CE%A3%CE%B1%CF%87%CE%AC%CF%81%CE%B1_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%84%CE%BC%CF%8C%CF%83%CF%86%CE%B1%CE%B9%CF%81%CE%B1 2012-02-14T17:43:33Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Χρήση δορυφορικών εικόνων και αριθμητικών μοντέλων πρόγνωσης για τη χαρτογράφηση της σκόνης από τη Σαχάρα στην ατμόσφαιρα<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι η χρήση εικόνων του ραδιομέτρου (καταγραφικού συστήματος δορυφόρου) AVHRR της ΝΟΑΑ (National Oceanic and Atmospheric Administration) και αριθμητικών μοντέλων πρόγνωσης για την ανίχνευση της σκόνης από τη Σαχάρα στην ατμόσφαιρα. Η ανάλυση των δεδομένων περιλαμβάνει διαδικασίες όπως μία απλή ενίσχυση της εικόνας και φτάνει μέχρι τη χρήση αριθμητικών μοντέλων μεταφοράς ακτινοβολίας μέσω της ατμόσφαιρας για την εκτίμηση της οπτικής πυκνότητας. Υπάρχουν σε εξέλιξη έρευνες που ασχολούνται με τη χαρτογράφηση των αεροζόλ στην ατμόσφαιρα και για το λόγο αυτό τα αποτελέσματα από τη χρήση δορυφορικών εικόνων συγκρίνονται με μετρήσεις οπτικής πυκνότητας των αεροζόλ από σταθμούς του συστήματος Aeronet.<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπάρχουν μετρήσεις των συγκεντρώσεων των σωματιδίων και αεροφωτογραφίες αερίων σωματιδίων (σκόνης).<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν εικόνες του ραδιομέτρου AVHRR της ΝΟΑΑ και αριθμητικών μοντέλων πρόγνωσης.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δορυφόροι ΝΟΑΑ αποτελούν τη δεύτερη σειρά μετεωρολογικών/ περιβαλλοντικών δορυφόρων πολικής τροχιάς της NASA και έχουν σκοπό τη μελέτη της ατμόσφαιρας και των ωκεανών. Το ραδιόμετρο AVHRR έχει πολύ υψηλή διακριτική ικανότητα και έχει τη δυνατότητα προσδιορισμού των μετεωρολογικών παραμέτρων, τη μελέτη του ενεργειακού ισοζυγίου, τον υπολογισμό της συγκέντρωσης του όζοντος και της ηλιακής ακτινοβολίας, αλλά και τη λήψη εικόνων επιφάνειας.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η μετακίνηση μέσω της ατμόσφαιρας ποσότητας σκόνης, που παράγεται από ορυκτά πετρώματα στην έρημο Σαχάρα της Αφρικής, επηρεάζει την Ευρώπη, αλλά και χώρες πέραν του Ατλαντικού ωκεανού. Τα σωματίδια της σκόνης περιορίζουν την ατμοσφαιρική ορατότητα, δημιουργούν προβλήματα στο αναπνευστικό σύστημα, επηρεάζουν τη δομή των εδαφών στον Ευρωπαϊκό χώρο και επιβαρύνουν την ατμόσφαιρα των χωρών της Νότιας Ευρώπης σε τέτοιο βαθμό ώστε να ξεπερνιούνται τα όρια που έχουν τεθεί από την Ευρωπαϊκή Ένωση για συγκεντρώσεις σωματιδίων.<br /> Το Εργαστήριο Τηλεπισκόπησης και Συστημάτων Γεωγραφικών Πληροφοριών του Πανεπιστημίου Αιγαίου σε συνεργασία με την Ομάδα Ατμοσφαιρικών μοντέλων και Πρόγνωσης Καιρού του Πανεπιστημίου Αθηνών εκπόνησαν μελέτη για την ανίχνευση της σκόνης από την Έρημο Σαχάρα χρησιμοποιώντας εικόνες του δορυφόρου AVHRR της ΝΟΑΑ και αναπτύσσοντας αριθμητικά μοντέλα πρόγνωσης. <br /> Συγκεκριμένα χρησιμοποιήθηκαν 4 εικόνες HRPT του αισθητήρα NOAA - 14 AVHRR, οι οποίες λήφθηκαν από το σταθμό SMARTechTM του Πανεπιστημίου Αιγαίου στις 19, 20, 21 και 22 Απριλίου το 1997. Η περιοχή μελέτης εκτείνεται από το Γιβραλτάρ έως την Κασπία θάλασσα και καλύπτει μέρος της βόρειας Αφρικής. Κάθε εικόνα έχει πλάτος περίπου 2253 km. Επίσης, επιλέχτηκαν 10 εικόνες των δεκτών ΝΟΑΑ-16 και ΝΟΑΑ-17 της περιόδου 15 έως 30 Ιουνίου του 2003 και έγινε επεξεργασία τους με τον κώδικα 6S, ο οποίος δίνει καλύτερα αποτελέσματα για τη μελέτη αεροζόλ με τον δέκτη AVHRR και είναι ιδιαίτερα ευέλικτος σε σχέση με προϋπάρχοντες κώδικες (π.χ. Dave).<br /> Τα βήματα που απαιτούνται ώστε να γίνει επεξεργασία των εικόνων NOAA - AVHRR και να χαρτογραφηθεί η σκόνη είναι τα εξής: <br /> Βαθμολόγηση καναλιών: Ο δέκτης NOAA - 14 AVHRR αποτελείται από 5 φασματικά κανάλια. Τα κανάλια 1 και 2 μετασχηματίζονται σε τιμές ακτινοβολίας με τη βοήθεια τύπων βαθμονόμησης μετά την πτήση που δίνουν το επί τοις εκατό ποσοστό λευκάγειας (albedo). Οι συντελεστές διόρθωσης λαμβάνονται από τον ιστόχωρο NOAASIS. Οι εξισώσεις που προτείνονται από τη NOAA για τον δέκτη NOAA - 14 AVHRR για τα 2 κανάλια είναι: L = (0.000118d + 0.557) * (C – 41) για το κανάλι 1 και L = (0.000122d + 0.423) * (C – 41) για το κανάλι 2, όπου L: η τιμή της ακτινοβολίας στο δορυφόρο, C: η ακατέργαστη ψηφιακή τιμή του εικονοστοιχείου, d: οι ημέρες μετά από την εκτόξευση (d = 0 για τις 30 Δεκεμβρίου 1994). Οι τιμές ακτινοβολίας στο δορυφόρο μετατρέπονται σε τιμές albedo (A) από την εξίσωση Α = L/F, όπου F: η εξωγήινη ηλιακή ακτινοβολία που ενσωματώνεται πάνω από την καμπύλη απόκρισης των καναλιών.<br /> Υπολογισμός των φαινόμενων θερμοκρασιών για τα κανάλια 3, 4 και 5: Τα κανάλια 3, 4 και 5 βαθμονομούνται χρησιμοποιώντας την εν πτήσει βαθμονόμηση. Αρχικά υπολογίζεται η φαινόμενη ακτινοβολία με τη χρήση των συντελεστών βαθμονόμησης που παίρνονται από κάθε 100η γραμμή από τα στοιχεία που στέλνει ο δορυφόρος και στη συνέχεια από το νόμο του Plank υπολογίζεται η λαμπρότητα της θερμοκρασίας. <br /> Μοντέλο επεξεργασίας εικόνας για την παραγωγή ποιοτικών χαρτών σκόνης: Ανιχνεύονται τα νέφη και η ξηρά.<br /> Διόρθωση γεωμετρικών παραμορφώσεων της εικόνας: Η γήινη περιστροφή κατά τη διάρκεια λήψης της εικόνας, το ελλειψοειδές σχήμα της γης και η παραμόρφωση των εικονοστοιχείων που βρίσκονται σε απόσταση από το δορυφορικό ναδίρ είναι παράγοντες που επιβάλλουν τη διόρθωση της εικόνας. Εφαρμόζονται μαθηματικές σχέσεις που συνδέουν τις συντεταγμένες των εικονοστοιχείων της εικόνας και τις συντεταγμένες των αντίστοιχων σημείων του χάρτη. Τα σημεία ελέγχου στο έδαφος για την εικόνα υπολογίζονται από το λογισμικό SmartTrack, ενώ η προβολή του χάρτη είναι γεωγραφική (φ, λ) και χρησιμοποιεί το datum WGS 72. Στη συνέχεια η εικόνα χρωματίζεται από μια ποιοτική παλέτα.<br /> Παραγωγή χαρτών σκόνης<br /> Τα αποτελέσματα της ανωτέρω διαδικασίας συγκρίνονται με τα αποτελέσματα της εφαρμογής του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ, που αναπτύχθηκε για να εφαρμοσθεί επιχειρησιακά στην Ελληνική Μετεωρολογική Υπηρεσία στα πλαίσια του έργου «Ανάπτυξη ενός συστήματος πρόγνωσης καιρού μεγάλης ακρίβειας σε υπολογιστές υψηλών επιδόσεων» και χρηματοδοτήθηκε από την Ελληνική Κυβέρνηση και την Ευρωπαϊκή Ένωση μέσω του προγράμματος ΕΠΕΤ ΙΙ της Γενικής Γραμματείας Έρευνας και Τεχνολογίας.<br /> Στο στάδιο της προεπεξεργασίας χρησιμοποιούνται μετεωρολογικές παράμετροι (γεωδυναμικό ύψος, συνιστώσες του ανέμου και υγρασία) που προκύπτουν από ένα μοντέλο μεγαλύτερης κλίμακας. Στη δομή του μοντέλου αναπτύχθηκε για να λειτουργήσει ένα ξεχωριστό τμήμα για την ατμοσφαιρική παραγωγή, τη μεταφορά και την εναπόθεση αδρανών ουσιών. Το τμήμα της μεταφοράς περιγράφεται με την εξίσωση της συνέχειας του Euler. Η απομάκρυνση της σκόνης από την ατμόσφαιρα πραγματοποιείται με δύο μηχανισμούς: την ξηρή και την υγρή εναπόθεση. Η ξηρή εναπόθεση στο μοντέλο παραμετροποιείται με βάση το σχήμα του Georgi (1986). Η υγρή απομάκρυνση σε κάθε επίπεδο του μοντέλου υπολογίζεται από τα κλάσματα της ευρείας κλίμακας κατακρήμνισης και της κατακρήμνισης λόγω σύγκλισης. Το κυρίως πρόγραμμα μετεπεξεργασίας είναι ένα και χρησιμοποιείται με σκοπό την ενοποίηση των πεδίων των διαφόρων ατμοσφαιρικών παραμέτρων τα οποία είναι χωρισμένα από τους διάφορους επεξεργαστές.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Υπάρχει σημαντική συμφωνία μεταξύ των χαρτών της σκόνης που προκύπτουν από τις δορυφορικές εικόνες και των αποτελεσμάτων του μοντέλου ΣΚΙΡΩΝ.<br /> Ένα από τα σημαντικά προβλήματα για τις εικόνες NOAA, που έχει ιδιαίτερη ένταση κατά τη διάρκεια της ανοιξιάτικης και θερινής περιόδου και μπορεί να οδηγήσει σε λανθασμένα συμπεράσματα, είναι η αντανάκλαση από το νερό του ήλιου. Ένα άλλο ιδιαίτερο πρόβλημα είναι η νεφοκάλυψη.<br /> <br /> Η Εικόνα 1α παρουσιάζει τη χαρτογράφηση της σκόνης της Σαχάρας από δεδομένα δορυφορικών εικόνων NOAA στις 19 Απριλίου του 1997 και η Εικόνα 1β τα αντίστοιχα αποτελέσματα με χρήση του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ.<br /> [[Εικόνα:Skoni_saxaras.jpg|thumb|right|H σκόνη της Σαχάρας από δεδομένα δορυφορικών εικόνων NOAA στις 19 Απριλίου του 1997,Πηγή:Χατζόπουλος Ιωάννης - Χωριατέλλη Χρυσομάλλη - Καντζάς Παντελής - Κάλλος Γεώργιος - Κατσαφάρδος Πέτρος - Χρήστος Σπύρου, «ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΣΚΟΝΗΣ ΑΠΟ ΤΗ ΣΑΧΑΡΑ ΣΤΗΝ ΑΤΜΟΣΦΑΙΡΑ ΜΕ ΤΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΠΡΟΓΝΩΣΗΣ»]]<br /> [[Εικόνα:Skoni_saxaras1.jpg|thumb|right|H σκόνη της Σαχάρας από τη χρήση του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ στις 19 Απριλίου του 1997,Πηγή:Χατζόπουλος Ιωάννης - Χωριατέλλη Χρυσομάλλη - Καντζάς Παντελής - Κάλλος Γεώργιος - Κατσαφάρδος Πέτρος - Χρήστος Σπύρου, «ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΣΚΟΝΗΣ ΑΠΟ ΤΗ ΣΑΧΑΡΑ ΣΤΗΝ ΑΤΜΟΣΦΑΙΡΑ ΜΕ ΤΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΠΡΟΓΝΩΣΗΣ»]]<br /> <br /> <br /> Τα αποτελέσματα της σύγκρισης των αποτελεσμάτων για την ατμοσφαιρική οπτική πυκνότητα από εικόνες AVHRR και AERONET ήταν πολύ ικανοποιητικά αφού έδειξαν μία συμφωνία τιμών μεταξύ AVHRR και AERONET με μέση απόκλιση 0.02 για το 1ο και 0.016 για το 2ο κανάλι<br /> <br /> <br /> Πηγή<br /> 1. Χατζόπουλος Ιωάννης - Χωριατέλλη Χρυσομάλλη - Καντζάς Παντελής - Κάλλος Γεώργιος - Κατσαφάρδος Πέτρος - Χρήστος Σπύρου, «ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΣΚΟΝΗΣ ΑΠΟ ΤΗ ΣΑΧΑΡΑ ΣΤΗΝ ΑΤΜΟΣΦΑΙΡΑ ΜΕ ΤΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΠΡΟΓΝΩΣΗΣ»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B4%CE%AC%CF%84%CE%B9%CE%BD%CF%89%CE%BD_%CF%80%CF%8C%CF%81%CF%89%CE%BD 2012-02-14T17:36:40Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Η χρήση της τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών στη διαχείριση των υδάτινων πόρων<br /> <br /> Στόχος της εφαρμογής<br /> Σκοπός της παρούσας μελέτης είναι να παρουσιαστούν οι μεθοδολογίες και τα αποτελέσματα του έργου REALDEMS (Remote Sensing Application for Land Cover and Digital Elevation Models Service). <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπάρχουν μαθηματικά μοντέλα και χάρτες για την αποτύπωση της ποσότητας του νερού σε επίπεδο λεκάνης απορροής, της επίπτωσης στην ποιότητα των παράκτιων, επιφανειακών και υπογείων υδάτων, τον προσδιορισμό της τροφικής κατάστασης υδάτινων μαζών, καθώς και τη διερεύνηση του περιβαλλοντικά βέλτιστου σχεδιασμού έργων διάθεσης και επαναχρησιμοποίησης λυμάτων και ιλύων. Υπάρχουν, για παράδειγμα, υδρολιθολογικοί χάρτες και χάρτες υδατοποιότητας. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Στα πλαίσια του έργου REALDEMS χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα του ραδιομέτρου ASTER (Advance Spaceborn Thermal Emission and Reflection Radiometer), δεδομένα του παγκόσμιου συστήματος προσδιορισμού θέσης GPS (Global Positioning System), καθώς και επιτόπιες παρατηρήσεις για τις περιοχές της Κρήτης και της Λέσβου. Από την ανάλυση των δεδομένων παρήχθησαν ψηφιακά μοντέλα εδάφους διακριτικής ικανότητας 15 έως 20 m και θεματικοί χάρτες κάλυψης γης. Τα προϊόντα αυτά χρησιμοποιήθηκαν για το χαρακτηρισμό λεκανών απορροής στη Κρήτη και τη Λέσβο με χρήση Γεωγραφικών Συστημάτων Πληροφοριών GIS (Geographic Information System).<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Το καταγραφικό όργανο του δορυφόρου TERRA, το ραδιόμετρο ASTER, χρησιμοποιείται για να λαμβάνει λεπτομερείς απεικονίσεις της επιφανειακής θερμοκρασίας της γης, της ανακλαστικότητας και του υψομέτρου.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Με στόχο την ορθολογική εκμετάλλευση και διαχείριση των υδάτινων πόρων θεσπίστηκε η Οδηγία 2000/60/EΚ στο πεδίο της πολιτικής των υδάτων. Σύμφωνα με την οδηγία αυτή, ο ποταμός μελετάται σε επίπεδο λεκάνης απορροής και ορίζεται ότι εντός της λεκάνης θα ασκείται διοικητική διάρθρωση με τέτοιο τρόπο ώστε να διασφαλίζεται η ορθή διαχείριση των υπόγειων και επιφανειακών υδάτων που ανήκουν στο ίδιο υδρογεωλογικό σύστημα. Επομένως, πρέπει να χρησιμοποιηθούν σύγχρονες τεχνικές για την εκτίμηση χωρικών κατανομών φυσικών παραμέτρων, καθώς και εργαστηριακές αναλύσεις για τον εντοπισμό χημικών ουσιών στο νερό και το έδαφος της λεκάνης. Το έργο REALDEMS που χρηματοδοτήθηκε από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας του Ιδρύματος Τεχνολογίας, το Jet Propulsion Laboratory της NASA, το Πανεπιστήμιο Αιγαίου και την εταιρεία PLANO A.E. έθετε σαν στόχο του την παραγωγή ψηφιακών μοντέλων εδάφους DEMs (Digital Elevation Models) και θεματικών χαρτών κάλυψης γης σε τοπικό επίπεδο για το χαρακτηρισμό λεκανών απορροής και την εφαρμογή υδρολογικών μοντέλων και κατά συνέπεια συνέβαλε στην εκτίμηση χωρικών κατανομών φυσικών παραμέτρων. <br /> Τα DEMs προέκυψαν με εφαρμογή φωτογραμμετρικών μεθόδων σε στερεοζεύγη εικόνων ASTER. Κάθε στερεοζεύγος περιλάμβανε εικόνες που είχαν ληφθεί στα φασματικά κανάλια του εγγύς υπερύθρου και διέθεταν στερεοσκοπική κάλυψη. <br /> Οι θεματικοί χάρτες κάλυψης του εδάφους παρήχθησαν με εφαρμογή μεθόδων επιβλεπόμενης ταξινόμησης σε πολυφασματικά δεδομένα ASTER.<br /> Οι επιτόπιες παρατηρήσεις καθόρισαν τις φασματικές υπογραφές σε δεδομένες περιοχές εκπαίδευσης για την πραγματοποίηση της επιβλεπόμενης ταξινόμησης.<br /> Η συλλογή μετρήσεων σε φωτοσταθερά σημεία στο πεδίο GCPs (Ground Control Points) πραγματοποιήθηκε με τη βοήθεια GPS. Αρχικά έγινε επιλογή των περιοχών στις οποίες θα λαμβάνονταν οι μετρήσεις, στη συνέχεια επισημάνθηκαν οι περιοχές αυτές στις εικόνες ASTER και εντοπίστηκαν σε αυτές διακριτά και εμφανή σημεία (π.χ. διασταυρώσεις δρόμων, φάροι, λιμενοβραχίονες, γέφυρες ποταμών, απότομες στροφές) έτσι ώστε αργότερα να μπορούν να προσδιοριστούν στην εικόνα με ακρίβεια ενός εικονοστοιχείου. <br /> Για την αξιολόγηση των παραγόμενων DEM χρησιμοποιήθηκαν τριγωνομετρικά σημεία της Γεωγραφικής Υπηρεσίας Στρατού από χάρτες με κλίμακα 1:5000 και σημεία ελέγχου που συλλέχθηκαν στο πεδίο αλλά δεν είχαν χρησιμοποιηθεί ως GCPs. Έγινε σύγκριση των υψών των τριγωνομετρικών σημείων με τα ύψη των αντίστοιχων σημείων του DEM. Για να εξαλειφθεί το οριζόντιο σφάλμα δημιουργήθηκαν κυκλικές ζώνες επέκτασης (buffers) ακτίνας 15 m γύρω από κάθε τριγωνομετρικό σημείο. Για κάθε ζώνη επέκτασης υπολογίστηκε η μέση τιμής του υψομέτρου των εικονοστοιχείων τα οποία περιλαμβάνονταν σε αυτή. Κατόπιν, η μέση τιμή συγκρίθηκε με την τιμή υψομέτρου του αντίστοιχου τριγωνομετρικού σημείου από το οποίο δημιουργήθηκε αρχικά το πολύγωνο ως ζώνη επέκτασης. Από τη σύγκριση αυτή προέκυψε το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) το οποίο αποτελεί μέτρο της διαφοράς των δύο πηγών υψομέτρων.<br /> Οι πολυφασματικές ορθοεικόνες που δημιουργήθηκαν από τις επιμέρους σκηνές ASTER, συνενώθηκαν σε μωσαϊκό για τις περιοχές της Κρήτης και της Λέσβου και οι αντίστοιχοι χάρτες κάλυψης γης παρήχθησαν με επιβλεπόμενη ταξινόμηση (αλγόριθμος της μέγιστης πιθανοφάνειας) στα μωσαϊκά αυτά, ώστε να καθοριστούν οι φασματικές υπογραφές για την ταξινόμηση των εικονοστοιχείων.<br /> Στην Εικόνα 1 παρουσιάζεται το παραγόμενο DEM για την περιοχή της Κρήτης, ως αποτέλεσμα της συνένωσης των DEM που παρήχθησαν από τις 12 επιμέρους σκηνές ASTER.<br /> [[Εικόνα:Dem1.jpg|thumb|right|Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης,Πηγή:http://asterweb.jpl.nasa.gov/]]<br /> [[Εικόνα:Dem.jpg|thumb|right|Ψευδόχρωμη κωδικοποίηση για την περιοχή της Κρήτης με το λευκό και τα σκούρα χρώματα να αντιστοιχούν σε μεγάλα υψόμετρα,Πηγή:http://asterweb.jpl.nasa.gov/]]<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Στην παρούσα εργασία παρουσιάστηκαν η μεθοδολογία που ακολουθήθηκε για την δημιουργία DEM, ορθοεικόνων και θεματικών χαρτών κάλυψης γης με βάση στερεοσκοπικά και πολυφασματικά δεδομένα του ραδιομέτρου ASTER για τις περιοχές της Κρήτης και της Λέσβου, στα πλαίσια του έργου REALDEMS. Τα προϊόντα της εφαρμογής REALDEMS χρησιμοποιήθηκαν στη συνέχεια για το χαρακτηρισμό λεκανών απορροής (κλίσεις και προσανατολισμοί επιφανειών, όρια λεκανών απορροής, όρια υπολεκανών κάθε λεκάνης, υδρογραφικό δίκτυο, καμπυλότητα επιφανειών) με εφαρμογή τεχνικών GIS.<br /> Για το σύνολο των σκηνών ASTER της περιοχής της Κρήτης το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) βρέθηκε στην πλειοψηφία των περιπτώσεων κάτω των 20 m, γεγονός που αποδεικνύει την αξιοπιστία της μεθόδου και την καταλληλότητα των τελικών της προϊόντων για εφαρμογές τοπικού χαρακτήρα, όπως ο χαρακτηρισμός λεκανών απορροής. Το μέγιστο υψόμετρο του παραχθέντος DEM είναι 2460 m, ο αριθμός των τριγωνομετρικών σημείων που χρησιμοποιήθηκαν για τη σύγκριση ήταν 1854 και το RMSE που υπολογίστηκε είναι 18,7 m. Η συνολική ακρίβεια της ταξινόμησης για την περίπτωση της Λέσβου κυμάνθηκε στο 61%, που κρίνεται ικανοποιητική για το είδος των διαθέσιμων δεδομένων.<br /> <br /> Πηγή<br /> 1. Νεκτάριος Χρυσουλάκης - Χαράλαμπος Φείδας - Δημήτριος Βελιανίτης, «ΣΥΝΔΥΑΣΜΕΝΗ ΧΡΗΣΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΚΑΙ ΓΕΩΦΡΑΦΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΓΙΑ ΤΗΝ ΥΠΟΣΤΗΡΙΞΗ ΤΗΣ ΕΝΙΑΙΑΣ ΔΙΑΧΕΙΡΙΣΗΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ: ΤΟ ΕΡΓΟ REALDEMS»<br /> 2. Η ιστοσελίδα http://asterweb.jpl.nasa.gov/<br /> 3. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B4%CE%AC%CF%84%CE%B9%CE%BD%CF%89%CE%BD_%CF%80%CF%8C%CF%81%CF%89%CE%BD 2012-02-14T17:35:57Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Η χρήση της τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών στη διαχείριση των υδάτινων πόρων<br /> <br /> Στόχος της εφαρμογής<br /> Σκοπός της παρούσας μελέτης είναι να παρουσιαστούν οι μεθοδολογίες και τα αποτελέσματα του έργου REALDEMS (Remote Sensing Application for Land Cover and Digital Elevation Models Service). <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπάρχουν μαθηματικά μοντέλα και χάρτες για την αποτύπωση της ποσότητας του νερού σε επίπεδο λεκάνης απορροής, της επίπτωσης στην ποιότητα των παράκτιων, επιφανειακών και υπογείων υδάτων, τον προσδιορισμό της τροφικής κατάστασης υδάτινων μαζών, καθώς και τη διερεύνηση του περιβαλλοντικά βέλτιστου σχεδιασμού έργων διάθεσης και επαναχρησιμοποίησης λυμάτων και ιλύων. Υπάρχουν, για παράδειγμα, υδρολιθολογικοί χάρτες και χάρτες υδατοποιότητας. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Στα πλαίσια του έργου REALDEMS χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα του ραδιομέτρου ASTER (Advance Spaceborn Thermal Emission and Reflection Radiometer), δεδομένα του παγκόσμιου συστήματος προσδιορισμού θέσης GPS (Global Positioning System), καθώς και επιτόπιες παρατηρήσεις για τις περιοχές της Κρήτης και της Λέσβου. Από την ανάλυση των δεδομένων παρήχθησαν ψηφιακά μοντέλα εδάφους διακριτικής ικανότητας 15 έως 20 m και θεματικοί χάρτες κάλυψης γης. Τα προϊόντα αυτά χρησιμοποιήθηκαν για το χαρακτηρισμό λεκανών απορροής στη Κρήτη και τη Λέσβο με χρήση Γεωγραφικών Συστημάτων Πληροφοριών GIS (Geographic Information System).<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Το καταγραφικό όργανο του δορυφόρου TERRA, το ραδιόμετρο ASTER, χρησιμοποιείται για να λαμβάνει λεπτομερείς απεικονίσεις της επιφανειακής θερμοκρασίας της γης, της ανακλαστικότητας και του υψομέτρου.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Με στόχο την ορθολογική εκμετάλλευση και διαχείριση των υδάτινων πόρων θεσπίστηκε η Οδηγία 2000/60/EΚ στο πεδίο της πολιτικής των υδάτων. Σύμφωνα με την οδηγία αυτή, ο ποταμός μελετάται σε επίπεδο λεκάνης απορροής και ορίζεται ότι εντός της λεκάνης θα ασκείται διοικητική διάρθρωση με τέτοιο τρόπο ώστε να διασφαλίζεται η ορθή διαχείριση των υπόγειων και επιφανειακών υδάτων που ανήκουν στο ίδιο υδρογεωλογικό σύστημα. Επομένως, πρέπει να χρησιμοποιηθούν σύγχρονες τεχνικές για την εκτίμηση χωρικών κατανομών φυσικών παραμέτρων, καθώς και εργαστηριακές αναλύσεις για τον εντοπισμό χημικών ουσιών στο νερό και το έδαφος της λεκάνης. Το έργο REALDEMS που χρηματοδοτήθηκε από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας του Ιδρύματος Τεχνολογίας, το Jet Propulsion Laboratory της NASA, το Πανεπιστήμιο Αιγαίου και την εταιρεία PLANO A.E. έθετε σαν στόχο του την παραγωγή ψηφιακών μοντέλων εδάφους DEMs (Digital Elevation Models) και θεματικών χαρτών κάλυψης γης σε τοπικό επίπεδο για το χαρακτηρισμό λεκανών απορροής και την εφαρμογή υδρολογικών μοντέλων και κατά συνέπεια συνέβαλε στην εκτίμηση χωρικών κατανομών φυσικών παραμέτρων. <br /> Τα DEMs προέκυψαν με εφαρμογή φωτογραμμετρικών μεθόδων σε στερεοζεύγη εικόνων ASTER. Κάθε στερεοζεύγος περιλάμβανε εικόνες που είχαν ληφθεί στα φασματικά κανάλια του εγγύς υπερύθρου και διέθεταν στερεοσκοπική κάλυψη. <br /> Οι θεματικοί χάρτες κάλυψης του εδάφους παρήχθησαν με εφαρμογή μεθόδων επιβλεπόμενης ταξινόμησης σε πολυφασματικά δεδομένα ASTER.<br /> Οι επιτόπιες παρατηρήσεις καθόρισαν τις φασματικές υπογραφές σε δεδομένες περιοχές εκπαίδευσης για την πραγματοποίηση της επιβλεπόμενης ταξινόμησης.<br /> Η συλλογή μετρήσεων σε φωτοσταθερά σημεία στο πεδίο GCPs (Ground Control Points) πραγματοποιήθηκε με τη βοήθεια GPS. Αρχικά έγινε επιλογή των περιοχών στις οποίες θα λαμβάνονταν οι μετρήσεις, στη συνέχεια επισημάνθηκαν οι περιοχές αυτές στις εικόνες ASTER και εντοπίστηκαν σε αυτές διακριτά και εμφανή σημεία (π.χ. διασταυρώσεις δρόμων, φάροι, λιμενοβραχίονες, γέφυρες ποταμών, απότομες στροφές) έτσι ώστε αργότερα να μπορούν να προσδιοριστούν στην εικόνα με ακρίβεια ενός εικονοστοιχείου. <br /> Για την αξιολόγηση των παραγόμενων DEM χρησιμοποιήθηκαν τριγωνομετρικά σημεία της Γεωγραφικής Υπηρεσίας Στρατού από χάρτες με κλίμακα 1:5000 και σημεία ελέγχου που συλλέχθηκαν στο πεδίο αλλά δεν είχαν χρησιμοποιηθεί ως GCPs. Έγινε σύγκριση των υψών των τριγωνομετρικών σημείων με τα ύψη των αντίστοιχων σημείων του DEM. Για να εξαλειφθεί το οριζόντιο σφάλμα δημιουργήθηκαν κυκλικές ζώνες επέκτασης (buffers) ακτίνας 15 m γύρω από κάθε τριγωνομετρικό σημείο. Για κάθε ζώνη επέκτασης υπολογίστηκε η μέση τιμής του υψομέτρου των εικονοστοιχείων τα οποία περιλαμβάνονταν σε αυτή. Κατόπιν, η μέση τιμή συγκρίθηκε με την τιμή υψομέτρου του αντίστοιχου τριγωνομετρικού σημείου από το οποίο δημιουργήθηκε αρχικά το πολύγωνο ως ζώνη επέκτασης. Από τη σύγκριση αυτή προέκυψε το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) το οποίο αποτελεί μέτρο της διαφοράς των δύο πηγών υψομέτρων.<br /> Οι πολυφασματικές ορθοεικόνες που δημιουργήθηκαν από τις επιμέρους σκηνές ASTER, συνενώθηκαν σε μωσαϊκό για τις περιοχές της Κρήτης και της Λέσβου και οι αντίστοιχοι χάρτες κάλυψης γης παρήχθησαν με επιβλεπόμενη ταξινόμηση (αλγόριθμος της μέγιστης πιθανοφάνειας) στα μωσαϊκά αυτά, ώστε να καθοριστούν οι φασματικές υπογραφές για την ταξινόμηση των εικονοστοιχείων.<br /> Στην Εικόνα 1 παρουσιάζεται το παραγόμενο DEM για την περιοχή της Κρήτης, ως αποτέλεσμα της συνένωσης των DEM που παρήχθησαν από τις 12 επιμέρους σκηνές ASTER.<br /> [[Εικόνα:Dem.jpg|thumb|right|Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης,Πηγή:http://asterweb.jpl.nasa.gov/]]<br /> [[Εικόνα:Dem1.jpg|thumb|right|Ψευδόχρωμη κωδικοποίηση για την περιοχή της Κρήτης με το λευκό και τα σκούρα χρώματα να αντιστοιχούν σε μεγάλα υψόμετρα,Πηγή:http://asterweb.jpl.nasa.gov/]]<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Στην παρούσα εργασία παρουσιάστηκαν η μεθοδολογία που ακολουθήθηκε για την δημιουργία DEM, ορθοεικόνων και θεματικών χαρτών κάλυψης γης με βάση στερεοσκοπικά και πολυφασματικά δεδομένα του ραδιομέτρου ASTER για τις περιοχές της Κρήτης και της Λέσβου, στα πλαίσια του έργου REALDEMS. Τα προϊόντα της εφαρμογής REALDEMS χρησιμοποιήθηκαν στη συνέχεια για το χαρακτηρισμό λεκανών απορροής (κλίσεις και προσανατολισμοί επιφανειών, όρια λεκανών απορροής, όρια υπολεκανών κάθε λεκάνης, υδρογραφικό δίκτυο, καμπυλότητα επιφανειών) με εφαρμογή τεχνικών GIS.<br /> Για το σύνολο των σκηνών ASTER της περιοχής της Κρήτης το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) βρέθηκε στην πλειοψηφία των περιπτώσεων κάτω των 20 m, γεγονός που αποδεικνύει την αξιοπιστία της μεθόδου και την καταλληλότητα των τελικών της προϊόντων για εφαρμογές τοπικού χαρακτήρα, όπως ο χαρακτηρισμός λεκανών απορροής. Το μέγιστο υψόμετρο του παραχθέντος DEM είναι 2460 m, ο αριθμός των τριγωνομετρικών σημείων που χρησιμοποιήθηκαν για τη σύγκριση ήταν 1854 και το RMSE που υπολογίστηκε είναι 18,7 m. Η συνολική ακρίβεια της ταξινόμησης για την περίπτωση της Λέσβου κυμάνθηκε στο 61%, που κρίνεται ικανοποιητική για το είδος των διαθέσιμων δεδομένων.<br /> <br /> Πηγή<br /> 1. Νεκτάριος Χρυσουλάκης - Χαράλαμπος Φείδας - Δημήτριος Βελιανίτης, «ΣΥΝΔΥΑΣΜΕΝΗ ΧΡΗΣΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΚΑΙ ΓΕΩΦΡΑΦΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΓΙΑ ΤΗΝ ΥΠΟΣΤΗΡΙΞΗ ΤΗΣ ΕΝΙΑΙΑΣ ΔΙΑΧΕΙΡΙΣΗΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ: ΤΟ ΕΡΓΟ REALDEMS»<br /> 2. Η ιστοσελίδα http://asterweb.jpl.nasa.gov/<br /> 3. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 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_%CF%81%CE%B5%CF%85%CF%83%CF%84%CE%BF%CF%80%CE%BF%CE%B9%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%B2%CE%BF%CE%AE%CE%B8%CE%B5%CE%B9%CE%B1_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD 2012-02-14T17:15:40Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Εντοπισμός ρευστοποιήσεων με τη βοήθεια δορυφορικών εικόνων<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι να παρουσιάσει τη χρησιμότητα των δορυφορικών εικόνων στον εντοπισμό περιοχών που βίωσαν φαινόμενα ρευστοποίησης και στον προσδιορισμό εκείνων που κινδυνεύουν να ρευστοποιηθούν κατά τη διάρκεια ενός σεισμού. Συγκεκριμένα μελετώνται η περιοχή Nankai και περιοχές της Ηλείας, όπου η μεν πρώτη ρευστοποιήθηκε κατά το σεισμό του Kobe (Μ=7,2R), ενώ η δε δεύτερη κατά το σεισμό του Πύργου (M=5,5R).<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Μέχρι τώρα η έρευνα για την διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές, βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κ.λ.π. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Από την ανάλυση δορυφορικών εικόνων στην περιοχή μεταξύ 2,08 έως 2,35 μm, που αντιστοιχεί στο κανάλι του μέσου υπέρυθρου του Landsat TM, προέκυψε ότι οι περιοχές Nankai και Ηλεία εμφανίζονταν λευκές στη δυαδική εικόνα και είχαν τιμές threshold 27 και 35 αντίστοιχα. Η μικρή διαφορά στις τιμές οφειλόταν στην διαφορετική χρήση γης στις 2 περιοχές. Η περιοχή Nankai ήταν αστικοποιημένη, ενώ η Ηλεία ήταν χέρσο έδαφος. <br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η δυνατότητα προσδιορισμού των διαφόρων ειδών γεωλογικών σχηματισμών από την ανάλυση δορυφορικών εικόνων αποτελεί τη βάση για τον εντοπισμό και εκείνων των περιοχών που κινδυνεύουν να εμφανίσουν ή έχουν εμφανίσει απώλεια της διατμητικής τους αντοχής (ρευστοποίηση) κατά τη διάρκεια σεισμών. Τα τηλεσκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα έρευνα είναι ψηφιακές δορυφορικές εικόνες Landsat 5 TM όπου εικονίζονται οι περιοχές Nankai της Κεντρικής Ιαπωνίας και περιοχές της Ηλείας. Τα δεδομένα αναλύθηκαν στο κανάλι 7 του Landsat διότι συνεισφέρει στη διάκριση επιφανειακών γεωλογικών σχηματισμών, την αναγνώριση ζωνών που προκύπτουν από θερμική εξαλλοίωση πετρωμάτων και υποδεικνύει περιοχές με χαλαρά ιζήματα, όπως άμμοι και ιλύες, άρα βοηθάει και στον προσδιορισμό περιοχών που είναι επιρρεπείς στη ρευστοποίηση εφόσον οι άμμοι και οι ιλύες κινδυνεύουν πιο πολύ από το φαινόμενο αυτό, ειδικά αν περιέχουν νερό. <br /> Μέχρι τώρα η έρευνα για τη διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κλπ με εξαιρετικά υψηλό κόστος. <br /> Στην περίπτωση που εξετάζουμε καθορίστηκε αρχικά μια αρχική τιμή (threshold) μεταξύ 0 και 256 για τη δημιουργία της πρώτης επεξεργασμένης εικόνας. Έγινε, δηλαδή, επέμβαση στο ιστόγραμμα της ψηφιακής εικόνας και προέκυψε μια ασπρόμαυρη. Τα pixels που είχαν 256 αποχρώσεις του γκρι χωρίστηκαν και πήραν τις τιμές 0 για το μαύρο και 255 για το άσπρο. Έτσι, οι περιοχές με την υψηλότερη ανάκλαση έγιναν άσπρες και οι περιοχές με τη μεγαλύτερη απορρόφηση έγιναν μαύρες. Στη συνέχεια δόθηκαν άλλες τιμές ως αρχική τιμή και η διαδικασία σταμάτησε όταν η παραγόμενη εικόνα έμοιαζε αρκετά με τον χάρτη κατανομής των ρευστοποιήσεων στις 2 περιοχές. Τελικά διαπιστώθηκε ότι οι λευκές περιοχές των ψηφιακών εικόνων ταυτίζονταν με τις ρευστοποιημένες περιοχές.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Η ανάλυση δορυφορικών εικόνων μπορεί να συμβάλλει στον εντοπισμό περιοχών που αντιμετωπίζουν προβλήματα ρευστοποιήσεων γρήγορα και με χαμηλό κόστος. Η αύξηση της διακριτικής ικανότητας των τηλεσκοπικών δεδομένων θα βοηθήσει στη χρήση της τηλεπισκόπησης σαν αντικειμενικό στοιχείο προσδιορισμού της επικινδυνότητας για ρευστοποίηση.<br /> Η Εικόνα 1 παρουσιάζει το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe και η Εικόνα 2 είναι η επεξεργασμένη δυαδική μορφή για την ίδια περιοχή με τιμή threshold 27.<br /> [[Εικόνα:Kanali_7.jpg|thumb|right|Το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe,Πηγή:Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο]]<br /> [[Εικόνα:Diadiki_morfi.jpg|thumb|right|Η επεξεργασμένη δυαδική μορφή της φωτογραφίας του Kobe (τιμή threshold 27),Πηγή:Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο]]<br /> <br /> Πηγή<br /> 1. Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 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_%CF%81%CE%B5%CF%85%CF%83%CF%84%CE%BF%CF%80%CE%BF%CE%B9%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%B2%CE%BF%CE%AE%CE%B8%CE%B5%CE%B9%CE%B1_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD 2012-02-14T17:12:08Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Εντοπισμός ρευστοποιήσεων με τη βοήθεια δορυφορικών εικόνων<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι να παρουσιάσει τη χρησιμότητα των δορυφορικών εικόνων στον εντοπισμό περιοχών που βίωσαν φαινόμενα ρευστοποίησης και στον προσδιορισμό εκείνων που κινδυνεύουν να ρευστοποιηθούν κατά τη διάρκεια ενός σεισμού. Συγκεκριμένα μελετώνται η περιοχή Nankai και περιοχές της Ηλείας, όπου η μεν πρώτη ρευστοποιήθηκε κατά το σεισμό του Kobe (Μ=7,2R), ενώ η δε δεύτερη κατά το σεισμό του Πύργου (M=5,5R).<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Μέχρι τώρα η έρευνα για την διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές, βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κ.λ.π. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Από την ανάλυση δορυφορικών εικόνων στην περιοχή μεταξύ 2,08 έως 2,35 μm, που αντιστοιχεί στο κανάλι του μέσου υπέρυθρου του Landsat TM, προέκυψε ότι οι περιοχές Nankai και Ηλεία εμφανίζονταν λευκές στη δυαδική εικόνα και είχαν τιμές threshold 27 και 35 αντίστοιχα. Η μικρή διαφορά στις τιμές οφειλόταν στην διαφορετική χρήση γης στις 2 περιοχές. Η περιοχή Nankai ήταν αστικοποιημένη, ενώ η Ηλεία ήταν χέρσο έδαφος. <br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η δυνατότητα προσδιορισμού των διαφόρων ειδών γεωλογικών σχηματισμών από την ανάλυση δορυφορικών εικόνων αποτελεί τη βάση για τον εντοπισμό και εκείνων των περιοχών που κινδυνεύουν να εμφανίσουν ή έχουν εμφανίσει απώλεια της διατμητικής τους αντοχής (ρευστοποίηση) κατά τη διάρκεια σεισμών. Τα τηλεσκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα έρευνα είναι ψηφιακές δορυφορικές εικόνες Landsat 5 TM όπου εικονίζονται οι περιοχές Nankai της Κεντρικής Ιαπωνίας και περιοχές της Ηλείας. Τα δεδομένα αναλύθηκαν στο κανάλι 7 του Landsat διότι συνεισφέρει στη διάκριση επιφανειακών γεωλογικών σχηματισμών, την αναγνώριση ζωνών που προκύπτουν από θερμική εξαλλοίωση πετρωμάτων και υποδεικνύει περιοχές με χαλαρά ιζήματα, όπως άμμοι και ιλύες, άρα βοηθάει και στον προσδιορισμό περιοχών που είναι επιρρεπείς στη ρευστοποίηση εφόσον οι άμμοι και οι ιλύες κινδυνεύουν πιο πολύ από το φαινόμενο αυτό, ειδικά αν περιέχουν νερό. <br /> Μέχρι τώρα η έρευνα για τη διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κλπ με εξαιρετικά υψηλό κόστος. <br /> Στην περίπτωση που εξετάζουμε καθορίστηκε αρχικά μια αρχική τιμή (threshold) μεταξύ 0 και 256 για τη δημιουργία της πρώτης επεξεργασμένης εικόνας. Έγινε, δηλαδή, επέμβαση στο ιστόγραμμα της ψηφιακής εικόνας και προέκυψε μια ασπρόμαυρη. Τα pixels που είχαν 256 αποχρώσεις του γκρι χωρίστηκαν και πήραν τις τιμές 0 για το μαύρο και 255 για το άσπρο. Έτσι, οι περιοχές με την υψηλότερη ανάκλαση έγιναν άσπρες και οι περιοχές με τη μεγαλύτερη απορρόφηση έγιναν μαύρες. Στη συνέχεια δόθηκαν άλλες τιμές ως αρχική τιμή και η διαδικασία σταμάτησε όταν η παραγόμενη εικόνα έμοιαζε αρκετά με τον χάρτη κατανομής των ρευστοποιήσεων στις 2 περιοχές. Τελικά διαπιστώθηκε ότι οι λευκές περιοχές των ψηφιακών εικόνων ταυτίζονταν με τις ρευστοποιημένες περιοχές.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Η ανάλυση δορυφορικών εικόνων μπορεί να συμβάλλει στον εντοπισμό περιοχών που αντιμετωπίζουν προβλήματα ρευστοποιήσεων γρήγορα και με χαμηλό κόστος. Η αύξηση της διακριτικής ικανότητας των τηλεσκοπικών δεδομένων θα βοηθήσει στη χρήση της τηλεπισκόπησης σαν αντικειμενικό στοιχείο προσδιορισμού της επικινδυνότητας για ρευστοποίηση.<br /> Η Εικόνα 1 παρουσιάζει το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe και η Εικόνα 2 είναι η επεξεργασμένη δυαδική μορφή για την ίδια περιοχή με τιμή threshold 27.<br /> [[Εικόνα:Kanali7.jpg|thumb|right|Το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe,Πηγή:Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο]]<br /> [[Εικόνα:Diadiki_morfi.jpg|thumb|right|Η επεξεργασμένη δυαδική μορφή της φωτογραφίας του Kobe (τιμή threshold 27),Πηγή:Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο]]<br /> <br /> Πηγή<br /> 1. Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%85%CE%BC%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%BF%CF%81%CE%AC%CF%82_%CE%BC%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CE%BF%CF%8D_%CE%BF%CE%B9%CE%BA%CE%BF%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CF%83%CE%B5_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2012-02-14T17:05:23Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Εκτίμηση της συμπεριφοράς μεσογειακού δασικού οικοσυστήματος σε πυρκαγιά με τη χρήση τηλεανίχνευσης και GIS<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι η μελέτη της επανάκαμψης και του είδους της βλάστησης ενός δασικού οικοσυστήματος ύστερα από περιστατικά πυρκαγιών με τη χρήση τηλεανίχνευσης και GIS. Περιοχή μελέτης είναι το Εθνικό Πάρκο στο Σούνιο.<br /> <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Για τον υπολογισμό της παραμέτρου NDVI (Normalized Difference Vegetation Index) που σχετίζεται με την επανάκαμψη της συνολικής βιομάζας της βλάστησης χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat TM και ETM+ οι οποίες κάλυπταν μία εικοσαετία, αλλά και χάρτες ταξινόμησης που αφορούσαν στην κατάσταση του οικοσυστήματος πριν και μετά από τις φωτιές. Τα αποτελέσματα έδειξαν ότι στην περίπτωση που λαμβάνει χώρα ένα μόνο συμβάν πυρκαγιάς υπάρχει υψηλός βαθμός επανάκαμψης και κατά συνέπεια μικρές διαφοροποιήσεις στο είδος της αρχικής βλάστησης. Στην περίπτωση, όμως, που συμβεί δεύτερη φωτιά εντός 19 ετών από το πρώτο συμβάν, το οικοσύστημα έχει πολύ αργό ρυθμό επανάκαμψης και υπάρχουν μεγάλες διαφοροποιήσεις στο είδος των φυτών σε σχέση με αυτά του υγιούς δασικού οικοσυστήματος.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η μελέτη της απόκρισης των δασικών μεσογειακών οικοσυστημάτων σε επαναλαμβανόμενα περιστατικά πυρκαγιάς είναι σημαντικό βήμα για την εφαρμογή πρακτικών διατήρησης των δασών. Οι συνεχόμενες πυρκαγιές επηρεάζουν αρνητικά και τη συνολική επανάκαμψη του οικοσυστήματος. Στο υπό εξέταση ερευνητικό έργο αξιολογήθηκε με τηλεπισκόπηση η επίπτωση πολλαπλών πυρκαγιών σε διάφορες κατηγορίες φυτών έχοντας ληφθεί υπόψη η συνεισφορά της αναδάσωσης και ο ρυθμός συνολικής επανάκαμψης του οικοσυστήματος. Συγκεκριμένα, μελετήθηκαν 2 περιοχές στο Εθνικό Πάρκο στο Σούνιο. Η πρώτη περιοχή βίωσε 2 περιστατικά φωτιάς το 1985 και το 2000 και η δεύτερη το 1974 και το 1993. Στην δεύτερη περίπτωση, έλαβε χώρα αναδάσωση ύστερα από τη δεύτερη πυρκαγιά. Χρησιμοποιήθηκαν 6 δορυφορικές εικόνες Landsat TM και ETM+ (1984, 1987, 1990, 1999, 2002, 2005) και μία εικόνα του IKONOS (2004), οι οποίες διορθώθηκαν γεωμετρικά, όπως επίσης και για την επίδραση της ατμόσφαιρας. Οι 2 εικόνες Landsat (1984, 1999) και η εικόνα του IKONOS χρησιμοποιήθηκαν για να παραχθούν χάρτες ταξινόμησης ώστε να μελετηθεί η εξέλιξη της βλάστησης μετά από τις φωτιές. Η δασική υπηρεσία εφάρμοσε φωτοερμηνεία αεροφωτογραφιών, παρήγαγε ορθοφωτοχάρτες και ειδικά για την εικόνα του 2004 έγινε πολύ προσεκτική επιλογή περιοχών εκπαίδευσης στο πεδίο για την εξαγωγή ασφαλέστερων συμπερασμάτων. Για την εκτίμηση της επανάκαμψης του οικοσυστήματος υπολογίστηκε στις υπό μελέτη περιοχές για τα 6 έτη η παράμετρος NDVI που αντιπροσωπεύει τη συνολική βιομάζα της βλάστησης. Για κάθε χρόνο υπολογίστηκε ο δείκτης επανάκαμψης R ως ο λόγος των μέσων τιμών NDVI της περιοχής που έχει καεί προς τις αντίστοιχες τιμές γειτονικής περιοχής που δεν έχει βιώσει πυρκαγιά. Το R αποδείχτηκε ότι επηρεαζόταν από την υγρασία, τη διαφορά θερμοκρασίας και την ορατότητα. Από τις τιμές του R για την περιοχή που κάηκε τα έτη 1985 και 2000 προκύπτει ότι:<br /> 1.μετά την πρώτη φωτιά μειώνεται η φυσική αναγέννηση του φυτού Pinus halepensis Mill . Συγκεκριμένα, εάν συγκριθούν οι εικόνες των ετών 1984 και 1999, υπάρχει μείωση της παρουσίας του φυτού κατά ποσοστό 28% στην εικόνα του 1999 γεγονός που αποδίδεται και στο βραχώδες ανάγλυφο της περιοχής.<br /> 2.μετά την δεύτερη φωτιά το ίδιο φυτό τείνει να εξαφανιστεί από το οικοσύστημα το έτος 2004.<br /> 3.η παρουσία της φράουλας δεν επηρεάζεται από τις 2 πυρκαγιές.<br /> 4.η παρουσία του φυτού phrygana αυξήθηκε σημαντικά μετά την πρώτη φωτιά και ακόμη περισσότερο μετά τη δεύτερη.<br /> Από τις τιμές του R για την περιοχή που κάηκε τα έτη 1974 και 1993 προκύπτει ότι:<br /> 1.μετά τη δεύτερη φωτιά και την αναδάσωση αυξήθηκε η παρουσία της φράουλας διότι τα φυτά Pinus halepensis Mill που φυτεύτηκαν και οι φράουλες που φύτρωσαν με φυσικό τρόπο δεν μπορούν να διαφοροποιηθούν στις τεχνικές πολυφασματικής ταξινόμησης.<br /> 2.η παρουσία του φυτού phrygana μειώθηκε 6 έτη μετά τη δεύτερη φωτιά εξαιτίας της αναδάσωσης.<br /> <br /> Η Εικόνα 1 παρουσιάζει τις μέσες τιμές του R που υπολογίστηκαν για τις 2 περιοχές από τις 6 εικόνες του δορυφόρου Landsat.<br /> [[Εικόνα:Meses_timesr.jpg|thumb|right|Οι μέσες τιμές του R για τις 2 περιοχές μελέτης που προέκυψαν με χρήση δορυφορικών εικόνων Landsat,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/full%20paper_Christakopoulos%20et%20al_Earsel.pdf]]<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Οι πυρκαγιές που έλαβαν χώρα μια φορά στο οικοσύστημα που εξετάστηκε δεν επέφεραν σημαντικές διαφοροποιήσεις στη σύνθεση της βλάστησης και ο βαθμός επανάκαμψης της επιφανειακής βιομάζας θεωρήθηκε αυξημένος.<br /> Οι συνεχόμενες πυρκαγιές σε διαστήματα 15 και 19 ετών επέφεραν σημαντικές αλλαγές και οδήγησαν τα κατώτερα είδη βλάστησης (π.χ. phrygana ) να έχουν κύρια παρουσία στο οικοσύστημα ενώ τα ανώτερα (π.χ. Pinus halepensis Mill ) σε εξαφάνιση.<br /> Η αναδάσωση ενίσχυσε την επανάκαμψη του οικοσυστήματος και το εμπλούτισε με είδη βλάστησης που βρίσκονται σε ανώτερα επίπεδα μέσα στην εξελικτική διαδικασία.<br /> <br /> Πηγή<br /> 1. P.Christakopoulos - I.Hatzopoulos - K.Kalabokidis - D.Paronis - A.Filintas, «Assessment of the response of a Mediterranean-type forest ecosystem to recurrent wildfires and to different restoration practices using Remote Sensing and GIS techniques»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CF%8C%CE%BC%CE%B7%CF%83%CE%B7_%CE%B1%CE%B3%CF%81%CE%BF%CF%84%CE%B5%CE%BC%CE%B1%CF%87%CE%AF%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CF%89%CE%BD_Landsat_TM_%CE%BA%CE%B1%CE%B9_QuickBird-%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7%CF%82_%CF%84%CE%B1_%CE%B5%CE%BB%CE%B1%CE%B9%CF%8C%CE%B4%CE%B5%CE%BD%CF%84%CF%81%CE%B1_%CF%84%CE%B7%CF%82_%CE%9B%CE%AD%CF%83%CE%B2%CE%BF%CF%85 2012-02-14T16:59:30Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιοχή μελέτης τα ελαιόδεντρα της Λέσβου<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι να λάβει χώρα μία χωρική κατανομή των ελαιόδεντρων της Λέσβου με επιβλεπόμενη ταξινόμηση δεδομένων από τον αισθητήρα QuickBird υψηλής διακριτικής ικανότητας, αλλά και να συγκριθούν τα αποτελέσματα της ταξινόμησης αυτής με αυτά που θα έδινε μία παλαιότερη τεχνική τηλεανίχνευσης που περιλαμβάνει την επιβλεπόμενη ταξινόμηση δεδομένων με διακριτική ικανότητα 30m και με συλλογή δεδομένων πεδίου με τη χρήση Διεθνούς Συστήματος Προσδιορισμού Θέσης (GPS, Global Positioning System).<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν <br /> Δορυφόρος QuickBird<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης QuickBird έχει μέχρι σήμερα την υψηλότερη χωρική διακριτική ικανότητα ανάμεσα στους άλλους δορυφόρους και τα δεδομένα του έχουν υψηλή ραδιομετρική ικανότητα ώστε οι αναλύσεις που γίνονται βάσει αυτών να είναι ακριβείς. Επιπλέον, διαθέτει δυνατότητα λήψης στερεοζευγών κατά μήκος της τροχιάς ώστε να μπορούν να παραχθούν ψηφιακά μοντέλα εδάφους μεγάλης χωρικής ανάλυσης.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η σπουδαιότητα των ελαιόδεντρων έγκειται στο γεγονός ότι αποτελούν την κύρια ή συμπληρωματική πηγή εσόδων για τους κατοίκους της Λέσβου. Σύμφωνα με τον κανονισμό Νο 2366/98 της Ευρωπαϊκής Επιτροπής τον Οκτώβριο του 1998, οι αγρότες λαμβάνουν επιχορήγηση για την παραγωγή τους μόνο εάν καταγράψουν τα αγροτεμάχιά τους και τα εισάγουν σε κατάλληλο χαρτογραφικό υπόβαθρο. Τα τελευταία 20 έτη ερευνητικά προγράμματα προσπάθησαν να χαρτογραφήσουν επαρκώς τα αγροτεμάχια από δεδομένα δορυφορικής τηλεπισκόπησης, αλλά η εξαγωγή συμπερασμάτων για τις χρήσεις και καλύψεις γης στη περιοχή της Μεσογείου ήταν δύσκολη εξαιτίας του πολύπλοκου αναγλύφου. Στην υπό μελέτη περίπτωση χρησιμοποιήθηκαν σαν αρχικά δεδομένα δορυφορικές εικόνες μέτριας έως υψηλής διακριτικής ικανότητας (Landsat TM) και πολύ υψηλής διακριτικής ικανότητας (QuickBird). Η εικόνα Landsat TM αποκτήθηκε στις 28/5/1999, διορθώθηκε γεωμετρικά από μετρήσεις GPS υψηλής ακρίβειας και γεωαναφέρθηκε στο Γεωδαιτικό Σύστημα Αναφοράς του 87. Επιπροσθέτως, αποκτήθηκαν περισσότερες από 15 εικόνες του QuickBird που κάλυπταν τη Λέσβο το καλοκαίρι του 2002. Τα μειονεκτήματα στη χρήση περισσότερων εικόνων υψηλής διακριτικής ικανότητας είναι το υψηλό κόστος και η νεφοκάλυψη στο 20% της περιοχής ενδιαφέροντος. Οι κατηγορίες που αναγνωρίστηκαν για να γίνει η ταξινόμηση της εικόνας Landat TM ήταν οι εξής:<br /> 1.παράκτιες περιοχές<br /> 2.θάλασσα<br /> 3.αστική περιοχή<br /> 4.άγονες εκτάσεις<br /> 5.δάσος πεύκων<br /> 6.αγροτεμάχια ελαιόδεντρων<br /> 7.δάσος δρυών<br /> 8.δάσος καστανιών<br /> 9.αειθαλείς θάμνοι<br /> 10.δάσος φυλλοβόλων<br /> 11.καλλιεργήσιμες εκτάσεις<br /> 12.βοσκότοποι<br /> <br /> Τα περιβόλια με ελαιόδεντρα χωρίστηκαν σε 5 επιμέρους κατηγορίες σύμφωνα με το είδος και την πυκνότητα της βλάστησης. Η Εικόνα 1 παρουσιάζει τις διάφορες κατηγορίες ελαιόδεντρων πάνω στις δορυφορικές εικόνες του QuickBird προσαρμόζοντας το εγγύς υπέρυθρο κανάλι στο κόκκινο, το μπλε στο μπλε και το πράσινο στο πράσινο.<br /> [[Εικόνα:Katigories_elaiodentron1.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 90 έως 120 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> [[Εικόνα:Katigories_elaiodentron2.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 130 έως 150 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> [[Εικόνα:Katigories_elaiodentron3.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 160 έως 190 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> [[Εικόνα:Katigories_elaiodentron4.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 200 έως 230 δέντρα ανά μονάδα επιφάνειας σε ομαλό έδαφος,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> [[Εικόνα:Katigories_elaiodentron5.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 200 έως 230 δέντρα ανά μονάδα επιφάνειας σε ορεινό ανάγλυφο,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> <br /> Αφού συλλεχθούν όλα τα εκπαιδευτικά πεδία, λαμβάνει χώρα επιβλεπόμενη ταξινόμηση. Το λογισμικό, δηλαδή, υπολογίζει τα στατιστικά των ψηφιακών τιμών των εικονοστοιχείων που ανήκουν σε μία εκπαιδευτική περιοχή και τα οποία αποτελούν την φασματική υπογραφή της τάξης. Κατόπιν γίνεται απόδοση των εικονοστοιχείων της εικόνας σε τάξεις με βάση τις ψηφιακές τιμές και τις υπογραφές εφαρμόζοντας σαν μη παραμετρικό κανόνα τον κανόνα της ελάχιστης απόστασης και σαν παραμετρικό τον κανόνα της μέγιστης πιθανοφάνειας. <br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων ανάλυσης<br /> Η χαρτογράφηση των ελαιόδεντρων με τη χρήση ταξινόμησης δορυφορικών εικόνων είναι μία νέα μέθοδος με θετικά αποτελέσματα ιδιαίτερα για δυσπρόσιτες περιοχές ή για τοποθεσίες όπου υπάρχει έλλειψη στατιστικών και ιστορικών δεδομένων. Στην υπό εξέταση περίπτωση, χρησιμοποιήθηκαν εικόνες υψηλής διακριτικής ικανότητας για κάλυψη ολόκληρης της περιοχής μελέτης και για τη συλλογή δεδομένων πεδίου. Υπολογίστηκε το συνολικό εμβαδόν της Λέσβου που καλύπτεται από ελαιόδεντρα, το εμβαδόν για καθεμιά από τις 5 κατηγορίες και ο αριθμός των δέντρων κάθε κατηγορίας. Η Εικόνα 2 παρουσιάζει το χάρτη με τις κατηγορίες ελαιόδεντρων που προέκυψε από την ταξινόμηση εικόνας Landsat TM.<br /> [[Εικόνα:Lesbos.jpg|thumb|right|Χάρτης της Λέσβου με τις 5 κατηγορίες των ελαιόδεντρων ύστερα από ταξινόμηση εικόνας Landsat TM,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]]<br /> <br /> Πηγή<br /> 1. Christos Vasilakos-John Hatzopoulos-Kostas Kalabokidis-Kostas Koutsovilis-Argiroula Thomaidou, «Classification of agricultural fields by using Landsat TM and QuickBird sensors. The case study of olive trees in Lesvos island.»<br /> <br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7,_%CE%A4%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%9D%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%A3%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A0%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2012-02-14T16:45:26Z

<p>Ioannina7: </p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Τηλεπισκόπηση, Τεχνητή Νοημοσύνη και Συστήματα Γεωγραφικών Πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών<br /> <br /> Στόχος της εφαρμογής<br /> Η παρούσα μελέτη ασχολείται με τον προληπτικό σχεδιασμό για την αντιμετώπιση φυσικών καταστροφών. Το νησί της Λέσβου λαμβάνεται ως περιοχή μελέτης και αναπτύσσεται ένα ποσοτικό Ελληνικό Σύστημα Εκτίμησης Κινδύνου Πυρκαγιάς μεγάλης κλίμακας, το οποίο χρησιμοποιεί μετεωρολογικά δεδομένα και προβλέπει βραχυπρόθεσμα την πυρο-επικινδυνότητα βάσει του Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς. Ο προτεινόμενος δείκτης βασίζεται σε 3 επιμέρους δείκτες που έχουν μεταβολή στο χώρο και το χρόνο: το Μετεωρολογικό Δείκτη Κινδύνου (ΜΔΚ), το Βλαστητικό Δείκτη Κινδύνου (ΒΔΚ) και τον Κοινωνικο-Οικονομικό Δείκτη Κινδύνου (ΚΟΔΚ). <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Πηγές για τον καθορισμό των παραμέτρων που συνιστούν τους δείκτες ΜΔΚ, ΒΔΚ, ΚΟΔΚ είναι δορυφορικές εικόνες από τους δέκτες QuickBird και Landsat ETM και το μοντέλο πρόγνωσης καιρού SKIRON/Eta. <br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης QuickBird έχει μέχρι σήμερα την υψηλότερη χωρική διακριτική ικανότητα ανάμεσα στους άλλους δορυφόρους και τα δεδομένα του έχουν υψηλή ραδιομετρική ικανότητα ώστε οι αναλύσεις που γίνονται βάσει αυτών να είναι ακριβείς. Επιπλέον, διαθέτει δυνατότητα λήψης στερεοζευγών κατά μήκος της τροχιάς ώστε να μπορούν να παραχθούν ψηφιακά μοντέλα εδάφους μεγάλης χωρικής ανάλυσης.<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> Το μοντέλο SKIRON/Eta είναι μια τροποποιημένη έκδοση του ατμοσφαιρικού μοντέλου Eta/NCEP και είναι συζευγμένο με ένα μοντέλο πρόγνωσης του κύκλου της εδαφικής σκόνης στην ατμόσφαιρα. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Το Σύστημα Εκτίμησης Κινδύνου Πυρκαγιάς αναπτύσσεται στα πλαίσια Ευρωπαϊκού ερευνητικού προγράμματος με την ονομασία AYTO-HAZARD PRO, αποτελεί εξέλιξη υπάρχοντος συστήματος διαχείρισης δασικών πυρκαγιών και κύριο προϊόν του είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ). Ο δείκτης αυτός υπολογίζεται με τη χρήση του Μετεωρολογικού Δείκτη Κινδύνου, του Βλαστητικού Δείκτη Κινδύνου και του Κοινωνικο-Οικονομικού Δείκτη Κινδύνου. Συγκεκριμένα, ο Μετεωρολογικός Δείκτης Κινδύνου προκύπτει από μετεωρολογικά δεδομένα θερμοκρασίας, ταχύτητας ανέμου, σχετικής υγρασίας και βροχόπτωσης από 4 αυτόματους τηλεμετρικούς σταθμούς. Η πρόγνωση του δείκτη βασίζεται σε μετεωρολογικά δεδομένα από το μοντέλο SKIRON/Eta με δυνατότητα πρόγνωσης 5 ημερών. Η χωρική παρεμβολή των κλιματολογικών δεδομένων ώστε να κατανεμηθούν χωρικά οι σημειακές μετεωρολογικές μετρήσεις γίνεται σε περιβάλλον GIS με πολύγωνα Thiessen, με μέση βαρύνουσα απόσταση, με παρεμβολή Kriging, με πολλαπλή παλινδρόμηση με χρήση μεταβλητών όπως το υψόμετρο, το γεωγραφικό μήκος και πλάτος. Ο Βλαστητικός Δείκτης Κινδύνου αναφέρεται στην πιθανότητα εμφάνισης πυρκαγιάς λόγω της τοπογραφίας (υψόμετρο, προσανατολισμός), του είδους της βλάστησης και της κατάστασης της βλάστησης (περιεχόμενη υγρασία). Περιοχές με τα ίδια είδη βλάστησης μπορεί να έχουν διαφορετικό κίνδυνο λόγω διαφορετικών μοντέλων καύσιμης ύλης. Η χωρική επιφάνεια των μοντέλων καύσιμης ύλης δημιουργήθηκε βάσει των χρήσεων γης CORINE, οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BehavePlus2. Για κάθε μοντέλο υπολογίστηκαν οι ταχύτητες διάδοσης, η θερμότητα ανά μονάδα επιφάνειας, η θερμική ένταση του μετώπου, το μήκος της φλόγας και η θερμική ένταση αντίδρασης ώστε να προσδιοριστεί η ευφλεκτικότητά του για διαφορετικές τιμές κλίσης του εδάφους. Ο Κοινωνικο-Οικονομικός Δείκτης Κινδύνου αναφέρεται στον κίνδυνο εκδήλωσης πυρκαγιάς σε μία περιοχή λόγω της ανθρώπινης παρουσίας (π.χ. ηλεκτροφόρες γραμμές, χωματερές, χώροι αναψυχής,). Για να χαρτογραφηθεί το ανθρώπινο ρίσκο συσχετίστηκε η χωρική κατανομή της έναρξης μίας φωτιάς με την ευκλείδεια απόσταση από ανθρώπινες δραστηριότητες. Χαρτογραφήθηκε το οδικό δίκτυο, οι οικισμοί και οι αγροτικές περιοχές με χρήση δεδομένων υψηλής χωρικής διακριτικής ικανότητας από το δέκτη QuickBird με μέγεθος pixel 2,8m. Παραλήφθηκαν περισσότερα από 20 σκηνικά εντός των αντιπυρικών περιόδων 2002 και 2003 του AYTO-HAZARD PRO, διορθώθηκαν γεωμετρικά με τη βοήθεια χαρτών και GPS και συνενώθηκαν σε ένα μωσαϊκό πραγματοποιώντας παράλληλα ραδιομετρικές διορθώσεις προκειμένου να εξαλειφθούν διαφορές που υπήρχαν στα ιστογράμματά τους λόγω διαφορετικής ημέρας και γωνίας λήψης. Για να αντικατασταθούν οι περιοχές με νεφοκάλυψη χρησιμοποιήθηκε εικόνα Landsat ETM με μέγεθος pixel 30m στο πολυφασματικό και15M στο παγχρωματικό. Επιλέχτηκαν τα κανάλια μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird και συνενώθηκαν με το παγχρωματικό ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15m γεωμετρική διακριτική ικανότητα. Για να εκπαιδευτούν τα νευρωνικά δίκτυα συλλέχτηκαν τα ιστορικά δεδομένα των 420 πυρκαγιών που εκδηλώθηκαν στο νησί το διάστημα 1970-2001 και χαρτογραφήθηκαν με τη βοήθεια συνεντεύξεων κατοίκων και GPS. Προέκυψαν δείγματα εκπαίδευσης και επαλήθευσης των νευρωνικών για κάθε δείκτη τα οποία παρουσιάζονται στον Πίνακα 1:<br /> [[Εικόνα:Pinakas.jpg|thumb|right|Αριθμός πυρκαγιών δεδομένων εκπαίδευσης και επαλήθευσης για κάθε δείκτη,Πηγή:Christos Vasilakos-Kostas Kalabokidis-John Hatzopoulos-Ioannis Matsinos, «Identifying wildland fire ignition factors through<br /> sensitivity analysis of a neural network», Received 14 February 2008 / Accepted November 2008]]<br /> <br /> Ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ) υπολογίζεται με τη διαδικασία Αναλυτικής Ιεράρχησης των 3 επιμέρους δεικτών (κριτηρίων) σύμφωνα με τη μέθοδο του σταθμισμένου μέσου. Συγκεκριμένα υπολογίζονται τα βάρη των δεικτών μετά από ανά ζεύγη σύγκριση μεταξύ των κριτηρίων χρησιμοποιώντας συγκεκριμένη κλίμακα σημαντικότητας.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Το δίκτυο που έχει επιλεγεί να υπολογίσει τον ΜΔΚ ταξινόμησε σωστά το 93% των πυρκαγιών του δείγματος εκπαίδευσης το διάστημα 1970-2001 και το 88% των πυρκαγιών του δείγματος επαλήθευσης την ίδια περίοδο. Τα ποσοστά ορθής ταξινόμησης για τον ΚΟΔΚ κρίνονται ικανοποιητικά αν και υπάρχει μία υπερεκτίμηση λόγω του χαμηλού ποσοστού σωστής ταξινόμησης της μη εμφάνισης πυρκαγιάς στο δείγμα επαλήθευσης του 1970-2001 λ.χ. το 2003 ταξινομήθηκε σωστά το 91% του δείγματος επαλήθευσης, πράγμα που σημαίνει ότι το 91% των πυρκαγιών που εκδηλώθηκαν στη Λέσβο το 2003, εκδηλώθηκαν σε περιοχές όπου το νευρωνικό δίκτυο, που είχε επιλεγεί, έδινε πιθανότητα εμφάνισης φωτιάς πάνω από 50%, δηλαδή οι πυρκαγιές του 2003 είχανε κύρια αιτία τις ανθρωπογενείς δραστηριότητες, γεγονός που επιβεβαιώνεται και από ανακριτικά και αιτιολογικά δεδομένα της Πυροσβεστικής υπηρεσίας. Η διαδικασία εκπαίδευσης του ΒΔΚ ισχυροποίησε το παραπάνω συμπέρασμα γιατί το μέσο τετραγωνικό σφάλμα του δείγματος επαλήθευσης για το 2003 παρουσίασε πολύ υψηλές τιμές ενώ και το ποσοστό σωστής ταξινόμησης των πυρκαγιών ήταν χαμηλό. Για το λόγο αυτό η εκπαίδευση βασίστηκε στις πυρκαγιές της περιόδου 1970-2001 ώστε να μην χαθεί η γενίκευση του δείγματος επαλήθευσης. Ο τελικός ΔΠΕΠ υπολογίζεται από τη σχέση:<br /> <br /> ΔΠΕΠ=0,1311*ΜΔΚ+0,2081*ΒΔΚ+0,6608*ΚΟΔΚ<br /> <br /> Η Εικόνα 1 παρουσιάζει τα σημεία εκδήλωσης πυρκαγιάς για την περιοχή μελέτης. Απεικονίζονται το κύριο οδικό δίκτυο και οι αστικές περιοχές.<br /> [[Εικόνα:Simeia_ekdilosis_pirkagias.jpg|thumb|right|Σημεία εκδήλωσης πυρκαγιάς στη Λέσβο για το διάστημα 1970-2001,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/EnglishBlock/publications/Vasilakos2.pdf]] <br /> Πηγή<br /> 1. Christos Vasilakos-Kostas Kalabokidis-John Hatzopoulos-Ioannis Matsinos, «Identifying wildland fire ignition factors through<br /> sensitivity analysis of a neural network», Received 14 February 2008 / Accepted November 2008<br /> _ Springer Science+Business Media B.V. 2008<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%B9%CE%BF%CE%BA%CE%B7%CE%BB%CE%AF%CE%B4%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_MODIS_%CE%BA%CE%B1%CE%B9_SAR 2012-02-12T11:41:58Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Ανίχνευση πετρελαιοκηλίδων με χρήση δορυφορικών εικόνων MODIS και SAR Στ...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Ανίχνευση πετρελαιοκηλίδων με χρήση δορυφορικών εικόνων MODIS και SAR <br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι να περιγράψει τη μεθοδολογία εντοπισμού πετρελαιοκηλίδων με την ανάλυση εικόνων SAR και MODIS.<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπήρχαν αεροφωτογραφίες, γινόταν μετρήσεις και χημικές αναλύσεις του νερού και παράγονταν χάρτες για την ποιότητα των νερών.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν δορυφορικές εικόνες SAR και MODIS.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης MODIS είναι το καταγραφικό όργανο του δορυφόρου TERRA και αν και έχει μικρή χωρική διακριτική ικανότητα, το μεγάλο εύρος σάρωσής του επιτρέπει την κατόπτευση εκτεταμένων περιοχών. Η μεγάλη χρονική διακριτική του ικανότητα επιτρέπει τη λήψη φωτογραφιών από περιοχές που μπορεί να έχουν μία ημέρα νεφοκάλυψη αλλά όχι την επόμενη. Έτσι μπορεί να συλλεχθεί μία σειρά ανέφελων τμημάτων μιας περιοχής και να συντεθεί ένα μωσαϊκό της περιοχής ενδιαφέροντος που να καλύπτει μεγάλη έκταση. <br /> Ο δέκτης SAR χρησιμοποιείται στη διαχείριση της παράκτιας ζώνης και δεν επηρεάζεται από τη νεφοκάλυψη. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η ρύπανση από πετρέλαιο επιφέρει εκτεταμένες καταστροφές στο θαλάσσιο και εδαφικό οικοσύστημα. Κάθε χρόνο τεράστιες ποσότητες πετρελαίου και παραγώγων του καταλήγουν στη θάλασσα, το υπόγειο νερό και το έδαφος λόγω διαρροής κατά τη μεταφορά τους ή από φυσικές πηγές, ατυχημάτων σε αποβάθρες, ατμοσφαιρικής διάθεσής τους κ.α. Η έγκαιρη και ακριβής ανίχνευση της θαλάσσιας ρύπανσης από πετρέλαιο παίζει καθοριστικό ρόλο στην αντιμετώπισή της, μολονότι θεωρείται από τις δυσκολότερες κατηγορίες ρύπανσης εξαιτίας του τεράστιου εύρους του ωκεανού σε σχέση με τα τεχνικά μέσα διαχείρισης του προβλήματος.<br /> Οι τεχνικές τηλεανίχνευσης (οπτικοί αισθητήρες, αεροφωτογραφίες, μικροκύματα, σήματα radar) της υδατικής ρύπανσης από πετρέλαιο χρησιμοποιούνται συχνά για τον γρήγορο εντοπισμό των επιβλαβών ουσιών και μετρήσεις στο επιφανειακό νερό με στόχο την διατήρηση των οικοσυστημάτων θαλασσών και λιμνών. Ο δέκτης SAR (radar με συνθετικό άνοιγμα κεραίας, synthetic aperture radar) είναι ο πλέον διαδεδομένος για τον εντοπισμό τέτοιων συμβάντων θαλάσσιας ρύπανσης, εφόσον τα χαρακτηριστικά του οπισθοσκεδαζόμενου σήματος που καταγράφει έχουν τροποποιηθεί κατά τη διαδικασία της ανάκλασης στην επιφάνεια της γης και φέρουν έτσι πληροφορίες για τα γεωμετρικά και διηλεκτρικά χαρακτηριστικά της. Μία ωκεάνια πετρελαιοκηλίδα έχει μεγαλύτερη επιφανειακή τάση από το νερό, απορροφά τα κύματα που εκπέμπει το radar και κατά συνέπεια οι περιοχές που έχουν ρυπανθεί εμφανίζονται μαύρες στις εικόνες του SAR. Επίσης, τα σήματα που εκπέμπει και καταγράφει το radar δεν επηρεάζονται από τη νεφοκάλυψη. Ωστόσο ο χρόνος και το κόστος που απαιτεί η μελέτη ενός «προβλήματος» με τη χρήση εικόνων SAR κινητοποιεί τους ερευνητές να χρησιμοποιήσουν νέες τεχνικές τηλεπισκόπησης (π.χ. SeaWiFS το 1997, MODIS το 1999, MERIS το 2002).<br /> Ο Hu το 2003 χρησιμοποίησε δορυφορικές εικόνες MODIS διακριτικής ικανότητας 250 m για να μελετήσει πετρελαιοκηλίδες στη λίμνη Βενεζουέλα. Ο ίδιος ερευνητής το 2009 διαπίστωσε ότι εάν υπάρχει ηλιακή λάμψη στις εικόνες MODIS, υπάρχει και υψηλή αντίθεση μεταξύ των πετρελαιοκηλίδων και του νερού. <br /> Στην παρούσα εργασία παρατίθενται παραδείγματα ανίχνευσης πετρελαιοκηλίδων με χρήση εικόνων MODIS διακριτικής ικανότητας 250 m και RADARSAT-1 SAR διακριτικής ικανότητας 25 m. Οι εικόνες MODIS αποκτήθηκαν δωρεάν από το Κέντρο Δορυφορικών Πτήσεων Goddard της ΝΑSA και κάλυπταν το δυτικό τμήμα του κόλπου του Μεξικό, όπου υπήρχαν πολλές πετρελαιοκηλίδες. Οι εικόνες SAR προήλθαν από το πρόγραμμα AKDEMO της Αλάσκα και κάλυπταν το NE GOM, όπου ξεκίνησε στις 20 Απριλίου του 2010 ένα τραγικό περιστατικό θαλάσσιας ρύπανσης από πετρελαιοκηλίδα. Οι τελευταίες γεωαναφέρθηκαν, έγινε επεξεργασία τους με το λογισμικό ENVI και αποθηκεύτηκαν σε γραφικό περιβάλλον PNG στο πανεπιστήμιο της Αλάσκα στο τμήμα δορυφορικών εγκαταστάσεων (ASF). Το άλλο παράδειγμα που παρουσιάζεται αφορά στη θάλασσα της ανατολικής Κίνας, όπου υφίσταται ρύπανση από πετρέλαιο λόγω εδαφικής διάθεσης και κυκλοφορίας πλοίων. <br /> Τα βήματα στη διαδικασία επεξεργασίας των εικόνων MODIS έιναι τα ακόλουθα:<br /> 1. Απόκτηση των δεδομένων από τη NASA<br /> 2. Επεξεργασία των δεδομένων με το σύστημα SeaDAS έκδοσης 5.1 και αποθήκευσή του σε ιεραρχική βάση δεδομένων (HDF) σαν αρχεία ηλεκτρονικού υπολογιστή<br /> 3. Διόρθωση των δεδομένων για επιρροή της σκέδασης Rayleigh και απορρόφηση αερίων. Η διορθωμένη ανακλαστικότητα Rayleigh δίνεται από την εξίσωση:<br /> , όπου<br /> λ το μήκος κύματος από το κανάλι του MODIS, Lt η διορθωμένη ακτινοβολία για απορρόφηση αερίων, F0 η διαστημική ηλιακή ακτινοβολία, θ0 η ηλιακή γωνία του ζενίθ, θ η γωνία του ζενίθ για το δέκτη, Δφ το αζιμούθιο μεταξύ δορυφόρου και ήλιου και Rr η ανακλαστικότητα λόγω της σκέδασης Rayleigh. <br /> Στο βήμα αυτό χρησιμοποιήθηκε το λογισμικό CREFL από το πανεπιστήμιο Wisconsin (Liam Gumley). Τα δεδομένα Rrc για τα κανάλια του MODIS αποθηκεύτηκαν σε HDF σαν αρχεία ηλεκτρονικού υπολογιστή.<br /> 4. Τα δεδομένα Rrc γεωαναφέρθηκαν σε κυλινδρικό προβολικό σύστημα.<br /> 5. Τα γεωαναφερμένα δεδομένα που ανήκαν στις φασματικές τιμές 645, 555 και 469 nm μετατράπηκαν σε κόκκινο, πράσινο, μπλε κανάλι αντίστοιχα με χρήση γραμμικής ενίσχυσης.<br /> 6. Έγινε επεξεργασία της εικόνας RGB με το λογισμικό ENVI. Τα χρώματα της εικόνας ενισχύονται γραμμικά λαμβάνοντας τιμές από το 0 έως το 255 ώστε να καλυφτεί ολόκληρη η περιοχή ενδιαφέροντος. Επειδή με αυτό τον τρόπο δεν είναι εμφανείς κάποιες λεπτομέρειες, ακολουθεί γκαουσσιανή ενίσχυση.<br /> <br /> Η Εικόνα 1 παρουσιάζει την αρχική εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β).<br /> <br /> Η Εικόνα 2 παρουσιάζει ενισχυμένη κατά Gauss την εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β).<br /> <br /> Οι Εικόνες 3α και 3β παρουσιάζουν εικόνες MODIS και SAR αντίστοιχα του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες. Τα δεδομένα έχουν διαφορά λήψης 4,5 ώρες αλλά οι πετρελαιοκηλίδες φαίνονται πανομοιότυπες. Η Εικόνα 3α έχει υποστεί χρωματική ενίσχυση κατά Gauss με τη χρήση του λογισμικού ENVI.<br /> Οι Εικόνες 4α και 4β παρουσιάζουν εικόνες MODIS που ελήφθησαν στις 13/5/2001 και 24/5/2001 αντίστοιχα και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό. Οι εικόνες έχουν αντίστοιχα θετική και αρνητική αντίθεση σε σχέση με τον περιβάλλοντα χώρο λόγω ηλιακής ακτινοβολίας (Hu, 2009).<br /> Η Εικόνα 5 παρουσιάζει μία δορυφορική φωτογραφία MODIS με επιφανειακά χαρακτηριστικά που φέρονται να είναι πετρελαιοκηλίδες στην ανατολική Κίνα. <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Οι δορυφορικές φωτογραφίες που παρατέθηκαν στην εργασία δείχνουν ξεκάθαρα ότι η δορυφορική τηλεπισκόπιση παίζει σπουδαίο ρόλο στην διαχείριση θαλάσσιας ρύπανσης από πετρέλαιο. Τα δεδομένα των δεκτών SAR και MODIS κρίνονται ως τα πλέον κατάλληλα για τέτοιες εφαρμογές με αυτά του MODIS να υπερτερούν ως προς το κόστος (χαμηλότερο) και της μεγαλύτερης κάλυψης. <br /> <br /> Πηγή<br /> 1. Chuanmin Hu - Xiaofeng Li - William G. Pichel, «Detection of Oil Slicks using MODIS and SAR Imagery»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_GDD_(Growing_Degree_Days)_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_Landsat-7_ETM%2B_%CE%BA%CE%B1%CE%B9_MODIS 2012-02-12T11:39:41Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Χαρτογράφηση του θερμοκρασιακού δείκτη GDD (Growing Degree Days) με τη χρήση δορυ...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Χαρτογράφηση του θερμοκρασιακού δείκτη GDD (Growing Degree Days) με τη χρήση δορυφορικών δεδομένων Landsat-7 ETM+ και MODIS <br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι ο προσδιορισμός του αριθμού των ημερών κατά τις οποίες η θερμοκρασία του αέρα υπερβαίνει μία θερμοκρασία αναφοράς και η χαρτογράφηση των αποτελεσμάτων σε υψηλής χωρικής ανάλυσης απεικονίσεις των 28,5 m. H ανάλυση βασίστηκε σε προηγούμενα αποτελέσματα του Hassan (J. Applied Remote Sens., 1, 013511, 12p, 2007) με διακριτική ικανότητα 1 km. Επειδή ο δείκτης GDD χρησιμοποιείται κυρίως στη διαχείριση της ανάπτυξης των φυτών και την αγροτική παραγωγή αναλύθηκαν δορυφορικές εικόνες Landsat-7 ETM+ της περιόδου 1999 έως 2002 και σύνθετα 16 ημερών για τον δείκτη βλάστησης της περιόδου 2003 έως 2005 από τον MODIS (Moderate Resolution Imaging Spectroradiometer). Η διαδικασία εφαρμόστηκε σε δορυφορικά και κλιματικά δεδομένα για μία Καναδική Επαρχία με την ονομασία Nova Scotia. <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπήρχαν μετρήσεις της θερμοκρασίας και μοντέλα πρόβλεψής της.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat-7 ETM+ της περιόδου 1999 έως 2002 και σύνθετα του δείκτη βλάστησης της περιόδου 2003 έως 2005 που προέκυψαν από τον MODIS.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> Ο δέκτης MODIS είναι το καταγραφικό όργανο του δορυφόρου TERRA και αν και έχει μικρή χωρική διακριτική ικανότητα, το μεγάλο εύρος σάρωσής του επιτρέπει την κατόπτευση εκτεταμένων περιοχών. Η μεγάλη χρονική διακριτική του ικανότητα επιτρέπει τη λήψη φωτογραφιών από περιοχές που μπορεί να έχουν μία ημέρα νεφοκάλυψη αλλά όχι την επόμενη. Έτσι μπορεί να συλλεχθεί μία σειρά ανέφελων τμημάτων μιας περιοχής και να συντεθεί ένα μωσαϊκό της περιοχής ενδιαφέροντος που να καλύπτει μεγάλη έκταση. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Ο ρόλος της θερμοκρασίας στον κύκλο ζωής των φυτών είναι πολύ σημαντικός, διότι είναι παράγοντας που συμμετέχει σε διαδικασίες όπως η εξατμισοδιαπνοή, η φωτοσύνθεση, η αναπνοή, η μετακίνηση νερού και θρεπτικών συστατικών μέσα στο φυτό. Ο δείκτης GDD ορίζεται ως η εποχική απόκλιση της μέσης ημερήσιας θερμοκρασίας του αέρα από μία τιμή θερμοκρασίας κάτω από την οποία δεν υφίσταται φυτική ανάπτυξη. Στόχος της υπό εξέταση εργασίας είναι να αναπτυχθεί μία μεθοδολογία για τη βελτίωση της χωρικής ανάλυσης των χαρτών που εικονίζουν το GDD (διακριτικής ικανότητας 250 m) και να παραχθεί μία συγχωνευμένη εικόνα με διακριτική ικανότητα 28,5 m από δεδομένα Landsat-7 ETM+ και MODIS.<br /> Περιοχή ελέγχου αποτελεί η Nova Scotia του Καναδά, η οποία καλύπτεται από δάση στο 79% της έκτασής της και το κλίμα της επηρεάζεται αρκετά από την εγγύτητά της προς τον κόλπο Fundi στα βόρεια και τον Ατλαντικό ωκεανό στα νότια και ανατολικά. Χαρακτηρίζεται από δροσερό και υγρό κλίμα με μέση ετήσια θερμοκρασία 3,5-6,5°C και συνολική βροχόπτωση 900-1500 mm. <br /> Το αρχικό στάδιο στην εργασία είναι να παραχθεί ο βελτιωμένος δείκτης βλάστησης (EVI) από επιφανειακές ανακλαστικότητες του Landsat-7 ETM+ χρησιμοποιώντας τη μεθοδολογία των Huete et al εφόσον είναι γνωστό ότι οι εκτιμήσεις του GDD και τα σύνθετα του δείκτη βλάστησης συσχετίζονται. O δείκτης βλάστησης υπολογίζεται από τη σχέση 1. <br /> (1) EVI= , όπου:<br /> ρκ η επιφανειακή ανακλαστικότητα που έχει διορθωθεί για την ατμοσφαιρική πίεση και κ το κανάλι για το οποίο υπολογίζεται η ανακλαστικότητα, δηλαδή το μπλε (Β), το κόκκινο (R) ή το εγγύς υπέρυθρο (NIR).<br /> Αν και οι σχέσεις του Huete εφαρμόζονται μόνο στην επεξεργασία δεδομένων MODIS για να υπολογιστεί ο δείκτης βλάστησης, οι ίδιες σχέσεις εφαρμόστηκαν και για τα δεδομένα Landsat επειδή οι 2 δέκτες έχουν τα ίδια κανάλια (μπλε, κόκκινο, εγγύς υπέρυθρο) και παρόμοια φασματικά πεδία τιμών. Για παράδειγμα στο μπλε κανάλι ο Landsat-7 ETM+ έχει φασματικές τιμές 0,450 έως 0,520 ενώ ο MODIS 0,459 έως 0,479. Οι τιμές του δείκτη βλάστησης που προέρχονται από τον Landsat μετατρέπονται σε μακροχρόνιες μέσες τιμές (ενώ αναφέρονταν σε συγκεκριμένες μέρες) χρησιμοποιώντας τιμές του MODIS της περιόδου 2003-2005. Κατόπιν, συγχωνεύονται οι μακροχρόνιες τιμές του δείκτη βλάστησης με τον χάρτη του GDD που έχει διακριτική ικανότητα 1 km. Τέλος, παράγεται χάρτης του GDD με βελτιωμένη ανάλυση για την περίοδο 1971-2000. <br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Στο ερευνητικό αυτό έργο παρουσιάστηκε μία μεθοδολογία παραγωγής χάρτη μακροχρόνιων τιμών του δείκτη GDD υψηλής διακριτικής ικανότητας (28,5 m) για την περίοδο 1971-2000 χρησιμοποιώντας δεδομένα επιφανειακής ανακλαστικότητας του Landsat-7 ETM+ ίδιας διακριτικής ικανότητας, δεδομένα για τον δείκτη βλάστησης από τον MODIS με διακριτική ικανότητα 250 m και έναν προϋπάρχων χάρτη του δείκτη GDD που είχε προκύψει αρχικά από δεδομένα του MODIS για την επιφανειακή θερμοκρασία με διακριτική ικανότητα 1 km. H καινοτομία της παρούσας εργασίας σε σχέση με προηγούμενες παρόμοιας φύσης έγκειται στο γεγονός ότι χρησιμοποιήθηκε η σχέση που υπάρχει ανάμεσα στο δείκτη βλάστησης και το GDD.<br /> Η Εικόνα 1 παρουσιάζει την χωρική διακύμανση (a) και τη διακύμανση στη συχνότητα (b) των μακροχρόνιων μέσων τιμών του δείκτη GDD σε χάρτη διακριτικής ικανότητας 28,5 m για την περίοδο 1971-2000. Παρουσιάζεται, επίσης, η συσχέτιση των τιμών GDD διακριτικής ικανότητας 250 m με τις μέσες τιμές GDD διακριτικής ικανότητας 28,5 m.<br /> Πηγή<br /> 1. Quazi K. Hassan - Charles P. - A. Bourque - Fan-Rui Meng, «Application of Landsat-7 ETM+ and MODIS products in mapping seasonal accumulation of growing degree days at an enhanced resolution», Journal of Applied Remote Sensing, Vol. 1, 013539 (28 September 2007)<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%85%CE%B3%CF%87%CF%8E%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CF%89%CF%84%CE%BF%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CF%8E%CE%BD_Landsat_ETM_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CE%B5_%CF%80%CE%B5%CF%80%CE%B5%CF%81%CE%B1%CF%83%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%83%CF%85%CE%BD%CE%B1%CF%81%CF%84%CE%AE%CF%83%CE%B5%CE%B9%CF%82_(wavelets) 2012-02-12T11:38:22Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Συγχώνευση δορυφορικών φωτογραφιών Landsat ETM βασισμένη σε πεπερασμένες ...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Συγχώνευση δορυφορικών φωτογραφιών Landsat ETM βασισμένη σε πεπερασμένες συναρτήσεις (wavelets)<br /> <br /> Στόχος της εφαρμογής<br /> Στη παρούσα εργασία μελετάται η συγχώνευση παγχρωματικών (P) εικόνων του δορυφόρου Landsat ETM και πολυφασματικών (MS) εικόνων με στόχο να παραχθεί μία νέα εικόνα η οποία θα είναι βελτιωμένη φασματικά και θα έχει αποκτήσει υψηλότερη χωρική ανάλυση. Οι περιοχές ελέγχου που επιλέχτηκαν ήταν 3 εκτάσεις στο ευρωπαϊκό τμήμα της Κωνσταντινούπολης οι οποίες διέφεραν μεταξύ τους ως προς τις χρήσεις και καλύψεις της γης. Η εκτίμηση της χωρικής βελτίωσης έγινε με οπτική σύγκριση αντικειμένων διαφορετικής γεωμετρίας στη συγχωνευμένη εικόνα και την αρχική. Για την ανάλυση της φασματικής βελτίωσης συλλέχτηκαν περιοχές επάνω στις εικόνες με διαφορετικές καλύψεις γης, έγινε γραφική απεικόνισή τους για τη παραγόμενη εικόνα και την εικόνα MS και έλαβε χώρα μία σύγκριση μεταξύ τους. Ο βαθμός της φασματικής βελτίωσης εκτιμήθηκε με τη χρήση μίας συσχέτισης που δημιουργήθηκε μεταξύ της τελικής και της πολυφασματικής εικόνας για κάθε κανάλι. Τα αποτελέσματα για τις 3 περιοχές ελέγχου παρουσιάστηκαν με γραφικές παραστάσεις και στατιστικά στοιχεία. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν παγχρωματικές (P) εικόνες του δορυφόρου Landsat ETM και πολυφασματικές (MS) εικόνες.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η συγχώνευση των δορυφορικών δεδομένων χρησιμοποιείται για την καλύτερη αξιοποίηση της πληθώρας δεδομένων τα οποία καλύπτουν διαφορετικές φασματικές περιοχές και έχουν διαφορετικές χωρικές, χρονικές και φασματικές αναλύσεις. Σκοπός της συγχώνευσης είναι ο συνδυασμός δορυφορικών δεδομένων με διαφορετικά και συμπληρωματικά χαρακτηριστικά για τη δημιουργία μίας νέας εικόνας που θα περιλαμβάνει όσο το δυνατόν περισσότερα από τα χαρακτηριστικά και τις πληροφορίες των αρχικών δεδομένων. Παραδοσιακές τεχνικές συγχώνευσης δεδομένων τηλεανίχνευσης αποτελούν η ανάλυση στις κύριες συνιστώσες (PCA), ο μετασχηματισμός Brovey, η ανάλυση που βασίζεται στην ένταση του τόνου (IHS) και η συγχώνευση σε επίπεδο απόφασης.<br /> Στο παρόν ερευνητικό έργο η συγχωνευμένη εικόνα παράχθηκε από παγχρωματικά και πολυφασματικά δεδομένα του ίδιου δέκτη με σκοπό τη βελτίωση της χωρικής ανάλυσης της πολυφασματικής εικόνας. Επιλέχτηκε σαν περιοχή μελέτης η Κωνσταντινούπολη καθώς αποτελεί μητροπολιτική πόλη μεγάλου οικονομικού και τουριστικού ενδιαφέροντος. Συγκεκριμένα επιλέχτηκαν 3 περιοχές που έχουν ποικίλες χρήσεις και καλύψεις γης, όπως λ.χ. αυτοκινητοδρόμους, αεροδρόμια, αγροτικές καλλιέργειες, βιομηχανικές εκτάσεις στο ευρωπαϊκό τμήμα της πόλης.<br /> Οι Εικόνες 1α, 2α, 3α παρουσιάζουν τις αρχικές πολυφασματικές εικόνες Landsat, οι Εικόνες 1β, 2β, 3β παρουσιάζουν τις αρχικές παγχρωματικές εικόνες Landsat και οι Εικόνες 1γ, 2γ, 3γ παρουσιάζουν τις συγχωνευμένες εικόνες.<br /> Απαραίτητη προϋπόθεση για την αξιοπιστία της μεθόδου συγχώνευσης είναι η γεωμετρική διόρθωση των αρχικών εικόνων. Στην υπό εξέταση περίπτωση χρησιμοποιήθηκαν πολυωνυμικές εξισώσεις πρώτου βαθμού και η εικόνα P προβλήθηκε σε μερκατορικό σύστημα συντεταγμένων με σημεία ελέγχου πάνω στο έδαφος που προέκυψαν από χάρτες κλίμακας 1:5000, ενώ η εικόνα MS προβλήθηκε στο ίδιο σύστημα με τη βοήθεια της διορθωμένης παγχρωματικής εικόνας. <br /> Η συγχώνευση μπορούσε να γίνει με 2 τρόπους:<br /> 1. την αντικατάσταση συντελεστών της εικόνας χαμηλότερης ανάλυσης από συντελεστές της εικόνας υψηλής ανάλυσης <br /> 2. την πρόσθεση συντελεστών της εικόνας υψηλής ανάλυσης στα δεδομένα της εικόνας χαμηλής ανάλυσης<br /> Τα βήματα που ακολουθήθηκαν στην διαδικασία συγχώνευσης ήταν τα ακόλουθα:<br /> 1. αποσύνθεση της παγχρωματικής εικόνας υψηλής ανάλυσης σε άλλες εικόνες P χαμηλής ανάλυσης με συντελεστές σε κάθε επίπεδο<br /> 2. αντικατάσταση μίας εικόνας P από ένα κανάλι εικόνας MS που να ανήκει στο ίδιο επίπεδο χωρικής ανάλυσης<br /> 3. αντίστροφος μετασχηματισμός με στόχο την μετατροπή στο αρχικό επίπεδο ανάλυσης της εικόνας που έχει αποσυντεθεί στο βήμα 1 και της εικόνας P που έχει αντικατασταθεί στο βήμα 2<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Η διαδικασία συγχώνευσης παρήγαγε 9 αποτελέσματα, δηλαδή 3 για κάθε μία από τις περιοχές. Κάθε αποτέλεσμα περιέχει διαφορετικές καλύψεις γης και οι ψηφιακές του τιμές για τα κανάλια 2, 3 και 4 αναφέρονται στην εικόνα MS. Η συγχωνευμένη εικόνα χρησιμοποιήθηκε για να προσδιοριστεί η συσχέτιση μεταξύ αυτής και της πολυφασματικής. Ο υψηλή συσχέτιση απέδειξε ότι τα φασματικά χαρακτηριστικά της εικόνας MS διατηρήθηκαν σε μεγάλο βαθμό. Οι καλύτερες συσχετίσεις έγιναν στην περιοχή εκείνη όπου υπήρχαν συμμετρικές αστικές δομές (π.χ. συμμετρικά βιομηχανικά κτίρια). Το θαλασσινό νερό έδωσε καλύτερα αποτελέσματα από τη λίμνη εφόσον η συγχώνευση αλλοίωσε τα φασματικά χαρακτηριστικά του νερού της λίμνης. Οι περιοχές αεροδρομίου και χωραφιών με γρασίδι έδωσαν υψηλές τιμές συσχέτισης. <br /> <br /> Η Εικόνα 2α είναι μία παγχρωματική φωτογραφία για τη μία περιοχή ελέγχου, η Εικόνα 2β αποτελεί μία πολυφασματική απεικόνιση της ίδιας περιοχής και η Εικόνα 2γ είναι το αποτέλεσμα της συγχώνευσης των προαναφερθεισών εικόνων. Είναι εμφανές ότι έγιναν σημαντικές βελτιώσεις στην ανάλυση γραμμικών κατασκευών, όπως ο αυτοκινητόδρομος και τα όρια αγροτικών καλλιεργειών και κτιρίων. Η συγχωνευμένη εικόνα έχει μεν καλύτερη χωρική ανάλυση από την πολυφασματική, αλλά χειρότερη από την παγχρωματική. Οι Εικόνες 3 παρουσιάζουν αντίστοιχες απόψεις για άλλη περιοχή ελέγχου. <br /> Πηγή<br /> 1. F. Bektas Balcik - E. Sertel, «WAVELET-BASED IMAGE FUSION OF LANDSAT ETM IMAGES: A CASE STUDY FOR DIFFERENT LANDSCAPE CATEGORIES OF ISTANBUL»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B1%CF%81%CE%B9%CE%B8%CE%BC%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%80%CF%81%CF%8C%CE%B3%CE%BD%CF%89%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7_%CE%A3%CE%B1%CF%87%CE%AC%CF%81%CE%B1_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%84%CE%BC%CF%8C%CF%83%CF%86%CE%B1%CE%B9%CF%81%CE%B1 2012-02-12T11:36:38Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Χρήση δορυφορικών εικόνων και αριθμητικών μοντέλων πρόγνωσης για τη χ...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Χρήση δορυφορικών εικόνων και αριθμητικών μοντέλων πρόγνωσης για τη χαρτογράφηση της σκόνης από τη Σαχάρα στην ατμόσφαιρα<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι η χρήση εικόνων του ραδιομέτρου (καταγραφικού συστήματος δορυφόρου) AVHRR της ΝΟΑΑ (National Oceanic and Atmospheric Administration) και αριθμητικών μοντέλων πρόγνωσης για την ανίχνευση της σκόνης από τη Σαχάρα στην ατμόσφαιρα. Η ανάλυση των δεδομένων περιλαμβάνει διαδικασίες όπως μία απλή ενίσχυση της εικόνας και φτάνει μέχρι τη χρήση αριθμητικών μοντέλων μεταφοράς ακτινοβολίας μέσω της ατμόσφαιρας για την εκτίμηση της οπτικής πυκνότητας. Υπάρχουν σε εξέλιξη έρευνες που ασχολούνται με τη χαρτογράφηση των αεροζόλ στην ατμόσφαιρα και για το λόγο αυτό τα αποτελέσματα από τη χρήση δορυφορικών εικόνων συγκρίνονται με μετρήσεις οπτικής πυκνότητας των αεροζόλ από σταθμούς του συστήματος Aeronet.<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπάρχουν μετρήσεις των συγκεντρώσεων των σωματιδίων και αεροφωτογραφίες αερίων σωματιδίων (σκόνης).<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Χρησιμοποιήθηκαν εικόνες του ραδιομέτρου AVHRR της ΝΟΑΑ και αριθμητικών μοντέλων πρόγνωσης.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δορυφόροι ΝΟΑΑ αποτελούν τη δεύτερη σειρά μετεωρολογικών/ περιβαλλοντικών δορυφόρων πολικής τροχιάς της NASA και έχουν σκοπό τη μελέτη της ατμόσφαιρας και των ωκεανών. Το ραδιόμετρο AVHRR έχει πολύ υψηλή διακριτική ικανότητα και έχει τη δυνατότητα προσδιορισμού των μετεωρολογικών παραμέτρων, τη μελέτη του ενεργειακού ισοζυγίου, τον υπολογισμό της συγκέντρωσης του όζοντος και της ηλιακής ακτινοβολίας, αλλά και τη λήψη εικόνων επιφάνειας.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η μετακίνηση μέσω της ατμόσφαιρας ποσότητας σκόνης, που παράγεται από ορυκτά πετρώματα στην έρημο Σαχάρα της Αφρικής, επηρεάζει την Ευρώπη, αλλά και χώρες πέραν του Ατλαντικού ωκεανού. Τα σωματίδια της σκόνης περιορίζουν την ατμοσφαιρική ορατότητα, δημιουργούν προβλήματα στο αναπνευστικό σύστημα, επηρεάζουν τη δομή των εδαφών στον Ευρωπαϊκό χώρο και επιβαρύνουν την ατμόσφαιρα των χωρών της Νότιας Ευρώπης σε τέτοιο βαθμό ώστε να ξεπερνιούνται τα όρια που έχουν τεθεί από την Ευρωπαϊκή Ένωση για συγκεντρώσεις σωματιδίων.<br /> Το Εργαστήριο Τηλεπισκόπησης και Συστημάτων Γεωγραφικών Πληροφοριών του Πανεπιστημίου Αιγαίου σε συνεργασία με την Ομάδα Ατμοσφαιρικών μοντέλων και Πρόγνωσης Καιρού του Πανεπιστημίου Αθηνών εκπόνησαν μελέτη για την ανίχνευση της σκόνης από την Έρημο Σαχάρα χρησιμοποιώντας εικόνες του δορυφόρου AVHRR της ΝΟΑΑ και αναπτύσσοντας αριθμητικά μοντέλα πρόγνωσης. <br /> Συγκεκριμένα χρησιμοποιήθηκαν 4 εικόνες HRPT του αισθητήρα NOAA - 14 AVHRR, οι οποίες λήφθηκαν από το σταθμό SMARTechTM του Πανεπιστημίου Αιγαίου στις 19, 20, 21 και 22 Απριλίου το 1997. Η περιοχή μελέτης εκτείνεται από το Γιβραλτάρ έως την Κασπία θάλασσα και καλύπτει μέρος της βόρειας Αφρικής. Κάθε εικόνα έχει πλάτος περίπου 2253 km. Επίσης, επιλέχτηκαν 10 εικόνες των δεκτών ΝΟΑΑ-16 και ΝΟΑΑ-17 της περιόδου 15 έως 30 Ιουνίου του 2003 και έγινε επεξεργασία τους με τον κώδικα 6S, ο οποίος δίνει καλύτερα αποτελέσματα για τη μελέτη αεροζόλ με τον δέκτη AVHRR και είναι ιδιαίτερα ευέλικτος σε σχέση με προϋπάρχοντες κώδικες (π.χ. Dave).<br /> Τα βήματα που απαιτούνται ώστε να γίνει επεξεργασία των εικόνων NOAA - AVHRR και να χαρτογραφηθεί η σκόνη είναι τα εξής: <br /> Βαθμολόγηση καναλιών: Ο δέκτης NOAA - 14 AVHRR αποτελείται από 5 φασματικά κανάλια. Τα κανάλια 1 και 2 μετασχηματίζονται σε τιμές ακτινοβολίας με τη βοήθεια τύπων βαθμονόμησης μετά την πτήση που δίνουν το επί τοις εκατό ποσοστό λευκάγειας (albedo). Οι συντελεστές διόρθωσης λαμβάνονται από τον ιστόχωρο NOAASIS. Οι εξισώσεις που προτείνονται από τη NOAA για τον δέκτη NOAA - 14 AVHRR για τα 2 κανάλια είναι: L = (0.000118d + 0.557) * (C – 41) για το κανάλι 1 και L = (0.000122d + 0.423) * (C – 41) για το κανάλι 2, όπου L: η τιμή της ακτινοβολίας στο δορυφόρο, C: η ακατέργαστη ψηφιακή τιμή του εικονοστοιχείου, d: οι ημέρες μετά από την εκτόξευση (d = 0 για τις 30 Δεκεμβρίου 1994). Οι τιμές ακτινοβολίας στο δορυφόρο μετατρέπονται σε τιμές albedo (A) από την εξίσωση Α = L/F, όπου F: η εξωγήινη ηλιακή ακτινοβολία που ενσωματώνεται πάνω από την καμπύλη απόκρισης των καναλιών.<br /> Υπολογισμός των φαινόμενων θερμοκρασιών για τα κανάλια 3, 4 και 5: Τα κανάλια 3, 4 και 5 βαθμονομούνται χρησιμοποιώντας την εν πτήσει βαθμονόμηση. Αρχικά υπολογίζεται η φαινόμενη ακτινοβολία με τη χρήση των συντελεστών βαθμονόμησης που παίρνονται από κάθε 100η γραμμή από τα στοιχεία που στέλνει ο δορυφόρος και στη συνέχεια από το νόμο του Plank υπολογίζεται η λαμπρότητα της θερμοκρασίας. <br /> Μοντέλο επεξεργασίας εικόνας για την παραγωγή ποιοτικών χαρτών σκόνης: Ανιχνεύονται τα νέφη και η ξηρά.<br /> Διόρθωση γεωμετρικών παραμορφώσεων της εικόνας: Η γήινη περιστροφή κατά τη διάρκεια λήψης της εικόνας, το ελλειψοειδές σχήμα της γης και η παραμόρφωση των εικονοστοιχείων που βρίσκονται σε απόσταση από το δορυφορικό ναδίρ είναι παράγοντες που επιβάλλουν τη διόρθωση της εικόνας. Εφαρμόζονται μαθηματικές σχέσεις που συνδέουν τις συντεταγμένες των εικονοστοιχείων της εικόνας και τις συντεταγμένες των αντίστοιχων σημείων του χάρτη. Τα σημεία ελέγχου στο έδαφος για την εικόνα υπολογίζονται από το λογισμικό SmartTrack, ενώ η προβολή του χάρτη είναι γεωγραφική (φ, λ) και χρησιμοποιεί το datum WGS 72. Στη συνέχεια η εικόνα χρωματίζεται από μια ποιοτική παλέτα.<br /> Παραγωγή χαρτών σκόνης<br /> Τα αποτελέσματα της ανωτέρω διαδικασίας συγκρίνονται με τα αποτελέσματα της εφαρμογής του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ, που αναπτύχθηκε για να εφαρμοσθεί επιχειρησιακά στην Ελληνική Μετεωρολογική Υπηρεσία στα πλαίσια του έργου «Ανάπτυξη ενός συστήματος πρόγνωσης καιρού μεγάλης ακρίβειας σε υπολογιστές υψηλών επιδόσεων» και χρηματοδοτήθηκε από την Ελληνική Κυβέρνηση και την Ευρωπαϊκή Ένωση μέσω του προγράμματος ΕΠΕΤ ΙΙ της Γενικής Γραμματείας Έρευνας και Τεχνολογίας.<br /> Στο στάδιο της προεπεξεργασίας χρησιμοποιούνται μετεωρολογικές παράμετροι (γεωδυναμικό ύψος, συνιστώσες του ανέμου και υγρασία) που προκύπτουν από ένα μοντέλο μεγαλύτερης κλίμακας. Στη δομή του μοντέλου αναπτύχθηκε για να λειτουργήσει ένα ξεχωριστό τμήμα για την ατμοσφαιρική παραγωγή, τη μεταφορά και την εναπόθεση αδρανών ουσιών. Το τμήμα της μεταφοράς περιγράφεται με την εξίσωση της συνέχειας του Euler. Η απομάκρυνση της σκόνης από την ατμόσφαιρα πραγματοποιείται με δύο μηχανισμούς: την ξηρή και την υγρή εναπόθεση. Η ξηρή εναπόθεση στο μοντέλο παραμετροποιείται με βάση το σχήμα του Georgi (1986). Η υγρή απομάκρυνση σε κάθε επίπεδο του μοντέλου υπολογίζεται από τα κλάσματα της ευρείας κλίμακας κατακρήμνισης και της κατακρήμνισης λόγω σύγκλισης. Το κυρίως πρόγραμμα μετεπεξεργασίας είναι ένα και χρησιμοποιείται με σκοπό την ενοποίηση των πεδίων των διαφόρων ατμοσφαιρικών παραμέτρων τα οποία είναι χωρισμένα από τους διάφορους επεξεργαστές.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Υπάρχει σημαντική συμφωνία μεταξύ των χαρτών της σκόνης που προκύπτουν από τις δορυφορικές εικόνες και των αποτελεσμάτων του μοντέλου ΣΚΙΡΩΝ.<br /> Ένα από τα σημαντικά προβλήματα για τις εικόνες NOAA, που έχει ιδιαίτερη ένταση κατά τη διάρκεια της ανοιξιάτικης και θερινής περιόδου και μπορεί να οδηγήσει σε λανθασμένα συμπεράσματα, είναι η αντανάκλαση από το νερό του ήλιου. Ένα άλλο ιδιαίτερο πρόβλημα είναι η νεφοκάλυψη.<br /> <br /> Η Εικόνα 1α παρουσιάζει τη χαρτογράφηση της σκόνης της Σαχάρας από δεδομένα δορυφορικών εικόνων NOAA στις 19 Απριλίου του 1997 και η Εικόνα 1β τα αντίστοιχα αποτελέσματα με χρήση του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ.<br /> Τα αποτελέσματα της σύγκρισης των αποτελεσμάτων για την ατμοσφαιρική οπτική πυκνότητα από εικόνες AVHRR και AERONET ήταν πολύ ικανοποιητικά αφού έδειξαν μία συμφωνία τιμών μεταξύ AVHRR και AERONET με μέση απόκλιση 0.02 για το 1ο και 0.016 για το 2ο κανάλι<br /> <br /> <br /> Πηγή<br /> 1. Χατζόπουλος Ιωάννης - Χωριατέλλη Χρυσομάλλη - Καντζάς Παντελής - Κάλλος Γεώργιος - Κατσαφάρδος Πέτρος - Χρήστος Σπύρου, «ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΣΚΟΝΗΣ ΑΠΟ ΤΗ ΣΑΧΑΡΑ ΣΤΗΝ ΑΤΜΟΣΦΑΙΡΑ ΜΕ ΤΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΚΑΙ ΑΡΙΘΜΗΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΠΡΟΓΝΩΣΗΣ»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%97_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%85%CE%B4%CE%AC%CF%84%CE%B9%CE%BD%CF%89%CE%BD_%CF%80%CF%8C%CF%81%CF%89%CE%BD 2012-02-12T11:35:12Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Η χρήση της τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριώ...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Η χρήση της τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών στη διαχείριση των υδάτινων πόρων<br /> <br /> Στόχος της εφαρμογής<br /> Σκοπός της παρούσας μελέτης είναι να παρουσιαστούν οι μεθοδολογίες και τα αποτελέσματα του έργου REALDEMS (Remote Sensing Application for Land Cover and Digital Elevation Models Service). <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Υπάρχουν μαθηματικά μοντέλα και χάρτες για την αποτύπωση της ποσότητας του νερού σε επίπεδο λεκάνης απορροής, της επίπτωσης στην ποιότητα των παράκτιων, επιφανειακών και υπογείων υδάτων, τον προσδιορισμό της τροφικής κατάστασης υδάτινων μαζών, καθώς και τη διερεύνηση του περιβαλλοντικά βέλτιστου σχεδιασμού έργων διάθεσης και επαναχρησιμοποίησης λυμάτων και ιλύων. Υπάρχουν, για παράδειγμα, υδρολιθολογικοί χάρτες και χάρτες υδατοποιότητας. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Στα πλαίσια του έργου REALDEMS χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα του ραδιομέτρου ASTER (Advance Spaceborn Thermal Emission and Reflection Radiometer), δεδομένα του παγκόσμιου συστήματος προσδιορισμού θέσης GPS (Global Positioning System), καθώς και επιτόπιες παρατηρήσεις για τις περιοχές της Κρήτης και της Λέσβου. Από την ανάλυση των δεδομένων παρήχθησαν ψηφιακά μοντέλα εδάφους διακριτικής ικανότητας 15 έως 20 m και θεματικοί χάρτες κάλυψης γης. Τα προϊόντα αυτά χρησιμοποιήθηκαν για το χαρακτηρισμό λεκανών απορροής στη Κρήτη και τη Λέσβο με χρήση Γεωγραφικών Συστημάτων Πληροφοριών GIS (Geographic Information System).<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Το καταγραφικό όργανο του δορυφόρου TERRA, το ραδιόμετρο ASTER, χρησιμοποιείται για να λαμβάνει λεπτομερείς απεικονίσεις της επιφανειακής θερμοκρασίας της γης, της ανακλαστικότητας και του υψομέτρου.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Με στόχο την ορθολογική εκμετάλλευση και διαχείριση των υδάτινων πόρων θεσπίστηκε η Οδηγία 2000/60/EΚ στο πεδίο της πολιτικής των υδάτων. Σύμφωνα με την οδηγία αυτή, ο ποταμός μελετάται σε επίπεδο λεκάνης απορροής και ορίζεται ότι εντός της λεκάνης θα ασκείται διοικητική διάρθρωση με τέτοιο τρόπο ώστε να διασφαλίζεται η ορθή διαχείριση των υπόγειων και επιφανειακών υδάτων που ανήκουν στο ίδιο υδρογεωλογικό σύστημα. Επομένως, πρέπει να χρησιμοποιηθούν σύγχρονες τεχνικές για την εκτίμηση χωρικών κατανομών φυσικών παραμέτρων, καθώς και εργαστηριακές αναλύσεις για τον εντοπισμό χημικών ουσιών στο νερό και το έδαφος της λεκάνης. Το έργο REALDEMS που χρηματοδοτήθηκε από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας του Ιδρύματος Τεχνολογίας, το Jet Propulsion Laboratory της NASA, το Πανεπιστήμιο Αιγαίου και την εταιρεία PLANO A.E. έθετε σαν στόχο του την παραγωγή ψηφιακών μοντέλων εδάφους DEMs (Digital Elevation Models) και θεματικών χαρτών κάλυψης γης σε τοπικό επίπεδο για το χαρακτηρισμό λεκανών απορροής και την εφαρμογή υδρολογικών μοντέλων και κατά συνέπεια συνέβαλε στην εκτίμηση χωρικών κατανομών φυσικών παραμέτρων. <br /> Τα DEMs προέκυψαν με εφαρμογή φωτογραμμετρικών μεθόδων σε στερεοζεύγη εικόνων ASTER. Κάθε στερεοζεύγος περιλάμβανε εικόνες που είχαν ληφθεί στα φασματικά κανάλια του εγγύς υπερύθρου και διέθεταν στερεοσκοπική κάλυψη. <br /> Οι θεματικοί χάρτες κάλυψης του εδάφους παρήχθησαν με εφαρμογή μεθόδων επιβλεπόμενης ταξινόμησης σε πολυφασματικά δεδομένα ASTER.<br /> Οι επιτόπιες παρατηρήσεις καθόρισαν τις φασματικές υπογραφές σε δεδομένες περιοχές εκπαίδευσης για την πραγματοποίηση της επιβλεπόμενης ταξινόμησης.<br /> Η συλλογή μετρήσεων σε φωτοσταθερά σημεία στο πεδίο GCPs (Ground Control Points) πραγματοποιήθηκε με τη βοήθεια GPS. Αρχικά έγινε επιλογή των περιοχών στις οποίες θα λαμβάνονταν οι μετρήσεις, στη συνέχεια επισημάνθηκαν οι περιοχές αυτές στις εικόνες ASTER και εντοπίστηκαν σε αυτές διακριτά και εμφανή σημεία (π.χ. διασταυρώσεις δρόμων, φάροι, λιμενοβραχίονες, γέφυρες ποταμών, απότομες στροφές) έτσι ώστε αργότερα να μπορούν να προσδιοριστούν στην εικόνα με ακρίβεια ενός εικονοστοιχείου. <br /> Για την αξιολόγηση των παραγόμενων DEM χρησιμοποιήθηκαν τριγωνομετρικά σημεία της Γεωγραφικής Υπηρεσίας Στρατού από χάρτες με κλίμακα 1:5000 και σημεία ελέγχου που συλλέχθηκαν στο πεδίο αλλά δεν είχαν χρησιμοποιηθεί ως GCPs. Έγινε σύγκριση των υψών των τριγωνομετρικών σημείων με τα ύψη των αντίστοιχων σημείων του DEM. Για να εξαλειφθεί το οριζόντιο σφάλμα δημιουργήθηκαν κυκλικές ζώνες επέκτασης (buffers) ακτίνας 15 m γύρω από κάθε τριγωνομετρικό σημείο. Για κάθε ζώνη επέκτασης υπολογίστηκε η μέση τιμής του υψομέτρου των εικονοστοιχείων τα οποία περιλαμβάνονταν σε αυτή. Κατόπιν, η μέση τιμή συγκρίθηκε με την τιμή υψομέτρου του αντίστοιχου τριγωνομετρικού σημείου από το οποίο δημιουργήθηκε αρχικά το πολύγωνο ως ζώνη επέκτασης. Από τη σύγκριση αυτή προέκυψε το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) το οποίο αποτελεί μέτρο της διαφοράς των δύο πηγών υψομέτρων.<br /> Οι πολυφασματικές ορθοεικόνες που δημιουργήθηκαν από τις επιμέρους σκηνές ASTER, συνενώθηκαν σε μωσαϊκό για τις περιοχές της Κρήτης και της Λέσβου και οι αντίστοιχοι χάρτες κάλυψης γης παρήχθησαν με επιβλεπόμενη ταξινόμηση (αλγόριθμος της μέγιστης πιθανοφάνειας) στα μωσαϊκά αυτά, ώστε να καθοριστούν οι φασματικές υπογραφές για την ταξινόμηση των εικονοστοιχείων.<br /> Στην Εικόνα 1 παρουσιάζεται το παραγόμενο DEM για την περιοχή της Κρήτης, ως αποτέλεσμα της συνένωσης των DEM που παρήχθησαν από τις 12 επιμέρους σκηνές ASTER. <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Στην παρούσα εργασία παρουσιάστηκαν η μεθοδολογία που ακολουθήθηκε για την δημιουργία DEM, ορθοεικόνων και θεματικών χαρτών κάλυψης γης με βάση στερεοσκοπικά και πολυφασματικά δεδομένα του ραδιομέτρου ASTER για τις περιοχές της Κρήτης και της Λέσβου, στα πλαίσια του έργου REALDEMS. Τα προϊόντα της εφαρμογής REALDEMS χρησιμοποιήθηκαν στη συνέχεια για το χαρακτηρισμό λεκανών απορροής (κλίσεις και προσανατολισμοί επιφανειών, όρια λεκανών απορροής, όρια υπολεκανών κάθε λεκάνης, υδρογραφικό δίκτυο, καμπυλότητα επιφανειών) με εφαρμογή τεχνικών GIS.<br /> Για το σύνολο των σκηνών ASTER της περιοχής της Κρήτης το μέσο τετραγωνικό σφάλμα RMSE (Root Mean Square Error) βρέθηκε στην πλειοψηφία των περιπτώσεων κάτω των 20 m, γεγονός που αποδεικνύει την αξιοπιστία της μεθόδου και την καταλληλότητα των τελικών της προϊόντων για εφαρμογές τοπικού χαρακτήρα, όπως ο χαρακτηρισμός λεκανών απορροής. Το μέγιστο υψόμετρο του παραχθέντος DEM είναι 2460 m, ο αριθμός των τριγωνομετρικών σημείων που χρησιμοποιήθηκαν για τη σύγκριση ήταν 1854 και το RMSE που υπολογίστηκε είναι 18,7 m. Η συνολική ακρίβεια της ταξινόμησης για την περίπτωση της Λέσβου κυμάνθηκε στο 61%, που κρίνεται ικανοποιητική για το είδος των διαθέσιμων δεδομένων.<br /> <br /> Πηγή<br /> 1. Νεκτάριος Χρυσουλάκης - Χαράλαμπος Φείδας - Δημήτριος Βελιανίτης, «ΣΥΝΔΥΑΣΜΕΝΗ ΧΡΗΣΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΚΑΙ ΓΕΩΦΡΑΦΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΓΙΑ ΤΗΝ ΥΠΟΣΤΗΡΙΞΗ ΤΗΣ ΕΝΙΑΙΑΣ ΔΙΑΧΕΙΡΙΣΗΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ: ΤΟ ΕΡΓΟ REALDEMS»<br /> 2. Η ιστοσελίδα http://asterweb.jpl.nasa.gov/<br /> 3. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 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_%CF%81%CE%B5%CF%85%CF%83%CF%84%CE%BF%CF%80%CE%BF%CE%B9%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%B2%CE%BF%CE%AE%CE%B8%CE%B5%CE%B9%CE%B1_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD 2012-02-12T11:33:20Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο της εφαρμογής Εντοπισμός ρευστοποιήσεων με τη βοήθεια δορυφορικών εικόνων Στόχ...'</p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Εντοπισμός ρευστοποιήσεων με τη βοήθεια δορυφορικών εικόνων<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι να παρουσιάσει τη χρησιμότητα των δορυφορικών εικόνων στον εντοπισμό περιοχών που βίωσαν φαινόμενα ρευστοποίησης και στον προσδιορισμό εκείνων που κινδυνεύουν να ρευστοποιηθούν κατά τη διάρκεια ενός σεισμού. Συγκεκριμένα μελετώνται η περιοχή Nankai και περιοχές της Ηλείας, όπου η μεν πρώτη ρευστοποιήθηκε κατά το σεισμό του Kobe (Μ=7,2R), ενώ η δε δεύτερη κατά το σεισμό του Πύργου (M=5,5R).<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Μέχρι τώρα η έρευνα για την διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές, βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κ.λ.π. <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Από την ανάλυση δορυφορικών εικόνων στην περιοχή μεταξύ 2,08 έως 2,35 μm, που αντιστοιχεί στο κανάλι του μέσου υπέρυθρου του Landsat TM, προέκυψε ότι οι περιοχές Nankai και Ηλεία εμφανίζονταν λευκές στη δυαδική εικόνα και είχαν τιμές threshold 27 και 35 αντίστοιχα. Η μικρή διαφορά στις τιμές οφειλόταν στην διαφορετική χρήση γης στις 2 περιοχές. Η περιοχή Nankai ήταν αστικοποιημένη, ενώ η Ηλεία ήταν χέρσο έδαφος. <br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η δυνατότητα προσδιορισμού των διαφόρων ειδών γεωλογικών σχηματισμών από την ανάλυση δορυφορικών εικόνων αποτελεί τη βάση για τον εντοπισμό και εκείνων των περιοχών που κινδυνεύουν να εμφανίσουν ή έχουν εμφανίσει απώλεια της διατμητικής τους αντοχής (ρευστοποίηση) κατά τη διάρκεια σεισμών. Τα τηλεσκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα έρευνα είναι ψηφιακές δορυφορικές εικόνες Landsat 5 TM όπου εικονίζονται οι περιοχές Nankai της Κεντρικής Ιαπωνίας και περιοχές της Ηλείας. Τα δεδομένα αναλύθηκαν στο κανάλι 7 του Landsat διότι συνεισφέρει στη διάκριση επιφανειακών γεωλογικών σχηματισμών, την αναγνώριση ζωνών που προκύπτουν από θερμική εξαλλοίωση πετρωμάτων και υποδεικνύει περιοχές με χαλαρά ιζήματα, όπως άμμοι και ιλύες, άρα βοηθάει και στον προσδιορισμό περιοχών που είναι επιρρεπείς στη ρευστοποίηση εφόσον οι άμμοι και οι ιλύες κινδυνεύουν πιο πολύ από το φαινόμενο αυτό, ειδικά αν περιέχουν νερό. <br /> Μέχρι τώρα η έρευνα για τη διερεύνηση της πιθανότητας ρευστοποιήσεων σε περιοχές βασίζονταν κυρίως στην χρησιμοποίηση ιστορικών στοιχείων, γεωλογικών δεδομένων, γεωτεχνικών δοκιμών υπαίθρου και εργαστηρίου, γεωμορφολογικών στοιχείων κλπ με εξαιρετικά υψηλό κόστος. <br /> Στην περίπτωση που εξετάζουμε καθορίστηκε αρχικά μια αρχική τιμή (threshold) μεταξύ 0 και 256 για τη δημιουργία της πρώτης επεξεργασμένης εικόνας. Έγινε, δηλαδή, επέμβαση στο ιστόγραμμα της ψηφιακής εικόνας και προέκυψε μια ασπρόμαυρη. Τα pixels που είχαν 256 αποχρώσεις του γκρι χωρίστηκαν και πήραν τις τιμές 0 για το μαύρο και 255 για το άσπρο. Έτσι, οι περιοχές με την υψηλότερη ανάκλαση έγιναν άσπρες και οι περιοχές με τη μεγαλύτερη απορρόφηση έγιναν μαύρες. Στη συνέχεια δόθηκαν άλλες τιμές ως αρχική τιμή και η διαδικασία σταμάτησε όταν η παραγόμενη εικόνα έμοιαζε αρκετά με τον χάρτη κατανομής των ρευστοποιήσεων στις 2 περιοχές. Τελικά διαπιστώθηκε ότι οι λευκές περιοχές των ψηφιακών εικόνων ταυτίζονταν με τις ρευστοποιημένες περιοχές.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Η ανάλυση δορυφορικών εικόνων μπορεί να συμβάλλει στον εντοπισμό περιοχών που αντιμετωπίζουν προβλήματα ρευστοποιήσεων γρήγορα και με χαμηλό κόστος. Η αύξηση της διακριτικής ικανότητας των τηλεσκοπικών δεδομένων θα βοηθήσει στη χρήση της τηλεπισκόπησης σαν αντικειμενικό στοιχείο προσδιορισμού της επικινδυνότητας για ρευστοποίηση.<br /> Η Εικόνα 1 παρουσιάζει το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe και η Εικόνα 2 είναι η επεξεργασμένη δυαδική μορφή για την ίδια περιοχή με τιμή threshold 27.<br /> Πηγή<br /> 1. Ε. Λέκκας, Ε. Βασιλάκης, «Ανάλυση δορυφορικών εικόνων για των εντοπισμό ρευστοποιήσεων – Συγκριτικά στοιχεία από τους σεισμούς του Κόμπε και του Πύργου», 5ο Πανελλήνιο Γεωγραφικό Συνέδριο<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%85%CE%BC%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%BF%CF%81%CE%AC%CF%82_%CE%BC%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CE%BF%CF%8D_%CE%BF%CE%B9%CE%BA%CE%BF%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CF%83%CE%B5_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2012-02-12T11:32:05Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο της εφαρμογής Εκτίμηση της συμπεριφοράς μεσογειακού δασικού οικοσυστήματος σε ...'</p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Εκτίμηση της συμπεριφοράς μεσογειακού δασικού οικοσυστήματος σε πυρκαγιά με τη χρήση τηλεανίχνευσης και GIS<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας εργασίας είναι η μελέτη της επανάκαμψης και του είδους της βλάστησης ενός δασικού οικοσυστήματος ύστερα από περιστατικά πυρκαγιών με τη χρήση τηλεανίχνευσης και GIS. Περιοχή μελέτης είναι το Εθνικό Πάρκο στο Σούνιο.<br /> <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Για τον υπολογισμό της παραμέτρου NDVI (Normalized Difference Vegetation Index) που σχετίζεται με την επανάκαμψη της συνολικής βιομάζας της βλάστησης χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat TM και ETM+ οι οποίες κάλυπταν μία εικοσαετία, αλλά και χάρτες ταξινόμησης που αφορούσαν στην κατάσταση του οικοσυστήματος πριν και μετά από τις φωτιές. Τα αποτελέσματα έδειξαν ότι στην περίπτωση που λαμβάνει χώρα ένα μόνο συμβάν πυρκαγιάς υπάρχει υψηλός βαθμός επανάκαμψης και κατά συνέπεια μικρές διαφοροποιήσεις στο είδος της αρχικής βλάστησης. Στην περίπτωση, όμως, που συμβεί δεύτερη φωτιά εντός 19 ετών από το πρώτο συμβάν, το οικοσύστημα έχει πολύ αργό ρυθμό επανάκαμψης και υπάρχουν μεγάλες διαφοροποιήσεις στο είδος των φυτών σε σχέση με αυτά του υγιούς δασικού οικοσυστήματος.<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η μελέτη της απόκρισης των δασικών μεσογειακών οικοσυστημάτων σε επαναλαμβανόμενα περιστατικά πυρκαγιάς είναι σημαντικό βήμα για την εφαρμογή πρακτικών διατήρησης των δασών. Οι συνεχόμενες πυρκαγιές επηρεάζουν αρνητικά και τη συνολική επανάκαμψη του οικοσυστήματος. Στο υπό εξέταση ερευνητικό έργο αξιολογήθηκε με τηλεπισκόπηση η επίπτωση πολλαπλών πυρκαγιών σε διάφορες κατηγορίες φυτών έχοντας ληφθεί υπόψη η συνεισφορά της αναδάσωσης και ο ρυθμός συνολικής επανάκαμψης του οικοσυστήματος. Συγκεκριμένα, μελετήθηκαν 2 περιοχές στο Εθνικό Πάρκο στο Σούνιο. Η πρώτη περιοχή βίωσε 2 περιστατικά φωτιάς το 1985 και το 2000 και η δεύτερη το 1974 και το 1993. Στην δεύτερη περίπτωση, έλαβε χώρα αναδάσωση ύστερα από τη δεύτερη πυρκαγιά. Χρησιμοποιήθηκαν 6 δορυφορικές εικόνες Landsat TM και ETM+ (1984, 1987, 1990, 1999, 2002, 2005) και μία εικόνα του IKONOS (2004), οι οποίες διορθώθηκαν γεωμετρικά, όπως επίσης και για την επίδραση της ατμόσφαιρας. Οι 2 εικόνες Landsat (1984, 1999) και η εικόνα του IKONOS χρησιμοποιήθηκαν για να παραχθούν χάρτες ταξινόμησης ώστε να μελετηθεί η εξέλιξη της βλάστησης μετά από τις φωτιές. Η δασική υπηρεσία εφάρμοσε φωτοερμηνεία αεροφωτογραφιών, παρήγαγε ορθοφωτοχάρτες και ειδικά για την εικόνα του 2004 έγινε πολύ προσεκτική επιλογή περιοχών εκπαίδευσης στο πεδίο για την εξαγωγή ασφαλέστερων συμπερασμάτων. Για την εκτίμηση της επανάκαμψης του οικοσυστήματος υπολογίστηκε στις υπό μελέτη περιοχές για τα 6 έτη η παράμετρος NDVI που αντιπροσωπεύει τη συνολική βιομάζα της βλάστησης. Για κάθε χρόνο υπολογίστηκε ο δείκτης επανάκαμψης R ως ο λόγος των μέσων τιμών NDVI της περιοχής που έχει καεί προς τις αντίστοιχες τιμές γειτονικής περιοχής που δεν έχει βιώσει πυρκαγιά. Το R αποδείχτηκε ότι επηρεαζόταν από την υγρασία, τη διαφορά θερμοκρασίας και την ορατότητα. Από τις τιμές του R για την περιοχή που κάηκε τα έτη 1985 και 2000 προκύπτει ότι:<br /> 1. μετά την πρώτη φωτιά μειώνεται η φυσική αναγέννηση του φυτού Pinus halepensis Mill . Συγκεκριμένα, εάν συγκριθούν οι εικόνες των ετών 1984 και 1999, υπάρχει μείωση της παρουσίας του φυτού κατά ποσοστό 28% στην εικόνα του 1999 γεγονός που αποδίδεται και στο βραχώδες ανάγλυφο της περιοχής.<br /> 2. μετά την δεύτερη φωτιά το ίδιο φυτό τείνει να εξαφανιστεί από το οικοσύστημα το έτος 2004.<br /> 3. η παρουσία της φράουλας δεν επηρεάζεται από τις 2 πυρκαγιές.<br /> 4. η παρουσία του φυτού phrygana αυξήθηκε σημαντικά μετά την πρώτη φωτιά και ακόμη περισσότερο μετά τη δεύτερη.<br /> Από τις τιμές του R για την περιοχή που κάηκε τα έτη 1974 και 1993 προκύπτει ότι:<br /> 1. μετά τη δεύτερη φωτιά και την αναδάσωση αυξήθηκε η παρουσία της φράουλας διότι τα φυτά Pinus halepensis Mill που φυτεύτηκαν και οι φράουλες που φύτρωσαν με φυσικό τρόπο δεν μπορούν να διαφοροποιηθούν στις τεχνικές πολυφασματικής ταξινόμησης.<br /> 2. η παρουσία του φυτού phrygana μειώθηκε 6 έτη μετά τη δεύτερη φωτιά εξαιτίας της αναδάσωσης.<br /> <br /> Η Εικόνα 1 παρουσιάζει τις μέσες τιμές του R που υπολογίστηκαν για τις 2 περιοχές από τις 6 εικόνες του δορυφόρου Landsat.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Οι πυρκαγιές που έλαβαν χώρα μια φορά στο οικοσύστημα που εξετάστηκε δεν επέφεραν σημαντικές διαφοροποιήσεις στη σύνθεση της βλάστησης και ο βαθμός επανάκαμψης της επιφανειακής βιομάζας θεωρήθηκε αυξημένος.<br /> Οι συνεχόμενες πυρκαγιές σε διαστήματα 15 και 19 ετών επέφεραν σημαντικές αλλαγές και οδήγησαν τα κατώτερα είδη βλάστησης (π.χ. phrygana ) να έχουν κύρια παρουσία στο οικοσύστημα ενώ τα ανώτερα (π.χ. Pinus halepensis Mill ) σε εξαφάνιση.<br /> Η αναδάσωση ενίσχυσε την επανάκαμψη του οικοσυστήματος και το εμπλούτισε με είδη βλάστησης που βρίσκονται σε ανώτερα επίπεδα μέσα στην εξελικτική διαδικασία.<br /> <br /> Πηγή<br /> 1. P.Christakopoulos - I.Hatzopoulos - K.Kalabokidis - D.Paronis - A.Filintas, «Assessment of the response of a Mediterranean-type forest ecosystem to recurrent wildfires and to different restoration practices using Remote Sensing and GIS techniques»<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CF%8C%CE%BC%CE%B7%CF%83%CE%B7_%CE%B1%CE%B3%CF%81%CE%BF%CF%84%CE%B5%CE%BC%CE%B1%CF%87%CE%AF%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CF%89%CE%BD_Landsat_TM_%CE%BA%CE%B1%CE%B9_QuickBird-%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7%CF%82_%CF%84%CE%B1_%CE%B5%CE%BB%CE%B1%CE%B9%CF%8C%CE%B4%CE%B5%CE%BD%CF%84%CF%81%CE%B1_%CF%84%CE%B7%CF%82_%CE%9B%CE%AD%CF%83%CE%B2%CE%BF%CF%85 2012-02-12T11:30:43Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο της εφαρμογής Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιο...'</p> <hr /> <div>Αντικείμενο της εφαρμογής<br /> Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιοχή μελέτης τα ελαιόδεντρα της Λέσβου<br /> <br /> Στόχος της εφαρμογής<br /> Στόχος της παρούσας μελέτης είναι να λάβει χώρα μία χωρική κατανομή των ελαιόδεντρων της Λέσβου με επιβλεπόμενη ταξινόμηση δεδομένων από τον αισθητήρα QuickBird υψηλής διακριτικής ικανότητας, αλλά και να συγκριθούν τα αποτελέσματα της ταξινόμησης αυτής με αυτά που θα έδινε μία παλαιότερη τεχνική τηλεανίχνευσης που περιλαμβάνει την επιβλεπόμενη ταξινόμηση δεδομένων με διακριτική ικανότητα 30m και με συλλογή δεδομένων πεδίου με τη χρήση Διεθνούς Συστήματος Προσδιορισμού Θέσης (GPS, Global Positioning System).<br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν <br /> Δορυφόρος QuickBird<br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης QuickBird έχει μέχρι σήμερα την υψηλότερη χωρική διακριτική ικανότητα ανάμεσα στους άλλους δορυφόρους και τα δεδομένα του έχουν υψηλή ραδιομετρική ικανότητα ώστε οι αναλύσεις που γίνονται βάσει αυτών να είναι ακριβείς. Επιπλέον, διαθέτει δυνατότητα λήψης στερεοζευγών κατά μήκος της τροχιάς ώστε να μπορούν να παραχθούν ψηφιακά μοντέλα εδάφους μεγάλης χωρικής ανάλυσης.<br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Η σπουδαιότητα των ελαιόδεντρων έγκειται στο γεγονός ότι αποτελούν την κύρια ή συμπληρωματική πηγή εσόδων για τους κατοίκους της Λέσβου. Σύμφωνα με τον κανονισμό Νο 2366/98 της Ευρωπαϊκής Επιτροπής τον Οκτώβριο του 1998, οι αγρότες λαμβάνουν επιχορήγηση για την παραγωγή τους μόνο εάν καταγράψουν τα αγροτεμάχιά τους και τα εισάγουν σε κατάλληλο χαρτογραφικό υπόβαθρο. Τα τελευταία 20 έτη ερευνητικά προγράμματα προσπάθησαν να χαρτογραφήσουν επαρκώς τα αγροτεμάχια από δεδομένα δορυφορικής τηλεπισκόπησης, αλλά η εξαγωγή συμπερασμάτων για τις χρήσεις και καλύψεις γης στη περιοχή της Μεσογείου ήταν δύσκολη εξαιτίας του πολύπλοκου αναγλύφου. Στην υπό μελέτη περίπτωση χρησιμοποιήθηκαν σαν αρχικά δεδομένα δορυφορικές εικόνες μέτριας έως υψηλής διακριτικής ικανότητας (Landsat TM) και πολύ υψηλής διακριτικής ικανότητας (QuickBird). Η εικόνα Landsat TM αποκτήθηκε στις 28/5/1999, διορθώθηκε γεωμετρικά από μετρήσεις GPS υψηλής ακρίβειας και γεωαναφέρθηκε στο Γεωδαιτικό Σύστημα Αναφοράς του 87. Επιπροσθέτως, αποκτήθηκαν περισσότερες από 15 εικόνες του QuickBird που κάλυπταν τη Λέσβο το καλοκαίρι του 2002. Τα μειονεκτήματα στη χρήση περισσότερων εικόνων υψηλής διακριτικής ικανότητας είναι το υψηλό κόστος και η νεφοκάλυψη στο 20% της περιοχής ενδιαφέροντος. Οι κατηγορίες που αναγνωρίστηκαν για να γίνει η ταξινόμηση της εικόνας Landat TM ήταν οι εξής:<br /> 1. παράκτιες περιοχές<br /> 2. θάλασσα<br /> 3. αστική περιοχή<br /> 4. άγονες εκτάσεις<br /> 5. δάσος πεύκων<br /> 6. αγροτεμάχια ελαιόδεντρων<br /> 7. δάσος δρυών<br /> 8. δάσος καστανιών<br /> 9. αειθαλείς θάμνοι<br /> 10. δάσος φυλλοβόλων<br /> 11. καλλιεργήσιμες εκτάσεις<br /> 12. βοσκότοποι<br /> <br /> Τα περιβόλια με ελαιόδεντρα χωρίστηκαν σε 5 επιμέρους κατηγορίες σύμφωνα με το είδος και την πυκνότητα της βλάστησης. Η Εικόνα 1 παρουσιάζει τις διάφορες κατηγορίες ελαιόδεντρων πάνω στις δορυφορικές εικόνες του QuickBird προσαρμόζοντας το εγγύς υπέρυθρο κανάλι στο κόκκινο, το μπλε στο μπλε και το πράσινο στο πράσινο.<br /> <br /> Αφού συλλεχθούν όλα τα εκπαιδευτικά πεδία, λαμβάνει χώρα επιβλεπόμενη ταξινόμηση. Το λογισμικό, δηλαδή, υπολογίζει τα στατιστικά των ψηφιακών τιμών των εικονοστοιχείων που ανήκουν σε μία εκπαιδευτική περιοχή και τα οποία αποτελούν την φασματική υπογραφή της τάξης. Κατόπιν γίνεται απόδοση των εικονοστοιχείων της εικόνας σε τάξεις με βάση τις ψηφιακές τιμές και τις υπογραφές εφαρμόζοντας σαν μη παραμετρικό κανόνα τον κανόνα της ελάχιστης απόστασης και σαν παραμετρικό τον κανόνα της μέγιστης πιθανοφάνειας. <br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων ανάλυσης<br /> Η χαρτογράφηση των ελαιόδεντρων με τη χρήση ταξινόμησης δορυφορικών εικόνων είναι μία νέα μέθοδος με θετικά αποτελέσματα ιδιαίτερα για δυσπρόσιτες περιοχές ή για τοποθεσίες όπου υπάρχει έλλειψη στατιστικών και ιστορικών δεδομένων. Στην υπό εξέταση περίπτωση, χρησιμοποιήθηκαν εικόνες υψηλής διακριτικής ικανότητας για κάλυψη ολόκληρης της περιοχής μελέτης και για τη συλλογή δεδομένων πεδίου. Υπολογίστηκε το συνολικό εμβαδόν της Λέσβου που καλύπτεται από ελαιόδεντρα, το εμβαδόν για καθεμιά από τις 5 κατηγορίες και ο αριθμός των δέντρων κάθε κατηγορίας. Η Εικόνα 2 παρουσιάζει το χάρτη με τις κατηγορίες ελαιόδεντρων που προέκυψε από την ταξινόμηση εικόνας Landsat TM.<br /> <br /> Πηγή<br /> 1. Christos Vasilakos-John Hatzopoulos-Kostas Kalabokidis-Kostas Koutsovilis-Argiroula Thomaidou, «Classification of agricultural fields by using Landsat TM and QuickBird sensors. The case study of olive trees in Lesvos island.»<br /> <br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7,_%CE%A4%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%9D%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%A3%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A0%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2012-02-12T11:28:44Z

<p>Ioannina7: Νέα σελίδα με 'Αντικείμενο εφαρμογής Τηλεπισκόπηση, Τεχνητή Νοημοσύνη και Συστήματα Γεωγραφικών Πληροφορι...'</p> <hr /> <div>Αντικείμενο εφαρμογής<br /> Τηλεπισκόπηση, Τεχνητή Νοημοσύνη και Συστήματα Γεωγραφικών Πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών<br /> <br /> Στόχος της εφαρμογής<br /> Η παρούσα μελέτη ασχολείται με τον προληπτικό σχεδιασμό για την αντιμετώπιση φυσικών καταστροφών. Το νησί της Λέσβου λαμβάνεται ως περιοχή μελέτης και αναπτύσσεται ένα ποσοτικό Ελληνικό Σύστημα Εκτίμησης Κινδύνου Πυρκαγιάς μεγάλης κλίμακας, το οποίο χρησιμοποιεί μετεωρολογικά δεδομένα και προβλέπει βραχυπρόθεσμα την πυρο-επικινδυνότητα βάσει του Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς. Ο προτεινόμενος δείκτης βασίζεται σε 3 επιμέρους δείκτες που έχουν μεταβολή στο χώρο και το χρόνο: το Μετεωρολογικό Δείκτη Κινδύνου (ΜΔΚ), το Βλαστητικό Δείκτη Κινδύνου (ΒΔΚ) και τον Κοινωνικο-Οικονομικό Δείκτη Κινδύνου (ΚΟΔΚ). <br /> <br /> Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση<br /> Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.<br /> <br /> Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν<br /> Πηγές για τον καθορισμό των παραμέτρων που συνιστούν τους δείκτες ΜΔΚ, ΒΔΚ, ΚΟΔΚ είναι δορυφορικές εικόνες από τους δέκτες QuickBird και Landsat ETM και το μοντέλο πρόγνωσης καιρού SKIRON/Eta. <br /> <br /> Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν<br /> Ο δέκτης QuickBird έχει μέχρι σήμερα την υψηλότερη χωρική διακριτική ικανότητα ανάμεσα στους άλλους δορυφόρους και τα δεδομένα του έχουν υψηλή ραδιομετρική ικανότητα ώστε οι αναλύσεις που γίνονται βάσει αυτών να είναι ακριβείς. Επιπλέον, διαθέτει δυνατότητα λήψης στερεοζευγών κατά μήκος της τροχιάς ώστε να μπορούν να παραχθούν ψηφιακά μοντέλα εδάφους μεγάλης χωρικής ανάλυσης.<br /> Οι δέκτες Landsat γενικά επικεντρώνονται στις πλουτοπαραγωγικές πηγές του πλανήτη σε τομείς όπως η γεωλογία, οι μετρήσεις βιομάζας, η χαρτογράφηση των δασών, οι χρήσεις γης, η εδαφοκάλυψη, οι περιβαλλοντικές αλλαγές, οι παράκτιες περιοχές.<br /> Το μοντέλο SKIRON/Eta είναι μια τροποποιημένη έκδοση του ατμοσφαιρικού μοντέλου Eta/NCEP και είναι συζευγμένο με ένα μοντέλο πρόγνωσης του κύκλου της εδαφικής σκόνης στην ατμόσφαιρα. <br /> <br /> Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου <br /> Το Σύστημα Εκτίμησης Κινδύνου Πυρκαγιάς αναπτύσσεται στα πλαίσια Ευρωπαϊκού ερευνητικού προγράμματος με την ονομασία AYTO-HAZARD PRO, αποτελεί εξέλιξη υπάρχοντος συστήματος διαχείρισης δασικών πυρκαγιών και κύριο προϊόν του είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ). Ο δείκτης αυτός υπολογίζεται με τη χρήση του Μετεωρολογικού Δείκτη Κινδύνου, του Βλαστητικού Δείκτη Κινδύνου και του Κοινωνικο-Οικονομικού Δείκτη Κινδύνου. Συγκεκριμένα, ο Μετεωρολογικός Δείκτης Κινδύνου προκύπτει από μετεωρολογικά δεδομένα θερμοκρασίας, ταχύτητας ανέμου, σχετικής υγρασίας και βροχόπτωσης από 4 αυτόματους τηλεμετρικούς σταθμούς. Η πρόγνωση του δείκτη βασίζεται σε μετεωρολογικά δεδομένα από το μοντέλο SKIRON/Eta με δυνατότητα πρόγνωσης 5 ημερών. Η χωρική παρεμβολή των κλιματολογικών δεδομένων ώστε να κατανεμηθούν χωρικά οι σημειακές μετεωρολογικές μετρήσεις γίνεται σε περιβάλλον GIS με πολύγωνα Thiessen, με μέση βαρύνουσα απόσταση, με παρεμβολή Kriging, με πολλαπλή παλινδρόμηση με χρήση μεταβλητών όπως το υψόμετρο, το γεωγραφικό μήκος και πλάτος. Ο Βλαστητικός Δείκτης Κινδύνου αναφέρεται στην πιθανότητα εμφάνισης πυρκαγιάς λόγω της τοπογραφίας (υψόμετρο, προσανατολισμός), του είδους της βλάστησης και της κατάστασης της βλάστησης (περιεχόμενη υγρασία). Περιοχές με τα ίδια είδη βλάστησης μπορεί να έχουν διαφορετικό κίνδυνο λόγω διαφορετικών μοντέλων καύσιμης ύλης. Η χωρική επιφάνεια των μοντέλων καύσιμης ύλης δημιουργήθηκε βάσει των χρήσεων γης CORINE, οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BehavePlus2. Για κάθε μοντέλο υπολογίστηκαν οι ταχύτητες διάδοσης, η θερμότητα ανά μονάδα επιφάνειας, η θερμική ένταση του μετώπου, το μήκος της φλόγας και η θερμική ένταση αντίδρασης ώστε να προσδιοριστεί η ευφλεκτικότητά του για διαφορετικές τιμές κλίσης του εδάφους. Ο Κοινωνικο-Οικονομικός Δείκτης Κινδύνου αναφέρεται στον κίνδυνο εκδήλωσης πυρκαγιάς σε μία περιοχή λόγω της ανθρώπινης παρουσίας (π.χ. ηλεκτροφόρες γραμμές, χωματερές, χώροι αναψυχής,). Για να χαρτογραφηθεί το ανθρώπινο ρίσκο συσχετίστηκε η χωρική κατανομή της έναρξης μίας φωτιάς με την ευκλείδεια απόσταση από ανθρώπινες δραστηριότητες. Χαρτογραφήθηκε το οδικό δίκτυο, οι οικισμοί και οι αγροτικές περιοχές με χρήση δεδομένων υψηλής χωρικής διακριτικής ικανότητας από το δέκτη QuickBird με μέγεθος pixel 2,8m. Παραλήφθηκαν περισσότερα από 20 σκηνικά εντός των αντιπυρικών περιόδων 2002 και 2003 του AYTO-HAZARD PRO, διορθώθηκαν γεωμετρικά με τη βοήθεια χαρτών και GPS και συνενώθηκαν σε ένα μωσαϊκό πραγματοποιώντας παράλληλα ραδιομετρικές διορθώσεις προκειμένου να εξαλειφθούν διαφορές που υπήρχαν στα ιστογράμματά τους λόγω διαφορετικής ημέρας και γωνίας λήψης. Για να αντικατασταθούν οι περιοχές με νεφοκάλυψη χρησιμοποιήθηκε εικόνα Landsat ETM με μέγεθος pixel 30m στο πολυφασματικό και15M στο παγχρωματικό. Επιλέχτηκαν τα κανάλια μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird και συνενώθηκαν με το παγχρωματικό ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15m γεωμετρική διακριτική ικανότητα. Για να εκπαιδευτούν τα νευρωνικά δίκτυα συλλέχτηκαν τα ιστορικά δεδομένα των 420 πυρκαγιών που εκδηλώθηκαν στο νησί το διάστημα 1970-2001 και χαρτογραφήθηκαν με τη βοήθεια συνεντεύξεων κατοίκων και GPS. Προέκυψαν δείγματα εκπαίδευσης και επαλήθευσης των νευρωνικών για κάθε δείκτη τα οποία παρουσιάζονται στον Πίνακα 1:<br /> Ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ) υπολογίζεται με τη διαδικασία Αναλυτικής Ιεράρχησης των 3 επιμέρους δεικτών (κριτηρίων) σύμφωνα με τη μέθοδο του σταθμισμένου μέσου. Συγκεκριμένα υπολογίζονται τα βάρη των δεικτών μετά από ανά ζεύγη σύγκριση μεταξύ των κριτηρίων χρησιμοποιώντας συγκεκριμένη κλίμακα σημαντικότητας.<br /> <br /> Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων<br /> Το δίκτυο που έχει επιλεγεί να υπολογίσει τον ΜΔΚ ταξινόμησε σωστά το 93% των πυρκαγιών του δείγματος εκπαίδευσης το διάστημα 1970-2001 και το 88% των πυρκαγιών του δείγματος επαλήθευσης την ίδια περίοδο. Τα ποσοστά ορθής ταξινόμησης για τον ΚΟΔΚ κρίνονται ικανοποιητικά αν και υπάρχει μία υπερεκτίμηση λόγω του χαμηλού ποσοστού σωστής ταξινόμησης της μη εμφάνισης πυρκαγιάς στο δείγμα επαλήθευσης του 1970-2001 λ.χ. το 2003 ταξινομήθηκε σωστά το 91% του δείγματος επαλήθευσης, πράγμα που σημαίνει ότι το 91% των πυρκαγιών που εκδηλώθηκαν στη Λέσβο το 2003, εκδηλώθηκαν σε περιοχές όπου το νευρωνικό δίκτυο, που είχε επιλεγεί, έδινε πιθανότητα εμφάνισης φωτιάς πάνω από 50%, δηλαδή οι πυρκαγιές του 2003 είχανε κύρια αιτία τις ανθρωπογενείς δραστηριότητες, γεγονός που επιβεβαιώνεται και από ανακριτικά και αιτιολογικά δεδομένα της Πυροσβεστικής υπηρεσίας. Η διαδικασία εκπαίδευσης του ΒΔΚ ισχυροποίησε το παραπάνω συμπέρασμα γιατί το μέσο τετραγωνικό σφάλμα του δείγματος επαλήθευσης για το 2003 παρουσίασε πολύ υψηλές τιμές ενώ και το ποσοστό σωστής ταξινόμησης των πυρκαγιών ήταν χαμηλό. Για το λόγο αυτό η εκπαίδευση βασίστηκε στις πυρκαγιές της περιόδου 1970-2001 ώστε να μην χαθεί η γενίκευση του δείγματος επαλήθευσης. Ο τελικός ΔΠΕΠ υπολογίζεται από τη σχέση:<br /> <br /> ΔΠΕΠ=0,1311*ΜΔΚ+0,2081*ΒΔΚ+0,6608*ΚΟΔΚ<br /> <br /> Η Εικόνα 1 παρουσιάζει τα σημεία εκδήλωσης πυρκαγιάς για την περιοχή μελέτης. Απεικονίζονται το κύριο οδικό δίκτυο και οι αστικές περιοχές.<br /> Πηγή<br /> 1. Christos Vasilakos-Kostas Kalabokidis-John Hatzopoulos-Ioannis Matsinos, «Identifying wildland fire ignition factors through<br /> sensitivity analysis of a neural network», Received 14 February 2008 / Accepted November 2008<br /> _ Springer Science+Business Media B.V. 2008<br /> 2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pinakas.jpg 2012-02-12T11:15:11Z

<p>Ioannina7: Πίνακας 1: Αριθμός πυρκαγιών δεδομένων εκπαίδευσης και επαλήθευσης για κάθε δείκτη</p> <hr /> <div>Πίνακας 1: Αριθμός πυρκαγιών δεδομένων εκπαίδευσης και επαλήθευσης για κάθε δείκτη</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida6.jpg 2012-02-12T11:04:02Z

<p>Ioannina7: Εικόνα 5: Δορυφορική φωτογραφία MODIS με επιφανειακά χαρακτηριστικά που φέρονται να είναι πετρελαιοκηλίδες στην ανατολική Κίνα (Πηγή: η ιστο�</p> <hr /> <div>Εικόνα 5: Δορυφορική φωτογραφία MODIS με επιφανειακά χαρακτηριστικά που φέρονται να είναι πετρελαιοκηλίδες στην ανατολική Κίνα <br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida5.jpg 2012-02-12T11:02:25Z

<p>Ioannina7: Εικόνα 4: (α) Εικόνα MODIS στις 13/5/2001 με θετική αντίθεση σε σχέση με τον περιβάλλοντα χώρο και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπο</p> <hr /> <div>Εικόνα 4: (α) Εικόνα MODIS στις 13/5/2001 με θετική αντίθεση σε σχέση με τον περιβάλλοντα χώρο και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό (β) Εικόνα MODIS στις 24/5/2001 με αρνητική αντίθεση σε σχέση με τον περιβάλλοντα χώρο και όπου είναι εμφανείς οι πετρελαιοκηλίδες του κόλπου του Μεξικό<br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida3.jpg 2012-02-12T11:00:42Z

<p>Ioannina7: Εικόνα 3β: Εικόνα SAR του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες (απεικονίζεται η ίδια περιοχή με την Εικόνα 3β). (Πηγή: η ισ</p> <hr /> <div>Εικόνα 3β: Εικόνα SAR του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες (απεικονίζεται η ίδια περιοχή με την Εικόνα 3β).<br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida2.jpg 2012-02-12T10:59:16Z

<p>Ioannina7: Εικόνα 3α: Εικόνα MODIS του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες. Η Εικόνα έχει υποστεί χρωματική ενίσχυση κατά Gauss με τη </p> <hr /> <div>Εικόνα 3α: Εικόνα MODIS του κόλπου του Μεξικό, όπου είναι εμφανείς οι πετρελαιοκηλίδες. Η Εικόνα έχει υποστεί χρωματική ενίσχυση κατά Gauss με τη χρήση του λογισμικού ENVI.<br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida1.jpg 2012-02-12T10:57:51Z

<p>Ioannina7: Εικόνα 2: H ενισχυμένη κατά Gauss εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β) (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbo</p> <hr /> <div>Εικόνα 2: H ενισχυμένη κατά Gauss εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β)<br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Petrelaiokilida.jpg 2012-02-12T10:56:17Z

<p>Ioannina7: Εικόνα 1: H αρχική εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β). (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal</p> <hr /> <div>Εικόνα 1: H αρχική εικόνα RGB (α) και το σημείο εμφάνισης μίας πετρελαιοκηλίδας σε μεγένθυνση (β). <br /> (Πηγή: η ιστοσελίδα http://www.ioccg.org/handbook/casestudy2_hu_etal.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xoriki_diakimansi.jpg 2012-02-12T10:53:34Z

<p>Ioannina7: H χωρική διακύμανση (a), η διακύμανση στη συχνότητα (b) των μακροχρόνιων μέσων τιμών του δείκτη GDD σε χάρτη διακριτικής ικανότητας 28,5 m για την �</p> <hr /> <div>H χωρική διακύμανση (a), η διακύμανση στη συχνότητα (b) των μακροχρόνιων μέσων τιμών του δείκτη GDD σε χάρτη διακριτικής ικανότητας 28,5 m για την περίοδο 1971-2000 και η συσχέτιση των τιμών GDD διακριτικής ικανότητας 250 m με τις μέσες τιμές GDD διακριτικής ικανότητας 28,5 m (c).<br /> (Πηγή: η ιστοσελίδα<br /> http://www.ucalgary.ca/qhassan/files/Hassan_JARS_2nd_GDD_07.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Sinthesi1.jpg 2012-02-12T10:50:46Z

<p>Ioannina7: α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β (Πηγή: η ιστο�</p> <hr /> <div>α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β<br /> (Πηγή: η ιστοσελίδα http://www.isprs2007ist.itu.edu.tr/29.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Sinthesi.jpg 2012-02-12T10:48:51Z

<p>Ioannina7: α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β (Πηγή: η ιστο�</p> <hr /> <div>α) Παγχρωματική άποψη μίας περιοχής ελέγχου, β) Πολυφασματική άποψη της ίδιας περιοχής ελέγχου, γ) Η σύνθεση των εικόνων α και β<br /> (Πηγή: η ιστοσελίδα http://www.isprs2007ist.itu.edu.tr/29.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikones_landsat.jpg 2012-02-12T10:47:03Z

<p>Ioannina7: πολυφασματικές, παγχρωματικές, συγχωνευμένες εικόνες Landsat(Πηγή: η ιστοσελίδα http://www.isprs2007ist.itu.edu.tr/29.pdf)</p> <hr /> <div>πολυφασματικές, παγχρωματικές, συγχωνευμένες εικόνες Landsat(Πηγή: η ιστοσελίδα http://www.isprs2007ist.itu.edu.tr/29.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Skoni_saxaras1.jpg 2012-02-12T10:43:17Z

<p>Ioannina7: H σκόνη της Σαχάρας από τη χρήση του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ στις 19 Απριλίου του 1997</p> <hr /> <div>H σκόνη της Σαχάρας από τη χρήση του μοντέλου πρόγνωσης καιρού ΣΚΙΡΩΝ στις 19 Απριλίου του 1997</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Skoni_saxaras.jpg 2012-02-12T10:41:27Z

<p>Ioannina7: H σκόνη της Σαχάρας από δεδομένα δορυφορικών εικόνων NOAA στις 19 Απριλίου του 1997</p> <hr /> <div>H σκόνη της Σαχάρας από δεδομένα δορυφορικών εικόνων NOAA στις 19 Απριλίου του 1997</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Dem1.jpg 2012-02-12T10:38:18Z

<p>Ioannina7: Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης</p> <hr /> <div>Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Dem.jpg 2012-02-12T10:36:10Z

<p>Ioannina7: Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης</p> <hr /> <div>Αποτέλεσμα της συνένωσης των παραγομένων DEM από κάθε σκηνή ASTER για την περιοχή της Κρήτης</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Sintelestis_epikindinotitas.jpg 2012-02-12T10:33:29Z

<p>Ioannina7: Εικόνα 3: O συντελεστής επικινδυνότητας που προέκυψε από τη σύνθεση της εγγύτητας ως προς το οδικό δίκτυο και την ακτογραμμή, τη σεισμική δρ�</p> <hr /> <div>Εικόνα 3: O συντελεστής επικινδυνότητας που προέκυψε από τη σύνθεση της εγγύτητας ως προς το οδικό δίκτυο και την ακτογραμμή, τη σεισμική δραστηριότητα, τη συχνότητα των πυρκαγιών, το συντελεστή διάβρωσης και το ανάγλυφο του εδάφους (Πηγή : ιστοσελίδα http://www.ims.forth.gr/printerfriendly/newsletters-gr_06.html)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Nomos_lasithiou.jpg 2012-02-12T10:31:11Z

<p>Ioannina7: Εικόνα 2: H δορυφορική εικόνα Landsat του νομού Λασιθίου (Πηγή: ιστοσελίδα http://www.ims.forth.gr/printerfriendly/newsletters-gr_06.html)</p> <hr /> <div>Εικόνα 2: H δορυφορική εικόνα Landsat του νομού Λασιθίου (Πηγή: ιστοσελίδα http://www.ims.forth.gr/printerfriendly/newsletters-gr_06.html)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xartis_broxoptosis.jpg 2012-02-12T10:28:53Z

<p>Ioannina7: Εικόνα 1: (α) Χάρτης βροχόπτωσης (β) Χάρτης σεισμικής δραστηριότητας (Πηγή: ιστοσελίδα http://www.ims.forth.gr/printerfriendly/newsletters-gr_06.html)</p> <hr /> <div>Εικόνα 1: (α) Χάρτης βροχόπτωσης (β) Χάρτης σεισμικής δραστηριότητας (Πηγή: ιστοσελίδα http://www.ims.forth.gr/printerfriendly/newsletters-gr_06.html)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Diadiki_morfi.jpg 2012-02-12T10:25:41Z

<p>Ioannina7: Εικόνα 2: Η επεξεργασμένη δυαδική μορφή της φωτογραφίας του Kobe (τιμή threshold 27)</p> <hr /> <div>Εικόνα 2: Η επεξεργασμένη δυαδική μορφή της φωτογραφίας του Kobe (τιμή threshold 27)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Kanali_7.jpg 2012-02-12T10:23:42Z

<p>Ioannina7: Εικόνα 1: Το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe</p> <hr /> <div>Εικόνα 1: Το κανάλι 7 της δορυφορικής φωτογραφίας Landsat 5 TM για την περιοχή του Kobe</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Meses_timesr.jpg 2012-02-12T10:21:31Z

<p>Ioannina7: Εικόνα 1: Οι μέσες τιμές του R για τις 2 περιοχές μελέτης που προέκυψαν με χρήση δορυφορικών εικόνων Landsat (Πηγή η ιστοσελίδα http://www3.aegean.gr/environmen</p> <hr /> <div>Εικόνα 1: Οι μέσες τιμές του R για τις 2 περιοχές μελέτης που προέκυψαν με χρήση δορυφορικών εικόνων Landsat<br /> (Πηγή η ιστοσελίδα http://www3.aegean.gr/environment/labs/Remote_sensing/publications/full%20paper_Christakopoulos%20et%20al_Earsel.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Lesbos.jpg 2012-02-12T10:18:41Z

<p>Ioannina7: Εικόνα 2: Χάρτης της Λέσβου με τις 5 κατηγορίες των ελαιόδεντρων ύστερα από ταξινόμηση εικόνας Landsat TM ((Πηγή η ιστοσελίδα http://www3.aegean.gr/environment/la</p> <hr /> <div>Εικόνα 2: Χάρτης της Λέσβου με τις 5 κατηγορίες των ελαιόδεντρων ύστερα από ταξινόμηση εικόνας Landsat TM <br /> ((Πηγή η ιστοσελίδα http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Katigories_elaiodentron5.jpg 2012-02-12T10:16:48Z

<p>Ioannina7: </p> <hr /> <div></div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Katigories_elaiodentron4.jpg 2012-02-12T10:15:17Z

<p>Ioannina7: </p> <hr /> <div></div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Katigories_elaiodentron3.jpg 2012-02-12T10:13:53Z

<p>Ioannina7: </p> <hr /> <div></div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Katigories_elaiodentron2.jpg 2012-02-12T10:12:05Z

<p>Ioannina7: </p> <hr /> <div></div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Katigories_elaiodentron1.jpg 2012-02-12T10:08:13Z

<p>Ioannina7: Κατηγορίες ελαιόδεντρων από εικόνες QuickBird, όπου Ε1:90-120 δέντρα ανά μονάδα επιφάνειας, Ε2:130-150 δέντρα ανά μονάδα επιφάνειας, Ε3:160-190 δέντρα ανά μ</p> <hr /> <div>Κατηγορίες ελαιόδεντρων από εικόνες QuickBird, όπου Ε1:90-120 δέντρα ανά μονάδα επιφάνειας, Ε2:130-150 δέντρα ανά μονάδα επιφάνειας, Ε3:160-190 δέντρα ανά μονάδα επιφάνειας, Ε4F:200-230 δέντρα ανά μονάδα επιφάνειας σε ομαλό έδαφος, E4M:200-230 δέντρα ανά μονάδα επιφάνειας σε ορεινό ανάγλυφο (Πηγή η ιστοσελίδα http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf)</div>

Ioannina7 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Simeia_ekdilosis_pirkagias.jpg 2012-02-12T09:54:51Z

<p>Ioannina7: Σημεία εκδήλωσης πυρκαγιάς στη Λέσβο για το διάστημα 1970-2001 (Πηγή: http://www3.aegean.gr/environment/labs/Remote_sensing/EnglishBlock/publications/Vasilakos2.pdf)</p> <hr /> <div>Σημεία εκδήλωσης πυρκαγιάς στη Λέσβο για το διάστημα 1970-2001 (Πηγή: http://www3.aegean.gr/environment/labs/Remote_sensing/EnglishBlock/publications/Vasilakos2.pdf)</div>

Ioannina7