http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Johntsip&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%2FJohntsip 2026-05-07T11:20:52Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-02T09:49:41Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδος (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1.&lt;br/&gt;<br /> [[Εικόνα: Shipx11.jpg]] &lt;br/&gt;<br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων&lt;br/&gt;<br /> Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> [[Εικόνα: Shipx1.jpg | Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων]]&lt;br/&gt; <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> [[Εικόνα: Shipx4.jpg | thumb | right | Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) ]]<br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level <br /> <br /> Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> [[Εικόνα: Shipx5.jpg | thumb | right | Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου. ]]<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> [[Εικόνα: Shipx6.1.jpg | ]]&lt;br/&gt;<br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-02T09:32:08Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Μια μέθοδο ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας ]]<br /> *[[ Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας ]]<br /> *[[ Εφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-02T09:31:31Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Μια μέθοδο ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας ]]<br /> *[[ Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας ]]<br /> *[[ ΑΕφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_RST(Robust_Satellite_Techniques)_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B9%CE%B1%CF%81%CF%81%CE%BF%CF%8E%CE%BD_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%AF%CE%BF%CF%85_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_AVHRR 2012-03-02T09:31:01Z

<p>Johntsip: </p> <hr /> <div>'''Robust Satellite Techniques for oil spill detection and monitoring using AVHRR thermal infrared bands'''&lt;br/&gt;<br /> Εφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR (θερμικές υπέρυθρες ζώνες)&lt;br/&gt;<br /> Συγγραφείς: D. Casciello, T. Lacava, N. Pergola,V. Tramutoli &lt;br/&gt;<br /> ΠΗΓΗ: http://www.tandfonline.com (International Journal of Remote Sensing<br /> Volume 32, Issue 14, 2011)&lt;br/&gt;<br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η διαρροή πετρελαίου είναι ένας από τους πιο καταστρεπτικούς (προκαλούμενους από τον άνθρωπο) θαλάσσιους κινδύνους. Οι έγκαιρες πληροφορίες έχουν θεμελιώδη σημασία στη μείωση του αντίκτυπου τέτοιων ατυχημάτων, καθώς επίσης και στην διαχείριση σε πραγματικό χρόνο της εξέλιξη ενός τέτοιου συμβάντος. Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως σε αυτό το πλαίσιο. Οι μέθοδοι, που προτείνονται για την ανίχνευση διαρροών πετρελαίου από το διάστημα, είναι κυρίως βασισμένες στη χρήση της τεχνολογίας SAR, με σοβαρό μειονέκτημα την αδυναμία πληροφόρησης σε πραγματικό χρόνο. Από την άλλη πλευρά παθητικοί οπτικοί αισθητήρες σε μετεωρολογικούς δορυφόρους μπορούν να χρησιμοποιηθούν για την ανίχνευση και τον έλεγχο διαρροών πετρελαίου, καθώς η ικανότητα τους για παροχή πληροφοριών ποικίλει από ώρες σε μερικά λεπτά και παρότι η ανάλυση τους είναι υποδεέστερη των δεκτών SAR( μέχρι 250 μ στην ορατή περιοχή και από 1000μ στο θερμικό υπέρυθρο) θα μπορούσαν να αντιπροσωπεύσουν μια μοναδική δυνατότητα έγκαιρης ανίχνευση και συνεχούς έλεγχου εκεί που απαιτείται άμεση και σε πραγματικό χρόνο παρακολούθηση του συμβάντος. Πρόσφατα, μια νέα τεχνική βασισμένη στο RST (Robust Satellite Techniques), έχει αναπτυχθεί για να ανιχνεύσει, αυτόματα και γρήγορα, την παρουσία μιας διαρροής πετρελαίου στη θάλασσα, ελαχιστοποιώντας τις εσφαλμένες απεικονίσεις χρησιμοποιώντας θερμικά υπέρυθρα (TIR) δεδομένα από τον NOAA-AVHRR( Advanced Very High Resolution Radiometer)&lt;br/&gt;<br /> '''Σκοπός'''&lt;br/&gt;<br /> Σε αυτό το έγγραφο, ο σκοπός της μελέτης είναι η εφαρμογή της προτεινόμενης μεθοδολογίας και η ανάλυση των αποτελεσμάτων που επιτυγχάνονται κατά την μελέτη του συμβάντος στον περσικό Κόλπο τον Ιανουαρίου του 1991. Το συμβάν συνέβη κατά τη διάρκεια του πολέμου του Κόλπου από τις ακτές του Κουβέιτ και της Σαουδικής Αραβίας και προκάλεσε σοβαρή περιβαλλοντική ρύπανση σε σημαντικές περιοχές της Μέσης Ανατολής.&lt;br/&gt;<br /> <br /> [[Εικόνα: Saud1.gif | thumb | right | Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων]] <br /> Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> Ο αισθητήρας AVHRR(Advanced Very High Resolution Radiometer)με 6 κανάλια επί του δορυφόρου NOAA. Στην περίπτωση μελέτης χρησιμοποιούνται 3 κανάλια (channel 3, around 3.5 mm, in channel 4, around 11 mm, and in channel 5, around 12 mm).&lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η χρήση θερμικών υπέρυθρων (TIR) δεδομένων μπορεί να είναι αρκετά αποτελεσματική στην ανίχνευση πετρελαιοκηλίδων στη θάλασσα (ανάλογα με τη στιγμή της ημέρας), εξαιτίας των ακόλουθων λόγων: (α) την ύπαρξη διαφορετικής τιμής θερμοχωρητικότητας μεταξύ πετρελαίου και ύδατος (β) τη μείωση της μεταφοράς θερμότητας μεταξύ νερού και ατμόσφαιρας ως αποτέλεσμα των αλλαγών στην επιφάνειας της θάλασσας.&lt;br/&gt;<br /> <br /> Αποτέλεσμα των ανωτέρω φαινομένων είναι ότι η θερμική αδράνεια του πετρελαίου είναι χαμηλότερη από αυτή του νερού, έτσι οι μολυσμένες περιοχές(oil polluted) έχουν υψηλότερη θερμοκρασία (φωτεινότητα) στις TIR εικόνες που συλλέγονται κατά την διάρκεια της ημέρας, με το αντίθετο να ισχύει τη νύχτα.&lt;br/&gt;<br /> [[Εικόνα: Saud2.gif | thumb | right | Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)]] &lt;br/&gt;<br /> Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)&lt;br/&gt;<br /> Τα ίδια ισχύουν στην εικόνα 2 (νύχτα) και εικόνα 3 (ημέρα), αντίστοιχα, 2 και 3 ημέρες μετά από την έναρξη του γεγονότος. Κατά τη διάρκεια της νύχτας, οι μολυσμένες περιοχές παρουσιάζουν χαμηλότερη (θερμοκρασία)φωτεινότητα από την περιβάλλουσα θάλασσα με μια μείωση που κυμαίνεται από ένα ελάχιστο 2 Κ (AVHRR στο κανάλι 3) ως ένα μέγιστο 3 Κ (AVHRR στο κανάλι 5). Το αντίθετο συμβαίνει κατά τη διάρκεια της ημέρας, όπου οι μολυσμένες περιοχές παρουσιάζουν υψηλότερες (θερμοκρασίες) φωτεινότητες από το περιβάλλον νερό της θάλασσας, αυξημένη από το ελάχιστο 11 Κ (AVHRR στο κανάλι 5) σε ένα μέγιστο 17 Κ (AVHRR στο κανάλι 3).&lt;br/&gt;<br /> <br /> [[Εικόνα: Saud3.gif | thumb | right | Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT) ]] <br /> <br /> Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)&lt;br/&gt; <br /> <br /> <br /> Η προτεινόμενη τεχνική είναι βασισμένη στην μέθοδο RST, η οποία είναι μια γενική στρατηγική ανάλυσης δεδομένων που χρησιμοποιεί μια μακροχρόνια σειρά συνδυασμένων δορυφορικών στοιχείων με σκοπό τον προσδιορισμό των εντοπισμένων ανωμαλιών στα σήματα λόγω της παρουσίας πετρελαίου στα νέα δεδομένα. Γι αυτό για την εφαρμογή της μεθόδου στην συγκεκριμένη περίπτωση συλλέχτηκαν το σύνολο των διαθέσιμων AVHRR εικόνων σε μια χρονική σειρά 10 ετών, από το 1989 ως το 1999, καλύπτοντας την περιοχή μελέτης. Επιπλέον οι εικόνες ομαδοποιήθηκαν σε δύο χωριστά σύνολα δεδομένων, με αντιστοιχία στα ημερήσια και νυχτερινά περάσματα του δορυφόρου.&lt;br/&gt;<br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> Η παρουσία πετρελαιοκηλίδων ανιχνεύεται με αξιοπιστία 100% στο σύνολο του πεδίου εφαρμογής χωρίς την ύπαρξη εσφαλμένων ανιχνεύσεων από την μέθοδο RST ακόμη και σε ψηλά επίπεδα θορύβου. Επιπλέον καταγράφεται η καλύτερη απόδοση της μεθόδου(RST) σε σύγκριση με την μέθοδο Cross που επίσης αξιοποιεί δεδομένα (TIR) από το θερμικό υπέρυθρο με την σύγκριση των αποτελεσμάτων τους για την ίδια περίπτωση μελέτης να εμφανίζονται στις εικόνες 4 και 5 όπου η μέθοδο Cross παρουσιάζει πλέον της πετρελαιοκηλίδας και μια μεγάλη περιοχή εσφαλμένα μολυσμένη(μπλε χρώμα).&lt;br/&gt;<br /> <br /> [[Εικόνα: Saud4.gif | thumb | right | εικόνα4: εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST. ]] &lt;br/&gt;<br /> <br /> Εικόνα4:εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST. &lt;br/&gt;<br /> <br /> [[Εικόνα: Saud5.gif | thumb | right | εικόνα5: εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε ]] &lt;br/&gt;<br /> <br /> Εικόνα5:εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε&lt;br/&gt;<br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> Η προτεινόμενη μέθοδος ήταν σε θέση να ανιχνεύσει, με υψηλή ακρίβεια και χαμηλό ποσοστό εσφαλμένων απεικονίσεων, τις μολυσμένες περιοχές που παρήχθησαν από το συμβάν που συνέβη από την ακτή του Κουβέιτ και της Σαουδική Αραβίας τον Ιανουαρίου του1991 κατά τη διάρκεια του πολέμου του Κόλπου. Η ανίχνευση εκτελέσθηκε αυτόματα και πραγματοποιήθηκε χρησιμοποιώντας μόνο δορυφορικά στοιχεία. Αυτό υπογραμμίζει τη σημασία των δορυφορικών στοιχείων, ειδικά εκείνων που λαμβάνονται από τους μετεωρολογικούς δορυφόρους που, παρά τις μέτριες διακριτικές ικανότητες τους, μπορούν να εξασφαλίσουν (απουσία σύννεφων) υψηλή παρατηρητική συχνότητα. Επιπλέον, στο μέλλον ένας συνδυασμός συστημάτων SAR και μετεωρολογικών δορυφόρων μπορεί να είναι ιδιαίτερα αποτελεσματικός στη διαχείριση ανάλογων συμβάντων. Τέλος, η ανεξαρτησία της προτεινόμενης μεθόδου (RST) επιτρέπει να χρησιμοποιηθεί σε διαφορετικούς δορυφόρους και αισθητήρες αυτών. &lt;br/&gt;<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Saud5.gif 2012-03-02T09:29:32Z

<p>Johntsip: εικόνα5 εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε</p> <hr /> <div>εικόνα5 εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Saud4.gif 2012-03-02T09:26:09Z

<p>Johntsip: εικόνα5: εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST.</p> <hr /> <div>εικόνα5: εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST.</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Saud3.gif 2012-03-02T09:23:10Z

<p>Johntsip: Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)</p> <hr /> <div>Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Saud2.gif 2012-03-02T09:19:26Z

<p>Johntsip: Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θ�</p> <hr /> <div>Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_RST(Robust_Satellite_Techniques)_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B9%CE%B1%CF%81%CF%81%CE%BF%CF%8E%CE%BD_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%AF%CE%BF%CF%85_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_AVHRR 2012-03-02T09:17:09Z

<p>Johntsip: </p> <hr /> <div>'''Robust Satellite Techniques for oil spill detection and monitoring using AVHRR thermal infrared bands'''&lt;br/&gt;<br /> Εφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR (θερμικές υπέρυθρες ζώνες)&lt;br/&gt;<br /> Συγγραφείς: D. Casciello, T. Lacava, N. Pergola,V. Tramutoli &lt;br/&gt;<br /> ΠΗΓΗ: http://www.tandfonline.com (International Journal of Remote Sensing<br /> Volume 32, Issue 14, 2011)&lt;br/&gt;<br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η διαρροή πετρελαίου είναι ένας από τους πιο καταστρεπτικούς (προκαλούμενους από τον άνθρωπο) θαλάσσιους κινδύνους. Οι έγκαιρες πληροφορίες έχουν θεμελιώδη σημασία στη μείωση του αντίκτυπου τέτοιων ατυχημάτων, καθώς επίσης και στην διαχείριση σε πραγματικό χρόνο της εξέλιξη ενός τέτοιου συμβάντος. Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως σε αυτό το πλαίσιο. Οι μέθοδοι, που προτείνονται για την ανίχνευση διαρροών πετρελαίου από το διάστημα, είναι κυρίως βασισμένες στη χρήση της τεχνολογίας SAR, με σοβαρό μειονέκτημα την αδυναμία πληροφόρησης σε πραγματικό χρόνο. Από την άλλη πλευρά παθητικοί οπτικοί αισθητήρες σε μετεωρολογικούς δορυφόρους μπορούν να χρησιμοποιηθούν για την ανίχνευση και τον έλεγχο διαρροών πετρελαίου, καθώς η ικανότητα τους για παροχή πληροφοριών ποικίλει από ώρες σε μερικά λεπτά και παρότι η ανάλυση τους είναι υποδεέστερη των δεκτών SAR( μέχρι 250 μ στην ορατή περιοχή και από 1000μ στο θερμικό υπέρυθρο) θα μπορούσαν να αντιπροσωπεύσουν μια μοναδική δυνατότητα έγκαιρης ανίχνευση και συνεχούς έλεγχου εκεί που απαιτείται άμεση και σε πραγματικό χρόνο παρακολούθηση του συμβάντος. Πρόσφατα, μια νέα τεχνική βασισμένη στο RST (Robust Satellite Techniques), έχει αναπτυχθεί για να ανιχνεύσει, αυτόματα και γρήγορα, την παρουσία μιας διαρροής πετρελαίου στη θάλασσα, ελαχιστοποιώντας τις εσφαλμένες απεικονίσεις χρησιμοποιώντας θερμικά υπέρυθρα (TIR) δεδομένα από τον NOAA-AVHRR( Advanced Very High Resolution Radiometer)&lt;br/&gt;<br /> '''Σκοπός'''&lt;br/&gt;<br /> Σε αυτό το έγγραφο, ο σκοπός της μελέτης είναι η εφαρμογή της προτεινόμενης μεθοδολογίας και η ανάλυση των αποτελεσμάτων που επιτυγχάνονται κατά την μελέτη του συμβάντος στον περσικό Κόλπο τον Ιανουαρίου του 1991. Το συμβάν συνέβη κατά τη διάρκεια του πολέμου του Κόλπου από τις ακτές του Κουβέιτ και της Σαουδικής Αραβίας και προκάλεσε σοβαρή περιβαλλοντική ρύπανση σε σημαντικές περιοχές της Μέσης Ανατολής.&lt;br/&gt;<br /> <br /> [[Εικόνα: Saud1.gif | thumb | right | Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων]] <br /> <br /> Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> Ο αισθητήρας AVHRR(Advanced Very High Resolution Radiometer)με 6 κανάλια επί του δορυφόρου NOAA. Στην περίπτωση μελέτης χρησιμοποιούνται 3 κανάλια (channel 3, around 3.5 mm, in channel 4, around 11 mm, and in channel 5, around 12 mm).&lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η χρήση θερμικών υπέρυθρων (TIR) δεδομένων μπορεί να είναι αρκετά αποτελεσματική στην ανίχνευση πετρελαιοκηλίδων στη θάλασσα (ανάλογα με τη στιγμή της ημέρας), εξαιτίας των ακόλουθων λόγων: (α) την ύπαρξη διαφορετικής τιμής θερμοχωρητικότητας μεταξύ πετρελαίου και ύδατος (β) τη μείωση της μεταφοράς θερμότητας μεταξύ νερού και ατμόσφαιρας ως αποτέλεσμα των αλλαγών στην επιφάνειας της θάλασσας. Αποτέλεσμα των ανωτέρω φαινομένων είναι ότι η θερμική αδράνεια του πετρελαίου είναι χαμηλότερη από αυτή του νερού, έτσι οι μολυσμένες περιοχές(oil polluted) έχουν υψηλότερη θερμοκρασία (φωτεινότητα) στις TIR εικόνες που συλλέγονται κατά την διάρκεια της ημέρας, με το αντίθετο να ισχύει τη νύχτα.&lt;br/&gt;<br /> Τα ίδια ισχύουν στην εικόνα 2 (νύχτα) και εικόνα 3 (ημέρα), αντίστοιχα, 2 και 3 ημέρες μετά από την έναρξη του γεγονότος. Κατά τη διάρκεια της νύχτας, οι μολυσμένες περιοχές παρουσιάζουν χαμηλότερη (θερμοκρασία)φωτεινότητα από την περιβάλλουσα θάλασσα με μια μείωση που κυμαίνεται από ένα ελάχιστο 2 Κ (AVHRR στο κανάλι 3) ως ένα μέγιστο 3 Κ (AVHRR στο κανάλι 5). Το αντίθετο συμβαίνει κατά τη διάρκεια της ημέρας, όπου οι μολυσμένες περιοχές παρουσιάζουν υψηλότερες (θερμοκρασίες) φωτεινότητες από το περιβάλλον νερό της θάλασσας, αυξημένη από το ελάχιστο 11 Κ (AVHRR στο κανάλι 5) σε ένα μέγιστο 17 Κ (AVHRR στο κανάλι 3).&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)&lt;br/&gt;<br /> <br /> <br /> Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)&lt;br/&gt; <br /> <br /> <br /> Η προτεινόμενη τεχνική είναι βασισμένη στην μέθοδο RST, η οποία είναι μια γενική στρατηγική ανάλυσης δεδομένων που χρησιμοποιεί μια μακροχρόνια σειρά συνδυασμένων δορυφορικών στοιχείων με σκοπό τον προσδιορισμό των εντοπισμένων ανωμαλιών στα σήματα λόγω της παρουσίας πετρελαίου στα νέα δεδομένα. Γι αυτό για την εφαρμογή της μεθόδου στην συγκεκριμένη περίπτωση συλλέχτηκαν το σύνολο των διαθέσιμων AVHRR εικόνων σε μια χρονική σειρά 10 ετών, από το 1989 ως το 1999, καλύπτοντας την περιοχή μελέτης. Επιπλέον οι εικόνες ομαδοποιήθηκαν σε δύο χωριστά σύνολα δεδομένων, με αντιστοιχία στα ημερήσια και νυχτερινά περάσματα του δορυφόρου.&lt;br/&gt;<br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> Η παρουσία πετρελαιοκηλίδων ανιχνεύεται με αξιοπιστία 100% στο σύνολο του πεδίου εφαρμογής χωρίς την ύπαρξη εσφαλμένων ανιχνεύσεων από την μέθοδο RST ακόμη και σε ψηλά επίπεδα θορύβου. Επιπλέον καταγράφεται η καλύτερη απόδοση της μεθόδου(RST) σε σύγκριση με την μέθοδο Cross που επίσης αξιοποιεί δεδομένα (TIR) από το θερμικό υπέρυθρο με την σύγκριση των αποτελεσμάτων τους για την ίδια περίπτωση μελέτης να εμφανίζονται στις εικόνες 4 και 5 όπου η μέθοδο Cross παρουσιάζει πλέον της πετρελαιοκηλίδας και μια μεγάλη περιοχή εσφαλμένα μολυσμένη(μπλε χρώμα).&lt;br/&gt;<br /> <br /> Εικόνα4(ΑΡ)&amp;5(ΔΕ): ΑΡ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST. ΔΕ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε&lt;br/&gt;<br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> Η προτεινόμενη μέθοδος ήταν σε θέση να ανιχνεύσει, με υψηλή ακρίβεια και χαμηλό ποσοστό εσφαλμένων απεικονίσεων, τις μολυσμένες περιοχές που παρήχθησαν από το συμβάν που συνέβη από την ακτή του Κουβέιτ και της Σαουδική Αραβίας τον Ιανουαρίου του1991 κατά τη διάρκεια του πολέμου του Κόλπου. Η ανίχνευση εκτελέσθηκε αυτόματα και πραγματοποιήθηκε χρησιμοποιώντας μόνο δορυφορικά στοιχεία. Αυτό υπογραμμίζει τη σημασία των δορυφορικών στοιχείων, ειδικά εκείνων που λαμβάνονται από τους μετεωρολογικούς δορυφόρους που, παρά τις μέτριες διακριτικές ικανότητες τους, μπορούν να εξασφαλίσουν (απουσία σύννεφων) υψηλή παρατηρητική συχνότητα. Επιπλέον, στο μέλλον ένας συνδυασμός συστημάτων SAR και μετεωρολογικών δορυφόρων μπορεί να είναι ιδιαίτερα αποτελεσματικός στη διαχείριση ανάλογων συμβάντων. Τέλος, η ανεξαρτησία της προτεινόμενης μεθόδου (RST) επιτρέπει να χρησιμοποιηθεί σε διαφορετικούς δορυφόρους και αισθητήρες αυτών. &lt;br/&gt;<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Saud1.gif 2012-03-02T09:15:06Z

<p>Johntsip: Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μα�</p> <hr /> <div>Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_RST(Robust_Satellite_Techniques)_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B9%CE%B1%CF%81%CF%81%CE%BF%CF%8E%CE%BD_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%AF%CE%BF%CF%85_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_AVHRR 2012-03-02T09:07:21Z

<p>Johntsip: </p> <hr /> <div>'''Robust Satellite Techniques for oil spill detection and monitoring using AVHRR thermal infrared bands'''&lt;br/&gt;<br /> Εφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR (θερμικές υπέρυθρες ζώνες)&lt;br/&gt;<br /> Συγγραφείς: D. Casciello, T. Lacava, N. Pergola,V. Tramutoli &lt;br/&gt;<br /> ΠΗΓΗ: http://www.tandfonline.com (International Journal of Remote Sensing<br /> Volume 32, Issue 14, 2011)&lt;br/&gt;<br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η διαρροή πετρελαίου είναι ένας από τους πιο καταστρεπτικούς (προκαλούμενους από τον άνθρωπο) θαλάσσιους κινδύνους. Οι έγκαιρες πληροφορίες έχουν θεμελιώδη σημασία στη μείωση του αντίκτυπου τέτοιων ατυχημάτων, καθώς επίσης και στην διαχείριση σε πραγματικό χρόνο της εξέλιξη ενός τέτοιου συμβάντος. Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως σε αυτό το πλαίσιο. Οι μέθοδοι, που προτείνονται για την ανίχνευση διαρροών πετρελαίου από το διάστημα, είναι κυρίως βασισμένες στη χρήση της τεχνολογίας SAR, με σοβαρό μειονέκτημα την αδυναμία πληροφόρησης σε πραγματικό χρόνο. Από την άλλη πλευρά παθητικοί οπτικοί αισθητήρες σε μετεωρολογικούς δορυφόρους μπορούν να χρησιμοποιηθούν για την ανίχνευση και τον έλεγχο διαρροών πετρελαίου, καθώς η ικανότητα τους για παροχή πληροφοριών ποικίλει από ώρες σε μερικά λεπτά και παρότι η ανάλυση τους είναι υποδεέστερη των δεκτών SAR( μέχρι 250 μ στην ορατή περιοχή και από 1000μ στο θερμικό υπέρυθρο) θα μπορούσαν να αντιπροσωπεύσουν μια μοναδική δυνατότητα έγκαιρης ανίχνευση και συνεχούς έλεγχου εκεί που απαιτείται άμεση και σε πραγματικό χρόνο παρακολούθηση του συμβάντος. Πρόσφατα, μια νέα τεχνική βασισμένη στο RST (Robust Satellite Techniques), έχει αναπτυχθεί για να ανιχνεύσει, αυτόματα και γρήγορα, την παρουσία μιας διαρροής πετρελαίου στη θάλασσα, ελαχιστοποιώντας τις εσφαλμένες απεικονίσεις χρησιμοποιώντας θερμικά υπέρυθρα (TIR) δεδομένα από τον NOAA-AVHRR( Advanced Very High Resolution Radiometer)&lt;br/&gt;<br /> '''Σκοπός'''&lt;br/&gt;<br /> Σε αυτό το έγγραφο, ο σκοπός της μελέτης είναι η εφαρμογή της προτεινόμενης μεθοδολογίας και η ανάλυση των αποτελεσμάτων που επιτυγχάνονται κατά την μελέτη του συμβάντος στον περσικό Κόλπο τον Ιανουαρίου του 1991. Το συμβάν συνέβη κατά τη διάρκεια του πολέμου του Κόλπου από τις ακτές του Κουβέιτ και της Σαουδικής Αραβίας και προκάλεσε σοβαρή περιβαλλοντική ρύπανση σε σημαντικές περιοχές της Μέσης Ανατολής.&lt;br/&gt;<br /> <br /> <br /> Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> Ο αισθητήρας AVHRR(Advanced Very High Resolution Radiometer)με 6 κανάλια επί του δορυφόρου NOAA. Στην περίπτωση μελέτης χρησιμοποιούνται 3 κανάλια (channel 3, around 3.5 mm, in channel 4, around 11 mm, and in channel 5, around 12 mm).&lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η χρήση θερμικών υπέρυθρων (TIR) δεδομένων μπορεί να είναι αρκετά αποτελεσματική στην ανίχνευση πετρελαιοκηλίδων στη θάλασσα (ανάλογα με τη στιγμή της ημέρας), εξαιτίας των ακόλουθων λόγων: (α) την ύπαρξη διαφορετικής τιμής θερμοχωρητικότητας μεταξύ πετρελαίου και ύδατος (β) τη μείωση της μεταφοράς θερμότητας μεταξύ νερού και ατμόσφαιρας ως αποτέλεσμα των αλλαγών στην επιφάνειας της θάλασσας. Αποτέλεσμα των ανωτέρω φαινομένων είναι ότι η θερμική αδράνεια του πετρελαίου είναι χαμηλότερη από αυτή του νερού, έτσι οι μολυσμένες περιοχές(oil polluted) έχουν υψηλότερη θερμοκρασία (φωτεινότητα) στις TIR εικόνες που συλλέγονται κατά την διάρκεια της ημέρας, με το αντίθετο να ισχύει τη νύχτα.&lt;br/&gt;<br /> Τα ίδια ισχύουν στην εικόνα 2 (νύχτα) και εικόνα 3 (ημέρα), αντίστοιχα, 2 και 3 ημέρες μετά από την έναρξη του γεγονότος. Κατά τη διάρκεια της νύχτας, οι μολυσμένες περιοχές παρουσιάζουν χαμηλότερη (θερμοκρασία)φωτεινότητα από την περιβάλλουσα θάλασσα με μια μείωση που κυμαίνεται από ένα ελάχιστο 2 Κ (AVHRR στο κανάλι 3) ως ένα μέγιστο 3 Κ (AVHRR στο κανάλι 5). Το αντίθετο συμβαίνει κατά τη διάρκεια της ημέρας, όπου οι μολυσμένες περιοχές παρουσιάζουν υψηλότερες (θερμοκρασίες) φωτεινότητες από το περιβάλλον νερό της θάλασσας, αυξημένη από το ελάχιστο 11 Κ (AVHRR στο κανάλι 5) σε ένα μέγιστο 17 Κ (AVHRR στο κανάλι 3).&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)&lt;br/&gt;<br /> <br /> <br /> Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)&lt;br/&gt; <br /> <br /> <br /> Η προτεινόμενη τεχνική είναι βασισμένη στην μέθοδο RST, η οποία είναι μια γενική στρατηγική ανάλυσης δεδομένων που χρησιμοποιεί μια μακροχρόνια σειρά συνδυασμένων δορυφορικών στοιχείων με σκοπό τον προσδιορισμό των εντοπισμένων ανωμαλιών στα σήματα λόγω της παρουσίας πετρελαίου στα νέα δεδομένα. Γι αυτό για την εφαρμογή της μεθόδου στην συγκεκριμένη περίπτωση συλλέχτηκαν το σύνολο των διαθέσιμων AVHRR εικόνων σε μια χρονική σειρά 10 ετών, από το 1989 ως το 1999, καλύπτοντας την περιοχή μελέτης. Επιπλέον οι εικόνες ομαδοποιήθηκαν σε δύο χωριστά σύνολα δεδομένων, με αντιστοιχία στα ημερήσια και νυχτερινά περάσματα του δορυφόρου.&lt;br/&gt;<br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> Η παρουσία πετρελαιοκηλίδων ανιχνεύεται με αξιοπιστία 100% στο σύνολο του πεδίου εφαρμογής χωρίς την ύπαρξη εσφαλμένων ανιχνεύσεων από την μέθοδο RST ακόμη και σε ψηλά επίπεδα θορύβου. Επιπλέον καταγράφεται η καλύτερη απόδοση της μεθόδου(RST) σε σύγκριση με την μέθοδο Cross που επίσης αξιοποιεί δεδομένα (TIR) από το θερμικό υπέρυθρο με την σύγκριση των αποτελεσμάτων τους για την ίδια περίπτωση μελέτης να εμφανίζονται στις εικόνες 4 και 5 όπου η μέθοδο Cross παρουσιάζει πλέον της πετρελαιοκηλίδας και μια μεγάλη περιοχή εσφαλμένα μολυσμένη(μπλε χρώμα).&lt;br/&gt;<br /> <br /> Εικόνα4(ΑΡ)&amp;5(ΔΕ): ΑΡ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST. ΔΕ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε&lt;br/&gt;<br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> Η προτεινόμενη μέθοδος ήταν σε θέση να ανιχνεύσει, με υψηλή ακρίβεια και χαμηλό ποσοστό εσφαλμένων απεικονίσεων, τις μολυσμένες περιοχές που παρήχθησαν από το συμβάν που συνέβη από την ακτή του Κουβέιτ και της Σαουδική Αραβίας τον Ιανουαρίου του1991 κατά τη διάρκεια του πολέμου του Κόλπου. Η ανίχνευση εκτελέσθηκε αυτόματα και πραγματοποιήθηκε χρησιμοποιώντας μόνο δορυφορικά στοιχεία. Αυτό υπογραμμίζει τη σημασία των δορυφορικών στοιχείων, ειδικά εκείνων που λαμβάνονται από τους μετεωρολογικούς δορυφόρους που, παρά τις μέτριες διακριτικές ικανότητες τους, μπορούν να εξασφαλίσουν (απουσία σύννεφων) υψηλή παρατηρητική συχνότητα. Επιπλέον, στο μέλλον ένας συνδυασμός συστημάτων SAR και μετεωρολογικών δορυφόρων μπορεί να είναι ιδιαίτερα αποτελεσματικός στη διαχείριση ανάλογων συμβάντων. Τέλος, η ανεξαρτησία της προτεινόμενης μεθόδου (RST) επιτρέπει να χρησιμοποιηθεί σε διαφορετικούς δορυφόρους και αισθητήρες αυτών. &lt;br/&gt;<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_RST(Robust_Satellite_Techniques)_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B9%CE%B1%CF%81%CF%81%CE%BF%CF%8E%CE%BD_%CF%80%CE%B5%CF%84%CF%81%CE%B5%CE%BB%CE%B1%CE%AF%CE%BF%CF%85_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_AVHRR 2012-03-02T09:06:30Z

<p>Johntsip: Νέα σελίδα με ''''Robust Satellite Techniques for oil spill detection and monitoring using AVHRR thermal infrared bands'''&lt;br/&gt; Εφαρμογή της RST(Robust Satellite Techniques) ...'</p> <hr /> <div>'''Robust Satellite Techniques for oil spill detection and monitoring using AVHRR thermal infrared bands'''&lt;br/&gt;<br /> Εφαρμογή της RST(Robust Satellite Techniques) τεχνικής για τον έλεγχο και την ανίχνευση διαρροών πετρελαίου χρησιμοποιώντας AVHRR (θερμικές υπέρυθρες ζώνες)&lt;br/&gt;<br /> Συγγραφείς: D. Casciello, T. Lacava, N. Pergola,V. Tramutoli &lt;br/&gt;<br /> ΠΗΓΗ: http://www.tandfonline.com (International Journal of Remote Sensing<br /> Volume 32, Issue 14, 2011)&lt;br/&gt;<br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η διαρροή πετρελαίου είναι ένας από τους πιο καταστρεπτικούς (προκαλούμενους από τον άνθρωπο) θαλάσσιους κινδύνους. Οι έγκαιρες πληροφορίες έχουν θεμελιώδη σημασία στη μείωση του αντίκτυπου τέτοιων ατυχημάτων, καθώς επίσης και στην διαχείριση σε πραγματικό χρόνο της εξέλιξη ενός τέτοιου συμβάντος. Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως σε αυτό το πλαίσιο. Οι μέθοδοι, που προτείνονται για την ανίχνευση διαρροών πετρελαίου από το διάστημα, είναι κυρίως βασισμένες στη χρήση της τεχνολογίας SAR, με σοβαρό μειονέκτημα την αδυναμία πληροφόρησης σε πραγματικό χρόνο. Από την άλλη πλευρά παθητικοί οπτικοί αισθητήρες σε μετεωρολογικούς δορυφόρους μπορούν να χρησιμοποιηθούν για την ανίχνευση και τον έλεγχο διαρροών πετρελαίου, καθώς η ικανότητα τους για παροχή πληροφοριών ποικίλει από ώρες σε μερικά λεπτά και παρότι η ανάλυση τους είναι υποδεέστερη των δεκτών SAR( μέχρι 250 μ στην ορατή περιοχή και από 1000μ στο θερμικό υπέρυθρο) θα μπορούσαν να αντιπροσωπεύσουν μια μοναδική δυνατότητα έγκαιρης ανίχνευση και συνεχούς έλεγχου εκεί που απαιτείται άμεση και σε πραγματικό χρόνο παρακολούθηση του συμβάντος. Πρόσφατα, μια νέα τεχνική βασισμένη στο RST (Robust Satellite Techniques), έχει αναπτυχθεί για να ανιχνεύσει, αυτόματα και γρήγορα, την παρουσία μιας διαρροής πετρελαίου στη θάλασσα, ελαχιστοποιώντας τις εσφαλμένες απεικονίσεις χρησιμοποιώντας θερμικά υπέρυθρα (TIR) δεδομένα από τον NOAA-AVHRR( Advanced Very High Resolution Radiometer)&lt;br/&gt;<br /> '''Σκοπός'''&lt;br/&gt;<br /> Σε αυτό το έγγραφο, ο σκοπός της μελέτης είναι η εφαρμογή της προτεινόμενης μεθοδολογίας και η ανάλυση των αποτελεσμάτων που επιτυγχάνονται κατά την μελέτη του συμβάντος στον περσικό Κόλπο τον Ιανουαρίου του 1991. Το συμβάν συνέβη κατά τη διάρκεια του πολέμου του Κόλπου από τις ακτές του Κουβέιτ και της Σαουδικής Αραβίας και προκάλεσε σοβαρή περιβαλλοντική ρύπανση σε σημαντικές περιοχές της Μέσης Ανατολής.&lt;br/&gt;<br /> <br /> <br /> Εικόνα 1: γεωγραφικός χάρτης της ζώνης ατυχήματος του 1991 του Κουβέιτ. Tο κόκκινο βέλος παρουσιάζει τη θέση της διαρροής πετρελαίου ενώ τα μαύρα βέλη δείχνουν την εξέλιξη των κηλίδων<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> Ο αισθητήρας AVHRR(Advanced Very High Resolution Radiometer)με 6 κανάλια επί του δορυφόρου NOAA. Στην περίπτωση μελέτης χρησιμοποιούνται 3 κανάλια (channel 3, around 3.5 mm, in channel 4, around 11 mm, and in channel 5, around 12 mm).&lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η χρήση θερμικών υπέρυθρων (TIR) δεδομένων μπορεί να είναι αρκετά αποτελεσματική στην ανίχνευση πετρελαιοκηλίδων στη θάλασσα (ανάλογα με τη στιγμή της ημέρας), εξαιτίας των ακόλουθων λόγων: (α) την ύπαρξη διαφορετικής τιμής θερμοχωρητικότητας μεταξύ πετρελαίου και ύδατος (β) τη μείωση της μεταφοράς θερμότητας μεταξύ νερού και ατμόσφαιρας ως αποτέλεσμα των αλλαγών στην επιφάνειας της θάλασσας. Αποτέλεσμα των ανωτέρω φαινομένων είναι ότι η θερμική αδράνεια του πετρελαίου είναι χαμηλότερη από αυτή του νερού, έτσι οι μολυσμένες περιοχές(oil polluted) έχουν υψηλότερη θερμοκρασία (φωτεινότητα) στις TIR εικόνες που συλλέγονται κατά την διάρκεια της ημέρας, με το αντίθετο να ισχύει τη νύχτα.&lt;br/&gt;<br /> Τα ίδια ισχύουν στην εικόνα 2 (νύχτα) και εικόνα 3 (ημέρα), αντίστοιχα, 2 και 3 ημέρες μετά από την έναρξη του γεγονότος. Κατά τη διάρκεια της νύχτας, οι μολυσμένες περιοχές παρουσιάζουν χαμηλότερη (θερμοκρασία)φωτεινότητα από την περιβάλλουσα θάλασσα με μια μείωση που κυμαίνεται από ένα ελάχιστο 2 Κ (AVHRR στο κανάλι 3) ως ένα μέγιστο 3 Κ (AVHRR στο κανάλι 5). Το αντίθετο συμβαίνει κατά τη διάρκεια της ημέρας, όπου οι μολυσμένες περιοχές παρουσιάζουν υψηλότερες (θερμοκρασίες) φωτεινότητες από το περιβάλλον νερό της θάλασσας, αυξημένη από το ελάχιστο 11 Κ (AVHRR στο κανάλι 5) σε ένα μέγιστο 17 Κ (AVHRR στο κανάλι 3).&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα2 :Από το Κουβέιτ και της Σαουδικής Αραβίας AVHRR (κανάλι 4) 23 Ιανουαρίου 1991 που αντιπροσωπεύονται στους γκρίζους τόνους (οι υψηλότερες θερμοκρασίες φωτεινότητας παρουσιάζονται στους φωτεινότερους γκρίζους τόνους)&lt;br/&gt;<br /> <br /> <br /> Εικονα3: AVHRR κανάλι 4 εικόνα της 24ης Ιανουαρίου 1991 (χρόνος αποκτήσεων: 10.31GMT)&lt;br/&gt; <br /> <br /> <br /> Η προτεινόμενη τεχνική είναι βασισμένη στην μέθοδο RST, η οποία είναι μια γενική στρατηγική ανάλυσης δεδομένων που χρησιμοποιεί μια μακροχρόνια σειρά συνδυασμένων δορυφορικών στοιχείων με σκοπό τον προσδιορισμό των εντοπισμένων ανωμαλιών στα σήματα λόγω της παρουσίας πετρελαίου στα νέα δεδομένα. Γι αυτό για την εφαρμογή της μεθόδου στην συγκεκριμένη περίπτωση συλλέχτηκαν το σύνολο των διαθέσιμων AVHRR εικόνων σε μια χρονική σειρά 10 ετών, από το 1989 ως το 1999, καλύπτοντας την περιοχή μελέτης. Επιπλέον οι εικόνες ομαδοποιήθηκαν σε δύο χωριστά σύνολα δεδομένων, με αντιστοιχία στα ημερήσια και νυχτερινά περάσματα του δορυφόρου.<br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> Η παρουσία πετρελαιοκηλίδων ανιχνεύεται με αξιοπιστία 100% στο σύνολο του πεδίου εφαρμογής χωρίς την ύπαρξη εσφαλμένων ανιχνεύσεων από την μέθοδο RST ακόμη και σε ψηλά επίπεδα θορύβου. Επιπλέον καταγράφεται η καλύτερη απόδοση της μεθόδου(RST) σε σύγκριση με την μέθοδο Cross που επίσης αξιοποιεί δεδομένα (TIR) από το θερμικό υπέρυθρο με την σύγκριση των αποτελεσμάτων τους για την ίδια περίπτωση μελέτης να εμφανίζονται στις εικόνες 4 και 5 όπου η μέθοδο Cross παρουσιάζει πλέον της πετρελαιοκηλίδας και μια μεγάλη περιοχή εσφαλμένα μολυσμένη(μπλε χρώμα).&lt;br/&gt;<br /> <br /> Εικόνα4(ΑΡ)&amp;5(ΔΕ): ΑΡ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο RST. ΔΕ εικόνα εμφανίζονται τα αποτελέσματα εφαρμόζοντας την μέθοδο Cross όπου η μολυσμένη περιοχή απεικονίζεται με μπλε<br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> Η προτεινόμενη μέθοδος ήταν σε θέση να ανιχνεύσει, με υψηλή ακρίβεια και χαμηλό ποσοστό εσφαλμένων απεικονίσεων, τις μολυσμένες περιοχές που παρήχθησαν από το συμβάν που συνέβη από την ακτή του Κουβέιτ και της Σαουδική Αραβίας τον Ιανουαρίου του1991 κατά τη διάρκεια του πολέμου του Κόλπου. Η ανίχνευση εκτελέσθηκε αυτόματα και πραγματοποιήθηκε χρησιμοποιώντας μόνο δορυφορικά στοιχεία. Αυτό υπογραμμίζει τη σημασία των δορυφορικών στοιχείων, ειδικά εκείνων που λαμβάνονται από τους μετεωρολογικούς δορυφόρους που, παρά τις μέτριες διακριτικές ικανότητες τους, μπορούν να εξασφαλίσουν (απουσία σύννεφων) υψηλή παρατηρητική συχνότητα. Επιπλέον, στο μέλλον ένας συνδυασμός συστημάτων SAR και μετεωρολογικών δορυφόρων μπορεί να είναι ιδιαίτερα αποτελεσματικός στη διαχείριση ανάλογων συμβάντων. Τέλος, η ανεξαρτησία της προτεινόμενης μεθόδου (RST) επιτρέπει να χρησιμοποιηθεί σε διαφορετικούς δορυφόρους και αισθητήρες αυτών. &lt;br/&gt;<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-02T09:01:25Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Μια μέθοδο ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας ]]<br /> *[[ Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CE%B1_MODIS_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Zhejiang_%CF%84%CE%B7%CF%82_%CE%9A%CE%AF%CE%BD%CE%B1%CF%82 2012-03-02T09:00:49Z

<p>Johntsip: </p> <hr /> <div>'''Monitoring the Land Surface Temperature Using MODIS Data in Zhejiang of China''' &lt;br/&gt;<br /> <br /> <br /> Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας&lt;br/&gt;<br /> <br /> <br /> Συγγραφείς: Zishan Jiang, Xiaohua Wei, Hong Jiang &lt;br/&gt;<br /> <br /> ΠΗΓΗ: http://ieeexplore.ieee.org (Geoinformatics, 2011 19th International Conference on)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> <br /> Η αστικοποίηση, η εκβιομηχάνιση και άλλες ανθρώπινες δραστηριότητες έχουν σοβαρό αντίκτυπο σε παγκόσμια κλίματα στην αλλαγή του κλίματος και εισάγουν μια σειρά νέων προβλημάτων όπως η δημιουργία νησίδων θερμότητας. Για να αντιμετωπιστεί αυτό το ζήτημα, είναι απαραίτητο να καταγραφεί χωρικά και χρονικά η θερμοκρασία της επιφάνειας του εδάφους (Land Surface Temperature -LST). Η παραδοσιακή μέθοδος μελέτης και καταγραφής της θερμοκρασίας εξαρτάται από επίγειους σταθμούς, οι οποίοι είναι πολύ περιορισμένοι σε αριθμό και τοποθετημένοι συνήθως στις αστικές περιοχές, παρέχοντας έτσι μη αντιπροσωπευτικές μετρήσεις για το σύνολο μιας μεγάλης έκτασης πέραν της πόλης. Ειδικότερα, πολλοί από τους σταθμούς περιβάλλονται από την πόλη, με αποτέλεσμα να μην υπάρχει η δυνατότητα να καταγράψουν τα χαρακτηριστικά των προαστιακών περιοχών. Για να μπορέσουμε να μελετήσουμε ,καταγράψουμε και παρατηρήσουμε την θερμοκρασία της επιφάνειας του εδάφους σε μεγάλη κλίμακα γίνεται χρήση τω ν πλεονεκτημάτων που παρέχει η ψηφιακή τηλεπισκόπηση μέσω δορυφόρων και αισθητήρων τους. &lt;br/&gt;<br /> <br /> '''Σκοπός'''&lt;br/&gt;<br /> <br /> Σε αυτό το έγγραφο, ο στόχος της μελέτης αυτής είναι χρησιμοποιούμε την ψηφιακή τηλεπισκόπηση για να παρατηρήσουμε την θερμοκρασία του εδάφους και τον αντίκτυπο των αλλαγών της από το φαινόμενο της αστικοποίησης στην επαρχία Zhejiang της Κίνας, η οποία είναι η πιο γρήγορα αστικοποιημένη περιοχή στον κόσμο. &lt;br/&gt;<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Ο αισθητήρας ΜODIS (Moderate Resolution Imaging Spectroradiometer) είναι ένας αισθητήρας παρατήρησης νέας γενεάς από το πρόγραμμα συστημάτων γήινης παρατήρησης (EOS) της NASA, που χρησιμοποιείται για να παρατηρήσει σφαιρικά τη βιολογική και φυσική πρόοδο του πλανήτη. Ο αισθητήρας MODIS έχει 36 κανάλια που καλύπτουν το ηλεκτρομαγνητικό φάσμα από 0.4 εως13.Υπάρχουν τρία είδη ανάλυσης, 250m, 500m και 1000m της επιφάνειας του εδάφους. Το πλάτος ανίχνευσης είναι 2330km. &lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η επαρχία Zhejiang έχει έντονο και πολύπλοκο γεωγραφικό ανάγλυφο . Τα βουνά και οι λόφοι κατέχουν πάνω από 70.4% της περιοχής, οι πεδιάδες και οι λεκάνες απορροής το 23.2%, και ένα 6.4% ανήκει στους ποταμούς και τις λίμνες. Το καλλιεργήσιμο έδαφος έχει μια έκταση μόνο 2.081.700 εκταρίων. <br /> Για την εφαρμογή της μελέτης χρησιμοποιείται ο αλγόριθμος SWA (Split Window Algorithm) που αυτήν την περίοδο (αρχικά ο αλγόριθμος SWA χρησιμοποιήθηκε για να υπολογίσει τη θερμοκρασία στην επιφάνειας της θάλασσας) αποτελεί μια ικανοποιητική επιλογή ευρέως χρησιμοποιούμενη για τον υπολογισμό της θερμοκρασίας της επιφάνειας του εδάφους (Land Surface Temperature -LST). Χρησιμοποιεί δύο θερμικά υπέρυθρα κανάλια μέσα στο παράθυρο της ατμόσφαιρας (10.5~11.5μm και 11.5~12.5μm), και τους διάφορους συνδυασμούς στοιχείων από αυτά τα δυο κανάλια λαμβάνοντας υπόψη στους υπολογισμού τα καιρικά φαινόμενα, την ικανότητα ακτινοβολίας της επιφάνειας του εδάφους, την κάλυψη του εδάφους από φυτά ή όχι. &lt;br/&gt;<br /> <br /> <br /> [[Εικόνα: Chinax11.JPG | εικονα1 φαίνεται η κάλυψη εδάφους της επαρχία Zhejiang]] <br /> <br /> Στη εικονα1 φαίνεται η κάλυψη εδάφους της επαρχία Zhejiang &lt;br/&gt;<br /> <br /> <br /> [[Εικόνα: Chinax2.jpg | εικόνα2 φαίνεται η ροη των βημάτων της μεθόδου με την χρήση αλγορίθμου SWA ]]&lt;br/&gt;<br /> <br /> <br /> εικόνα2 φαίνεται η ροη των βημάτων της μεθόδου με την χρήση αλγορίθμου SWA&lt;br/&gt;<br /> <br /> <br /> Για να εξεταστεί η ακρίβεια των μετρήσεων LST Land Surface Temperature (LST) από τα στοιχεία MODIS, χρησιμοποιήθηκαν τα στοιχεία επίγειων σταθμών διάρκειας 6 ημερών. Υπάρχει μια γραμμική σχέση μεταξύ των στοιχείων παρατήρησης και του αποτελέσματος βάση των στοιχείων MODIS, συνεπώς παρέχεται μια αποδεκτή ακρίβεια.&lt;br/&gt;<br /> <br /> [[Εικόνα: Chinax33.JPG | Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς ]]&lt;br/&gt;<br /> Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς&lt;br/&gt;<br /> <br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> <br /> Με βάση τα αποτελέσματα που προκύπτουν προσεγγίζοντας χωρικά την επαρχία, διαφαίνεται μια ξεκάθαρη διαφοροποίηση της θερμοκρασίας εδάφους μεταξύ κάλυψη γης και χρήση γης. Υφίσταται σαφής διαφορά των χαρακτηριστικών της θερμοκρασίας επιφάνειας εδάφους (LST)από τους διαφορετικούς τύπους χρήσης του εδάφους(περιοχή πόλεων, κωμοπόλεων, αγροτικό έδαφος, περιοχή βουνών, δασών και ύπαρξη νερών)&lt;br/&gt;<br /> <br /> <br /> <br /> [[Εικόνα: Chinax4.JPG | thumb | right | Εικόνα4:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007]]&lt;br/&gt; <br /> <br /> Εικόνα4:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007&lt;br/&gt;<br /> <br /> <br /> Από τη χρονική άποψη, διαφορετικοί τύποι χρήσης γης παράγουν διαφορετικές τιμές θερμοκρασίας. Το καλοκαίρι, η αστική επίδραση των νησίδων θερμότητας είναι έντονη και διαφορετικοί τύποι χρήσης γης παρουσιάζουν μεγάλη διαφορά στην κλίμακα των τιμών καταγραφής τους. Το χειμώνα, οι διαφορές στο θερμικό περιβάλλον από τους διαφορετικούς τύπους χρήσης γης μειώνονται αισθητά και η διαφορά του εδάφους αστικής περιοχής και αγροκτημάτων μπορεί σχεδόν να αγνοηθεί.&lt;br/&gt;<br /> <br /> [[Εικόνα: Chinax5.gif | thumb | right | Εικόνα5: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006]]&lt;br/&gt; <br /> Εικόνα5: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006&lt;br/&gt;<br /> <br /> Η αστική περιοχή που καλύπτει τις πόλεις και τις κωμοπόλεις είναι ο τύπος χρήσης γης με την υψηλότερη θερμοκρασία μεταξύ όλων. Η επίδραση των νησίδων θερμότητας είναι ιδιαίτερη ισχυρή, λαμβάνοντας υπόψη τις έντονες εποχικές μεταβολές. Το χειμώνα η θερμοκρασία της επιφάνειας του εδάφους στις πόλεις είναι ίδια με το καλλιεργήσιμο έδαφος, ενώ μπορεί να υπάρξουν περιπτώσεις που να είναι ακόμη χαμηλότερη από το καλλιεργήσιμο έδαφος. Η περιοχή καλλιεργήσιμου εδάφους μένει ως η δεύτερη υψηλότερη θερμοκρασία τύπου χρήσης γης, χαμηλότερη βέβαια από τη αστική περιοχή, αλλά υψηλότερη από το έδαφος των βουνών και των δασών. Συγκριτικά με άλλους τύπους χρήσης γης, η θερμοκρασία του νερού είναι σχετικά σταθερή επιδεικνύοντας τον χειμώνα σχετικά υψηλή θερμοκρασία σε σχέση με το έδαφος και τις χρήσεις του.&lt;br/&gt;<br /> <br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> <br /> Με τη χρήση της ψηφιακής τηλεπισκόπησης τα θερμικά χαρακτηριστικά της επαρχίας Zhejiang μπορεί να καταγραφούν συναρτήσει χωρικών και χρονικών σημείων αναφοράς. Τα αποτελέσματα δείχνουν ότι η χρήση της ψηφιακής τηλεπισκόπησης είναι αποτελεσματική και με υψηλή ακρίβεια για τον υπολογισμό της θερμοκρασίας στην επιφάνεια του εδάφους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax5.gif 2012-03-02T08:59:31Z

<p>Johntsip: Εικόνα5: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006</p> <hr /> <div>Εικόνα5: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax4.JPG 2012-03-02T08:56:40Z

<p>Johntsip: Εικόνα4:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007</p> <hr /> <div>Εικόνα4:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax33.JPG 2012-03-02T08:52:31Z

<p>Johntsip: Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς</p> <hr /> <div>Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax3.gif 2012-03-02T08:49:41Z

<p>Johntsip: Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς</p> <hr /> <div>Εικόνα3:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CE%B1_MODIS_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Zhejiang_%CF%84%CE%B7%CF%82_%CE%9A%CE%AF%CE%BD%CE%B1%CF%82 2012-03-02T08:49:11Z

<p>Johntsip: </p> <hr /> <div>'''Monitoring the Land Surface Temperature Using MODIS Data in Zhejiang of China''' &lt;br/&gt;<br /> <br /> <br /> Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας&lt;br/&gt;<br /> <br /> <br /> Συγγραφείς: Zishan Jiang, Xiaohua Wei, Hong Jiang &lt;br/&gt;<br /> <br /> ΠΗΓΗ: http://ieeexplore.ieee.org (Geoinformatics, 2011 19th International Conference on)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> <br /> Η αστικοποίηση, η εκβιομηχάνιση και άλλες ανθρώπινες δραστηριότητες έχουν σοβαρό αντίκτυπο σε παγκόσμια κλίματα στην αλλαγή του κλίματος και εισάγουν μια σειρά νέων προβλημάτων όπως η δημιουργία νησίδων θερμότητας. Για να αντιμετωπιστεί αυτό το ζήτημα, είναι απαραίτητο να καταγραφεί χωρικά και χρονικά η θερμοκρασία της επιφάνειας του εδάφους (Land Surface Temperature -LST). Η παραδοσιακή μέθοδος μελέτης και καταγραφής της θερμοκρασίας εξαρτάται από επίγειους σταθμούς, οι οποίοι είναι πολύ περιορισμένοι σε αριθμό και τοποθετημένοι συνήθως στις αστικές περιοχές, παρέχοντας έτσι μη αντιπροσωπευτικές μετρήσεις για το σύνολο μιας μεγάλης έκτασης πέραν της πόλης. Ειδικότερα, πολλοί από τους σταθμούς περιβάλλονται από την πόλη, με αποτέλεσμα να μην υπάρχει η δυνατότητα να καταγράψουν τα χαρακτηριστικά των προαστιακών περιοχών. Για να μπορέσουμε να μελετήσουμε ,καταγράψουμε και παρατηρήσουμε την θερμοκρασία της επιφάνειας του εδάφους σε μεγάλη κλίμακα γίνεται χρήση τω ν πλεονεκτημάτων που παρέχει η ψηφιακή τηλεπισκόπηση μέσω δορυφόρων και αισθητήρων τους. &lt;br/&gt;<br /> <br /> '''Σκοπός'''&lt;br/&gt;<br /> <br /> Σε αυτό το έγγραφο, ο στόχος της μελέτης αυτής είναι χρησιμοποιούμε την ψηφιακή τηλεπισκόπηση για να παρατηρήσουμε την θερμοκρασία του εδάφους και τον αντίκτυπο των αλλαγών της από το φαινόμενο της αστικοποίησης στην επαρχία Zhejiang της Κίνας, η οποία είναι η πιο γρήγορα αστικοποιημένη περιοχή στον κόσμο. &lt;br/&gt;<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Ο αισθητήρας ΜODIS (Moderate Resolution Imaging Spectroradiometer) είναι ένας αισθητήρας παρατήρησης νέας γενεάς από το πρόγραμμα συστημάτων γήινης παρατήρησης (EOS) της NASA, που χρησιμοποιείται για να παρατηρήσει σφαιρικά τη βιολογική και φυσική πρόοδο του πλανήτη. Ο αισθητήρας MODIS έχει 36 κανάλια που καλύπτουν το ηλεκτρομαγνητικό φάσμα από 0.4 εως13.Υπάρχουν τρία είδη ανάλυσης, 250m, 500m και 1000m της επιφάνειας του εδάφους. Το πλάτος ανίχνευσης είναι 2330km. &lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η επαρχία Zhejiang έχει έντονο και πολύπλοκο γεωγραφικό ανάγλυφο . Τα βουνά και οι λόφοι κατέχουν πάνω από 70.4% της περιοχής, οι πεδιάδες και οι λεκάνες απορροής το 23.2%, και ένα 6.4% ανήκει στους ποταμούς και τις λίμνες. Το καλλιεργήσιμο έδαφος έχει μια έκταση μόνο 2.081.700 εκταρίων. <br /> Για την εφαρμογή της μελέτης χρησιμοποιείται ο αλγόριθμος SWA (Split Window Algorithm) που αυτήν την περίοδο (αρχικά ο αλγόριθμος SWA χρησιμοποιήθηκε για να υπολογίσει τη θερμοκρασία στην επιφάνειας της θάλασσας) αποτελεί μια ικανοποιητική επιλογή ευρέως χρησιμοποιούμενη για τον υπολογισμό της θερμοκρασίας της επιφάνειας του εδάφους (Land Surface Temperature -LST). Χρησιμοποιεί δύο θερμικά υπέρυθρα κανάλια μέσα στο παράθυρο της ατμόσφαιρας (10.5~11.5μm και 11.5~12.5μm), και τους διάφορους συνδυασμούς στοιχείων από αυτά τα δυο κανάλια λαμβάνοντας υπόψη στους υπολογισμού τα καιρικά φαινόμενα, την ικανότητα ακτινοβολίας της επιφάνειας του εδάφους, την κάλυψη του εδάφους από φυτά ή όχι. &lt;br/&gt;<br /> <br /> <br /> [[Εικόνα: Chinax11.JPG | εικονα1 φαίνεται η κάλυψη εδάφους της επαρχία Zhejiang]] <br /> <br /> Στη εικονα1 φαίνεται η κάλυψη εδάφους της επαρχία Zhejiang &lt;br/&gt;<br /> <br /> <br /> [[Εικόνα: Chinax2.jpg | εικόνα2 φαίνεται η ροη των βημάτων της μεθόδου με την χρήση αλγορίθμου SWA ]]&lt;br/&gt;<br /> <br /> εικόνα2 φαίνεται η ροη των βημάτων της μεθόδου με την χρήση αλγορίθμου SWA&lt;br/&gt;<br /> <br /> <br /> Για να εξεταστεί η ακρίβεια των μετρήσεων LST Land Surface Temperature (LST) από τα στοιχεία MODIS, χρησιμοποιήθηκαν τα στοιχεία επίγειων σταθμών διάρκειας 6 ημερών. Υπάρχει μια γραμμική σχέση μεταξύ των στοιχείων παρατήρησης και του αποτελέσματος βάση των στοιχείων MODIS, συνεπώς παρέχεται μια αποδεκτή ακρίβεια.&lt;br/&gt;<br /> <br /> <br /> Εικόνα2:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς&lt;br/&gt;<br /> <br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> <br /> Με βάση τα αποτελέσματα που προκύπτουν προσεγγίζοντας χωρικά την επαρχία, διαφαίνεται μια ξεκάθαρη διαφοροποίηση της θερμοκρασίας εδάφους μεταξύ κάλυψη γης και χρήση γης. Υφίσταται σαφής διαφορά των χαρακτηριστικών της θερμοκρασίας επιφάνειας εδάφους (LST)από τους διαφορετικούς τύπους χρήσης του εδάφους(περιοχή πόλεων, κωμοπόλεων, αγροτικό έδαφος, περιοχή βουνών, δασών και ύπαρξη νερών)&lt;br/&gt;<br /> <br /> <br /> <br /> <br /> <br /> <br /> Εικόνα3:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007&lt;br/&gt;<br /> <br /> <br /> Από τη χρονική άποψη, διαφορετικοί τύποι χρήσης γης παράγουν διαφορετικές τιμές θερμοκρασίας. Το καλοκαίρι, η αστική επίδραση των νησίδων θερμότητας είναι έντονη και διαφορετικοί τύποι χρήσης γης παρουσιάζουν μεγάλη διαφορά στην κλίμακα των τιμών καταγραφής τους. Το χειμώνα, οι διαφορές στο θερμικό περιβάλλον από τους διαφορετικούς τύπους χρήσης γης μειώνονται αισθητά και η διαφορά του εδάφους αστικής περιοχής και αγροκτημάτων μπορεί σχεδόν να αγνοηθεί.&lt;br/&gt;<br /> <br /> <br /> Εικόνα4: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006&lt;br/&gt;<br /> <br /> Η αστική περιοχή που καλύπτει τις πόλεις και τις κωμοπόλεις είναι ο τύπος χρήσης γης με την υψηλότερη θερμοκρασία μεταξύ όλων. Η επίδραση των νησίδων θερμότητας είναι ιδιαίτερη ισχυρή, λαμβάνοντας υπόψη τις έντονες εποχικές μεταβολές. Το χειμώνα η θερμοκρασία της επιφάνειας του εδάφους στις πόλεις είναι ίδια με το καλλιεργήσιμο έδαφος, ενώ μπορεί να υπάρξουν περιπτώσεις που να είναι ακόμη χαμηλότερη από το καλλιεργήσιμο έδαφος. Η περιοχή καλλιεργήσιμου εδάφους μένει ως η δεύτερη υψηλότερη θερμοκρασία τύπου χρήσης γης, χαμηλότερη βέβαια από τη αστική περιοχή, αλλά υψηλότερη από το έδαφος των βουνών και των δασών. Συγκριτικά με άλλους τύπους χρήσης γης, η θερμοκρασία του νερού είναι σχετικά σταθερή επιδεικνύοντας τον χειμώνα σχετικά υψηλή θερμοκρασία σε σχέση με το έδαφος και τις χρήσεις του.&lt;br/&gt;<br /> <br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> <br /> Με τη χρήση της ψηφιακής τηλεπισκόπησης τα θερμικά χαρακτηριστικά της επαρχίας Zhejiang μπορεί να καταγραφούν συναρτήσει χωρικών και χρονικών σημείων αναφοράς. Τα αποτελέσματα δείχνουν ότι η χρήση της ψηφιακής τηλεπισκόπησης είναι αποτελεσματική και με υψηλή ακρίβεια για τον υπολογισμό της θερμοκρασίας στην επιφάνεια του εδάφους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax2.jpg 2012-03-02T08:44:25Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax11.JPG 2012-03-02T08:39:31Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Chinax1.JPG 2012-03-02T08:38:25Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CE%B1_MODIS_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Zhejiang_%CF%84%CE%B7%CF%82_%CE%9A%CE%AF%CE%BD%CE%B1%CF%82 2012-03-02T08:36:29Z

<p>Johntsip: Νέα σελίδα με ''''Monitoring the Land Surface Temperature Using MODIS Data in Zhejiang of China''' &lt;br/&gt; Παρακολούθηση της θερμοκρασίας επιφάνειας...'</p> <hr /> <div>'''Monitoring the Land Surface Temperature Using MODIS Data in Zhejiang of China''' &lt;br/&gt;<br /> <br /> <br /> Παρακολούθηση της θερμοκρασίας επιφάνειας εδάφους με την χρήση δεδομένων του αισθητήρα MODIS στην ανατολική επαρχία Zhejiang της Κίνας&lt;br/&gt;<br /> <br /> <br /> Συγγραφείς: Zishan Jiang, Xiaohua Wei, Hong Jiang &lt;br/&gt;<br /> <br /> ΠΗΓΗ: http://ieeexplore.ieee.org (Geoinformatics, 2011 19th International Conference on)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> <br /> Η αστικοποίηση, η εκβιομηχάνιση και άλλες ανθρώπινες δραστηριότητες έχουν σοβαρό αντίκτυπο σε παγκόσμια κλίματα στην αλλαγή του κλίματος και εισάγουν μια σειρά νέων προβλημάτων όπως η δημιουργία νησίδων θερμότητας. Για να αντιμετωπιστεί αυτό το ζήτημα, είναι απαραίτητο να καταγραφεί χωρικά και χρονικά η θερμοκρασία της επιφάνειας του εδάφους (Land Surface Temperature -LST). Η παραδοσιακή μέθοδος μελέτης και καταγραφής της θερμοκρασίας εξαρτάται από επίγειους σταθμούς, οι οποίοι είναι πολύ περιορισμένοι σε αριθμό και τοποθετημένοι συνήθως στις αστικές περιοχές, παρέχοντας έτσι μη αντιπροσωπευτικές μετρήσεις για το σύνολο μιας μεγάλης έκτασης πέραν της πόλης. Ειδικότερα, πολλοί από τους σταθμούς περιβάλλονται από την πόλη, με αποτέλεσμα να μην υπάρχει η δυνατότητα να καταγράψουν τα χαρακτηριστικά των προαστιακών περιοχών. Για να μπορέσουμε να μελετήσουμε ,καταγράψουμε και παρατηρήσουμε την θερμοκρασία της επιφάνειας του εδάφους σε μεγάλη κλίμακα γίνεται χρήση τω ν πλεονεκτημάτων που παρέχει η ψηφιακή τηλεπισκόπηση μέσω δορυφόρων και αισθητήρων τους. &lt;br/&gt;<br /> <br /> '''Σκοπός'''&lt;br/&gt;<br /> <br /> Σε αυτό το έγγραφο, ο στόχος της μελέτης αυτής είναι χρησιμοποιούμε την ψηφιακή τηλεπισκόπηση για να παρατηρήσουμε την θερμοκρασία του εδάφους και τον αντίκτυπο των αλλαγών της από το φαινόμενο της αστικοποίησης στην επαρχία Zhejiang της Κίνας, η οποία είναι η πιο γρήγορα αστικοποιημένη περιοχή στον κόσμο. &lt;br/&gt;<br /> <br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Ο αισθητήρας ΜODIS (Moderate Resolution Imaging Spectroradiometer) είναι ένας αισθητήρας παρατήρησης νέας γενεάς από το πρόγραμμα συστημάτων γήινης παρατήρησης (EOS) της NASA, που χρησιμοποιείται για να παρατηρήσει σφαιρικά τη βιολογική και φυσική πρόοδο του πλανήτη. Ο αισθητήρας MODIS έχει 36 κανάλια που καλύπτουν το ηλεκτρομαγνητικό φάσμα από 0.4 εως13.Υπάρχουν τρία είδη ανάλυσης, 250m, 500m και 1000m της επιφάνειας του εδάφους. Το πλάτος ανίχνευσης είναι 2330km. &lt;br/&gt;<br /> <br /> '''Μεθοδολογία''' &lt;br/&gt;<br /> Η επαρχία Zhejiang έχει έντονο και πολύπλοκο γεωγραφικό ανάγλυφο . Τα βουνά και οι λόφοι κατέχουν πάνω από 70.4% της περιοχής, οι πεδιάδες και οι λεκάνες απορροής το 23.2%, και ένα 6.4% ανήκει στους ποταμούς και τις λίμνες. Το καλλιεργήσιμο έδαφος έχει μια έκταση μόνο 2.081.700 εκταρίων. <br /> Για την εφαρμογή της μελέτης χρησιμοποιείται ο αλγόριθμος SWA (Split Window Algorithm) που αυτήν την περίοδο (αρχικά ο αλγόριθμος SWA χρησιμοποιήθηκε για να υπολογίσει τη θερμοκρασία στην επιφάνειας της θάλασσας) αποτελεί μια ικανοποιητική επιλογή ευρέως χρησιμοποιούμενη για τον υπολογισμό της θερμοκρασίας της επιφάνειας του εδάφους (Land Surface Temperature -LST). Χρησιμοποιεί δύο θερμικά υπέρυθρα κανάλια μέσα στο παράθυρο της ατμόσφαιρας (10.5~11.5μm και 11.5~12.5μm), και τους διάφορους συνδυασμούς στοιχείων από αυτά τα δυο κανάλια λαμβάνοντας υπόψη στους υπολογισμού τα καιρικά φαινόμενα, την ικανότητα ακτινοβολίας της επιφάνειας του εδάφους, την κάλυψη του εδάφους από φυτά ή όχι. &lt;br/&gt;<br /> <br /> <br /> <br /> Στη εικονα1 φαίνεται η κάλυψη εδάφους της επαρχία Zhejiang ενώ στη δεξιά εικόνα2 φαίνεται η ροη των βημάτων της μεθόδου με την χρήση αλγορίθμου SWA&lt;br/&gt;<br /> <br /> <br /> Για να εξεταστεί η ακρίβεια των μετρήσεων LST Land Surface Temperature (LST) από τα στοιχεία MODIS, χρησιμοποιήθηκαν τα στοιχεία επίγειων σταθμών διάρκειας 6 ημερών. Υπάρχει μια γραμμική σχέση μεταξύ των στοιχείων παρατήρησης και του αποτελέσματος βάση των στοιχείων MODIS, συνεπώς παρέχεται μια αποδεκτή ακρίβεια.&lt;br/&gt;<br /> <br /> <br /> Εικόνα2:ο έλεγχος των τιμών MODIS σε σύγκριση με τιμές από επίγειους σταθμούς&lt;br/&gt;<br /> <br /> '''Αποτελέσματα έρευνας'''&lt;br/&gt;<br /> <br /> Με βάση τα αποτελέσματα που προκύπτουν προσεγγίζοντας χωρικά την επαρχία, διαφαίνεται μια ξεκάθαρη διαφοροποίηση της θερμοκρασίας εδάφους μεταξύ κάλυψη γης και χρήση γης. Υφίσταται σαφής διαφορά των χαρακτηριστικών της θερμοκρασίας επιφάνειας εδάφους (LST)από τους διαφορετικούς τύπους χρήσης του εδάφους(περιοχή πόλεων, κωμοπόλεων, αγροτικό έδαφος, περιοχή βουνών, δασών και ύπαρξη νερών)&lt;br/&gt;<br /> <br /> <br /> <br /> <br /> <br /> <br /> Εικόνα3:ο ετήσια αποτελέσματα LST (Land Surface Temperature ) στην επαρχία Zhejiang από το 2004 ως το 2007&lt;br/&gt;<br /> <br /> <br /> Από τη χρονική άποψη, διαφορετικοί τύποι χρήσης γης παράγουν διαφορετικές τιμές θερμοκρασίας. Το καλοκαίρι, η αστική επίδραση των νησίδων θερμότητας είναι έντονη και διαφορετικοί τύποι χρήσης γης παρουσιάζουν μεγάλη διαφορά στην κλίμακα των τιμών καταγραφής τους. Το χειμώνα, οι διαφορές στο θερμικό περιβάλλον από τους διαφορετικούς τύπους χρήσης γης μειώνονται αισθητά και η διαφορά του εδάφους αστικής περιοχής και αγροκτημάτων μπορεί σχεδόν να αγνοηθεί.&lt;br/&gt;<br /> <br /> <br /> Εικόνα4: Δύο εποχιακά αποτελέσματα LST στην επαρχία Zhejiang το 2006&lt;br/&gt;<br /> <br /> Η αστική περιοχή που καλύπτει τις πόλεις και τις κωμοπόλεις είναι ο τύπος χρήσης γης με την υψηλότερη θερμοκρασία μεταξύ όλων. Η επίδραση των νησίδων θερμότητας είναι ιδιαίτερη ισχυρή, λαμβάνοντας υπόψη τις έντονες εποχικές μεταβολές. Το χειμώνα η θερμοκρασία της επιφάνειας του εδάφους στις πόλεις είναι ίδια με το καλλιεργήσιμο έδαφος, ενώ μπορεί να υπάρξουν περιπτώσεις που να είναι ακόμη χαμηλότερη από το καλλιεργήσιμο έδαφος. Η περιοχή καλλιεργήσιμου εδάφους μένει ως η δεύτερη υψηλότερη θερμοκρασία τύπου χρήσης γης, χαμηλότερη βέβαια από τη αστική περιοχή, αλλά υψηλότερη από το έδαφος των βουνών και των δασών. Συγκριτικά με άλλους τύπους χρήσης γης, η θερμοκρασία του νερού είναι σχετικά σταθερή επιδεικνύοντας τον χειμώνα σχετικά υψηλή θερμοκρασία σε σχέση με το έδαφος και τις χρήσεις του.&lt;br/&gt;<br /> <br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> <br /> Με τη χρήση της ψηφιακής τηλεπισκόπησης τα θερμικά χαρακτηριστικά της επαρχίας Zhejiang μπορεί να καταγραφούν συναρτήσει χωρικών και χρονικών σημείων αναφοράς. Τα αποτελέσματα δείχνουν ότι η χρήση της ψηφιακής τηλεπισκόπησης είναι αποτελεσματική και με υψηλή ακρίβεια για τον υπολογισμό της θερμοκρασίας στην επιφάνεια του εδάφους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-02T08:30:11Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1.&lt;br/&gt;<br /> [[Εικόνα: Shipx11.jpg]] &lt;br/&gt;<br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων&lt;br/&gt;<br /> Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> [[Εικόνα: Shipx1.jpg | Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων]]&lt;br/&gt; <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> [[Εικόνα: Shipx4.jpg | thumb | right | Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) ]]<br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level <br /> <br /> Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> [[Εικόνα: Shipx5.jpg | thumb | right | Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου. ]]<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> [[Εικόνα: Shipx6.1.jpg | ]]&lt;br/&gt;<br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx11.jpg 2012-03-02T08:22:29Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx1.jpg 2012-03-02T08:07:13Z

<p>Johntsip: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Shipx1.jpg&amp;quot;</p> <hr /> <div>Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-02T08:05:37Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1.&lt;br/&gt;<br /> [[Εικόνα: Shipx1.jpg]] &lt;br/&gt;<br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων&lt;br/&gt;<br /> Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> [[Εικόνα: Shipx3.jpg | thumb | right | Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων]] <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> [[Εικόνα: Shipx4.jpg | thumb | right | Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) ]]<br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level <br /> <br /> Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> [[Εικόνα: Shipx5.jpg | thumb | right | Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου. ]]<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> [[Εικόνα: Shipx6.1.jpg | ]]&lt;br/&gt;<br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx3.jpg 2012-03-02T08:03:17Z

<p>Johntsip: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Shipx3.jpg&amp;quot;</p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-01T18:34:42Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Μια μέθοδο ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A8%CE%B7%CF%86%CE%B9%CE%B1%CE%BA%CE%AE_%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%B3%CE%B9%CE%B1_%CE%BC%CE%B9%CE%B1_%CE%BF%CE%B9%CE%BA%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%B9%CE%B5%CE%AF%CE%B1%CF%82 2012-03-01T18:33:54Z

<p>Johntsip: </p> <hr /> <div>'''Satellite remote sensing for an ecosystem approach to fisheries management'''&lt;br/&gt;<br /> Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας&lt;br/&gt;<br /> Συγγραφείς: Emmanuel Chassot , Sylvain Bonhommeau, Gabriel Reygondeau, Karen Nieto Jeffrey J. Polovina , Martin Huret , Nicholas K. Dulvy, and Herve Demarcq&lt;br/&gt;<br /> ΠΗΓΗ : http://icesjms.oxfordjournals.org// ICES Journal of Marine Science<br /> Volume68, Issue4 Pp. 651-666)&lt;br/&gt;<br /> <br /> '''Εισαγωγή'''&lt;br/&gt;<br /> Η ψηφιακή τηλεπισκόπηση του θαλασσίου περιβάλλοντος έχει γίνει κύριο εργαλείο για την παρατήρηση περιβαλλοντολογικών θεμάτων και την αξιολόγηση διαφόρων μεγεθών τους. Καθώς η δυνατότητα της συστηματικής, καθημερινής, σε οποιοδήποτε μέρος του κόσμου, υψηλής ανάλυσης λήψης φωτογραφιών που παρέχεται από τους δορυφόρους παρέχει μια πηγή δεδομένων ώστε να υπάρχει δυνατότητα εκτίμησης και συσχέτισης των θαλάσσιων οικοσυστημάτων και του πληθυσμού των ψαριών Μια διεξοδική προσέγγιση της ψηφιακής τηλεπισκόπησης τα τελευταία τριάντα χρόνια θα αναδείξει την σπουδαιότητα της τηλεπισκόπησης ως εργαλείο έρευνας της σχέσης των συνθηκών των ωκεανών και των θαλασσίων πόρων τους. Κύρια εφαρμογή της τηλεπισκόπισης αποτελεί η παρατήρηση και καταγραφεί των αλλαγών που συμβαίνουν στα θαλάσσια οικοσυστήματα με σκοπός την κατανόηση αυτών και κυρίως όσα αφορούν μεταβολές και σχετίζονται με τους πληθυσμούς των ψαριών και την απεμπλοκή της αλιείας από την υποβάθμιση του περιβάλλοντος και τον καθορισμό βέλτιστων αρχών διαχείρισης αυτής.&lt;br/&gt;<br /> <br /> '''Σκοπός'''&lt;br/&gt;<br /> Σκοπός του παρόντος έγγραφου αποτελεί αφενός να παρέχει μια επισκόπηση των σύγχρονων δορυφορικών δυνατοτήτων(πλατφόρμες, αισθητήρες, δυνατότητες επεξεργασίας εικόνων και παρουσίαση τεχνικών) που παρέχονται στην εποχή μας, αφετέρου να αναδείξει τον μεγάλο όγκο πληροφορίας που παρέχεται μέσω των δορυφόρων και τον κομβικό ρόλο που παίζουν στις οικολογικές αναλύσεις.&lt;br/&gt;<br /> <br /> <br /> <br /> '''Πηγές δεδομένων (Data Source)'''&lt;br/&gt;<br /> Αισθητήρες που σχετίζονται με την παρατήρηση δεδομένων, όπως ταχύτητα ανέμου, ύψος θάλασσας, ανίχνευση παρουσίας χλωροφύλλης είναι οι κάτωθι: MODlS, Pathfinder V5, Pathfinder V4, V5 ,SEVIRI, METOP, TRMM, AQUA, MIRAS (Level 1 /2), SeaWiFS, MODIS (Level2), MERIS, QuickScat, SSM/I, AMSR-E, ERS-TOPEX-JASON, SeaWiFS (Chl a, PAR, SST), MODIS (Chl a, PAR, SST)&lt;br/&gt;<br /> <br /> '''Ανάλυση''' &lt;br/&gt;<br /> Ένας πρώτος διαχωρισμός των συστημάτων μπορεί να γίνει με διαχωρισμό των αισθητήρων σε παθητικούς και ενεργούς αισθητήρες. Ενώ επιπλέον οι αισθητήρες μπορούν να διαχωριστούν σε τέσσερις κατηγορίες με κριτήριο αναφοράς την περιοχή του φάσματος που επιχειρούν: α)ορατό ή κοντά στο υπέρυθρο (visible or near infrared) β) μέσο-υπέρυθρο (mid-infrared) γ) θερμικό υπέρυθρο (thermal infrared) δ) μικροκύματα (microwave). Τα συστήματα της ψηφιακής τηλεπισκόπησης χωρίζονται ανάλογα με την χωρική, χρονική και φασματική τους ικανότητα σύμφωνα με τον παρακάτω πίνακα(Η χωρική ανάλυση αναφέρεται στο ονομαστικό μέγεθος του pixel της δορυφορικής εικόνας ενώ η χρονική ανάλυση αναφέρεται στη συχνότητα της παρατήρησης για μια συγκεκριμένη τοποθεσία.) <br /> <br /> [[Εικόνα: Pinakal1.JPG | πίνακα1: ]]<br /> <br /> [[Εικόνα: Pinakal2.JPG | πίνακα2: παρουσιάζονται τα πιο συνήθη συστήματα της ψηφιακής τηλεπισκόπισης που καταγράφουν παραμέτρους όπως η αλατότητα των νερών, ταχύτητα ανέμου, ύψος θάλασσας, ανίχνευση παρουσίας χλωροφύλλης. ]]<br /> <br /> Πινακας3: Παρουσιάζει τη διαδικασία επεξεργασίας ενός θερμικού σήματος από έναν δορυφορικό αισθητήρα σύμφωνα με τις φυσικές παραμορφώσεις που λαμβάνουν χώρα σε όλα τα στάδια της διαδικασίας. &lt;br/&gt;<br /> [[Εικόνα: Aleiia1.JPG | thumb | right | Πινακας3: Παρουσιάζει τη διαδικασία επεξεργασίας ενός θερμικού σήματος από έναν δορυφορικό αισθητήρα σύμφωνα με τις φυσικές παραμορφώσεις που λαμβάνουν χώρα σε όλα τα στάδια της διαδικασίας.]] <br /> <br /> Τυπικό παράδειγμα των ικανοτήτων παρατήρησης της ψηφιακής τηλεπισκόπησης αποτελούν οι ανωτέρω καταγραφές πάνω από τον Ατλαντικό ωκεανό την 18 Ιουνίου 2010 από πέντε διαφορετικούς αισθητήρες (three thermal-infrared sensors, (a) MODIS/AQUA, (b)<br /> AVHRR/METOP, (c) SEVERI/METEOSAT-MSG, (d) a microwave sensor AMSR/ADEOS, and (e) a 9-km- ανάλυσης συνδυάζοντας δυο αισθητήρες μικροκυμάτων (AMSR and TMI) και ενός υπέρυθρου(MODIS))<br /> <br /> <br /> [[Εικόνα: Aleiia2.JPG | thumb | right | Εικονα4: Τυπικό παράδειγμα των ικανοτήτων παρατήρησης της ψηφιακής τηλεπισκόπησης αποτελούν οι ανωτέρω καταγραφές πάνω από τον Ατλαντικό ωκεανό την 18 Ιουνίου 2010 από πέντε διαφορετικούς αισθητήρες (three thermal-infrared sensors, (a) MODIS/AQUA, (b)<br /> AVHRR/METOP, (c) SEVERI/METEOSAT-MSG, (d) a microwave sensor AMSR/ADEOS, and (e) a 9-km- ανάλυσης συνδυάζοντας δυο αισθητήρες μικροκυμάτων (AMSR and TMI) και ενός υπέρυθρου(MODIS))<br /> ]]<br /> '''Ψηφιακή τηλεπισκόπηση και παρατήρηση μεσαίας κλίμακας διεργασιών των ωκεανών'''<br /> <br /> Η ανίχνευση και παρατήρηση της μεσαίας κλίμακας δόμων/διεργασιών των ωκεανών όπως οι αέριες μάζες διαφορετικής πυκνότητας, οι δύνες, οι αποθέσεις ποταμών, και η ινώδης άλγη τα οποία μπορούν να εντοπιστούν σε κλίμακα από ένα έως εκατοντάδες χιλιόμετρα και ποικίλες χρονικές διαστάσεις αντιπροσωπεύουν σε μεγάλο βαθμό τις ωκεανογραφικές συνθήκες που καθορίζουν κάθε φορά τα φυσικά σημεία για την διατροφή, την ωοτοκία, ωρίμανση επηρεάζοντας δυναμικά την κατανομή και παρουσία των ψαριών. Η μελέτη, καταγραφή και παρατήρηση αυτών των διεργασιών είναι ιδιαίτερη σημαντική για την μοντελοποίηση των ωκεανών και την συσχέτιση τους με την βελτίωση της ανάπτυξη των πληθυσμών των ψαριών.<br /> '''Ψηφιακή τηλεπισκόπηση και αλιεία'''<br /> <br /> Το ενδιαφέρον της ψηφιακής τηλεπισκόπησης και η εφαρμογή της στην διαδικασία της αλιείας ξεκινά με την εμφάνιση αισθητήρων δορυφόρων που ανιχνεύουν την θερμοκρασία και το χρώμα των νερών των ωκεανών από τις αρχές της δεκαετίας του1960. Διάφορα προγράμματα ενίσχυσαν και υποστήριξαν την ανάπτυξη εργαλείων που εκμεταλλεύονταν τις πληροφορίες που παρείχε η ψηφιακή τηλεπισκόπηση ώστε να επιτευχτεί το βέλτιστο αποτέλεσμα μειώνοντας το χρόνο παραμονής στη θάλασσα, την κατανάλωση των καύσιμων και την απαίτηση συντήρησης των πλοίων. Παράλληλα η ύπαρξη αυτών των βοηθημάτων παρέχει την δυνατότητα να καταπολεμηθεί το φαινόμενο της υπερβολικής αλιείας δημιουργώντας οικολογική συνείδηση στους χρήστες.<br /> <br /> <br /> '''Ψηφιακή τηλεπισκόπηση και η σχέση θαλασσίων πόρων και ωκεανογραφικών συνθηκών και μετανάστευση πληθυσμών'''<br /> <br /> Ένας μεγάλος αριθμός αισθητήρων χρησιμοποιήθηκε για να καταγράψει τις φυσικές ιδιότητες των νερών και εξηγήσει τα διάφορα δυναμικά φαινόμενα που λαμβάνουν χωρά στους ωκεανούς. Μπορεί να ειπωθεί ότι η παρουσία της χλωροφύλλης, δείκτης Chl. και η θερμοκρασία της θάλασσας, δείκτης SST(Sea Surface Temperature) αποτελούν σε μεγάλο βαθμό τα εργαλεία που υποδηλώνουν τα σημεία ύπαρξης των πληθυσμών των ψαριών. Η Παρουσία της χλωροφύλλης ανιχνεύεται και μοντελοποιείται με τη χρήση του Coastal Zone Colour Scanner (CZCS) and SeaWiFS δεδομένων ενώ η ανίχνευση της θερμοκρασίας με τη χρήση υψηλής ανάλυσης radiometer (AVHRR). Επιπρόσθετα έχει αποδειχτεί η σχέση των φυσικών διεργασιών που αναπτύσσονται στους ωκεανούς με την δημιουργία κατάλληλων συνθηκών ανάπτυξης των θαλασσίων οργανισμών και την μετανάστευση τους. Μέσω της ψηφιακής τηλεπισκόπησης και την παρακολούθηση διαφόρων φαινομένων όπως η αύξηση της θερμοκρασίας, η συγκέντρωση χλωροφύλλης και η καταγραφή φυσικών διεργασιών που συμβαίνουν σε διάφορα σημεία παρατηρείται η μετακίνηση θαλασσίων οργανισμών μεταξύ των σημείων που λαμβάνουν χώρα αυτά τα φαινόμενα.<br /> Εξαιτίας της πολυπλοκότητας των φαινομένων που λαμβάνουν χώρα στους ωκεανούς από νωρίς έγινε προσπάθεια να τυποποιηθούν οι ωκεανοί με βάση τις βιολογικές και φυσικές διεργασίες τους. ΜΕ την χρήση της τηλεπισκόπησης αυτό έγινε εφικτό όπου τελικά προτάθηκε ο χωρισμός τους σε τέσσερα βιοσυστήματα, υποδιαιρώντας αυτά σε 50 ομάδες (BGCP- Biogeochemical provinces) όπου η κάθε μια αποτελεί μια οικολογική οντότητα με συγκεκριμένες περιβαλλοντολογικές συνθήκες <br /> <br /> [[Εικόνα: Aleiia3.JPG | thumb | right | Εικονα5: (α) Χάρτης Longhurst (2007) BGCP, και (β) Xάρτης του δυναμικού BGCP για το 2005. O χάρτης του δυναμικού BGCP βασίζεται στη AVHRR series, το SeaWiFS Chl α, την αλατότητα (World Oceandatabase), και τη βαθυμετρία (GEBCO)]]<br /> <br /> '''Συμπέρασμα'''<br /> Η ψηφιακή τηλεπισκόπηση του θαλάσσιου περιβάλλοντος αποτελεί και παρέχει μια πολύτιμη πηγή πληροφοριών σχετικά με τις αλληλεπιδράσεις μεταξύ είδη ψαριών και του περιβάλλον τους, συμπεριλαμβάνοντας στοιχεία για τον πληθυσμό τους, της κατανομή τους και το πόσο επιδρούν οι περιβαλλοντολογικές επιπτώσεις. Βέβαια δεν υφίσταται μεγάλη χρονική κλίμακα καταγραφής των πληροφοριών αφού για την χλωροφύλλη και την θερμοκρασία της θαλάσσης είναι μόνο 12 και 30 χρόνια αντίστοιχα, με συνέπεια να υφίστανται δυσκολίες για την παραγωγή μοντέλων που θα απεικονίζουν με ορθό τρόπο την πραγματικότητα και θα μπορούν να προσομοιώσουν το μέλλον. Καθώς η τεχνολογία εξελίσσεται και νέες δυνατότητες καταγραφής προκύπτουν ενισχύοντας τις παλιές είναι σίγουρο ότι η ψηφιακή τηλεπισκόπηση θα παίξει σημαντικό ρόλο στην καταγραφή των θαλάσσιων οικοσυστημάτων και την μεταβολή τους εξαιτίας των κλιματικών αλλαγών και της μόλυνσης.<br /> <br /> [[category:Υδατικοί Πόροι]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pinakal1.JPG 2012-03-01T18:32:32Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pinakal2.JPG 2012-03-01T18:26:51Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A0%CE%B9%CE%BD%CE%B1%CE%BA%CE%B1%CF%822.1.JPG 2012-03-01T18:21:32Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A8%CE%B7%CF%86%CE%B9%CE%B1%CE%BA%CE%AE_%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_%CF%84%CF%89%CE%BD_%CE%B1%CE%BB%CE%BB%CE%B7%CE%BB%CE%BF%CE%B5%CF%80%CE%B9%CE%B4%CF%81%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CF%89%CE%BD_%CF%80%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CF%89%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_%CE%9C%CE%B5%CF%83%CE%BF%CE%B3%CE%B5%CE%AF%CE%BF%CF%85 2012-03-01T18:04:36Z

<p>Johntsip: </p> <hr /> <div>'''Remote sensing of coastal interactions in the Mediterranean region'''<br /> <br /> Συγγραφείς : V. Barale &amp; S. Folving &lt;br/&gt;<br /> Πηγή: Ocean &amp; Coastal Management Volume 30, Issues 2-3, 1996, Pages 217-233&lt;br/&gt; (http://www.sciencedirect.com )<br /> <br /> [[Εικόνα: MESOG1.JPG | thumb | right | Εικόνα1:(Χρωματική απεικόνιση κλίμακα συγκέντρωσης 0-10mg/m3 χλωροφύλλης στη περιοχή της Μεσογείου). Η CZCS εικόνα αναδεικνύει τις διαφορές συγκέντρωσης της ανοιχτής θάλασσας με τις παράκτιες περιοχές όπου έχουμε εμφάνιση του φαινόμενου μεσοτροφισμού έως και ευτροφισμού. Η γη αποτυπώνεται με μαύρου χρώμα.]]<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η αυξανόμενη επίδραση και ανάγκη καταγραφής των ανθρωπογενών δραστηριοτήτων στο οικοσύστημα της Μεσογείου ,σε συνδυασμό με τα ιδιαίτερα μορφολογικά και γεωγραφικά χαρακτηριστικά της, απαιτούν ιδιαίτερη διαχείριση και παρακολούθηση αυτής με σκοπό την καταγραφή καινούργιων πληροφοριών και αξιοποίηση αυτών. <br /> Η Μεσόγειο συνορεύει με υψηλές οροσειρές αλλά και τμήματα ερήμου ενώ συνδέεται με τις μεγάλες λεκάνες απορροής της κεντρικής Ευρώπης με έκταση περίπου τα 2/3 του μεγέθους της. Την ίδια στιγμή τα παράκτια οικοσυστήματα της Μεσογείου είναι πολύ ευαίσθητα και εξαιρετικά εκτεθειμένα στις περιβαλλοντικές επιπτώσεις των ανθρώπινων δραστηριοτήτων(εμπορική ναυτιλία, άντληση πετρελαίου, τουρισμός) των λεκανών απορροής της γης κατά μήκος της ακτής και στο εσωτερικό της χώρας, των ποταμών και των απορρίψεων μέσω αυτών και βέβαια των παράλληλα θαλάσσιων φυσικών διεργασιών(διάβρωση, απόθεση, θαλάσσια ρεύματα,παλίρροιες).<br /> Πηγές δεδομένων (Data Source)<br /> Haute Resolution Visible (HRV) των δορυφόρων SPOT και Thematic Mapper (TM) και Multi Spectral Scanner (MSS) του προγράμματος Landsat. Advanced Very High Resolution Radiometer (AVHRR) του προγράμματος ΝΟΑΑ και το Coastal Zone Colour Scanner (CZCS) με τον δορυφόρο Nimbus-7 μέχρι σήμερα (1996).<br /> <br /> '''Η παρουσία της Ψηφιακής Τηλεπισκόπησης'''&lt;br/&gt;<br /> Η διαχείριση των περιβαλλοντολογικών θεμάτων με τις κλασσικές μεθόδους παραμένει ιδιαίτερα χρήσιμη όμως η απαίτηση κάλυψης μεγάλης κλίμακας για σύντομα διαστήματα απαιτεί την αξιοποίηση της ψηφιακής τηλεπισκόπησης. Αισθητήρες στην ορατή και υπέρυθρη φασματική περιοχή, αποδεικνύουν την χρησιμότητα τους για την παροχή καινοτόμων πληροφοριών σχετικά με τις φυσικές, γεωχημικές και βιολογικές διεργασίες που λαμβάνουν χώρα στην ανοιχτή θάλασσα και ιδιαίτερα στις παράκτιες περιοχές. Όσον αφορά τις παράκτιες περιοχές αναφερόμαστε τοπικά σε ένα στενό κομμάτι θάλασσας και γης που συνυπάρχουν και αλληλεπιδρούν το ένα στο άλλο.<br /> Η εφαρμογή της ψηφιακής τηλεπισκόπησης στο χερσαίο περιβάλλον τον παράκτιων περιοχών έχει να υποδείξει πλήθος εφαρμογών παρακολούθησης, χαρτογράφησης και μοντελοποίησης παρέχοντας χρήσιμες πληροφορίες για λεκάνες απορροής ποταμών, ενώ παρέχονται εκτιμήσεις μεγεθών όπως η διάβρωση του εδάφους, η μεταφορά ιζημάτων μέσω του νερού ,η απόθεση και παραγωγή αποβλήτων. <br /> Η εφαρμογή της Τηλεπισκόπηση για την θάλασσα απαιτεί μια πιο σύνθετη προσέγγιση καθώς περιλαμβάνει την εξέταση μεγάλης ποικιλίας οικοσυστημάτων. Κάτω από αυτή την απαίτηση έχουν αναπτυχτεί μέθοδοι παρακολούθησης και τεχνικές παρατήρησης για την μοντελοποίηση των θαλάσσιων νερών με βάση το χρωματισμό τους, ο οποίος εξαρτάται από τα ποσοστά παρουσίας διαφόρων συστατικών, στοιχείων και μικροοργανισμών σε αυτό. Επιπλέον η χρήση της θερμικής υπέρυθρης ακτινοβολίας επέτρεψε την καταγραφή της θερμοκρασίας της επιφάνειας της, το οποίο αποτελεί σημαντικό στοιχείο καθώς επηρεάζει ένα σύνολο φυσικών διεργασιών που λαμβάνουν χώρα στη θάλασσα. Παράλληλα τεχνικές μικροκυμάτων, έχουν επίσης χρησιμοποιηθεί για την αξιολόγηση και παρατήρηση της επιφάνειας της θάλασσας(τραχύτητα και ανύψωση) τα οποία συνδέονται με διάφορα φαινόμενα που λαμβάνουν χώρα στην επιφάνεια αυτής όπως ο κυματισμός ο άνεμος και τα ίχνη των πλοίων. <br /> Ειδικότερα η προσπάθεια καταγραφής και μοντελοποίησης (στο οπτικό φάσμα) του χρώματος των νερών των θαλασσών και ωκεανών (στην επιφάνεια τους) σχετίζεται με τις διαδικασίες απορρόφησης και αντανάκλασης της ηλιακής ακτινοβολίας που με την σειρά τους επηρεάζονται από την παρουσία και συγκέντρωση διαφόρων συστατικών και μικροοργανισμών στο νερό.Τα θαλάσσια ύδατα μπορούν να ταξινομηθούν ανάλογα με το είδος των συστατικών τους σε δυο κατηγορίες. Στην πρώτη κατηγορία ανήκουν τα νερά που καλούνται ανοιχτού πελάγους και χαρακτηρίζονται από την παρουσία μικροοργανισμών σε αυτά (phytoplankton,unicelluaralgae,chlorophy) σε κανονικά επίπεδα. Ενώ στη δεύτερη κατηγορία ανήκουν τα παράκτια νερά στα οποία ανιχνεύονται μικροοργανισμοί σε υψηλές συγκεντρώσεις, ενώ παράλληλα συνυπάρχουν με ανόργανα υλικά , σωματίδια ,διαλύματα διαφόρων συστατικών, αποθέσεων και προσχώσεων με αποτέλεσμα να παρέχονται όλες οι προϋποθέσεις για την εξέλιξη του φαινόμενου του ευτροφισμού (υπέρμετρη αύξηση της συγκέντρωσης θρεπτικών στοιχείων, που προκαλείται από τον εμπλουτισμό των υδάτων με απορροές θρεπτικών στοιχείων) .<br /> Μια σειρά από αισθητήρες που λειτουργούν στην ορατή και υπέρυθρη φασματική περιοχή έχουν επιδείξει ιδιαίτερη χρησιμότητά τους για την παροχή καινοτόμων πληροφοριών σχετικά με τις περιβαλλοντικές διεργασίες μιας παράκτιας περιοχής. Τα δεδομένα που συλλέγονται για το τμήμα της στεριάς βασίζονται σε υψηλή ανάλυση και παρέχονται από αισθητήρες , όπως ο Haute Resolution Visible (HRV) των δορυφόρων SPOT και οι Thematic Mapper (TM) και Multi Spectral Scanner (MSS) του προγράμματος Landsat. Ενώ για την παρακολούθηση του χρώματος και της θερμοκρασίας των θαλασσών χρησιμοποιείται χαμηλή ανάλυση και αισθητήρες όπως ο Advanced Very High Resolution Radiometer (AVHRR) του προγράμματος ΝΟΑΑ και το Coastal Zone Colour Scanner (CZCS) με τον δορυφόρο Nimbus-7. Μέχρι σήμερα(1996) η παροχή στοιχείων του Coastal Zone Colour Scanner για το σύνολο των ωκεανών και θαλασσών παρέχει το κατάλληλο υπόβαθρο ώστε να διευκρινιστεί η σχέσης μεταξύ του χρώματος του νερού των ωκεανών/θαλασσών και των συστατικών αυτών.<br /> <br /> [[Εικόνα: MESOG2.JPG | thumb | right | Εικόνα 2&amp;3: (Χρωματική κλίμακα συγκέντρωσης 0-10mg/m3 χλωροφύλλης στις εκβολές των ποταμών. Η γη αποτυπώνεται με μαύρου χρώμα). Πάνω φωτογραφία από CZCS της 4 Ιουλίου 1980 του Πάδου ποταμού στη Β. Αδριατική). Κάτω φωτογραφία από CZCS την 13 Ιουλίου 1980 του Ροδανού ποταμού. Και στις δυο περιπτώσεις είναι έντονο το φαινόμενο της ύπαρξης υψηλών επιπέδων χλωροφύλλης και άρα πλαγκτόν στα σημεία απορροών των ποταμών λόγο εμπλουτισμό των υδάτων με απορροές θρεπτικών στοιχείων (νιτρικά και φωσφορικά ιόντα από λιπάσματα και απορρυπαντικά).]]<br /> <br /> <br /> Στη Μεσόγειο είναι ξεκάθαρες οι περιβαλλοντικές επιπτώσεις των παράκτιων περιοχών από την απορροή και την απόθεση υλικών των ποταμών σε συνδυασμό με τον τρόπο κυκλοφορίας των νερών. Στη εικόνα 1 παρουσιάζετε η μέση ετήσια τιμή συγκέντρωσης χλωροφύλλης ως αποτέλεσμα των συστατικών του νερού για την περίοδο1979-1985. Καταγράφεται σαφής ύπαρξη ολιγοτροφικών υδάτων στην ανοιχτή θάλασσα ενώ αντίθετα σε παράκτιες περιοχές παρουσιάζεται το φαινόμενο του μεσοτροφισμού έως και ευτροφισμό, σε κάποιες περιοχές.<br /> Ιδιαίτερα σε εκβολές μεγάλων ποταμίων της Μεσογείου έχει παρατηρηθεί συχνά η αδυναμία εντοπισμού μέσω του Coastal Zone Colour Scanner(CZCS) βιογενών χρωστικών υλικών εξαιτίας του συνολικού φορτίου των διαλυμένων και αιωρούμενων υλικών και τη δυναμική κίνηση τους. Ωστόσο η καταγραφή αυτού του φαινομένου παρέχει σημαντικές ενδείξεις για τις παράκτιες διεργασίες εμπλουτισμού με θρεπτικά συστατικά, τα ιζήματα, τις μεταφορές σωματιδίων και τη ρύπανση. Παρακάτω παρουσιάζονται χαρακτηριστικές περιπτώσεις επιβάρυνσης παράκτιων περιοχών από την απορροή ποταμών και την εμφάνιση του φαινομένου του ευτροφισμού που υποδηλώνετε με την ύπαρξη υψηλών επιπέδων χλωροφύλλης .<br /> <br /> <br /> [[Εικόνα: MESOG3.gif | thumb | right | Εικόνα 4&amp;5: (Χρωματική κλίμακα συγκέντρωσης 0-10mg/m3 χλωροφύλλης στις εκβολές του Νείλου ποταμού). Πάνω φωτογραφία από CZCS την 24 Μαρτίου 1980. Κάτω φωτογραφία από CZCS την 25 Νοεμβρίου 1981. Και στις δυο περιπτώσεις είναι έντονο το φαινόμενο της ύπαρξης υψηλών επιπέδων χλωροφύλλης και άρα πλαγκτόν στα σημεία απορροών των ποταμών λόγο εμπλουτισμό των υδάτων με απορροές θρεπτικών στοιχείων (νιτρικά και φωσφορικά ιόντα από λιπάσματα και απορρυπαντικά).]]<br /> <br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> Η πραγματική αξία των πληροφοριών της ψηφιακής τηλεπισκόπησης έγκειται στη δυνατότητα παρατήρησης σε μεγάλη χωρική κλίμακα της σχέσης αλληλοεπιδράσεως των βιο-γεω-χημικών και φυσικών διεργασιών που συμβαίνουν σε ένα παράκτιο περιβάλλον. Αυτό θα επιτρέψει την παραγωγή βάσεων δεδομένων και ίσως εξηγήσει το σύνολο των διεργασιών που λαμβάνουν χώρα και εξελίσσονται κάθε φορά<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-01T17:48:10Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Μια μέθοδο ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-01T17:47:36Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx1.jpg | thumb | right | Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων]] <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1. Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> [[Εικόνα: Shipx3.jpg | thumb | right | Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων]] <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> [[Εικόνα: Shipx4.jpg | thumb | right | Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) ]]<br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level <br /> <br /> Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> [[Εικόνα: Shipx5.jpg | thumb | right | Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου. ]]<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα3: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> [[Εικόνα: Shipx6.1.jpg | ]]&lt;br/&gt;<br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx6.1.jpg 2012-03-01T17:46:03Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx5.jpg 2012-03-01T17:43:24Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx4.jpg 2012-03-01T17:41:36Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx3.jpg 2012-03-01T17:39:36Z

<p>Johntsip: </p> <hr /> <div></div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-01T17:38:27Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx1.jpg | thumb | right | Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων]] <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1. Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> [[Εικόνα: Shipx2.jpg | thumb | right | Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους]] <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα2: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> <br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx2.jpg 2012-03-01T17:36:07Z

<p>Johntsip: Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους</p> <hr /> <div>Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-01T17:35:05Z

<p>Johntsip: </p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> <br /> [[Εικόνα: Shipx1.jpg | thumb | right | Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων]] <br /> <br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1. Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα2: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> <br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%83%CE%BA%CE%B1%CF%86%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%BF_%CF%85%CF%80%CF%8C%CE%B2%CE%B1%CE%B8%CF%81%CE%BF_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82 2012-03-01T17:32:56Z

<p>Johntsip: Νέα σελίδα με ''''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt; Μια μέθοδο (α...'</p> <hr /> <div>'''An Auto-adapt Multi-level Threshold Segmentation Method of Ships Detection in Remote Sensing Images with Complex Sea Surface Background'''&lt;br/&gt;<br /> <br /> Μια μέθοδο (αυτόματης προσαρμογής πολλαπλής στάθμης κατάτμησης κατώτατων ορίων) ανίχνευσης σκαφών σε εικόνες τηλεπισκόπησης σε σύνθετο υπόβαθρο επιφάνειας θάλασσας&lt;br/&gt;<br /> <br /> Συγγραφείς: WANG Bao-yun, ZHANG Rong, YUAN Yuan, YIN Dong &lt;br/&gt;<br /> <br /> Πηγή: http://ieeexplore.ieee.org (2011 International Workshop on Multi- Platform/Multi-Sensor Remote Sensing and Mapping)&lt;br/&gt;<br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Η ανίχνευση στόχων σκαφών (Ship targets detection STD) είναι ένας βασικός ερευνητικός τομέας με ιδιαίτερη ανάπτυξη τα τελευταία χρόνια στην επεξεργασία εικόνων δορυφορικής ψηφιακής τηλεπισκόπησης. Η μελέτη έχει ένα ευρύ φάσμα εφαρμογών, στρατιωτικού και εμπορικού χαρακτήρα όπως η επιτήρηση αλιευτικών σκαφών, η παρακολούθηση παράνομων περασμάτων πλοίων, η επιτήρηση της παράνομης μετανάστευσης και των θαλάσσιων συνόρων. Στην ανίχνευση στόχων σκαφών (STD), το κόστος μιας αδυναμίας ανίχνευσης σκαφών είναι πολύ μεγαλύτερο από αυτό του εσφαλμένου εντοπισμού και ενεργοποίησης ενός συναγερμού, ειδικά στην περίπτωση που αναφέρεται σε στρατιωτικές εφαρμογές (έγκαιρος εντοπισμός πολεμικών πλοίων). Αυτό απαιτεί ότι ο αλγόριθμος STD πρέπει να λειτουργήσει καλά ανεξάρτητα των συνθηκών που δύναται να ισχύουν στην θαλάσσια επιφάνεια. &lt;br/&gt;<br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που βελτιώνει την ισχύουσα μέθοδο εντοπισμού σκαφών. Αυτή η μέθοδος μπορεί αποτελεσματικά να διαχωρίσει το χαρακτηριστικό γνώρισμα ενός σκάφους από ένα σύνθετο θαλάσσιο υπόβαθρο. Τα πειράματα δείχνουν ότι το ποσοστό ανίχνευσης βελτιώνεται πάρα πολύ, ενώ το ποσοστό των εσφαλμένων ανιχνεύσεων είναι χαμηλό.&lt;br/&gt;<br /> <br /> '''Πήγες Δεδομένων'''&lt;br/&gt;<br /> <br /> Σε αυτή τη μελέτη, έχουν χρησιμοποιηθεί 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης τα οποία έχουν αποκτηθεί από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. &lt;br/&gt;<br /> <br /> <br /> '''Μεθοδολογία ανίχνευσης στόχων σκαφών(STD)'''&lt;br/&gt;<br /> Τα γενικά βήματα της μεθόδου ανίχνευσης στόχων σκαφών(STD) παρουσιάζονται στο σχήμα 1. Αρχικά, οι περιοχές ενδιαφέροντος (regions of interest ROI) εξάγονται από τις αρχικές εικόνες, έπειτα από τις εικόνες ενδιαφέροντος παίρνουμε συγκεκριμένες εικόνες, αυτές οι υπο-εικόνες περιέχουν όλα τα σκάφη αλλά και πολλούς εσφαλμένους συναγερμούς. Κατόπιν, με την διαδικασία της κατάτμησης εκτελείται μια ανίχνευση των στόχων σε κάθε υπο-εικόνα. Μετά από αυτό, τα χαρακτηριστικά γνωρίσματα του στόχου σκάφους μπορούν να εξαχθούν. Τέλος, αυτά τα χαρακτηριστικά γνωρίσματα χρησιμοποιούνται για να γίνει έλεγχος και να τυποποιηθούν σε σχέση με πρότυπα μοντέλα σκαφών.<br /> <br /> <br /> Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων<br /> <br /> Η διαδικασία της κατάτμησης είναι από τα σημαντικότερα βήματα στην όλη διαδικασία. Οι παραδοσιακές κατατμήσεις, εφαρμόζουν μια ενιαία κατάτμηση κατώτατων ορίων και απαιτούν ένα συνεχές περίγραμμα για να εγγυηθούν την αξιοπιστία της ανίχνευσης. Λόγω των κυμάτων, των σύννεφων και των συνθηκών στην επιφάνεια της θάλασσας η κατάσταση είναι εξαιρετικά σύνθετη. Με τον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους(minimum error threshold segmentation METS) είναι δύσκολο να επιτευχθεί ένα ικανοποιητικό αποτέλεσμα σε αυτήν την περίπτωση.&lt;br/&gt;<br /> <br /> <br /> <br /> Εικόνα1: Αποτυχημένες περιπτώσεις εντοπισμού σκαφών που βασίζονταν στον παραδοσιακό αλγόριθμο κατάτμησης κατώτατων ορίων λάθους<br /> <br /> Σε σχέση με τα γενικά βήματα της μεθόδου (STD) που εμφανίζονται στο σχήμα 1 ,το διάγραμμα των βημάτων του προτεινόμενου αλγορίθμου(Auto-adapt Multi-level Threshold Segmentation ) παρουσιάζεται στο σχήμα 2.<br /> <br /> <br /> Σχημα2: Διάγραμμα ροής βημάτων διαδικασίας αλγορίθμου μεθόδου(STD) εντοπισμού πλοίων στόχων<br /> <br /> <br /> Εικόνα2: Αποτελέσματα ανίχνευσης των πλοίων στόχων της εικόνας 1 βασιζόμενα στην κατάτμηση κατά AMTS (Auto-adapt Multi-level Threshold Segmentation) αλγορίθμου. Είναι εμφανές και στις τέσσερις περιπτώσεις η βελτίωση στην ανίχνευση των πλοίων στόχων<br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Ελέγχοντας 12704 τυχαία δείγματα εικόνων τηλεπισκόπησης από τους δορυφόρους Quickbird, Spot, Ikonos, Landsat, με εύρος ανάλυση από 10m έως 0.6m και εύρος μεγέθους εικόνας από 32*32pixels έως 500*500pixels. Σε αυτό το σύνολο εικόνων υπάρχουν 1104 εικόνες με πλοία στόχους. Μεταξύ τους, υπάρχουν 872 εικόνες με πλοία των οποίων τα ιστογράμματα έχουν δύο αιχμές (τύπος-1-) και 232 εικόνες πλοίων με σύνθετη επιφάνεια θαλάσσης των οποίων τα ιστογράμματα παρουσιάζουν μια αιχμή (τύπος-2-). Οι υπόλοιπες 11600 εικόνες είναι χωρίς στόχους πλοίων και χρησιμοποιούνται για τον προσδιορισμό του ποσοστού των εσφαλμένων ανιχνεύσεων. Η εικόνα 3 παρουσιάζει μερικά από τα δείγματα που χρησιμοποιήθηκαν κατά το στάδιο της αξιολόγησης του συνόλου των δειγμάτων ενώ στον πίνακα εμφανίζονται τα αποτελέσματα συγκριτικά για το αλγόριθμο METS και τον προτεινόμενο αλγόριθμο AMTS.<br /> <br /> Εικόνα2: Τυχαία δείγματα εικόνων πλοίων στόχων που χρησιμοποιήθηκαν κατά την αξιολόγηση του προτεινόμενου αλγορίθμου.<br /> <br /> <br /> Πίνακας συγκριτικών αποτελεσμάτων αλγορίθμων METS(minimum error threshold segmentation) και AMTS(Auto-adapt Multi-level Threshold Segmentation ).<br /> <br /> <br /> '''Συμπέρασμα''' &lt;br/&gt;<br /> <br /> Ο προτεινόμενος αλγόριθμος AMTS που εφαρμόζεται στην μέθοδο αναγνώρισης πλοίων στόχων σε εικόνες τηλεπισκόπισης αποδεικνύεται μέσω ενός μεγάλου αριθμού πειραμάτων ιδιαίτερα αποτελεσματικός καθώς μπορεί να ανιχνεύσει στόχους με μεγάλο ποσοστό επιτυχίας και να βελτιώσει την υφιστάμενη μέθοδο. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Shipx1.jpg 2012-03-01T17:26:46Z

<p>Johntsip: Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων</p> <hr /> <div>Σχήμα1: Διάγραμμα ροής βημάτων διαδικασίας εντοπισμού πλοίων στόχων</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%83%CE%B9%CF%80%CE%BB%CE%B1%CE%BA%CE%AF%CE%B4%CE%B7%CF%82_%CE%99%CF%89%CE%AC%CE%BD%CE%BD%CE%B7%CF%82 2012-03-01T17:21:38Z

<p>Johntsip: </p> <hr /> <div>*[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]&lt;br/l&gt;<br /> *[[ Η Ναυτική παρουσία και ετοιμότητα στην καταπολέμηση της πειρατείας στον Κόλπο του Άντεν ]]<br /> *[[ Μια ολοκληρωμένη ανάλυση τηλεπισκόπησης και Γ.Σ.Π. του παλαιοντολογικού ποταμου Kufrah στην Ανατολική Σαχάρα ]]<br /> *[[ Ψηφιακή Τηλεπισκόπηση των αλληλοεπιδράσεων των παράκτιων περιοχών της Μεσογείου ]]<br /> *[[ Τηλεπισκόπηση αερολυμάτων σε παγκόσμιο επίπεδο από τον αισθητήρα MODIS ]]<br /> *[[ Η Ψηφιακή Τηλεπισκόπηση για μια οικολογική διαχείριση της αλιείας ]]<br /> *[[ Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> *[[ Ανίχνευση Πετρελαιοκηλίδων στην Αδριατική Θάλασσα με τη χρήση του δορυφόρου COSMO-SKYMED ]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Johntsip 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_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_SAR 2012-03-01T17:20:00Z

<p>Johntsip: </p> <hr /> <div>'''Oil spill detection using marine SAR images'''&lt;br/&gt;<br /> <br /> Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR&lt;br/&gt;<br /> <br /> Συγγραφείς: B. Fiscella, A. Giancaspro, F. Nirchio, P. Pavese, P. Trivero&lt;br/&gt;<br /> Πηγή: http://www.sciencedirect.com (International Journal of Remote Sensing, vol. 21, no. 18, 3561–3566)&lt;br/&gt;<br /> <br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Σε όλο τον κόσμο η προστασία του περιβάλλοντος είναι θέμα αυξανόμενης ανησυχίας. Στο πλαίσιο αυτό, ιδιαίτερη προσοχή δίνεται στις τεράστιες περιβαλλοντικές ζημίες που προκλήθηκαν από ατυχήματα δεξαμενόπλοιων ή από το παράνομο καθαρισμό δεξαμενών πετρελαίου των δεξαμενόπλοιων. Το αποτέλεσμα είναι η κάλυψη μεγάλων επιφανειών της θάλασσας από παράγωγα πετρελαίου που προκαλούν μεγάλη περιβαλλοντολογική καταστροφή αλλά παράλληλα μειώνουν την τραχύτητα της επιφάνειας του νερού και ως εκ τούτου μπορούν να ανιχνευθούν από SAR, εικόνες όπου και εμφανίζονται ως σκοτεινές περιοχές. Το μειονέκτημα όλων αυτών των μεθόδων ταυτοποίησης είναι η πολυπλοκότητα τους. Από την άλλη πλευρά, η μέθοδος που παρουσιάζεται εδώ είναι απλή και εύκολη να εφαρμοστεί. &lt;br/&gt;<br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που είναι απλή(χρήση δυο αλγορίθμων που εκμεταλλεύονται μετρήσεις και χαρακτηριστικά γνωστών πετρελαιοκηλίδων που έχουν καταγραφεί) και δύναται να εφαρμοστεί με ικανοποιητικά αποτελέσματα στον εντοπισμό πετρελαιοκηλίδων με την χρήση εικόνων SAR. &lt;br/&gt;<br /> <br /> [[Εικόνα: Oilsar1.jpg | thumb | right | Εικόνα1: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης πετρελαιοκηλίδας ]] <br /> <br /> '''Μεθοδολογία'''&lt;br/&gt;<br /> Από το σύνολο των εικόνων SAR και μετά από μια γρήγορη επιθεώρηση των απεικονιζόμενων περιοχών, επιλέγονται μόνο αυτές οι εικόνες που παρουσιάζουν τα χαρακτηριστικά και υπάρχουν υπόνοιες ότι αποτυπώνουν πετρελαιοκηλίδες και επεξεργάζονται σε PRI μορφή αρχείων (Precision Image (PRI) format). Το σύστημα μπορεί να λειτουργήσει με χειροκίνητο ή αυτόματο τρόπο. Για χειροκίνητη λειτουργία, ο χειριστής ελέγχει τη περιοχή, επιλέγει εκείνα τα τμήματα της εικόνας που μπορεί να περιέχουν πετρελαιοκηλίδα, και εκτελεί μια σειρά μετρήσεων. Στην αυτόματη λειτουργία, το σύστημα επιλέγει τις σκοτεινές περιοχές και στη συνέχεια εκτελεί τις μετρήσεις. Στο τέλος της διαδικασίας, μια έκθεση δημιουργείται η οποία δείχνει την περιοχή της πιθανής πετρελαιοκηλίδας, το σχήμα της ,την περίμετρο που περιλαμβάνει, το γεωγραφικό πλάτος και μήκος του κέντρου, και ποια πιθανότητα υπάρχει να είναι πετρελαιοκηλίδα. Για την εφαρμογή και την αξιολόγηση της μεθόδου έχουν θεωρηθεί δύο σύνολα σκοτεινών περιοχών που προέρχονται από εικόνες SAR, ένα σύνολο πετρελαιοκηλίδων (80 δείγματα) και ένα άλλο που προκαλούνται από φυσικά φαινόμενα, αλλά μοιάζει με πετρελαιοκηλίδες (43 δείγματα). Εικόνες 1 και 2 είναι αντιπροσωπευτικά παραδείγματα αυτών.&lt;br/&gt;<br /> <br /> <br /> <br /> [[Εικόνα: Oilsar2.jpg | thumb | right | Εικόνα2: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης στρώμα άλγης ]] <br /> <br /> Ο παράγοντας μορφή είναι πάρα πολύ σημαντικός και αποτελεί το πρώτο στάδιο αξιολόγησης για την ταυτοποίηση μιας πετρελαιοκηλίδας, όχι γιατί υπάρχουν φυσικές διεργασίες που σχετίζονται και επηρεάζουν την μορφή μιας πετρελαιοκηλίδας αλλά κυρίως για πρακτικούς λογούς καθώς οι διαρροές πετρελαίου που παράγονται από τον παράνομο καθαρισμό δεξαμενών που προκαλείται από τα κινούμενα πλοία, είναι γραμμικές στο σχήμα.&lt;br/&gt;<br /> <br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Υπάρχουν ορισμένα χαρακτηριστικά που θεωρούνται ως αναγνωρίσιμα για την ύπαρξη μιας πετρελαιοκηλίδας, εφαρμόστηκαν μετρήσεις για ορισμένα από αυτά, με γνώμονα την επιλογή αυτών που φαίνονται πιο χρήσιμα για την διάκριση των κηλίδων πετρελαίου από άλλα φαινόμενα που έχουν την ίδια αποτύπωση σε εικόνες SAR όπως στρώματα από άλγη. Για κάθε επιλεγμένη περιοχή, αρχικά αξιολογείται το σχήμα της και έπειτα υπολογίζονται η περίμετρο της(P),η περιοχή(Α),η τιμή της μεταβλητής SIGMAI μέσα στην πετρελαιοκηλίδα, η τιμή της μεταβλητής SIGMAO σε μια περιορισμένη περιοχή έξω από την πετρελαιοκηλίδα, η απόκλιση DASD (Dark Area Standard Deviation ), η απόκλιση OSD (Outside dark area Standard Deviation ) της περιοχής έξω από την πετρελαιοκηλίδα, η μεταβλητή Gradient (GRD) και ο συντελεστής Form Factor (FRM) που αφορά την διασπορά των σκούρων pixel κατά το διαμήκη άξονα. Τα αποτελέσματα των μετρήσεων παρουσιάζονται στον ακόλουθο πίνακα 1.&lt;br/&gt;<br /> <br /> [[Εικόνα: Oilsar3.jpg | thumb | right | Πίνακας1: καταγραφής μετρήσεων μεταβλητών αξιολόγησης πετρελαιοκηλίδων και μη πετρελαιοκηλίδων(φυσικά φαινόμενα). Όπου F αποτελεί την τιμή διακύμανσης. ]]<br /> <br /> <br /> Για την ταξινόμηση και αξιολόγηση των αποτελεσμάτων υιοθετήθηκαν δυο διαδικασίες, (αλγόριθμοι) αυτή της Mahalanobis ταξινόμησης και της ταξινόμησης βάση της πιθανότητας. Με τα αποτελέσματα να παρουσιάζονται στον πίνακα 2. <br /> <br /> <br /> <br /> [[Εικόνα: Oilsar4.jpg | thumb | right | Πίνακας2: Αποτελέσματα αξιολόγησης πετρελαιοκηλίδων ή μη με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης ]]<br /> <br /> <br /> Επιπλέον στον πίνακα 3 καταγράφονται τα αποτέλεσμα αξιολόγησης και εκτίμησης ως πετρελαιοκηλίδων ή μη 21 νέων φωτογραφιών από έναν έμπειρο αξιολογητή σε σύγκριση με τα αποτελέσματα που παρήγαγαν οι δυο αλγόριθμοι (Mahalanobis ταξινόμηση και ταξινόμηση βάση της πιθανότητας)&lt;br/&gt;<br /> <br /> <br /> [[Εικόνα: Oilsar5.jpg | thumb | right | Πίνακας3: Αποτελέσματα αξιολόγησης 21 νέων πετρελαιοκηλίδων ή μη από έναν έμπειρο εκτιμητή σε σύγκριση με την αξιολόγηση με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης ]]<br /> <br /> <br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> <br /> Καταλήγουμε στο συμπέρασμα ότι οι δύο προτεινόμενοι αλγόριθμοι είναι σε θέση να ταξινομήσουν ικανοποιητικά πετρελαιοκηλίδες από διάφορα φυσικά φαινόμενα που παρουσιάζουν σχεδόν την ιδία αποτυπώσει σε εικόνες SAR. Η μεθοδολογία είναι εύκολο να εφαρμοστεί και δύναται να καθορίσει την πιθανότητα να εντοπίσει με αυτοματοποιημένο τρόπο. Η ακρίβεια και αξιοπιστία της μεθόδου μετρήθηκε στο 80% από την ταυτοποίηση 80 γνωστών παραδειγμάτων και 43 φυσικών φαινομένων .Επιπλέον η αξιοπιστία της μεθόδου επιβεβαιώθηκε με ένα νέο σύνολο δεδομένων(21 φωτογραφιών) με παρόμοια αποτελέσματα. Επιπρόσθετα η αποτελεσματικότητα και αξιοπιστία των αλγορίθμων μπορεί να αυξηθεί περαιτέρω με την προσθήκη νέων μεταβλητών μετρήσεων και χαρακτηριστικών στα υπό αξιολόγηση δείγματα .<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Oilsar5.jpg 2012-03-01T17:18:05Z

<p>Johntsip: Πίνακας3: Αποτελέσματα αξιολόγησης 21 νέων πετρελαιοκηλίδων ή μη από έναν έμπειρο εκτιμητή σε σύγκριση με την αξιολόγηση με τις μεθόδους τη</p> <hr /> <div>Πίνακας3: Αποτελέσματα αξιολόγησης 21 νέων πετρελαιοκηλίδων ή μη από έναν έμπειρο εκτιμητή σε σύγκριση με την αξιολόγηση με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Oilsar4.jpg 2012-03-01T17:16:00Z

<p>Johntsip: Πίνακας2: Αποτελέσματα αξιολόγησης πετρελαιοκηλίδων ή μη με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης</p> <hr /> <div>Πίνακας2: Αποτελέσματα αξιολόγησης πετρελαιοκηλίδων ή μη με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης</div>

Johntsip 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_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_SAR 2012-03-01T17:14:14Z

<p>Johntsip: </p> <hr /> <div>'''Oil spill detection using marine SAR images'''&lt;br/&gt;<br /> <br /> Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR&lt;br/&gt;<br /> <br /> Συγγραφείς: B. Fiscella, A. Giancaspro, F. Nirchio, P. Pavese, P. Trivero&lt;br/&gt;<br /> Πηγή: http://www.sciencedirect.com (International Journal of Remote Sensing, vol. 21, no. 18, 3561–3566)&lt;br/&gt;<br /> <br /> <br /> '''Ιστορικό'''&lt;br/&gt;<br /> Σε όλο τον κόσμο η προστασία του περιβάλλοντος είναι θέμα αυξανόμενης ανησυχίας. Στο πλαίσιο αυτό, ιδιαίτερη προσοχή δίνεται στις τεράστιες περιβαλλοντικές ζημίες που προκλήθηκαν από ατυχήματα δεξαμενόπλοιων ή από το παράνομο καθαρισμό δεξαμενών πετρελαίου των δεξαμενόπλοιων. Το αποτέλεσμα είναι η κάλυψη μεγάλων επιφανειών της θάλασσας από παράγωγα πετρελαίου που προκαλούν μεγάλη περιβαλλοντολογική καταστροφή αλλά παράλληλα μειώνουν την τραχύτητα της επιφάνειας του νερού και ως εκ τούτου μπορούν να ανιχνευθούν από SAR, εικόνες όπου και εμφανίζονται ως σκοτεινές περιοχές. Το μειονέκτημα όλων αυτών των μεθόδων ταυτοποίησης είναι η πολυπλοκότητα τους. Από την άλλη πλευρά, η μέθοδος που παρουσιάζεται εδώ είναι απλή και εύκολη να εφαρμοστεί. &lt;br/&gt;<br /> '''Σκοπός της μελέτης'''&lt;br/&gt;<br /> Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που είναι απλή(χρήση δυο αλγορίθμων που εκμεταλλεύονται μετρήσεις και χαρακτηριστικά γνωστών πετρελαιοκηλίδων που έχουν καταγραφεί) και δύναται να εφαρμοστεί με ικανοποιητικά αποτελέσματα στον εντοπισμό πετρελαιοκηλίδων με την χρήση εικόνων SAR. &lt;br/&gt;<br /> <br /> '''Μεθοδολογία'''&lt;br/&gt;<br /> Από το σύνολο των εικόνων SAR και μετά από μια γρήγορη επιθεώρηση των απεικονιζόμενων περιοχών, επιλέγονται μόνο αυτές οι εικόνες που παρουσιάζουν τα χαρακτηριστικά και υπάρχουν υπόνοιες ότι αποτυπώνουν πετρελαιοκηλίδες και επεξεργάζονται σε PRI μορφή αρχείων (Precision Image (PRI) format). Το σύστημα μπορεί να λειτουργήσει με χειροκίνητο ή αυτόματο τρόπο. Για χειροκίνητη λειτουργία, ο χειριστής ελέγχει τη περιοχή, επιλέγει εκείνα τα τμήματα της εικόνας που μπορεί να περιέχουν πετρελαιοκηλίδα, και εκτελεί μια σειρά μετρήσεων. Στην αυτόματη λειτουργία, το σύστημα επιλέγει τις σκοτεινές περιοχές και στη συνέχεια εκτελεί τις μετρήσεις. Στο τέλος της διαδικασίας, μια έκθεση δημιουργείται η οποία δείχνει την περιοχή της πιθανής πετρελαιοκηλίδας, το σχήμα της ,την περίμετρο που περιλαμβάνει, το γεωγραφικό πλάτος και μήκος του κέντρου, και ποια πιθανότητα υπάρχει να είναι πετρελαιοκηλίδα. Για την εφαρμογή και την αξιολόγηση της μεθόδου έχουν θεωρηθεί δύο σύνολα σκοτεινών περιοχών που προέρχονται από εικόνες SAR, ένα σύνολο πετρελαιοκηλίδων (80 δείγματα) και ένα άλλο που προκαλούνται από φυσικά φαινόμενα, αλλά μοιάζει με πετρελαιοκηλίδες (43 δείγματα). Εικόνες 1 και 2 είναι αντιπροσωπευτικά παραδείγματα αυτών.&lt;br/&gt;<br /> <br /> [[Εικόνα: Oilsar1.jpg | thumb | right | Εικόνα1: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης πετρελαιοκηλίδας ]] <br /> <br /> [[Εικόνα: Oilsar2.jpg | thumb | right | Εικόνα2: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης στρώμα άλγης ]] <br /> <br /> Εικόνα1: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης πετρελαιοκηλίδας <br /> Εικόνα2: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης στρώμα άλγης<br /> Ο παράγοντας μορφή είναι πάρα πολύ σημαντικός και αποτελεί το πρώτο στάδιο αξιολόγησης για την ταυτοποίηση μιας πετρελαιοκηλίδας, όχι γιατί υπάρχουν φυσικές διεργασίες που σχετίζονται και επηρεάζουν την μορφή μιας πετρελαιοκηλίδας αλλά κυρίως για πρακτικούς λογούς καθώς οι διαρροές πετρελαίου που παράγονται από τον παράνομο καθαρισμό δεξαμενών που προκαλείται από τα κινούμενα πλοία, είναι γραμμικές στο σχήμα.&lt;br/&gt;<br /> <br /> <br /> '''Αποτελέσματα'''&lt;br/&gt;<br /> Υπάρχουν ορισμένα χαρακτηριστικά που θεωρούνται ως αναγνωρίσιμα για την ύπαρξη μιας πετρελαιοκηλίδας, εφαρμόστηκαν μετρήσεις για ορισμένα από αυτά, με γνώμονα την επιλογή αυτών που φαίνονται πιο χρήσιμα για την διάκριση των κηλίδων πετρελαίου από άλλα φαινόμενα που έχουν την ίδια αποτύπωση σε εικόνες SAR όπως στρώματα από άλγη. Για κάθε επιλεγμένη περιοχή, αρχικά αξιολογείται το σχήμα της και έπειτα υπολογίζονται η περίμετρο της(P),η περιοχή(Α),η τιμή της μεταβλητής SIGMAI μέσα στην πετρελαιοκηλίδα, η τιμή της μεταβλητής SIGMAO σε μια περιορισμένη περιοχή έξω από την πετρελαιοκηλίδα, η απόκλιση DASD (Dark Area Standard Deviation ), η απόκλιση OSD (Outside dark area Standard Deviation ) της περιοχής έξω από την πετρελαιοκηλίδα, η μεταβλητή Gradient (GRD) και ο συντελεστής Form Factor (FRM) που αφορά την διασπορά των σκούρων pixel κατά το διαμήκη άξονα. Τα αποτελέσματα των μετρήσεων παρουσιάζονται στον ακόλουθο πίνακα 1.&lt;br/&gt;<br /> <br /> [[Εικόνα: Oilsar3.jpg | thumb | right | Πίνακας1: καταγραφής μετρήσεων μεταβλητών αξιολόγησης πετρελαιοκηλίδων και μη πετρελαιοκηλίδων(φυσικά φαινόμενα). Όπου F αποτελεί την τιμή διακύμανσης. ]]<br /> <br /> Για την ταξινόμηση και αξιολόγηση των αποτελεσμάτων υιοθετήθηκαν δυο διαδικασίες, (αλγόριθμοι) αυτή της Mahalanobis ταξινόμησης και της ταξινόμησης βάση της πιθανότητας. Με τα αποτελέσματα να παρουσιάζονται στον πίνακα 2. <br /> <br /> <br /> Πίνακας2: Αποτελέσματα αξιολόγησης πετρελαιοκηλίδων ή μη με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης<br /> <br /> Επιπλέον στον πίνακα 3 καταγράφονται τα αποτέλεσμα αξιολόγησης και εκτίμησης ως πετρελαιοκηλίδων ή μη 21 νέων φωτογραφιών από έναν έμπειρο αξιολογητή σε σύγκριση με τα αποτελέσματα που παρήγαγαν οι δυο αλγόριθμοι (Mahalanobis ταξινόμηση και ταξινόμηση βάση της πιθανότητας)&lt;br/&gt;<br /> <br /> <br /> Πίνακας3: Αποτελέσματα αξιολόγησης 21 νέων πετρελαιοκηλίδων ή μη από έναν έμπειρο εκτιμητή σε σύγκριση με την αξιολόγηση με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης&lt;br/&gt;<br /> <br /> '''Συμπέρασμα'''&lt;br/&gt;<br /> <br /> Καταλήγουμε στο συμπέρασμα ότι οι δύο προτεινόμενοι αλγόριθμοι είναι σε θέση να ταξινομήσουν ικανοποιητικά πετρελαιοκηλίδες από διάφορα φυσικά φαινόμενα που παρουσιάζουν σχεδόν την ιδία αποτυπώσει σε εικόνες SAR. Η μεθοδολογία είναι εύκολο να εφαρμοστεί και δύναται να καθορίσει την πιθανότητα να εντοπίσει με αυτοματοποιημένο τρόπο. Η ακρίβεια και αξιοπιστία της μεθόδου μετρήθηκε στο 80% από την ταυτοποίηση 80 γνωστών παραδειγμάτων και 43 φυσικών φαινομένων .Επιπλέον η αξιοπιστία της μεθόδου επιβεβαιώθηκε με ένα νέο σύνολο δεδομένων(21 φωτογραφιών) με παρόμοια αποτελέσματα. Επιπρόσθετα η αποτελεσματικότητα και αξιοπιστία των αλγορίθμων μπορεί να αυξηθεί περαιτέρω με την προσθήκη νέων μεταβλητών μετρήσεων και χαρακτηριστικών στα υπό αξιολόγηση δείγματα .<br /> <br /> <br /> <br /> [[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]</div>

Johntsip http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Oilsar3.jpg 2012-03-01T17:07:56Z

<p>Johntsip: Πίνακας1: καταγραφής μετρήσεων μεταβλητών αξιολόγησης πετρελαιοκηλίδων και μη πετρελαιοκηλίδων(φυσικά φαινόμενα). Όπου F αποτελεί την τιμ�</p> <hr /> <div>Πίνακας1: καταγραφής μετρήσεων μεταβλητών αξιολόγησης πετρελαιοκηλίδων και μη πετρελαιοκηλίδων(φυσικά φαινόμενα). Όπου F αποτελεί την τιμή διακύμανσης.</div>

Johntsip