http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Kotrogiannis&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82 2026-05-19T10:32:27Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-09T16:00:01Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Διαστημικές τεχνικές ανίχνευσης ωκεανών.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''']]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Principles of operation of a LIDAR bathymeter. The water depth can be calculated from the travel time difference (t) between the surface (S1) and bottom (S2) pulse returns.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Hurricane Katrina in the Gulf of Mexico (TRMM precipitation over VIRS; NASA, 2005).]]<br /> <br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> <br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-09T15:58:07Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Διαστημικές τεχνικές ανίχνευσης ωκεανών..]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''']]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Principles of operation of a LIDAR bathymeter. The water depth can be calculated from the travel time difference (t) between the surface (S1) and bottom (S2) pulse returns.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Hurricane Katrina in the Gulf of Mexico (TRMM precipitation over VIRS; NASA, 2005).]]<br /> <br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> <br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-09T15:57:42Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Διαστημικές τεχνικές ανίχνευσης ωκεανών..]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''']]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Principles of operation of a LIDAR bathymeter. The water depth can be calculated from the travel time difference (t) between the surface (S1) and bottom (S2) pulse returns.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Hurricane Katrina in the Gulf of Mexico (TRMM precipitation over VIRS; NASA, 2005).]]<br /> <br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> <br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:56:55Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:56:25Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7.jpg|thumb|right|'''Εικόνα 6:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:55:33Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:55:09Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article6_img7.jpg 2020-03-09T15:54:15Z

<p>Kotrogiannis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Pa2020 vk article6 img7.jpg&amp;quot;</p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article6_img7.jpg 2020-03-09T15:53:31Z

<p>Kotrogiannis: </p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:52:21Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img7.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-09T15:50:54Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-09T15:49:58Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> <br /> <br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> <br /> <br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> <br /> <br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> <br /> <br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8C_%CF%84%CE%BF%CF%80%CE%AF%CE%BF,_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:48:50Z

<p>Kotrogiannis: </p> <hr /> <div>'''Πολιτιστικό τοπίο, πλημμύρες και τηλεπισκόπηση<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Cultural landscape, floods and remote sensing''<br /> <br /> '''Συγγραφείς: '''Dušan Húska, Ľuboš Jurík, Lucia Tátošová, Karol Šinka, Johana Jakabovičová<br /> <br /> '''Δημοσιεύθηκε: '''Journal of Ecological Engineering ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [http://www.jeeng.net/CULTURAL-LANDSCAPE-FLOODS-AND-REMOTE-SENSING,69348,0,2.html]<br /> <br /> [[Εικόνα:pa2020_vk_article4_img1.jpg|thumb|right|'''Εικόνα 1:''' Αεροφωτογραφίες της Ανατολικής Σλοβακίας το 1950 και 2010 αντίστοιχα. Πηγή: http://mapy.tuzvo.sk/HOFM.]]<br /> <br /> [[Εικόνα:pa2020_vk_article4_img2.jpg|thumb|right|'''Εικόνα 2:''' Πλημμυρισμένες περιοχές το 2010 καθώς και το κανάλι Somotov μέσω αεροφωτογραφιών.]]<br /> <br /> [[Εικόνα:pa2020_vk_article4_img3.jpg|thumb|right|'''Εικόνα 3:''' Πλημμυρισμένες περιοχές το 2010 καθώς και το κανάλι Somotov μέσω αεροφωτογραφιών.]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Είναι προφανές ότι η οι καταιγίδες προκαλούν σοβαρά πλημμυρικά φαινόμενα, τα οποία μπορούν να προκαλέσουν σοβαρά προβλήματα, όπως υπερχείλιση των υδάτινων πόρων(ποταμών κυρίως αλλά και λιμνών), ιδιαίτερα όταν δεν υπάρχουν κατάλληλα αποστραγγιστικά δίκτυα. Το νερό από το ποτάμι, όταν αυτό υπερχειλίζει, επιστρέφει σε αυτό μέσω εσωτερικών δικτύων αποστράγγισης, τα οποία θα πρέπει να είναι σε καθορισμένα πρότυπα και να υπάρχει σωστή λειτουργία τους ώστε να μειώνονται τα πλημμυρικά επεισόδια. Η τηλεπισκόπηση είναι ο συνδετικός κρίκος για αυτήν την ομαλή λειτουργία και αυτό διότι μπορούμε να παρακολουθούμε κάθε στιγμή την πορεία των πλημμυρών και κατά πόσο γίνεται σωστή αποστράγγιση. Συγκεκριμένα, στην περίληψη αυτή αναλύεται περισσότερο η περιοχή της Σλοβακίας και παράγοντες που επιδρούν στις πλημμύρες, ποια συστήματα προβλέπουν καλύτερα της πλημμύρες αυτές καθώς και τι προβλήματα δημιουργούνται σε θέματα πολιτικής, όπως είναι το διεθνές δίκαιο που επικρατεί σε διασυνοριακούς ποταμούς.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Υποστηρίζεται ότι τα συστήματα αποστράγγισης προκαλούν ξήρανση του εδάφους, και για αυτό υπάρχουν συγκεκριμένοι τρόποι διαχείρισης τους. Στόχος, δεν είναι μόνο η παρακολούθηση των πλημμυρών και η αντιμετώπισή τους, αλλά και η διατήρηση της πολιτιστικού χαρακτήρα των τοπίων, χωρίς την αλλοίωση των εδαφών. Σήμερα, υπάρχουν πολλές μέθοδοι με τις οποίες μπορούμε να ανιχνεύσουμε πλημμύρες μέσω της τηλεπισκόπησης, και μία από αυτές είναι το σύστημα CORINA, με το οποίο μας επιτρέπεται να αναλύσουμε με ποιον τρόπο χρησιμοποιούνται οι εδαφικοί πόροι. Επίσης η τηλεπισκόπηση προσφέρει δυνατότητα παρακολούθησης χρήσεων κάλυψης γης, κυρίως μέσω του υπέρυθρου φάσματος. <br /> <br /> Ένα δίλημμα που προκύπτει είναι το που θα πρέπει να εστιάσουμε όταν αντιμετωπίζουμε τέτοια φαινόμενα, στον άνθρωπο, στο περιβάλλον ή στην οικονομία; Σίγουρα, η απάντηση βρίσκεται στην προστασία του ανθρώπου. Ειδικά για τη Σλοβακία, για πολλά χρόνια δεν είχε παρατηρηθεί πρόβλημα όσον αφορά τη λειτουργικότητα των συστημάτων αποστράγγισης νερού. Καθώς όμως περνούσαν τα χρόνια, μελέτη του 1999 έδειξε ότι υπήρχαν προβλήματα λόγω ανάπτυξης βλάστησης, με αποτέλεσμα να σπάσουν αρκετοί. Στην εικόνα ένα βλέπουμε την υποβαθμισμένη περιοχή της Ανατολικής Σλοβακίας το 1950 και το 2010 με την χρήση αεροφωτογραφιών. <br /> <br /> <br /> <br /> Λόγω του χαμηλού συντελεστή διήθησης, του επίπεδου υψομέτρου, των μεγάλων ημερών χιονόπτωσης αλλά και βροχόπτωσης, η περιοχή αυτή υποφέρει από πολλές πλημμύρες. Η ιδιοκτησία της γης είναι το κύριο πρόβλημα που αντιμετωπίζει η περιοχή, και πρέπει να δίνονται επιχορηγήσεις λόγω της αλλαγής της κάλυψης της γης από τις υπερχειλίσεις.<br /> <br /> Στην εικόνα 2, φαίνονται οι περιοχές που έχουν πλημμυρήσει στην περιοχή της ανατολικής Σλοβακίας το 2010, ενώ στην εικόνα 3 φαίνεται η νότια περιοχή όπου έχει το μεγαλύτερο πρόβλημα λόγω πλημμυρών και αποστραγγίζεται από το κανάλι Somotov<br /> <br /> <br /> <br /> Η κακή συντήρηση των δικτύων αποστράγγισης καθώς και οι ποσότητες νερού που πολλές φορές δεν ήταν ικανοί να τις επαναφέρουν στο υδάτινο σύστημα προκαλούν ακόμη και σήμερα, όχι μόνο στη Δυτική αλλά και στην Ανατολική Σλοβακία. Η μακροχρόνιες πλημμύρες έχουν αντίκτυπο και στα εδάφη αλλά και στη βλάστηση, υποβαθμίζοντας τις περιοχές.<br /> <br /> <br /> Η τηλεπισκόπηση, χρησιμεύει για την παρακολούθηση των πλημμύρων όσον αφορά την έκταση τους και τη δυναμικής τους και όχι μόνο. Ενδεικτικά, τα συστήματα παρακολούθησης μέσω τηλεπισκόπησης είναι η φασματική ανάλυση, η γεωμετρική ανάλυση, η ραδιομετρική ανάλυση καθώς και η χωρική ανάλυση. Κάθε σύστημα χρησιμοποιείται για την παρακολούθηση των πλημμυρών, και είναι ικανά να δείξουν αν οποιοδήποτε σύστημα αποστράγγισης υπολειτουγεί.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Πολλές φορές, ιδιαίτερα λόγω της κλιματικής αλλαγής, εντείνονται τα καιρικά φαινόμενα με αποτέλεσμα την εκδήλωση διάφορων πλημμυρών. Στις περιοχές αυτές που είναι ευάλωτες, όπως η παραπάνω που αναλύσαμε, θα πρέπει να εφαρμόζεται η τηλεπισκόπηση αλλά και να υπάρχουν κανόνες εναρμόνισης με νομοθεσίες ευρωπαϊκές, ώστε να επιτυγχάνεται το καλύτερο δυνατό αποτέλεσμα διαχείρισης υδάτων και να προστατεύεται η πολιτιστική κληρονομιά του πληθυσμού. <br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article4_img3.jpg 2020-03-09T15:47:42Z

<p>Kotrogiannis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Pa2020 vk article4 img3.jpg&amp;quot;</p> <hr /> <div></div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:44:09Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> <br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> <br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> <br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> <br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:43:05Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> <br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:42:48Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> <br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> <br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:42:34Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> <br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-09T15:42:22Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> <br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%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_%CF%84%CF%81%CE%B5%CF%87%CE%BF%CF%85%CF%83%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CF%85%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CE%AE%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%CF%84%CE%B7%CE%BD_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82 2020-03-09T15:37:54Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''An overview of current and potential applications of thermal remote sensing in precision agriculture''<br /> <br /> '''Συγγραφείς: '''Sami Khanal, John Fulton, Scott Shearer<br /> <br /> '''Δημοσιεύθηκε: '''Computers and Electronics in Agriculture ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/317068989_An_overview_of_current_and_potential_applications_of_thermal_remote_sensing_in_precision_agriculture]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η γεωργία ακριβείας (Precision Agriculture) χρησιμοποιεί εργαλεία και τεχνολογίες για τον εντοπισμό της μεταβλητότητας του εδάφους και των καλλιεργειών στο πεδίο για τη βελτίωση των γεωργικών πρακτικών και τη βελτιστοποίηση των αγρονομικών εισροών. Παραδοσιακά, η τηλεπισκόπηση (Remote Sensing) που χρησιμοποιεί περιοχές ορατού φωτός και υπέρυθρες του ηλεκτρομαγνητικού φάσματος έχει χρησιμοποιηθεί ως αναπόσπαστο τμήμα της ΡΑ για την παρακολούθηση των καλλιεργειών και του εδάφους. Αυτή η ανάλυση επικεντρώνεται στις τρέχουσες και τις πιθανές εφαρμογές της θερμικής RS στην PA, καθώς και σε ορισμένες ανησυχίες σχετικά με την εφαρμογή της. Οι τομείς εφαρμογής της θερμικής RS στη γεωργία που συζητήθηκαν εδώ περιλαμβάνουν τον προγραμματισμό της άρδευσης, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθένειας των καλλιεργειών και τη χαρτογράφηση των ιδιοτήτων του εδάφους, των υπολειμμάτων και της καλλιέργειας, της ωριμότητας και της απόδοσης των καλλιεργειών.<br /> <br /> [[Εικόνα:pa2020_vk_article1_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img2.jpg|thumb|right|'''Εικόνα 2''']]<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η παρούσα ανάλυση πραγματεύεται δύο μεγάλα θέματα, την ενσωμάτωση της θερμικής τηλεπισκόπησης στην γεωργία καθώς και της προκλήσεις και το μέλλον αυτής πάνω στην γεωργία ακριβείας.<br /> <br /> 1. Η εφαρμογή της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> Η θερμική τηλεπισκόπηση μπορεί να χρησιμοποιηθεί σε πολλές πτυχές της παρακολούθησης των καλλιεργειών και του εδάφους στον αγροτικό τομέα, συμπεριλαμβανομένης της εκτίμησης της πίεσης του εδάφους και των καλλιεργειών για τον προγραμματισμό της άρδευσης, τον προσδιορισμό των μολυσμένων από ασθένειες και παθογόνων καλλιεργειών, την χαρτογράφηση της υφής του εδάφους, την εκτίμηση της κάλυψης των υπολειμμάτων, την παρακολούθηση της ωριμότητας της συγκομιδής και τη χαρτογράφηση της απόδοσης των καλλιεργειών.<br /> <br /> <br /> 1.1 Υγρασία εδάφους<br /> <br /> Η έγκαιρη παρακολούθηση της υγρασίας του εδάφους είναι κρίσιμη επειδή χρησιμεύει ως διαλύτης και φορέας θρεπτικών ουσιών για την ανάπτυξη των φυτών, ρυθμίζει τη θερμοκρασία του εδάφους, υποστηρίζει τις μικροβιακές δραστηριότητες, επηρεάζει τις εκμεταλλεύσεις (π.χ. γονιμοποίηση των φυτών, άρδευση) και δρα ως θρεπτικό συστατικό (Ramachandra, 2006). Μελέτες έχουν χρησιμοποιήσει την θερμική RS για την ανίχνευση της υγρασίας του εδάφους για να βοηθήσει στον προγραμματισμό άρδευσης.<br /> <br /> <br /> 1.2 Έλεγχος άρδευσης<br /> <br /> Με τη χρήση θερμικών εικόνων, οι μελέτες έχουν παρακολουθήσει τη θερμοκρασία των φυτών και την ατομική αγωγιμότητα για τον προσδιορισμό της ποσότητας του νερού καλλιέργειας. Χρησιμοποιώντας τη θερμοκρασία, ο Jackson και οι συνάδελφοί του πρότειναν την έννοια του CWSI για την ανίχνευση της πίεσης του νερού καλλιέργειας. Ορίζεται ως η διαφορά μεταξύ της θερμοκρασίας του αέρα (Ta) και της θερμοκρασίας του φυτού (Tc), προσαρμοσμένη λόγω εξατμίσεων, όπως προσδιορίζεται με τη βοήθεια ενός κατώτατου ορίου και ενός ανώτατου ορίου.<br /> <br /> <br /> 1.3 Άλλοι παράγοντες<br /> <br /> Η εξατμισοδιαπνοή που μπορεί να προκύψει από πολυφασματικές εικόνες και αεροφωτογραφίες υψηλής ανάλυσης, η ανίχνευση της ασθένειας των φυτών, όπου είναι πολύ επιβλαβής για τους αγρότες και αναλύεται καλύτερα με τους θερμικούς αισθητήρες και από επεξεργασία των θερμικών εικόνων, τα συστήματα αποστράγγισης καλλιεργειών τα οποία με εικόνες ορατού φάσματος και με ΝIR εικόνες προκύπτει το καλύτερο δυνατό αποτέλεσμα. Άλλη παράμετρος είναι η ωρίμανση της καλλιέργειας, η οποία είναι πάρα πολύ σημαντική για την παραγωγή και η τηλεπισκόπηση βοηθάει με την παραγωγή υπέρυθρων και εικόνων από το ορατό φάσμα. Επίσης, μέσω αυτών μετριέται και η θερμοκρασία των φυτών, όπως αυτό φαίνεται και στην εικόνα 1. Τέλος, υπάρχουν μελέτες που έχουν αποδείξει ότι χρησιμοποιούνται και θερμικές εικόνες για να προβλέψουν την απόδοση των καλλιεργειών.<br /> <br /> Προκλήσεις και μελλοντικές προοπτικές για τη χρήση των θερμικών απεικονίσεων για τη γεωργία ακριβείας Αν και η θερμική εικόνα έχει τη δυνατότητα να παρέχει χωρική και χρονική πληροφόρηση για τη θερμοκρασία της επιφάνειας των καλλιεργειών και του εδάφους, υπάρχουν ορισμένα ζητήματα που πρέπει να ληφθούν υπόψη κατά τη χρήση θερμικών εικόνων RS. Αυτές περιλαμβάνουν την επίδραση: (1) των χωρικών και χρονικών αναλύσεων των αποκτώμενων εικόνων, όπου υπάρχει αυξημένο κόστος ως προς την υλοποίησή τους και προς το παρόν οι θερμικές κάμερες και είναι ακριβότερες αλλά και έχουν κακή ανάλυση όπως φαίνεται στην εικόνα 2.(2) των ατμοσφαιρικών συνθηκών όπως υγρασίας, θερμοκρασίας, νεφοκάλυψης (3) της γωνίας λήψης της φωτογραφίας και του υψομέτρου των θερμικών αισθητήρων και (4) του χρονικού διαστήματος στο οποίο λαμβάνονται οι θερμικές εικόνες.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πιθανές εφαρμογές των θερμικών εικόνων στην PA περιλαμβάνουν, μεταξύ άλλων, την παρακολούθηση των αρδεύσεων στα φυτά, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθενειών των φυτών, την χαρτογράφηση των εδαφικών ιδιοτήτων, την χαρτογράφηση του εδάφους, τη χαρτογράφηση της ωρίμανσης των καλλιεργειών και την εκτίμηση της απόδοσης. Παρόλο που η θερμική επεξεργασία έχει πολλά πιθανά πλεονεκτήματα έναντι της οπτικής επεξεργασίας στην παρακολούθηση των καλλιεργειών και του εδάφους, υπάρχουν ορισμένες πρακτικές δυσκολίες στη χρήση του, όπως η ατμοσφαιρικές συνθήκες, οι κλιματικές συνθήκες, τα στάδια ανάπτυξης των καλλιεργειών, που μέχρι στιγμής έχουν περιορίσει τη χρήση της στον γεωργικό τομέα.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CF%84%CF%81%CE%BF%CE%B3%CE%B9%CE%AC%CE%BD%CE%BD%CE%B7%CF%82_%CE%92%CE%B1%CF%83%CE%AF%CE%BB%CE%B5%CE%B9%CE%BF%CF%82 2020-03-04T16:20:42Z

<p>Kotrogiannis: Νέα σελίδα με '* [[Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεω...'</p> <hr /> <div>* [[Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας]]<br /> * [[Εφαρμογή της τηλεπισκόπησης στην χαρτογράφηση καλλιέργειας ρυζιού και πρόβλεψης της παραγωγής της: Μια ανασκόπηση]]<br /> * [[Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση]]<br /> * [[Πολιτιστικό τοπίο, πλημμύρες και τηλεπισκόπηση]]<br /> * [[Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης...]] <br /> * [[Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk]]<br /> * [[Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]<br /> <br /> [[category:ΔΠΜΣ ]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-04T16:14:05Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Διαστημικές τεχνικές ανίχνευσης ωκεανών..]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''']]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Principles of operation of a LIDAR bathymeter. The water depth can be calculated from the travel time difference (t) between the surface (S1) and bottom (S2) pulse returns.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Hurricane Katrina in the Gulf of Mexico (TRMM precipitation over VIRS; NASA, 2005).]]<br /> <br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-04T16:12:30Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-04T16:12:11Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> <br /> '''Περιγραφή '''<br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-04T16:11:48Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img2.jpg|thumb|right|'''Εικόνα 2:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img3.jpg|thumb|right|'''Εικόνα 3:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img4.jpg|thumb|right|'''Εικόνα 4:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> '''Περιγραφή '''<br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article7_img4.jpg 2020-03-04T16:08:17Z

<p>Kotrogiannis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Pa2020 vk article7 img4.jpg&amp;quot;</p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article7_img3.jpg 2020-03-04T16:07:52Z

<p>Kotrogiannis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Pa2020 vk article7 img3.jpg&amp;quot;</p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9F_%CE%A1%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%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%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CE%BD_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CF%89%CE%BD_%CE%95%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1%CF%82_%CE%98%CF%8D%CE%B5%CE%BB%CE%BB%CE%B1%CF%82 2020-03-04T16:07:27Z

<p>Kotrogiannis: Νέα σελίδα με ''''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτ...'</p> <hr /> <div>'''Ο Ρόλος της Τηλεπισκόπησης για την πρόβλεψη και τον Προσδιορισμό των Επιπτώσεων της Παράκτιας Θύελλας'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Role of Remote Sensing in Predicting and Determining Coastal Storm Impacts''<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μελέτη των τυφώνων λόγω της έντασης της καταιγίδας και των ανέμων είναι αναγκαία. Αυτή γίνεται κυρίως για τις παράκτιες περιοχές της Αμερικής, όπου σχεδόν κάθε χρόνο πλήττονται και οι ζημιές τίθενται ανυπολόγιστες. Η έμφαση που δίδεται είναι πριν το χτύπημα του τυφώνα, κατά τη διάρκεια και οι καταστροφές αφού προσκρουστεί στη στεριά. Ειδικότερα, πριν το χτύπημα, περιγράφεται η σημαντικότητα της τηλεπισκόπησης πάνω σε ένα μοντέλο πρόβλεψη του ύψους της καταιγίδας και της ταχύτητας του ανέμου, το SLOTH. Κατά τη διάρκεια της, το σύστημα τηλεπισκόπησης SAR, διαδραματίζει κύριο ρόλο στην παρακολούθηση κάθε χρονική στιγμή και σε πραγματικό χρόνο του τυφώνα. Μετά την έλευση του τυφώνα σε στέρεα εδάφη, η τηλεπισκόπηση χρησιμεύει στην αποτίμηση των ζημιών μέσω χωρικών αναλύσεων, στην ανίχνευση αλλαγής κάλυψης γης και στη λεπτομερή χαρτογράφηση της διάβρωσης μετά το πέρασμά του. Τέλος, αναλύεται η ειδική περίπτωση του τυφώνα Κατρίνα, στα προαναφερθέντα στάδια , και κυρίως στην αποτίμηση των ζημιών.<br /> <br /> [[Εικόνα:pa2020_vk_article1_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img2.jpg|thumb|right|'''Εικόνα 2:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img3.jpg|thumb|right|'''Εικόνα 3:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img4.jpg|thumb|right|'''Εικόνα 4:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> '''Περιγραφή '''<br /> <br /> Όπως προαναφέρθηκε, ο SLOTH(Sea, Lake and Overland Surges from Hurricanes), είναι ο καταλληλότερος δείκτης ώστε να δείξει ποιο είναι το ύψος του νερού σε μία συγκεκριμένη περιοχή καθώς και την ταχύτητα του ανέμου, δυναμικά μέσα στον χρόνο. Αυτό επιτυγχάνεται διότι είναι ένας αλγόριθμος ουσιαστικώς, ο οποίος λαμβάνει υπόψη τις εξισώσεις του Νεύτωνα αλλά και τις εξισώσεις συνέχεια που εφαρμόζονται σε υγρό με ελεύθερη επιφάνεια. Η αρχικός του στόχος ήταν αν προβλέπει τυφώνες/καταιγίδες υψηλής έντασης σε περιοχές ευάλωτες ώστε να εκκενώνονται γρήγορα αυτές. Στη συνέχεια βέβαια, με τη βοήθεια του αμερικάνικου στρατού, άρχισαν να προστίθενται και άλλες παράμετροι. Τα δεδομένα που χρειάζεται το πρόγραμμα αυτό δεν θα μπορούσε να τα παρέχει άλλος πέρα από την τηλεπισκόπηση, και συγκεκριμένα δορυφόροι οι οποίοι βρίσκονται πάνω από τον ισημερινό σε υψόμετρο 36.000 km και μπορούν να παρέχουν εκτιμήσεις για την τοποθεσία, το μέγεθος , και την ένταση μιας καταιγίδας με τους ορατούς και θερμικούς υπέρυθρους δορυφόρους σε μεγάλες περιοχές σε <br /> χωρική ανάλυση 4 km (NOAA, 2006).<br /> <br /> Κατά τη διάρκεια της δημιουργίας καταιγίδας από τυφώνες, επειδή μία σημαντική λεπτομέρεια είναι να γνωρίζουμε το ύψος της πλημμύρας που έχει καταγραφεί, χρησιμοποιούμε τα συστήματα ραντάρ τύπου SAR, επειδή αυτοί είναι ικανοί να διαπεράσουν τα σύννεφα, και να ανιχνεύσουν τυχόν πλημμύρες ακόμη και σε δύσκολα σημεία, παραδείγματος χάρη κάτω από τα δέντρα.<br /> <br /> <br /> Το πιο σημαντικό, μετά το πέρασμα μίας ισχυρής καταιγίδας, είναι να υπάρχουν δεδομένα χωρικής υψηλής ανάλυσης σε μεγάλο αριθμό φασματικών συχνοτήτων. Αυτό, επιτυγχάνεται από αισθητήρες αεροσκαφών υψηλής ανάλυσης ή από δορυφόρους και πρέπει να υπάρχουν οι κατάλληλοι φωτοερμηνευτές για ένα ακριβές αποτέλεσμα. Η εμπειρία ενός ανθρώπου σε σχέση με την πολυπλοκότητα της περιοχής, καθώς υπάρχουν πολλές παράμετροι που πρέπει να λάβει υπόψη, είναι ένα στοιχείο το οποίο ο υπολογιστής δεν μπορεί να εκτελέσει, επομένως είναι αναγκαία η σωστή φωτοερμηνεία.<br /> <br /> <br /> Επίσης, όταν έρχεται μία ισχυρή καταιγίδα, μέσω ενός τυφώνα, γίνονται αλλαγές κάλυψης της γης. Αυτό, μπορεί να ανιχνευθεί, ένα γίνει σύγκριση δύο εικόνων από δορυφόρους πριν και μετά την έλευση της καταιγίδας ή του τυφώνα. Σημαντικό είναι να γίνει ατμοσφαιρική και παλιρροιακή διόρθωση, ώστε να γίνει μία πιο σωστή φωτοερμηνεία. <br /> <br /> <br /> Η χαρτογράφηση διάβρωσης, είναι ένα κάτι το οποίο επιτυγχάνεται μέσω ενός συστήματος σαρωτή/λέιζερ που ονομάζεται LIDAR. Ουσιαστικά, ένας πομπός/δέκτης λέιζερ τοποθετημένος σε ένα αεροσκάφος μεταδίδει έναν παλμό λέιζερ που ταξιδεύει μεταξύ αέρα και νερού, όπου ένα μέρος αυτής της ενέργειας αντανακλά πίσω στο δέκτη. Το βάθος του νερού υπολογίζεται ως ο χρονικό διάστημα μεταξύ της επιστροφής της επιφανείας με της κατώτερης επιστροφής. Ο πιο περιοριστικός παράγων είναι η θολότητα του νερού όταν ο LIDAR εκπέμπει, για αυτό δεν θα πρέπει να υπάρχουν αναταράξεις την ώρα αυτή.<br /> <br /> Η Κατρίνα, ο τυφώνας που σάρωσε τη Φλόριντα το 2005, μετατράπηκε από μία υποτροπική καταιγίδα σε τυφώνα, όταν συνάντησε τα ζεστά νερά του Μεξικού, και μάλιστα έγινε τυφώνας κατηγορίας 5, με ταχύτητες ανέμου που άγγιζαν τα 280 χμ/ώρα, και ριπές ανέμου 346 χμ/ώρα. Ευτυχώς, έγινε η χρήση του SLOTH, ώστε να γίνουν εκκενώσεις των πόλεων το οποίο είχε ως συνέπεια να μην υπάρξουν πολλοί θάνατοι/τραυματισμοί. Τα ποσοστά της βροχής έγιναν από τον υπέρυθρο σαρωτή TRMM (VIRS). Στο κέντρο, οι κόκκινες περιοχές υποδηλώνουν την καταιγίδα και τη θερμότητα που εκλύθηκε, γνωστή και ως λανθάνουσα θερμότητα. <br /> <br /> <br /> Η καταιγίδα, σε συνδυασμό με την ταχύτητα του ανέμου όπου στο εσωτερικό έφτανε και τα 240 χμ/ ώρα, έφεραν μία έκρηξη από κύματα, καθιστώντας την ακτογραμμή κοντά στο Μισισιπή σε κατάσταση συναγερμού. Η λίμνη Pont-Chartrain ξεχείλισε σε όλη την πόλη της Νέας Ορλεάνης. Για να χαρτογραφηθεί η επικινδυνότητα της πλημμύρας, χρησιμοποιήθηκαν πολλές βάσεις δεδομένων και με τη βοήθεια του SAR βγήκαν χάρτες αυτής. Τμήματα λόφων που είχαν σχεδιαστεί να διοχετεύουν το νερό στη Νέα Ορλεάνη κατέρρευσαν. Η ομοσπονδιακή διοίκηση έκτακτης ανάγκης καθώς και η NOAA, έδωσαν πολλά ακριβή δεδομένα για τις ζημιές μετά τον τυφώνα ώστε να τα διαχειριστούν κατάλληλα οι αρμόδιοι φορείς.<br /> <br /> <br /> Τα αποτελέσματα στους υγροβιότοπους είναι ότι επέφερε ριζικές αλλαγές στη βιοποικιλότητα, καθώς μετέτρεψε βάλτους σε υπέρογκες λίμνες, εξαφάνισε διάφορα είδη βλάστησης, μετέφερε άμμο παντού και ταυτόχρονα δημιούργησε τα τεράστιες ζημιές στα φράγματα.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι καταιγίδες που προκαλούνται από τους τυφώνες ή άλλους παράγοντες μπορούν να αποβούν καταστροφικές, ιδιαίτερα σε περιοχές με πολύ συχνά φαινόμενα, όπως είναι η Αμερική. Η χρήση των μέσων που προσφέρει η τηλεπισκόπηση, όπως είναι το SAR, το LIDAR, οι δορυφορικοί σαρωτές και πολλά άλλα, είναι αναγκαία και για την πρόληψη, και για την καταγραφή τους σε πραγματικό χρόνο αλλά και για την εκτίμηση ζημιών και αλλαγών μετά το πέρασμα της καταιγίδας. Συνεπώς, σε καμία περίπτωση δεν πρέπει να αγνοούμε την χρήση τους, πόσο μάλλον θα πρέπει να γίνει προσπάθεια βελτίωσης της τεχνολογίας για να έχουμε ακόμη καλύτερα αξιόπιστα δεδομένα, τα οποία θα προστατέψουν τους πολίτες και θα διευκολύνει την πολιτεία να καλύψει τις ζημιές.<br /> <br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-04T15:52:23Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών. <br /> <br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article6_img6.jpg 2020-03-04T15:51:09Z

<p>Kotrogiannis: </p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-04T15:49:38Z

<p>Kotrogiannis: </p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών. <br /> <br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A4%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%84%CF%85%CF%86%CF%8E%CE%BD%CE%B1_Karl_(2010):_%CE%9D%CE%AD%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BD_%CF%80%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_Global_Hawk 2020-03-04T15:49:06Z

<p>Kotrogiannis: Νέα σελίδα με ''''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global...'</p> <hr /> <div>'''Η Ταχεία Ενίσχυση του τυφώνα Karl (2010): Νέες παρατηρήσεις τηλεπισκόπησης από την πλατφόρμα Global Hawk'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''The Rapid Intensification of Hurricane Karl (2010): New Remote Sensing Observations of Convective Bursts from the Global Hawk Platform''<br /> <br /> '''Συγγραφείς: '''Stephen r. Guimond, Gerald m. Heymsfield, Paul D. Reasor, Anthony C. Didlake jr.<br /> <br /> '''Δημοσιεύθηκε: '''American Meteorological Society ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://journals.ametsoc.org/doi/full/10.1175/JAS-D-16-0026.1?mobileUi=0]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η εξέλιξη του τυφώνα Karl (2010) εξετάζεται από μια σειρά τηλεπισκοπικών παρατηρήσεων. Οι καινοτομίες αυτής της μελέτης είναι στην ανάλυση των δεδομένων από τον αερομεταφερόμενο Doppler ραντάρ Υψηλού Υψόμετρου Απεικόνισης του Ανέμου και της Βροχής (HIWRAP) και τη νέα πλατφόρμα Air Hawk, η οποία επιτρέπει τη μακρά δειγματοληψία αντοχής των τυφώνων. Το επίκεντρο της ανάλυσης είναι η τεκμηρίωση και η κατανόηση της δομής, της εξέλιξης και του ρόλου της μικρής κλίμακας μεταφορικών δυνάμεων στη διαδικασία εντατικοποίησης της καταιγίδας. Οι έντονες καθοδικές κινήσεις του αέρα σε συνδυασμό με την ενίσχυση του κέντρου του τυφώνα(δηλαδή το «μάτι») έκαναν τον τυφώνα Karl έναν από τους ισχυρότερους των τελευταίων δεκαετιών. <br /> <br /> [[Εικόνα:pa2020_vk_article6_img1.jpg|thumb|right|'''Εικόνα 1:''' Ο τυφώνας Karl (2010) που ξεκινά στις 0000 UTC στις 14 Σεπτεμβρίου με ταξινομήσεις εντάσεως που σημειώνονται κάθε 6 ώρες. Εμφανίζονται επίσης οι ημέρες του Σεπτεμβρίου στο 0000 UTC. Οι πράσινοι κύκλοι υποδηλώνουν την κατάσταση που σιγά σιγά παρατηρείται βελτίωση των συνθηκών, τα ανοικτά σύμβολα τυφώνων είναι η τροπική καταιγίδα και τα κλειστά σύμβολα τυφώνων είναι η κατάσταση των τυφώνων με την κατηγορία που αναφέρεται στο κέντρο. Το ένθετο δείχνει τη χρονοσειρά της μέγιστης επιφανειακής ταχύτητας ανέμου (m s21) με το Global Hawk.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img2.jpg|thumb|right|'''Εικόνα 2:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) που επικεντρώνεται στο 1842 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) την αντανάκλαση της ζώνης C της ζώνης C σε ύψος 3,7 χιλιομέτρων επικαλυμμένη με ανέμους σε ύψος 4 χλμ. Τα λευκά βέλη στο (β) υπογραμμίζουν χαρακτηριστικά που αναλύονται στο κείμενο. Η γκρίζα γραμμή στο (b) σηματοδοτεί τη διεπαφή του κέντρου με τα τοιχώματα του τυφώνα στην αντανάκλαση LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων..]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img3.jpg|thumb|right|'''Εικόνα 3:''' Το εσωτερικό του πυρήνα του τυφώνα Karl (2010) μεταξύ 1853 και 1919 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) HAMSR 54-GHz Tbs (K) και (b) HIWRAP Ku-ζώνη ανακλαστικότητα (dBZ).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img4.jpg|thumb|right|'''Εικόνα 4:''' Πτήση NOAA WP-3D μέσω του εσωτερικού πυρήνα του τυφώνα Karl (2010) επικεντρωμένη στο 1930 UTC στις 16 Σεπτέμβρη παρουσιάζοντας (α) αντανακλαστικότητα LF σε ύψος 3.6 χιλιομέτρων επικαλυμμένο με ανέμους σε ύψος 4 χιλιομέτρων. Η γκρι γραμμή στο (b) σηματοδοτεί τη διεπαφή του «ματιού» και του εξωτερικού του τυφώνα χρησιμοποιώντας την κλίση στην ανακλαστικότητα LF. Τα γκρι γράμματα &quot;C&quot; και &quot;Α&quot; στο β) υποδηλώνουν τα κέντρα κυκλωνικών και αντικυκλωνικών κυκλοφοριακών συστημάτων.]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img5.jpg|thumb|right|'''Εικόνα 5:''' 1938 και 1957 UTC 16 Σεπτεμβρίου στη νοτιοανατολική (αρνητική ακτίνα) προς βορειοδυτική (θετική ακτίνα) κατεύθυνση. Τα δεδομένα που παρουσιάζονται είναι α) η ανακλαστικότητα της ζώνης Ku (dBZ), β) οι ακτινικοί άνεμοι (m s21) με την απόκλιση που επικαλύφθηκαν σε μαύρα περιγράμματα c) (m s21), και (d) εφαπτομενικούς ανέμους (m s21).]]<br /> <br /> [[Εικόνα:pa2020_vk_article6_img6.jpg|thumb|right|'''Εικόνα 6:''' Εικόνες ανακλαστικότητας στις (A) 2039: 40, (b) 2040: 10, (c) 2040: 42, και (d) 2042: 13 UTC.]]<br /> <br /> [[Εικόνα:pa2020_vk_article7_img1.jpg|thumb|right|'''Εικόνα 7:''' Όπως στην εικόνα 4 αλλά για το NOAA WP-3D με κέντρο στις 2042 UTC στις 16 Σεπτεμβρίου.]]<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Κατά την παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα και η επεξεργασία των δεδομένων αυτών, καθώς και η παρακολούθηση του τυφώνα Karl περίπου ανά ημέρα με την πολύτιμη βοήθεια της τηλεπισκόπησης. Τα δεδομένα και η επεξεργασία αυτών αφορούν <br /> 1) HIWRAP το οποίο είναι ένα ραντάρ Doppler που αναπτύχθηκε στη NASA Goddard Space Flight Center (GSFC) με στόχο τη μελέτη τυφώνων και άλλων συστημάτων καταιγίδων. Ένα από τα μοναδικά χαρακτηριστικά του HIWRAP είναι η ικανότητά του να υπάρχει και να εκτελείται σε μη επανδρωμένα αεροσκάφη της Global Hawk (GH) της NASA. <br /> <br /> <br /> 2) NOAA WP-3D ραντάρ. Το NOAA WP-3D είναι ένα ραντάρ Doppler που σαρώνει σε κώνο 208μ μπροστά και πίσω από το επίπεδο κάθετα προς το αεροσκάφος με ταχύτητα σάρωσης 10 rpm και κατά μήκος δειγματοληψίας στα 1,6 χιλιόμετρα. Το NOAA WP-3D φέρει επίσης ένα ραντάρ χαμηλής ατράκτου (LF) που παρέχει σάρωση ανάκλασης ραντάρ κάθε 30 δευτερόλεπτα περίπου στο ύψος της πτήσης.<br /> <br /> <br /> 3) Το Κύκλωμα Μονολιθικών Μικροκυμάτων Υψηλού Υψομέτρου (MMIC) (HAMSR) είναι ένας παθητικός μικρο-ηλεκτρικός ανιχνευτής που μετρά την ανοδική ακτινοβολία από την ατμόσφαιρα σε συχνότητες ευαίσθητες στη θερμοκρασία (50 και 118GHz) και υδρατμούς (183GHz). Η ένταση των συμπαγών σύννεφων μπορεί επίσης να εκτιμηθεί σε περιοχές όπου η ακτινοβολία είναι διασκορπισμένη έξω από τη δέσμη από σωματίδια πάγου, πράγμα που έχει ως αποτέλεσμα την χαμηλή θερμοκρασία φωτεινότητας (Tbs) στον δέκτη οργάνων.<br /> <br /> <br /> Κατά τη διάρκεια του καλοκαιριού του 2010, η NASA πραγματοποίησε το πείραμα GRIP στη λεκάνη του Ατλαντικού Ωκεανού για να μελετήσει τις φυσικές διεργασίες που ελέγχουν τον σχηματισμό τυφώνων και την αλλαγή έντασης τους. Συνολικά τρία αεροσκάφη της NASA αναπτύχθηκαν κατά τη διάρκεια της GRIP με όργανα επί του σκάφους για να μετρήσουν τις ιδιότητες του περιβάλλοντος του τυφώνα και της περιοχής του εσωτερικού πυρήνα. Σε αυτή τη μελέτη, εστιάζουμε στο εσωτερικό αεροσκάφος (GH) και τα όργανα (HIWRAP και HAMSR) που περιγράφονται προηγουμένως.<br /> <br /> <br /> Η εστίαση αυτής της μελέτης είναι η δομή και η δυναμική του εσωτερικού πυρήνα κατά τη διάρκεια αυτού του τυφώνα Karl που ελήφθη από το αεροσκάφος GH μεταξύ 1900 UTC 16 Σεπτεμβρίου και 0800 UTC 17 Σεπτεμβρίου εικόνα 1.<br /> <br /> <br /> * 1830-1920 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Τα αεροσκάφη NOAA WP-3D εξέτασαν την πορεία του Karl σε ορισμένες παρόμοιες χρονικές περιόδους όπως η NASA GH, η οποία επιτρέπει μια πιο περιεκτική μελέτη των εσωτερικών πυρήνων διεργασιών λόγω του μεγάλου εύρους του πλάτους των μετρήσεων WP-3D. Στις εικόνες 2,3 φαίνεται η ένταση και ο πορεία του Karl με διάφορους τύπους μετρήσεων.<br /> * 1920-2000 UTC 16 Σεπτεμβρίου. Περίπου 20 λεπτά μετά, το αεροσκάφος NOAA WP-3D διείσδυσε τον πυρήνα του Karl και πάλι με ένα κέντρο διέλευσης στις 1930 UTC στις 16 Σεπτεμβρίου. Η εικόνα 4 δείχνει την αντανάκλαση του ραντάρ LF σε επίπεδο πτήσης (3,6 χλμ.) μαζί με τους ανέμους που προέρχονται από ραντάρ ΤΑ σε ύψος 4 χλμ. Έντονη ανακλαστικότητα μεταξύ 45 και 50dBZ υπάρχει στο δυτικό μισό της καταιγίδας. Η εικόνα 5 δείχνει την πορεία του ανέμου όσον αφορά καθοδικές και άλλες κινήσεις του.<br /> * 2030-2100 UTC 16 ΣΕΠΤΕΜΒΡΙΟΥ. Το NOAA WP-3D εντοπίστηκε στο κέντρο του Karl μια τελευταία φορά και επικεντρώθηκε στο 2042 UTC στις 16 Σεπτεμβρίου. Η εικόνα 6 δείχνει τέσσερα στιγμιότυπα ανακλαστικότητας που καλύπτουν περίοδο 2.5 λεπτών μεταξύ 2039 και 2042 UTC. Αυτές οι εικόνες δείχνουν ότι το εξωτερικό μέρος του τυφώνα δυτικού / βορειοδυτικού αυξάνεται με πολύ δυναμική ταχέως (όσον αφορά την ανακλαστικότητα) κατά τη διάρκεια αυτού του χρονικού διαστήματος 2,5 λεπτών.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Το ραντάρ HIWRAP συμμετείχε στην εκστρατεία NASA για να μελετήσει την εξέλιξη των τυφώνων. Στο πλαίσιο αυτού του πειράματος, μια συντονισμένη πτήση μεταξύ του αεροσκάφους Global Hawk και του αεροσκάφους NOAA WP-3D στις 25 Σεπτεμβρίου 2013 επέτρεψε την ευκαιρία να επικυρωθεί η ανάκτηση ανέμου HIWRAP με δεδομένα αιολικής ενέργειας σε επίπεδο πτήσης. Το αεροσκάφος εξέτασε το τέλος ενός μετωπιαίου συστήματος μεγάλης κλίμακας με ένα μείγμα ασθενών και συνεκτικών βροχοπτώσεων. Για να γίνουν οι συγκρίσεις, διατηρούνται όλα τα δεδομένα HIWRAP με χρονική μετατόπιση 10 λεπτά και χωρική απόσταση 1km από το αεροσκάφος WP-3D. Αυτά τα δεδομένα στη συνέχεια παρεμβάλλονται στις θέσεις των μετρήσεων σε επίπεδο πτήσης (ύψος 2 χλμ.). Έτσι, έγινε μία προσπάθεια αποτύπωσης της δυναμικότητας του Karl (2010), η οποία είχε τεράστια επιτυχία και αποτύπωσε σε μία χρονική διάρκεια την πορεία του καθώς και τη δυναμική του στο εσωτερικό του πυρήνα του τυφώνα, στο λεγόμενο «μάτι» του τυφώνα.<br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:24:41Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:24:23Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:24:09Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:23:54Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:22:48Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> <br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:21:32Z

<p>Kotrogiannis: </p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> <br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BA%CF%81%CE%B1%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%B9%CE%B3%CE%AF%CE%B4%CE%B1%CF%82_%CF%83%CE%BA%CF%8C%CE%BD%CE%B7%CF%82... 2020-03-04T15:20:42Z

<p>Kotrogiannis: Νέα σελίδα με ''''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση ...'</p> <hr /> <div>'''Ανάλυση τηλεπισκόπησης και μοντελοποίηση της ακραίας καταιγίδας σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015<br /> <br /> '''Συγγραφείς: '''Stavros Solomos, Albert Ansmann, Rodanthi-Elisavet Mamouri, Ioannis Binietoglou, Platon Patlakas, Eleni Marinou, and Vassilis Amiridis<br /> <br /> '''Δημοσιεύθηκε: '''Atmospheric Chemistry and Physics ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/315898380_Remote_sensing_and_modelling_analysis_of_the_extreme_dust_storm_hitting_the_Middle_East_and_eastern_Mediterranean_in_September_2015]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η μεγάλη καταιγίδα σκόνης που έπληξε τη Μέση Ανατολή και την ανατολική Μεσόγειο τον Σεπτέμβριο του 2015 είχε ως αποτέλεσμα τα φορτία σκόνης σε όλη την Κύπρο με οπτικό βάθος αερολυμάτων που υπερβαίνει τα 5,0 στα 550nm. Αναλύουμε το γεγονός αυτό χρησιμοποιώντας προφίλ από το ευρωπαϊκό δίκτυο Lidar Aerosol Research (EARLINET) και το Cloud-Aerosol Lidar και την υπέρυθρη δορυφορική παρακολούθηση (CALIPSO), γεωστατικές παρατηρήσεις από τον SEVIRI και προσομοιώσεις υψηλής ανάλυσης από το περιφερειακό σύστημα ατμοσφαιρικής μοντελοποίησης (RAMS). Η ανάλυση των δεδομένων μοντελοποίησης και τηλεπισκόπησης αποκαλύπτει τους κύριους μηχανισμούς που οδήγησαν στη δημιουργία και διατήρηση του νέφους σκόνης στη Μέση Ανατολή και την Κύπρο. Ένας συνδυασμός μετεωρολογικών και επιφανειακών διεργασιών εντοπίζεται, μεταξύ άλλων,<br /> <br /> (α)στην ανάπτυξη ενός θερμικού χαμηλού στην περιοχή της Συρίας που οδηγεί σε ασταθείς ατμοσφαιρικές συνθήκες και κινητοποίηση της σκόνης σε αυτόν τον τομέα,<br /> <br /> <br /> (β) στη συγκολλητική δραστηριότητα στο βόρειο Ιράκ που προκαλεί και<br /> <br /> <br /> (γ) τις αλλαγές στη χρήση γης που οφείλονται στον πόλεμο στις περιοχές του Βόρειου Ιράκ και της Συρίας που ενισχύουν την διαβρωσιμότητα της σκόνης.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> ''Εργαλεία<br /> <br /> ''Τα εργαλεία που χρησιμοποιήθηκαν για να περιγράψουν την ανάλυση της καταιγίδας ήταν το EARLINET, CALIPSO, MSG-SEVIRI, το μοντέλο RAMS-ICLAMS και οι τροποποιήσεις των χρήσεων γης με την χρήση του USGS.<br /> <br /> <br /> 1. Ο σταθμός του LIDAR της Λεμεσού αποτελεί μέρος του Ευρωπαϊκού Δικτύου Lidar Aerosol Research (LAR) (Pappalardo et al., 2014). Το EARLINET χρησιμοποιείται ευρέως για τον χαρακτηρισμό αερολύματος και ιδιαίτερα για τις μελέτες χαρακτηρισμού σκόνης.<br /> 2. Το κύριο όργανο του δορυφόρου CALIPSO είναι το σύστημα LIDAR ορθογώνια πόλωση (CALIOP). Σε αυτή τη μελέτη, χρησιμοποιούνται προϊόντα L2 έκδοσης αερολύματος και προφίλ σύννεφων σε οριζόντια ανάλυση 5χλμ και κατακόρυφη ανάλυση 60μ.<br /> 3. Το σύνθετο RGB σκόνης Meteosat παράγεται από ένα συνδυασμό τριών υπέρυθρων διαύλων SEVIRI: IR12.0-IR10.8 (κόκκινο), IR10.8-IR8.7 (πράσινο) και IR10.8 (μπλε). Ο συνδυασμός καναλιών και οι παράμετροι απεικόνισης επελέγησαν για να μεγιστοποιήσουν την οπτική αντίθεση μεταξύ της καυτής επιφάνειας της ερήμου και των σωματιδίων σκόνης. Το προϊόν σκόνης RGB είναι ένα πολύ χρήσιμο εργαλείο για την ποιοτική παρακολούθηση των συμβάντων μεταφοράς σκόνης, αξιοποιώντας την υψηλή χρονική ανάλυση των παρατηρήσεων του SEVIRI.<br /> 4. Για τις προσομοιώσεις που χρησιμοποιήθηκαν σε αυτή τη μελέτη, υιοθετούμε το συνδυασμένο Σύστημα Περιφερειακής Ατμοσφαιρικής Μοντελοποίησης της ατμόσφαιρας και το Ολοκληρωμένο Σύστημα Μοντελοποίησης Περιορισμένης Περιοχής, RAMS-ICLAMS. Το πρώτο επίπεδο μοντέλου είναι 50 μέτρα πάνω από το έδαφος, και τα επίπεδα τείνουν από την επιφάνεια έως και 18 χιλιόμετρα.<br /> 5. Η ακριβής αναπαράσταση των πηγών σκόνης στην περιοχή είναι ζωτικής σημασίας για την κατανόηση αυτού του περίπλοκου γεγονότος, αλλά αυτό παρεμποδίζεται από την εποχική και διαχρονική μεταβλητότητα των πηγών σκόνης μαζί με τις πρόσφατες αλλαγές κάλυψης της γης στην περιοχή. Η αρχική βάση δεδομένων για τη χρήση γης του μοντέλου είναι η βάση δεδομένων χαρακτηριστικών κάλυψης γης παγκοσμίως USGS, η οποία λαμβάνεται από δεδομένα 1 km AVHRR (Προηγμένο ραδιομετρητή πολύ υψηλής ανάλυσης) που εκτείνεται από τον Απρίλιο του 1992 έως τον Μάρτιο του 1993.<br /> <br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> <br /> ''Μετεωρολογικές Συνθήκες'' <br /> <br /> Η κύρια κινητήριος δύναμη για τη δημιουργία αυτού του ακραίου επεισοδίου σκόνης είναι ο συνδυασμός δύο ξεχωριστών μετεωρολογικών χαρακτηριστικών στην ευρύτερη περιοχή: 1) η δημιουργία χαμηλής θερμοκρασίας πάνω από τις περιοχές της Συρίας με γυμνό έδαφος και 2) τα βουνά του Ιράκ και της Συρίας. Αυτές οι διαδικασίες αναλύονται στις ακόλουθες ενότητες χρησιμοποιώντας αποτελέσματα μοντελοποίησης και τηλεπισκόπηση. Στην εικόνα 1 η διέλευση ενός καναλιού είναι εμφανής στην Τουρκία στις 6 Σεπτεμβρίου 2015, 00: 00UTC. Το κέντρο χαμηλής πίεσης στα 500μ .βρίσκεται στα 5840μ. πάνω από την ανατολική όχθη της Μαύρης Θάλασσας. Κατά τη διάρκεια της ίδιας ημέρας, η θερμική ακτινοβολία της επιφάνειας του γυμνού εδάφους οδηγεί σε πολύ ζεστές θερμοκρασίες εδάφους άνω των 50◦C στη Συρία και το Ιράκ. Η πρόσληψη θερμού αέρα από την Ερυθρά Θάλασσα είναι επίσης εμφανής στη χαμηλότερη τροπόσφαιρα στο πάχος 1000-700mbar στο Σχήμα 1b. Αυτός ο συνδυασμός ψυχρού αέρα με χαμηλό επίπεδο θέρμανσης οδηγεί στο σχηματισμό ενός θερμικού συστήματος χαμηλής πίεσης πάνω στη Συρία, το οποίο είναι εμφανές στο γεωδυναμικό ύψος 925mbar στο σχήμα 1γ.<br /> <br /> [[Εικόνα:pa2020_vk_article5_img1.jpg|thumb|right|'''Εικόνα 1:''' Υπόδειγμα διαστάσεων γεωδυναμικού ύψους (κάθε 10 μέτρα) και θερμοκρασίας (χρωματική κλίμακα σε ◦ C) στα 500mbar στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (β) Μοντέλο 1000-700mbar (φράγμα) στις 6 Σεπτεμβρίου 2015, 00: 00UTC. (γ) Μοντέλο AOT (έγχρωμη κλίμακα), γεωδυναμικό ύψος στα 925mbar (κόκκινα περιγράμματα από 740 έως 757,5m κάθε 2,5 μ.) και διανύσματα ανέμου στα 925mbar. Η διακεκομμένη γραμμή υποδηλώνει τα όρια εκροής από τα Όρη Ζάγκρου. (δ) MSG-SEVIRI σκόνη RGB στις 08: 00UTC, 6 Σεπτεμβρίου 2015.]]<br /> <br /> Ιδιότητες νέφους σκόνης και σύγκριση με παρατηρήσεις<br /> <br /> <br /> Η δομή της στρώσης σκόνης καθώς διαδίδεται προς τη Μεσόγειο, συλλαμβάνεται από δύο εικόνες με χρήση CALIPSO στις 23: 33UTC, 6 Σεπτεμβρίου 2015 (Εικόνα 2) και στις 10: 35UTC, 7 Σεπτεμβρίου 2015 (Εικόνα 3).<br /> <br /> [[Εικόνα:pa2020_vk_article5_img2.jpg|thumb|right|'''Εικόνα 2:''' α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 6 Σεπτεμβρίου 2015, 23: 33UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 35 και 37◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> [[Εικόνα:pa2020_vk_article5_img3.jpg|thumb|right|'''Εικόνα 3:''' (α) Χάρτης RGB MSG-SEVIRI και CALIPSO (πράσινη γραμμή). (β) φορτίο σκόνης μοντέλου (mgm-2). (γ) συγκέντρωση μάζας σκόνης CALIPSO (μgm-3) • και (δ) συγκέντρωση μάζας σκόνης μοντέλου στις 7 Σεπτεμβρίου 2015, 10: 35UTC. Λόγω της σοβαρότητας του συμβάντος, το σήμα CALIPSO είναι εντελώς εξασθενημένο κάτω από ~ 1kma.s.l. στην περιοχή μεταξύ 34 και 36◦ N (σκούρο μπλε χρώμα).]]<br /> <br /> Η ακραία καταιγίδα που πλήττει την Κύπρο κατά τη διάρκεια της 8ης Σεπτεμβρίου είναι αποτέλεσμα ενός στρώματος σκόνης που πλησιάζει το νησί από το νότο. Αυτό το στρώμα σκόνης είναι εμφανές μεταξύ 1,5 και 3,5 χλμ στις κατακόρυφες διατομές της συγκέντρωσης σκόνης μοντέλου στις 00:00 και 03: 00UTC στην εικόνα 4.<br /> <br /> [[Εικόνα:pa2020_vk_article5_img4.jpg|thumb|right|'''Εικόνα 4:''' Συγκέντρωση σκόνης στην Κύπρο για διαφορετικές ώρες της ημέρας, όσο πιο κόκκινο τόσο μεγαλύτερη η συγκέντρωση.]]<br /> <br /> '''Συμπεράσματα''' <br /> <br /> Ένας συνδυασμός μετεωρολογικών συνθηκών και συνθηκών χρήσης εδάφους οδήγησε στη δημιουργία ενός πρωτοφανούς επεισοδίου σκόνης. . Η ερμηνεία και η ανάλυση των δεδομένων τηλεπισκόπησης (EARLINET, CALIPSO και MSG-SEVIRI) και προσομοιώσεις προσομοίωσης (RAMS-ICLAMS) αποκαλύπτουν τους κύριους λόγους που οδήγησαν στην ανύψωση και επιμονή των στρώσεων σκόνης. Η ανάλυση που παρουσιάζεται εδώ εγείρει προβληματισμούς σχετικά με την προγνωστική ικανότητα των μοντέλων της ατμοσφαιρικής σκόνης, αφού παρόλο που τέτοιες ακραίες περιπτώσεις είναι σπάνιες, εξακολουθούν να αποτελούν κινδύνους για τις περιοχές που πλήττονται. Όπως φαίνεται στην παρούσα μελέτη, η πολυπλοκότητα αυτών των γεγονότων καθιστά την πρόβλεψή τους πολύ δύσκολη και είναι πιθανό ότι μια συγκεκριμένη διαμόρφωση μοντέλου θα μπορούσε να αναπαράγει με επιτυχία ένα συγκεκριμένο γεγονός, αλλά όχι όλα τα παρόμοια γεγονότα. Το κλειδί για την πρόβλεψη αυτών των γεγονότων στα ατμοσφαιρικά μοντέλα είναι η χρήση του χώρου πλέγματος.<br /> <br /> <br /> [[category:Καταιγίδες]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article4_img2.jpg 2020-03-04T14:25:31Z

<p>Kotrogiannis: </p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8C_%CF%84%CE%BF%CF%80%CE%AF%CE%BF,_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T14:25:06Z

<p>Kotrogiannis: Νέα σελίδα με ''''Πολιτιστικό τοπίο, πλημμύρες και τηλεπισκόπηση '''Πρωτότυπος τίτλος:''' ''Cultural landscape, floods and remot...'</p> <hr /> <div>'''Πολιτιστικό τοπίο, πλημμύρες και τηλεπισκόπηση<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Cultural landscape, floods and remote sensing''<br /> <br /> '''Συγγραφείς: '''Dušan Húska, Ľuboš Jurík, Lucia Tátošová, Karol Šinka, Johana Jakabovičová<br /> <br /> '''Δημοσιεύθηκε: '''Journal of Ecological Engineering ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [http://www.jeeng.net/CULTURAL-LANDSCAPE-FLOODS-AND-REMOTE-SENSING,69348,0,2.html]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Είναι προφανές ότι η οι καταιγίδες προκαλούν σοβαρά πλημμυρικά φαινόμενα, τα οποία μπορούν να προκαλέσουν σοβαρά προβλήματα, όπως υπερχείλιση των υδάτινων πόρων(ποταμών κυρίως αλλά και λιμνών), ιδιαίτερα όταν δεν υπάρχουν κατάλληλα αποστραγγιστικά δίκτυα. Το νερό από το ποτάμι, όταν αυτό υπερχειλίζει, επιστρέφει σε αυτό μέσω εσωτερικών δικτύων αποστράγγισης, τα οποία θα πρέπει να είναι σε καθορισμένα πρότυπα και να υπάρχει σωστή λειτουργία τους ώστε να μειώνονται τα πλημμυρικά επεισόδια. Η τηλεπισκόπηση είναι ο συνδετικός κρίκος για αυτήν την ομαλή λειτουργία και αυτό διότι μπορούμε να παρακολουθούμε κάθε στιγμή την πορεία των πλημμυρών και κατά πόσο γίνεται σωστή αποστράγγιση. Συγκεκριμένα, στην περίληψη αυτή αναλύεται περισσότερο η περιοχή της Σλοβακίας και παράγοντες που επιδρούν στις πλημμύρες, ποια συστήματα προβλέπουν καλύτερα της πλημμύρες αυτές καθώς και τι προβλήματα δημιουργούνται σε θέματα πολιτικής, όπως είναι το διεθνές δίκαιο που επικρατεί σε διασυνοριακούς ποταμούς.<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Υποστηρίζεται ότι τα συστήματα αποστράγγισης προκαλούν ξήρανση του εδάφους, και για αυτό υπάρχουν συγκεκριμένοι τρόποι διαχείρισης τους. Στόχος, δεν είναι μόνο η παρακολούθηση των πλημμυρών και η αντιμετώπισή τους, αλλά και η διατήρηση της πολιτιστικού χαρακτήρα των τοπίων, χωρίς την αλλοίωση των εδαφών. Σήμερα, υπάρχουν πολλές μέθοδοι με τις οποίες μπορούμε να ανιχνεύσουμε πλημμύρες μέσω της τηλεπισκόπησης, και μία από αυτές είναι το σύστημα CORINA, με το οποίο μας επιτρέπεται να αναλύσουμε με ποιον τρόπο χρησιμοποιούνται οι εδαφικοί πόροι. Επίσης η τηλεπισκόπηση προσφέρει δυνατότητα παρακολούθησης χρήσεων κάλυψης γης, κυρίως μέσω του υπέρυθρου φάσματος. <br /> <br /> Ένα δίλημμα που προκύπτει είναι το που θα πρέπει να εστιάσουμε όταν αντιμετωπίζουμε τέτοια φαινόμενα, στον άνθρωπο, στο περιβάλλον ή στην οικονομία; Σίγουρα, η απάντηση βρίσκεται στην προστασία του ανθρώπου. Ειδικά για τη Σλοβακία, για πολλά χρόνια δεν είχε παρατηρηθεί πρόβλημα όσον αφορά τη λειτουργικότητα των συστημάτων αποστράγγισης νερού. Καθώς όμως περνούσαν τα χρόνια, μελέτη του 1999 έδειξε ότι υπήρχαν προβλήματα λόγω ανάπτυξης βλάστησης, με αποτέλεσμα να σπάσουν αρκετοί. Στην εικόνα ένα βλέπουμε την υποβαθμισμένη περιοχή της Ανατολικής Σλοβακίας το 1950 και το 2010 με την χρήση αεροφωτογραφιών. <br /> <br /> [[Εικόνα:pa2020_vk_article4_img1.jpg|thumb|right|'''Εικόνα 1:''' Αεροφωτογραφίες της Ανατολικής Σλοβακίας το 1950 και 2010 αντίστοιχα. Πηγή: http://mapy.tuzvo.sk/HOFM.]]<br /> <br /> Λόγω του χαμηλού συντελεστή διήθησης, του επίπεδου υψομέτρου, των μεγάλων ημερών χιονόπτωσης αλλά και βροχόπτωσης, η περιοχή αυτή υποφέρει από πολλές πλημμύρες. Η ιδιοκτησία της γης είναι το κύριο πρόβλημα που αντιμετωπίζει η περιοχή, και πρέπει να δίνονται επιχορηγήσεις λόγω της αλλαγής της κάλυψης της γης από τις υπερχειλίσεις.<br /> <br /> Στην εικόνα 2, φαίνονται οι περιοχές που έχουν πλημμυρήσει στην περιοχή της ανατολικής Σλοβακίας το 2010, ενώ στην εικόνα 3 φαίνεται η νότια περιοχή όπου έχει το μεγαλύτερο πρόβλημα λόγω πλημμυρών και αποστραγγίζεται από το κανάλι Somotov<br /> <br /> [[Εικόνα:pa2020_vk_article4_img2.jpg|thumb|right|'''Εικόνα 2:''' Πλημμυρισμένες περιοχές το 2010 καθώς και το κανάλι Somotov μέσω αεροφωτογραφιών.]]<br /> <br /> [[Εικόνα:pa2020_vk_article4_img3.jpg|thumb|right|'''Εικόνα 3:''' Πλημμυρισμένες περιοχές το 2010 καθώς και το κανάλι Somotov μέσω αεροφωτογραφιών.]]<br /> <br /> Η κακή συντήρηση των δικτύων αποστράγγισης καθώς και οι ποσότητες νερού που πολλές φορές δεν ήταν ικανοί να τις επαναφέρουν στο υδάτινο σύστημα προκαλούν ακόμη και σήμερα, όχι μόνο στη Δυτική αλλά και στην Ανατολική Σλοβακία. Η μακροχρόνιες πλημμύρες έχουν αντίκτυπο και στα εδάφη αλλά και στη βλάστηση, υποβαθμίζοντας τις περιοχές.<br /> <br /> <br /> Η τηλεπισκόπηση, χρησιμεύει για την παρακολούθηση των πλημμύρων όσον αφορά την έκταση τους και τη δυναμικής τους και όχι μόνο. Ενδεικτικά, τα συστήματα παρακολούθησης μέσω τηλεπισκόπησης είναι η φασματική ανάλυση, η γεωμετρική ανάλυση, η ραδιομετρική ανάλυση καθώς και η χωρική ανάλυση. Κάθε σύστημα χρησιμοποιείται για την παρακολούθηση των πλημμυρών, και είναι ικανά να δείξουν αν οποιοδήποτε σύστημα αποστράγγισης υπολειτουγεί.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Πολλές φορές, ιδιαίτερα λόγω της κλιματικής αλλαγής, εντείνονται τα καιρικά φαινόμενα με αποτέλεσμα την εκδήλωση διάφορων πλημμυρών. Στις περιοχές αυτές που είναι ευάλωτες, όπως η παραπάνω που αναλύσαμε, θα πρέπει να εφαρμόζεται η τηλεπισκόπηση αλλά και να υπάρχουν κανόνες εναρμόνισης με νομοθεσίες ευρωπαϊκές, ώστε να επιτυγχάνεται το καλύτερο δυνατό αποτέλεσμα διαχείρισης υδάτων και να προστατεύεται η πολιτιστική κληρονομιά του πληθυσμού. <br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pa2020_vk_article4_img3.jpg 2020-03-04T14:24:03Z

<p>Kotrogiannis: </p> <hr /> <div></div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82:_%CE%BC%CE%B9%CE%B1_%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T14:13:45Z

<p>Kotrogiannis: </p> <hr /> <div>'''Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote Sensing of Floods and Flood-Prone Areas: An Overview''<br /> <br /> '''Συγγραφέας: '''Victor Klemas<br /> <br /> '''Δημοσιεύθηκε: '''Journal of Coastal Research ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.jcronline.org/doi/full/10.2112/JCOASTRES-D-14-00160.1]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Οι πλημμύρες έχουν τεράστιες καταστροφικές συνέπειες όσον αφορά την Αμερική. Οι πλημμύρες που προέρχονται από ποτάμια καθώς και οι κανονικές πλημμύρες προκαλούν πολλά προβλήματα αλλά το σημαντικότερο είναι ότι υπάρχουν πολλά ανθρώπινα θύματα, περισσότερα από άλλα καιρικά αίτια. Η Εθνική Μετεωρολογική Υπηρεσία (NWS) της Αμερικής χωρίζει τις πλημμύρες σε μικρές, μεσαίες και μεγάλες, αναλόγως με το πόσο σημαντικές θα είναι οι επιπτώσεις που επιφέρουν. Συνήθως οι μεγάλες πλημμύρες σχετίζονται με εκκενώσεις περιοχών. Οι σταθμοί παρακολούθησης πλημμύρας πολλές φορές δεν είναι σε θέση να παράγουν δεδομένα, διότι μπορούν να μετρήσουν το ύψος της βροχής, αλλά όχι την ένταση των φαινομένων και συνεπώς το μέγεθος της πλημμύρας. Επίσης, το κόστος συντήρησης τους είναι τεράστιο και πολλές φορές υπάρχουν κενά στις χρονοσειρές μετρήσεων πλημμυρών. Για το σκοπό αυτό, η τηλεπισκόπηση με αεροφωτογραφίες και δορυφορικές εικόνες τύπου LINAR, SAT και LANDSAT είναι απαραίτητες για την παρακολούθηση των πλημμυρών, όχι μόνο πριν τις πλημμύρες αλλά και κατά τη διάρκεια τους. Η πλημμύρα του Μισισιπή το 1993 καθώς και άλλες πλημμύρες ποταμών και παραποτάμων, που κόστισαν δισεκατομμύρια δολάρια, ανέδειξαν ακόμη περισσότερο την ανάγκη για την χρήση της τηλεπισκόπησης.<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Για την αποτύπωση της πλημμύρας του Μισισιπή τραβήχτηκαν εικόνες πριν και κατά τη διάρκεια της πλημμύρας, όπως φαίνεται ξεκάθαρα και από την εικόνα 1.<br /> <br /> [[Εικόνα:pa2020_vk_article3_img1.jpg|thumb|right|'''Εικόνα 1:''' εικόνες τύπου LANDSAT5, η πρώτη πριν και η δεύτερη μετά την πλημμύρα του Μισισιπή. Η αποτύπωση με μαύρο σκούρο χρώμα είναι του ποταμού και των παραποτάμων. Πηγή: NASA/EO 2005]]<br /> <br /> Επίσης, για την καλύτερη αποτύπωση των εικόνων χρησιμοποιήθηκε η μέθοδος DEM διότι υπήρχε αδυναμία στην ανάκτηση πληροφοριών όταν υπήρχε πολύ πυκνή βλάστηση. Έτσι, ήταν δυνατή η ανίχνευση πλημμυρών σε δασικές εκτάσεις ή εκτάσεις οι οποίες είχαν μεγάλα ύψη δένδρων. <br /> <br /> <br /> Ένας άλλος δείκτης ο οποίος βοήθησε να αυξηθεί σημαντικά η ακρίβεια των εικόνων ήταν ο DNDWI(Difference of Normalized Difference Water Indices)ο οποίος όταν χρησιμοποιήθηκε στις πλημμυρισμένες περιοχές το ποσοστό ακρίβειας έφτανε το 85,68% σε σχέση με τις μη πλημμυρισμένες περιοχές που ήταν στο 92%. Αυτή η διαφορά, οφείλεται στο γεγονός ότι απαιτούνται πρόσθετες μελέτες φασματικής συμπεριφοράς για να εξηγηθεί η σχέση μεταξύ της περιεκτικότητας σε νερό και της φασματικής απόκρισης της βλάστησης σε πλημμυρισμένες περιοχές.<br /> <br /> <br /> Οι δείκτες SAR, καταγράφουν την ποσότητα ενέργειας που ανακλάται πάνω στην επιφάνεια. Χρησιμοποιούνται ευρέως, διότι μπορούν να παρέχουν πληροφορίες και μέσα από σύννεφα, παρακάμπτοντας πολλά εμπόδια και δίνουν αξιόπιστα αποτελέσματα. Το ASAR, το οποίο είναι το αναβαθμισμένο SAR, παρουσιάστηκε για να αξιολογήσει τις περιοχές που υπήρχαν πλημμύρες με ακρίβεια, δηλαδή την έκταση των πλημμυρών. Αυτό, μαζί με τον δείκτη ENVISAT/ASAR και τα πολυετή δεδομένα από LANDSAT έδωσαν ακρίβεια στην περιοχή που εμφανιζόντουσαν οι πλημμύρες κατά 92% και χρησιμοποιούσε ανάλυση με βάση τα αντικείμενα, ενώ το ENVISAT/ASAR από μόνο του έδωσε ακρίβεια περίπου 85%.<br /> <br /> <br /> Οι αεροφωτογραφίες χρησιμοποιούνται για 60 χρόνια στην απεικόνιση ανάλυσης όσον αφορά τις πλημμύρες, και μαζί με την χρήση του GIS για την χρήση κάλυψης γης, είναι ικανά να μας δώσουν σε πολύ σύντομο χρονικό διάστημα αναλύσεις οι οποίες βοηθούν στην αποφυγή εκτεταμένων ζημιών. Για την ανάλυση χρησιμοποιούνται τόσο εικόνες από μεσαία ανάλυση (20-250μ) όσο και υψηλής ανάλυσης (0,5-4μ). Η μεσαία ανάλυση χρησιμοποιείται για πλημμύρες π.χ. σε υγροτόπους μεγάλων περιοχών και γίνεται με αυτές εκτίμηση ζημιών, όπως φαίνεται και στην εικόνα 2.<br /> <br /> [[Εικόνα:pa2020_vk_article3_img2.jpg|thumb|right|'''Εικόνα 2:''' Μεσαία ανάλυση εικόνας με την χρήση αεροφωτογραφίας, στις 13 Σεπτεμβρίου του 2008 στον τυφώνα Ike 13 μέρες αφού προσκρούστηκε. Η περιοχή με το σκούρο καφέ χρώμα είναι η περιοχή που χτυπήθηκε πιο πολύ από τον τυφώνα.]]<br /> <br /> Για να χαρτογραφηθεί η πλημμύρα από τον τυφώνα Κατρίνα, χρησιμοποιήθηκε μία προσέγγιση πολλαπλών βάσεων δεδομένων, τόσο με τη χρήση διάφορων εικόνων όσο και με την χρήση SAR από LANDSAT, διότι όπως προαναφέρθηκε ο SAT είναι ικανός να παράγει δεδομένα και μέσα από σύννεφα. Στην εκτίμηση ζημιών από υψηλή ανάλυση, χρησιμοποιείται για να εκτιμηθούν ζημιές σε σπίτια, δρόμοι και άλλα. <br /> Καθώς η στάθμη της θάλασσας ανεβαίνει και ο πληθυσμός σε περιοχές με πλημμυρικά φαινόμενα αυξάνεται, η χρήση του LIDAR για την προειδοποίηση και χαρτογράφηση του κινδύνου από καταιγίδες είναι πολύ σημαντική, το οποίο παρέχει δεδομένα από αερομεταφορείς. Επίσης, το μοντέλο SLOSH υπολογίζει το ύψος του νερού σε μια γεωγραφική περιοχή ή λεκάνη απορροής. Οι υπολογισμοί εφαρμόζονται σε μια συγκεκριμένη ακτογραμμή της τοπικής περιοχής, ενσωματώνοντας τις μοναδικές διαμορφώσεις του κόλπου και του ποταμού, τα βάθη των υδάτων, τις γέφυρες, τους δρόμους και άλλα φυσικά χαρακτηριστικά. <br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πλημμύρες είναι δύσκολο να παρακολουθούνται σε μεγάλες κλίμακες, επειδή καθορίζονται από τοπικές συνθήκες όπως κατακρήμνιση, κλίση εδάφους, δίκτυο αποστράγγισης, προστατευτικές δομές, κάλυψη εδάφους και άλλοι παράγοντες. Τα συμβατικά συστήματα υδρολογικής παρακολούθησης κατά τη διάρκεια των πλημμυρών έχουν περιορισμένη χρήση για την πρόβλεψη, τη χαρτογράφηση και την αντιμετώπιση καταστάσεων έκτακτης ανάγκης. Οι σταθμοί μέτρησης μετράνε το ύψος του νερού, αλλά όχι την έκταση της πλημμύρας. Επιπλέον, η διατήρηση ενός πλήθους σταθμών μέτρησης μπορεί να είναι ένας περιοριστικός παράγοντας. Τα συστήματα τηλεπισκόπησης οπτικών και ραντάρ σε δορυφόρους και αεροσκάφη ήταν και είναι σε θέση να παράσχουν πολλές από τις απαιτούμενες πληροφορίες για την παρατήρηση και οριοθέτηση των περιοχών που έχουν πληγεί από πλημμύρες, την εκτίμηση των ζημιών και μοντέλων που μπορούν να αξιολογήσουν την ευπάθεια στις πλημμύρες διαφόρων χερσαίων και παράκτιων περιοχών. Η χρήση δεδομένων δορυφορικής τηλεπισκόπησης σε ένα μοντέλο μπορεί να συμπληρώνει επιτόπιες παρατηρήσεις σε τεράστιες περιοχές που δεν αντιμετωπίζουν προβλήματα και να οριοθετεί την έκταση των πλημμυρών. Συνοπτικά, τα δεδομένα τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για την χαρτογράφηση της έκτασης των πλημμυρών, την εκτίμηση των ζημιών και την πρόβλεψη της ευπάθειας. Αποτελεσματική και έγκαιρη προειδοποίηση για πλημμύρες μπορεί να επιτευχθεί με συχνές παρατηρήσεις ραντάρ των περιοχών που είναι επιρρεπείς σε πλημμύρες μέσω της κάλυψης σύννεφων. Ωστόσο, τα δεδομένα ραντάρ μπορεί να είναι ακριβότερα και πιο δύσκολο να ερμηνευτούν και να αναλυθούν.<br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82:_%CE%BC%CE%B9%CE%B1_%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T14:12:34Z

<p>Kotrogiannis: Νέα σελίδα με ''''Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση''' '''Πρωτότυπος τίτλος:''' ...'</p> <hr /> <div>'''Τηλεπισκόπηση πλημμυρών και περιοχών με πλημμύρες: μια επισκόπηση'''<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Remote Sensing of Floods and Flood-Prone Areas: An Overview''<br /> <br /> '''Συγγραφέας: '''Victor Klemas<br /> <br /> '''Δημοσιεύθηκε: '''Journal of Coastal Research ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.jcronline.org/doi/full/10.2112/JCOASTRES-D-14-00160.1]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Οι πλημμύρες έχουν τεράστιες καταστροφικές συνέπειες όσον αφορά την Αμερική. Οι πλημμύρες που προέρχονται από ποτάμια καθώς και οι κανονικές πλημμύρες προκαλούν πολλά προβλήματα αλλά το σημαντικότερο είναι ότι υπάρχουν πολλά ανθρώπινα θύματα, περισσότερα από άλλα καιρικά αίτια. Η Εθνική Μετεωρολογική Υπηρεσία (NWS) της Αμερικής χωρίζει τις πλημμύρες σε μικρές, μεσαίες και μεγάλες, αναλόγως με το πόσο σημαντικές θα είναι οι επιπτώσεις που επιφέρουν. Συνήθως οι μεγάλες πλημμύρες σχετίζονται με εκκενώσεις περιοχών. Οι σταθμοί παρακολούθησης πλημμύρας πολλές φορές δεν είναι σε θέση να παράγουν δεδομένα, διότι μπορούν να μετρήσουν το ύψος της βροχής, αλλά όχι την ένταση των φαινομένων και συνεπώς το μέγεθος της πλημμύρας. Επίσης, το κόστος συντήρησης τους είναι τεράστιο και πολλές φορές υπάρχουν κενά στις χρονοσειρές μετρήσεων πλημμυρών. Για το σκοπό αυτό, η τηλεπισκόπηση με αεροφωτογραφίες και δορυφορικές εικόνες τύπου LINAR, SAT και LANDSAT είναι απαραίτητες για την παρακολούθηση των πλημμυρών, όχι μόνο πριν τις πλημμύρες αλλά και κατά τη διάρκεια τους. Η πλημμύρα του Μισισιπή το 1993 καθώς και άλλες πλημμύρες ποταμών και παραποτάμων, που κόστισαν δισεκατομμύρια δολάρια, ανέδειξαν ακόμη περισσότερο την ανάγκη για την χρήση της τηλεπισκόπησης.<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Για την αποτύπωση της πλημμύρας του Μισισιπή τραβήχτηκαν εικόνες πριν και κατά τη διάρκεια της πλημμύρας, όπως φαίνεται ξεκάθαρα και από την εικόνα 1.<br /> <br /> [[Εικόνα:pa2020_vk_article3_img1.jpg|thumb|right|'''Εικόνα 1:''' εικόνες τύπου LANDSAT5, η πρώτη πριν και η δεύτερη μετά την πλημμύρα του Μισισιπή. Η αποτύπωση με μαύρο σκούρο χρώμα είναι του ποταμού και των παραποτάμων. Πηγή: NASA/EO 2005]]<br /> <br /> Επίσης, για την καλύτερη αποτύπωση των εικόνων χρησιμοποιήθηκε η μέθοδος DEM διότι υπήρχε αδυναμία στην ανάκτηση πληροφοριών όταν υπήρχε πολύ πυκνή βλάστηση. Έτσι, ήταν δυνατή η ανίχνευση πλημμυρών σε δασικές εκτάσεις ή εκτάσεις οι οποίες είχαν μεγάλα ύψη δένδρων. <br /> <br /> <br /> Ένας άλλος δείκτης ο οποίος βοήθησε να αυξηθεί σημαντικά η ακρίβεια των εικόνων ήταν ο DNDWI(Difference of Normalized Difference Water Indices)ο οποίος όταν χρησιμοποιήθηκε στις πλημμυρισμένες περιοχές το ποσοστό ακρίβειας έφτανε το 85,68% σε σχέση με τις μη πλημμυρισμένες περιοχές που ήταν στο 92%. Αυτή η διαφορά, οφείλεται στο γεγονός ότι απαιτούνται πρόσθετες μελέτες φασματικής συμπεριφοράς για να εξηγηθεί η σχέση μεταξύ της περιεκτικότητας σε νερό και της φασματικής απόκρισης της βλάστησης σε πλημμυρισμένες περιοχές.<br /> <br /> <br /> Οι δείκτες SAR, καταγράφουν την ποσότητα ενέργειας που ανακλάται πάνω στην επιφάνεια. Χρησιμοποιούνται ευρέως, διότι μπορούν να παρέχουν πληροφορίες και μέσα από σύννεφα, παρακάμπτοντας πολλά εμπόδια και δίνουν αξιόπιστα αποτελέσματα. Το ASAR, το οποίο είναι το αναβαθμισμένο SAR, παρουσιάστηκε για να αξιολογήσει τις περιοχές που υπήρχαν πλημμύρες με ακρίβεια, δηλαδή την έκταση των πλημμυρών. Αυτό, μαζί με τον δείκτη ENVISAT/ASAR και τα πολυετή δεδομένα από LANDSAT έδωσαν ακρίβεια στην περιοχή που εμφανιζόντουσαν οι πλημμύρες κατά 92% και χρησιμοποιούσε ανάλυση με βάση τα αντικείμενα, ενώ το ENVISAT/ASAR από μόνο του έδωσε ακρίβεια περίπου 85%.<br /> <br /> <br /> Οι αεροφωτογραφίες χρησιμοποιούνται για 60 χρόνια στην απεικόνιση ανάλυσης όσον αφορά τις πλημμύρες, και μαζί με την χρήση του GIS για την χρήση κάλυψης γης, είναι ικανά να μας δώσουν σε πολύ σύντομο χρονικό διάστημα αναλύσεις οι οποίες βοηθούν στην αποφυγή εκτεταμένων ζημιών. Για την ανάλυση χρησιμοποιούνται τόσο εικόνες από μεσαία ανάλυση (20-250μ) όσο και υψηλής ανάλυσης (0,5-4μ). Η μεσαία ανάλυση χρησιμοποιείται για πλημμύρες π.χ. σε υγροτόπους μεγάλων περιοχών και γίνεται με αυτές εκτίμηση ζημιών, όπως φαίνεται και στην εικόνα 2.<br /> <br /> [[Εικόνα:pa2020_vk_article3_img2.jpg|thumb|right|'''Εικόνα 2:''' Μεσαία ανάλυση εικόνας με την χρήση αεροφωτογραφίας, στις 13 Σεπτεμβρίου του 2008 στον τυφώνα Ike 13 μέρες αφού προσκρούστηκε. Η περιοχή με το σκούρο καφέ χρώμα είναι η περιοχή που χτυπήθηκε πιο πολύ από τον τυφώνα.]]<br /> <br /> Για να χαρτογραφηθεί η πλημμύρα από τον τυφώνα Κατρίνα, χρησιμοποιήθηκε μία προσέγγιση πολλαπλών βάσεων δεδομένων, τόσο με τη χρήση διάφορων εικόνων όσο και με την χρήση SAR από LANDSAT, διότι όπως προαναφέρθηκε ο SAT είναι ικανός να παράγει δεδομένα και μέσα από σύννεφα. Στην εκτίμηση ζημιών από υψηλή ανάλυση, χρησιμοποιείται για να εκτιμηθούν ζημιές σε σπίτια, δρόμοι και άλλα. <br /> Καθώς η στάθμη της θάλασσας ανεβαίνει και ο πληθυσμός σε περιοχές με πλημμυρικά φαινόμενα αυξάνεται, η χρήση του LIDAR για την προειδοποίηση και χαρτογράφηση του κινδύνου από καταιγίδες είναι πολύ σημαντική, το οποίο παρέχει δεδομένα από αερομεταφορείς. Επίσης, το μοντέλο SLOSH υπολογίζει το ύψος του νερού σε μια γεωγραφική περιοχή ή λεκάνη απορροής. Οι υπολογισμοί εφαρμόζονται σε μια συγκεκριμένη ακτογραμμή της τοπικής περιοχής, ενσωματώνοντας τις μοναδικές διαμορφώσεις του κόλπου και του ποταμού, τα βάθη των υδάτων, τις γέφυρες, τους δρόμους και άλλα φυσικά χαρακτηριστικά. <br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πλημμύρες είναι δύσκολο να παρακολουθούνται σε μεγάλες κλίμακες, επειδή καθορίζονται από τοπικές συνθήκες όπως κατακρήμνιση, κλίση εδάφους, δίκτυο αποστράγγισης, προστατευτικές δομές, κάλυψη εδάφους και άλλοι παράγοντες. Τα συμβατικά συστήματα υδρολογικής παρακολούθησης κατά τη διάρκεια των πλημμυρών έχουν περιορισμένη χρήση για την πρόβλεψη, τη χαρτογράφηση και την αντιμετώπιση καταστάσεων έκτακτης ανάγκης. Οι σταθμοί μέτρησης μετράνε το ύψος του νερού, αλλά όχι την έκταση της πλημμύρας. Επιπλέον, η διατήρηση ενός πλήθους σταθμών μέτρησης μπορεί να είναι ένας περιοριστικός παράγοντας. Τα συστήματα τηλεπισκόπησης οπτικών και ραντάρ σε δορυφόρους και αεροσκάφη ήταν και είναι σε θέση να παράσχουν πολλές από τις απαιτούμενες πληροφορίες για την παρατήρηση και οριοθέτηση των περιοχών που έχουν πληγεί από πλημμύρες, την εκτίμηση των ζημιών και μοντέλων που μπορούν να αξιολογήσουν την ευπάθεια στις πλημμύρες διαφόρων χερσαίων και παράκτιων περιοχών. Η χρήση δεδομένων δορυφορικής τηλεπισκόπησης σε ένα μοντέλο μπορεί να συμπληρώνει επιτόπιες παρατηρήσεις σε τεράστιες περιοχές που δεν αντιμετωπίζουν προβλήματα και να οριοθετεί την έκταση των πλημμυρών. Συνοπτικά, τα δεδομένα τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για την χαρτογράφηση της έκτασης των πλημμυρών, την εκτίμηση των ζημιών και την πρόβλεψη της ευπάθειας. Αποτελεσματική και έγκαιρη προειδοποίηση για πλημμύρες μπορεί να επιτευχθεί με συχνές παρατηρήσεις ραντάρ των περιοχών που είναι επιρρεπείς σε πλημμύρες μέσω της κάλυψης σύννεφων. Ωστόσο, τα δεδομένα ραντάρ μπορεί να είναι ακριβότερα και πιο δύσκολο να ερμηνευτούν και να αναλυθούν.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%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_%CF%84%CF%81%CE%B5%CF%87%CE%BF%CF%85%CF%83%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CF%85%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CE%AE%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%CF%84%CE%B7%CE%BD_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82 2020-03-04T14:10:39Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''An overview of current and potential applications of thermal remote sensing in precision agriculture''<br /> <br /> '''Συγγραφείς: '''Sami Khanal, John Fulton, Scott Shearer<br /> <br /> '''Δημοσιεύθηκε: '''Computers and Electronics in Agriculture ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/317068989_An_overview_of_current_and_potential_applications_of_thermal_remote_sensing_in_precision_agriculture]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η γεωργία ακριβείας (Precision Agriculture) χρησιμοποιεί εργαλεία και τεχνολογίες για τον εντοπισμό της μεταβλητότητας του εδάφους και των καλλιεργειών στο πεδίο για τη βελτίωση των γεωργικών πρακτικών και τη βελτιστοποίηση των αγρονομικών εισροών. Παραδοσιακά, η τηλεπισκόπηση (Remote Sensing) που χρησιμοποιεί περιοχές ορατού φωτός και υπέρυθρες του ηλεκτρομαγνητικού φάσματος έχει χρησιμοποιηθεί ως αναπόσπαστο τμήμα της ΡΑ για την παρακολούθηση των καλλιεργειών και του εδάφους. Αυτή η ανάλυση επικεντρώνεται στις τρέχουσες και τις πιθανές εφαρμογές της θερμικής RS στην PA, καθώς και σε ορισμένες ανησυχίες σχετικά με την εφαρμογή της. Οι τομείς εφαρμογής της θερμικής RS στη γεωργία που συζητήθηκαν εδώ περιλαμβάνουν τον προγραμματισμό της άρδευσης, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθένειας των καλλιεργειών και τη χαρτογράφηση των ιδιοτήτων του εδάφους, των υπολειμμάτων και της καλλιέργειας, της ωριμότητας και της απόδοσης των καλλιεργειών.<br /> <br /> [[Εικόνα:pa2020_vk_article1_img1.jpg|thumb|right|'''Εικόνα 1:''' Θερμοκρασία καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέριους θερμικούς αισθητήρες στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Farm κοντά στο Λονδίνο, OH, ΗΠΑ.]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img2.jpg|thumb|right|'''Εικόνα 2''']]<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> 1. Η εφαρμογή της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> Η θερμική τηλεπισκόπηση μπορεί να χρησιμοποιηθεί σε πολλές πτυχές της παρακολούθησης των καλλιεργειών και του εδάφους στον αγροτικό τομέα, συμπεριλαμβανομένης της εκτίμησης της πίεσης του εδάφους και των καλλιεργειών για τον προγραμματισμό της άρδευσης, τον προσδιορισμό των μολυσμένων από ασθένειες και παθογόνων καλλιεργειών, την χαρτογράφηση της υφής του εδάφους, την εκτίμηση της κάλυψης των υπολειμμάτων, την παρακολούθηση της ωριμότητας της συγκομιδής και τη χαρτογράφηση της απόδοσης των καλλιεργειών.<br /> <br /> <br /> 1.1 Υγρασία εδάφους<br /> <br /> Η έγκαιρη παρακολούθηση της υγρασίας του εδάφους είναι κρίσιμη επειδή χρησιμεύει ως διαλύτης και φορέας θρεπτικών ουσιών για την ανάπτυξη των φυτών, ρυθμίζει τη θερμοκρασία του εδάφους, υποστηρίζει τις μικροβιακές δραστηριότητες, επηρεάζει τις εκμεταλλεύσεις (π.χ. γονιμοποίηση των φυτών, άρδευση) και δρα ως θρεπτικό συστατικό (Ramachandra, 2006). Μελέτες έχουν χρησιμοποιήσει την θερμική RS για την ανίχνευση της υγρασίας του εδάφους για να βοηθήσει στον προγραμματισμό άρδευσης.<br /> <br /> <br /> 1.2 Έλεγχος άρδευσης<br /> <br /> Με τη χρήση θερμικών εικόνων, οι μελέτες έχουν παρακολουθήσει τη θερμοκρασία των φυτών και την ατομική αγωγιμότητα για τον προσδιορισμό της ποσότητας του νερού καλλιέργειας. Χρησιμοποιώντας τη θερμοκρασία, ο Jackson και οι συνάδελφοί του πρότειναν την έννοια του CWSI για την ανίχνευση της πίεσης του νερού καλλιέργειας. Ορίζεται ως η διαφορά μεταξύ της θερμοκρασίας του αέρα (Ta) και της θερμοκρασίας του φυτού (Tc), προσαρμοσμένη λόγω εξατμίσεων, όπως προσδιορίζεται με τη βοήθεια ενός κατώτατου ορίου και ενός ανώτατου ορίου.<br /> <br /> <br /> 1.3 Άλλοι παράγοντες<br /> <br /> Η εξατμισοδιαπνοή που μπορεί να προκύψει από πολυφασματικές εικόνες και αεροφωτογραφίες υψηλής ανάλυσης, η ανίχνευση της ασθένειας των φυτών, όπου είναι πολύ επιβλαβής για τους αγρότες και αναλύεται καλύτερα με τους θερμικούς αισθητήρες και από επεξεργασία των θερμικών εικόνων, τα συστήματα αποστράγγισης καλλιεργειών τα οποία με εικόνες ορατού φάσματος και με ΝIR εικόνες προκύπτει το καλύτερο δυνατό αποτέλεσμα. Άλλη παράμετρος είναι η ωρίμανση της καλλιέργειας, η οποία είναι πάρα πολύ σημαντική για την παραγωγή και η τηλεπισκόπηση βοηθάει με την παραγωγή υπέρυθρων και εικόνων από το ορατό φάσμα. Επίσης, μέσω αυτών μετριέται και η θερμοκρασία των φυτών, όπως αυτό φαίνεται και στην εικόνα 1. Τέλος, υπάρχουν μελέτες που έχουν αποδείξει ότι χρησιμοποιούνται και θερμικές εικόνες για να προβλέψουν την απόδοση των καλλιεργειών.<br /> <br /> Προκλήσεις και μελλοντικές προοπτικές για τη χρήση των θερμικών απεικονίσεων για τη γεωργία ακριβείας Αν και η θερμική εικόνα έχει τη δυνατότητα να παρέχει χωρική και χρονική πληροφόρηση για τη θερμοκρασία της επιφάνειας των καλλιεργειών και του εδάφους, υπάρχουν ορισμένα ζητήματα που πρέπει να ληφθούν υπόψη κατά τη χρήση θερμικών εικόνων RS. Αυτές περιλαμβάνουν την επίδραση: (1) των χωρικών και χρονικών αναλύσεων των αποκτώμενων εικόνων, όπου υπάρχει αυξημένο κόστος ως προς την υλοποίησή τους και προς το παρόν οι θερμικές κάμερες και είναι ακριβότερες αλλά και έχουν κακή ανάλυση όπως φαίνεται στην εικόνα 2.(2) των ατμοσφαιρικών συνθηκών όπως υγρασίας, θερμοκρασίας, νεφοκάλυψης (3) της γωνίας λήψης της φωτογραφίας και του υψομέτρου των θερμικών αισθητήρων και (4) του χρονικού διαστήματος στο οποίο λαμβάνονται οι θερμικές εικόνες.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πιθανές εφαρμογές των θερμικών εικόνων στην PA περιλαμβάνουν, μεταξύ άλλων, την παρακολούθηση των αρδεύσεων στα φυτά, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθενειών των φυτών, την χαρτογράφηση των εδαφικών ιδιοτήτων, την χαρτογράφηση του εδάφους, τη χαρτογράφηση της ωρίμανσης των καλλιεργειών και την εκτίμηση της απόδοσης. Παρόλο που η θερμική επεξεργασία έχει πολλά πιθανά πλεονεκτήματα έναντι της οπτικής επεξεργασίας στην παρακολούθηση των καλλιεργειών και του εδάφους, υπάρχουν ορισμένες πρακτικές δυσκολίες στη χρήση του, όπως η ατμοσφαιρικές συνθήκες, οι κλιματικές συνθήκες, τα στάδια ανάπτυξης των καλλιεργειών, που μέχρι στιγμής έχουν περιορίσει τη χρήση της στον γεωργικό τομέα.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T13:59:18Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T13:58:59Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> <br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T13:58:03Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Παρουσιάστηκε μια ανάλυση στο παρόν άρθρο της χρήσης αισθητήρων τηλεπισκόπησης και των περιορισμών τους στη χαρτογράφηση της περιοχής καλλιέργειας ρυζιού και στην πρόβλεψη της παραγωγής της. Όσον αφορά τη χαρτογράφηση των περιοχών του ρυζιού, οι οπτικές εικόνες τηλεπισκόπησης έχουν σχετικά χαμηλή χωρική διακριτική ικανότητα, με αποτέλεσμα την υπερβολική εκτίμηση αλλά και την υποεκτίμηση της καλλιεργούμενης έκτασης. Επιπλέον, η χρήση οπτικών εικόνων στην πρόβλεψη της παραγωγής ρυζιού βρέθηκε να είναι ενθαρρυντική, αλλά κυρίως εμπειρική. Απαιτούνται μελέτες για την αξιολόγηση της δυνατότητας εφαρμογής πολυετών δεδομένων τηλεπισκόπησης και για τον ποσοτικό προσδιορισμό των διαχρονικών διακυμάνσεων της παραγωγής τους λόγω ακραίων κλιματικών συμβάντων (π.χ. πλημμύρες, ξηρασία, κυκλώνας κ.λπ.) ή / και μεταβολές της χρήσης γης. Τέλος, πρέπει να διασφαλίζεται η διαθεσιμότητα των δορυφορικών δεδομένων. Η ανάπτυξη μεθόδων ταξινόμησης εικόνων πρέπει να είναι αποτελεσματική και εύκολη στην εφαρμογή.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis 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_%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%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%CF%82_%CF%84%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-03-04T13:57:18Z

<p>Kotrogiannis: Νέα σελίδα με ''''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεω...'</p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review <br /> <br /> '''Συγγραφείς: '''Mostafa K. Mosleh, Quazi K. Hassan and Ehsan H. Chowdhury <br /> <br /> '''Δημοσιεύθηκε: '''Literature Review'''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/270659317_Application_of_Remote_Sensors_in_Mapping_Rice_Area_and_Forecasting_Its_Production_A_Review]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Το ρύζι είναι ένα από τα βασικά τρόφιμα για περισσότερα από τρία δισεκατομμύρια ανθρώπους παγκοσμίως. Το ρύζι κατείχε περίπου το 11,5% της καλλιεργήσιμης γης του κόσμου κατά το 2012. Το ρύζι κατείχε περίπου το 19% της παγκόσμιας διατροφικής ενέργειας τα τελευταία χρόνια και η ετήσια μέση κατά κεφαλή κατανάλωση ήταν 65 kg κατά την περίοδο 2010-2011. Επομένως, η χαρτογράφηση των καλλιεργειών του ρυζιού και η πρόβλεψη της παραγωγής του είναι σημαντική για την επισιτιστική ασφάλεια, όπου οι απαιτήσεις συχνά υπερβαίνουν την παραγωγή λόγω του συνεχώς αυξανόμενου πληθυσμού. Η ανάλυση αυτής της ανασκόπησης έχει ως στόχο την εφαρμογή της απεικόνισης με βάση την τηλεπισκόπηση για την χαρτογράφηση της περιοχής του ρυζιού και την πρόβλεψη της παραγωγής της. Οι πρόσφατες εξελίξεις (δηλαδή φασματική, χωρική, ραδιομετρική και χρονική) και η διαθεσιμότητα εικόνων τηλεπισκόπησης έδωσαν το πλεονέκτημα να συλλεχθούν έγκαιρα πληροφορίες σχετικά με τα στάδια ανάπτυξης και ανάπτυξης της καλλιέργειας ρυζιού, καθώς και με την πρόβλεψη της παραγωγής αυτού. Στην εικόνα 1, αποτυπώνονται τα στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img1.jpg|thumb|right|'''Εικόνα 1:''' Στάδια ανάπτυξης μιας τυπικής καλλιέργειας ρυζιού και των σχετικών συνθηκών πρασίνου. Η κόκκινη καμπύλη παρουσιάζει μία τυπική χρονική δυναμική του ευρέως χρησιμοποιούμενου δείκτη πράσινης βλάστησης με βάση την τηλεπισκόπηση [δηλ. Κανονικοποιημένος δείκτης βλάστησης (NDVI)].]]<br /> <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Η συγκεκριμένη ανάλυση, βασίζεται σε τρεις άξονες:<br /> <br /> * Στην χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> * Στην πρόβλεψη/εκτίμηση απόδοσης των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης και<br /> * Στη συνέργεια μεθόδων που βασίζονται στην τηλεπισκόπηση και πώς αυτές επιδρούν μεταξύ τους.<br /> <br /> 1. Χαρτογράφηση των καλλιεργειών ρυζιού μέσω της τηλεπισκόπησης<br /> 1.1 Οπτικές μέθοδοι χαρτογράφησης με τηλεπισκόπηση. Οι οπτικοί αισθητήρες τηλεπισκόπησης χρησιμοποιήθηκαν ευρέως για τη χαρτογράφηση των περιοχών του ρυζιού παγκοσμίως. Χρησιμοποιήθηκαν επίσης για τη διάκριση της χρήσης γης / κάλυψης γης και τη μέτρηση των καλλιεργούμενων εκτάσεων λόγω της ικανότητάς τους να βλέπουν την επιφάνεια της Γης στην φασματική περιοχή από 0,4 έως 2,5 μm. Οι πιο συνηθισμένοι οπτικοί αισθητήρες περιλαμβάνουν τους εξής: Landsat (κυρίως MSS, TM και ETM +), SPOT-VGT, NOAA / AVHRR, MODIS κλπ.<br /> 1.2 Ένα από τα βασικά πλεονεκτήματα της τηλεπισκόπησης με τη χρήση μικροκυμάτων σχετίζεται με την ικανότητά της να αποκτάει θεωρητικά εικόνες κάτω από οποιεσδήποτε καιρικές συνθήκες, όπως κάλυψη από νέφη, βροχή, χιόνι και ηλιακή ακτινοβολία. Επομένως, οι εικόνες από ραντάρ που συλλέγονται από αισθητήρες που χρησιμοποιούν μικροκύματα και παρέχουν μια εξαιρετική πηγή εικόνων για τη χαρτογράφηση των περιοχών του ρυζιού, όπου η καλλιέργεια ρυζιού λαμβάνει χώρα κατά τη διάρκεια της βροχερής περιόδου. Από τη δεκαετία του 1990, οι ερευνητές έχουν διερευνήσει τη χρησιμότητα των δεδομένων μικροκυμάτων που ανακτώνται από διαφορετικούς δορυφόρους (π.χ. ERS-1 και 2, RADARSAT-1 και 2, ENVISAT ASAR κ.λπ.)<br /> 1.3 Υπάρχουν βέβαια και περιορισμοί στην χαρτογράφηση των καλλιεργειών του ρυζιού με τηλεπισκόπηση διότι μερικές φορές θα ήταν πολύ δύσκολο να αποκτηθούν εικόνες χωρίς σύννεφο σε ορισμένες από τις περιοχές καλλιέργειας ρυζιού του κόσμου. Επίσης, η χρονική ανάλυση (δηλ. 16 ημέρες) των εικόνων Landsat και η κάλυψή της (δηλ. Περίπου 180 χλμ.) ενδέχεται να περιορίσουν την εφαρμογή τους στη χαρτογράφηση ρυζιού. Αυτά θέτουν ένα πρόβλημα για τη χαρτογράφηση του ρυζιού, ειδικά όταν η περίοδος ενδιαφέροντος πέφτει σε περίοδο βροχών και κατά τη διάρκεια της οποίας τα σύννεφα επηρεάζουν σημαντικά την ποιότητα της εικόνας. Ένας άλλος παράγοντας, όπως η μεταβλητή τοπογραφία, θα επηρεάσει σημαντικά την οριοθέτηση των περιοχών του ρυζιού, καθώς η ανάκλαση της επιφάνειας από το έδαφος των λόφων μπορεί να επηρεαστεί από τις γειτονικές περιοχές. Στην εικόνα 2 φαίνεται η χαρτογράφηση ποικιλιών ρυζιού με τη μέθοδο MODIS.<br /> <br /> [[Εικόνα:pa2020_vk_article2_img2.jpg|thumb|right|'''Εικόνα 2:''' Καταγραφή με πράσινο χρώμα της καλλιέργειας ρυζιού με τη μέθοδο MODIS.]]<br /> <br /> <br /> 2. Πρόβλεψη και εκτίμηση<br /> <br /> 2.1 Μέθοδοι πρόβλεψης με βάση την τηλεπισκόπηση και την χρήση μικροκυμάτων. Αρκετές μελέτες έχουν διεξαχθεί από το 1990 για την πρόβλεψη καλλιέργειας ρυζιού χρησιμοποιώντας εικόνες μικροκυμάτων και έχουν δείξει ενθαρρυντικά αποτελέσματα.<br /> <br /> 2.2 Οι ερευνητές έχουν αφιερώσει σημαντικές προσπάθειες για την πρόβλεψη της απόδοσης ρυζιού χρησιμοποιώντας οπτικές εικόνες τηλεπισκόπησης. Η εκτίμηση της απόδοσης πριν από τη συγκομιδή θα μπορούσε να είναι δυνατή καθώς ορισμένες από τις φασματικές ζώνες των οπτικών δορυφόρων τηλεπισκόπησης θα ανταποκρίνονταν στις συνθήκες της βλάστησης. Έχουν χρησιμοποιηθεί διάφοροι δείκτες βλάστησης, όπως οι δείκτες NDVI, RVI, DVI, IPVI, SAVI, δείκτης κατάστασης βλάστησης (VCI), δείκτης υγείας βλάστησης (VHI), δείκτης κατάστασης θερμοκρασίας (TCI) (GNDVI).<br /> <br /> 2.3 Περιορισμοί μεθόδων πρόγνωσης βάσει τηλεπισκόπησης. Είναι πολύ σημαντικό να σημειωθεί ότι οι περιορισμοί που αναφέρθηκαν σχετικά με τις μεθόδους τηλεπισκόπησης για τη χαρτογράφηση ρυζιού θα μπορούσαν επίσης να ισχύουν και για την πρόβλεψη της απόδοσης του ρυζιού, επομένως θα πρέπει να βρεθεί μία λύση ώστε η ακρίβεια της απόδοσης να βελτιωθεί σημαντικώς.<br /> <br /> 3. Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων μεθόδων<br /> 3.1 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μετεωρολογικών παραμέτρων.<br /> Η προσέγγιση αυτή βασίζεται στην ενσωμάτωση των μετεωρολογικών παραμέτρων με μεθόδους τηλεπισκόπησης για την πρόβλεψη της απόδοσης / παραγωγής ρυζιού. Ένα παράδειγμα συνοψίζεται ως εξής: • Prasad et αϊ. χρησιμοποίησε εικόνα σύνθετου φάσματος 10 ημερών από εικόνες από NDVI που προέρχονται από το AVHRR και ενσωματώνει μετεωρολογικές παραμέτρους (δηλαδή θερμοκρασία επιφανείας και βροχοπτώσεις) και υγρασία εδάφους στην Ινδία. Μια μη γραμμική επαναληπτική προσέγγιση πολλαπλών μεταβλητών βελτιστοποίησης χρησιμοποιήθηκε για την εξαγωγή μιας εμπειρικής γραμμικής εξίσωσης πρόβλεψης απόδοσης καλλιεργειών. Το μοντέλο πρόβλεψης απόδοσης καλλιεργειών έδειξε υψηλό συντελεστή συσχέτισης που έφθασε την ακρίβεια μεγαλύτερη από 90%.<br /> <br /> 3.2 Συνέργεια μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και μοντέλου ανάπτυξης καλλιεργειών.<br /> Η ενσωμάτωση των δεδομένων τηλεπισκόπησης και των μοντέλων ανάπτυξης των καλλιεργειών ρυζιού αναγνωρίζεται ολοένα και περισσότερο ως πιθανό εργαλείο για την πρόβλεψη της απόδοσης ρυζιού. Αυτή η προσέγγιση βασίζεται στην ανάκτηση βιοφυσικών παραμέτρων καλλιέργειας από δεδομένα που έχουν ανιχνευθεί, τα οποία έχουν χρησιμοποιηθεί σε μοντέλα καλλιέργειας ρυζιού.<br /> 3.3 Περιορισμοί της συνέργειας μεταξύ μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων.<br /> Η συνέργεια μεταξύ των μεθόδων που βασίζονται στην τηλεπισκόπηση και άλλων (δηλαδή των μετεωρολογικών παραμέτρων και των μοντέλων ανάπτυξης καλλιεργειών) παρείχε πολλά υποσχόμενα αποτελέσματα όσον αφορά τόσο τη χαρτογράφηση και την πρόβλεψη της καλλιέργειας ρυζιού. Ωστόσο, έχουν αρκετούς περιορισμούς, όπως: (i) Η αξιοποίηση των μετεωρολογικών δεδομένων έχει διάφορες συνέπειες που περιλαμβάνουν: τη χωρική κατανομή των μετεωρολογικών σταθμών, ελλιπείς και μη διαθέσιμες εγκαίρως πληροφορίες οι οποίες δεν αντιπροσωπεύουν επαρκώς την ποικιλομορφία σε μεγάλες εκτάσεις . (ii) Η πρόβλεψη της παραγωγής ρυζιού κοντά στους μετεωρολογικούς σταθμούς μπορεί να είναι ακριβέστερη σε σύγκριση με άλλα μέρη του τοπίου, εάν τα μετεωρολογικά μοντέλα βαθμονομηθούν και επικυρωθούν σωστά. iii) Μακροπρόθεσμα μετεωρολογικά δεδομένα είναι δύσκολο να βρεθούν στις περισσότερες χώρες με καλλιέργειες ρυζιού στον κόσμο, οι οποίες είναι ανεπαρκείς για την αξιόπιστη πρόβλεψη της παραγωγής ρυζιού. (iv) Για τη δημιουργία της χωρικής δυναμικής, μια ενδιαφέρουσα μετεωρολογική μεταβλητή, συνήθως χρησιμοποιούνται τεχνικές παρεμβολής με βάση το GIS, οι οποίες μπορούν να παράγουν διαφορετικούς χάρτες χρησιμοποιώντας τα ίδια σύνολα δεδομένων εισόδου και (v) Τα μοντέλα ανάπτυξης καλλιεργειών είναι πιο περίπλοκα και απαιτούν πολλές παραμέτρους. Αυτές περιλαμβάνουν: αρκετές βιοφυσικές παραμέτρους (π.χ., εδαφικές και μετεωρολογικές μεταβλητές) και παραμέτρους εγκαταστάσεων (π.χ. βιομάζα, LAI και ύψος, ηλικία κ.λπ.) οι οποίες είναι συνήθως δαπανηρές.<br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πιθανές εφαρμογές των θερμικών εικόνων στην PA περιλαμβάνουν, μεταξύ άλλων, την παρακολούθηση των αρδεύσεων στα φυτά, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθενειών των φυτών, την χαρτογράφηση των εδαφικών ιδιοτήτων, την χαρτογράφηση του εδάφους, τη χαρτογράφηση της ωρίμανσης των καλλιεργειών και την εκτίμηση της απόδοσης. Παρόλο που η θερμική επεξεργασία έχει πολλά πιθανά πλεονεκτήματα έναντι της οπτικής επεξεργασίας στην παρακολούθηση των καλλιεργειών και του εδάφους, υπάρχουν ορισμένες πρακτικές δυσκολίες στη χρήση του, όπως η ατμοσφαιρικές συνθήκες, οι κλιματικές συνθήκες, τα στάδια ανάπτυξης των καλλιεργειών, που μέχρι στιγμής έχουν περιορίσει τη χρήση της στον γεωργικό τομέα.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%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_%CF%84%CF%81%CE%B5%CF%87%CE%BF%CF%85%CF%83%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CF%85%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CE%AE%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%CF%84%CE%B7%CE%BD_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82 2020-03-04T13:40:11Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''An overview of current and potential applications of thermal remote sensing in precision agriculture''<br /> <br /> '''Συγγραφείς: '''Sami Khanal, John Fulton, Scott Shearer<br /> <br /> '''Δημοσιεύθηκε: '''Computers and Electronics in Agriculture ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/317068989_An_overview_of_current_and_potential_applications_of_thermal_remote_sensing_in_precision_agriculture]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η γεωργία ακριβείας (Precision Agriculture) χρησιμοποιεί εργαλεία και τεχνολογίες για τον εντοπισμό της μεταβλητότητας του εδάφους και των καλλιεργειών στο πεδίο για τη βελτίωση των γεωργικών πρακτικών και τη βελτιστοποίηση των αγρονομικών εισροών. Παραδοσιακά, η τηλεπισκόπηση (Remote Sensing) που χρησιμοποιεί περιοχές ορατού φωτός και υπέρυθρες του ηλεκτρομαγνητικού φάσματος έχει χρησιμοποιηθεί ως αναπόσπαστο τμήμα της ΡΑ για την παρακολούθηση των καλλιεργειών και του εδάφους. Αυτή η ανάλυση επικεντρώνεται στις τρέχουσες και τις πιθανές εφαρμογές της θερμικής RS στην PA, καθώς και σε ορισμένες ανησυχίες σχετικά με την εφαρμογή της. Οι τομείς εφαρμογής της θερμικής RS στη γεωργία που συζητήθηκαν εδώ περιλαμβάνουν τον προγραμματισμό της άρδευσης, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθένειας των καλλιεργειών και τη χαρτογράφηση των ιδιοτήτων του εδάφους, των υπολειμμάτων και της καλλιέργειας, της ωριμότητας και της απόδοσης των καλλιεργειών.<br /> <br /> [[Εικόνα:pa2020_vk_article1_img1.jpg|thumb|right|'''Εικόνα 1:''' Παραδείγματα ειδών βλάστησης (a-c) και περιοχών βλάστησης με ποικίλες κοινωνικές λειτουργίες (d-h) σε δορυφορικές εικόνες]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img2.jpg|thumb|right|'''Εικόνα 2''']]<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> 1. Η εφαρμογή της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> Η θερμική τηλεπισκόπηση μπορεί να χρησιμοποιηθεί σε πολλές πτυχές της παρακολούθησης των καλλιεργειών και του εδάφους στον αγροτικό τομέα, συμπεριλαμβανομένης της εκτίμησης της πίεσης του εδάφους και των καλλιεργειών για τον προγραμματισμό της άρδευσης, τον προσδιορισμό των μολυσμένων από ασθένειες και παθογόνων καλλιεργειών, την χαρτογράφηση της υφής του εδάφους, την εκτίμηση της κάλυψης των υπολειμμάτων, την παρακολούθηση της ωριμότητας της συγκομιδής και τη χαρτογράφηση της απόδοσης των καλλιεργειών.<br /> <br /> <br /> 1.1 Υγρασία εδάφους<br /> <br /> Η έγκαιρη παρακολούθηση της υγρασίας του εδάφους είναι κρίσιμη επειδή χρησιμεύει ως διαλύτης και φορέας θρεπτικών ουσιών για την ανάπτυξη των φυτών, ρυθμίζει τη θερμοκρασία του εδάφους, υποστηρίζει τις μικροβιακές δραστηριότητες, επηρεάζει τις εκμεταλλεύσεις (π.χ. γονιμοποίηση των φυτών, άρδευση) και δρα ως θρεπτικό συστατικό (Ramachandra, 2006). Μελέτες έχουν χρησιμοποιήσει την θερμική RS για την ανίχνευση της υγρασίας του εδάφους για να βοηθήσει στον προγραμματισμό άρδευσης.<br /> <br /> <br /> 1.2 Έλεγχος άρδευσης<br /> <br /> Με τη χρήση θερμικών εικόνων, οι μελέτες έχουν παρακολουθήσει τη θερμοκρασία των φυτών και την ατομική αγωγιμότητα για τον προσδιορισμό της ποσότητας του νερού καλλιέργειας. Χρησιμοποιώντας τη θερμοκρασία, ο Jackson και οι συνάδελφοί του πρότειναν την έννοια του CWSI για την ανίχνευση της πίεσης του νερού καλλιέργειας. Ορίζεται ως η διαφορά μεταξύ της θερμοκρασίας του αέρα (Ta) και της θερμοκρασίας του φυτού (Tc), προσαρμοσμένη λόγω εξατμίσεων, όπως προσδιορίζεται με τη βοήθεια ενός κατώτατου ορίου και ενός ανώτατου ορίου.<br /> <br /> <br /> 1.3 Άλλοι παράγοντες<br /> <br /> Η εξατμισοδιαπνοή που μπορεί να προκύψει από πολυφασματικές εικόνες και αεροφωτογραφίες υψηλής ανάλυσης, η ανίχνευση της ασθένειας των φυτών, όπου είναι πολύ επιβλαβής για τους αγρότες και αναλύεται καλύτερα με τους θερμικούς αισθητήρες και από επεξεργασία των θερμικών εικόνων, τα συστήματα αποστράγγισης καλλιεργειών τα οποία με εικόνες ορατού φάσματος και με ΝIR εικόνες προκύπτει το καλύτερο δυνατό αποτέλεσμα. Άλλη παράμετρος είναι η ωρίμανση της καλλιέργειας, η οποία είναι πάρα πολύ σημαντική για την παραγωγή και η τηλεπισκόπηση βοηθάει με την παραγωγή υπέρυθρων και εικόνων από το ορατό φάσμα. Επίσης, μέσω αυτών μετριέται και η θερμοκρασία των φυτών, όπως αυτό φαίνεται και στην εικόνα 1. Τέλος, υπάρχουν μελέτες που έχουν αποδείξει ότι χρησιμοποιούνται και θερμικές εικόνες για να προβλέψουν την απόδοση των καλλιεργειών.<br /> <br /> Προκλήσεις και μελλοντικές προοπτικές για τη χρήση των θερμικών απεικονίσεων για τη γεωργία ακριβείας Αν και η θερμική εικόνα έχει τη δυνατότητα να παρέχει χωρική και χρονική πληροφόρηση για τη θερμοκρασία της επιφάνειας των καλλιεργειών και του εδάφους, υπάρχουν ορισμένα ζητήματα που πρέπει να ληφθούν υπόψη κατά τη χρήση θερμικών εικόνων RS. Αυτές περιλαμβάνουν την επίδραση: (1) των χωρικών και χρονικών αναλύσεων των αποκτώμενων εικόνων, όπου υπάρχει αυξημένο κόστος ως προς την υλοποίησή τους και προς το παρόν οι θερμικές κάμερες και είναι ακριβότερες αλλά και έχουν κακή ανάλυση όπως φαίνεται στην εικόνα 2.(2) των ατμοσφαιρικών συνθηκών όπως υγρασίας, θερμοκρασίας, νεφοκάλυψης (3) της γωνίας λήψης της φωτογραφίας και του υψομέτρου των θερμικών αισθητήρων και (4) του χρονικού διαστήματος στο οποίο λαμβάνονται οι θερμικές εικόνες.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πιθανές εφαρμογές των θερμικών εικόνων στην PA περιλαμβάνουν, μεταξύ άλλων, την παρακολούθηση των αρδεύσεων στα φυτά, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθενειών των φυτών, την χαρτογράφηση των εδαφικών ιδιοτήτων, την χαρτογράφηση του εδάφους, τη χαρτογράφηση της ωρίμανσης των καλλιεργειών και την εκτίμηση της απόδοσης. Παρόλο που η θερμική επεξεργασία έχει πολλά πιθανά πλεονεκτήματα έναντι της οπτικής επεξεργασίας στην παρακολούθηση των καλλιεργειών και του εδάφους, υπάρχουν ορισμένες πρακτικές δυσκολίες στη χρήση του, όπως η ατμοσφαιρικές συνθήκες, οι κλιματικές συνθήκες, τα στάδια ανάπτυξης των καλλιεργειών, που μέχρι στιγμής έχουν περιορίσει τη χρήση της στον γεωργικό τομέα.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%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_%CF%84%CF%81%CE%B5%CF%87%CE%BF%CF%85%CF%83%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CF%85%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CE%AE%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%CF%84%CE%B7%CE%BD_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%B5%CE%AF%CE%B1%CF%82 2020-03-04T13:39:39Z

<p>Kotrogiannis: </p> <hr /> <div>'''Μια επισκόπηση των τρεχουσών και δυνητικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> '''Πρωτότυπος τίτλος:''' ''An overview of current and potential applications of thermal remote sensing in precision agriculture''<br /> <br /> '''Συγγραφείς: '''Sami Khanal, John Fulton, Scott Shearer<br /> <br /> '''Δημοσιεύθηκε: '''Computers and Electronics in Agriculture ''<br /> <br /> '''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.researchgate.net/publication/317068989_An_overview_of_current_and_potential_applications_of_thermal_remote_sensing_in_precision_agriculture]<br /> <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> <br /> <br /> Η γεωργία ακριβείας (Precision Agriculture) χρησιμοποιεί εργαλεία και τεχνολογίες για τον εντοπισμό της μεταβλητότητας του εδάφους και των καλλιεργειών στο πεδίο για τη βελτίωση των γεωργικών πρακτικών και τη βελτιστοποίηση των αγρονομικών εισροών. Παραδοσιακά, η τηλεπισκόπηση (Remote Sensing) που χρησιμοποιεί περιοχές ορατού φωτός και υπέρυθρες του ηλεκτρομαγνητικού φάσματος έχει χρησιμοποιηθεί ως αναπόσπαστο τμήμα της ΡΑ για την παρακολούθηση των καλλιεργειών και του εδάφους. Αυτή η ανάλυση επικεντρώνεται στις τρέχουσες και τις πιθανές εφαρμογές της θερμικής RS στην PA, καθώς και σε ορισμένες ανησυχίες σχετικά με την εφαρμογή της. Οι τομείς εφαρμογής της θερμικής RS στη γεωργία που συζητήθηκαν εδώ περιλαμβάνουν τον προγραμματισμό της άρδευσης, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθένειας των καλλιεργειών και τη χαρτογράφηση των ιδιοτήτων του εδάφους, των υπολειμμάτων και της καλλιέργειας, της ωριμότητας και της απόδοσης των καλλιεργειών.<br /> <br /> [[Εικόνα:pa2020_vk_article1_img1.jpg|thumb|right|'''Εικόνα 1:''' Παραδείγματα ειδών βλάστησης (a-c) και περιοχών βλάστησης με ποικίλες κοινωνικές λειτουργίες (d-h) σε δορυφορικές εικόνες]]<br /> <br /> [[Εικόνα:pa2020_vk_article1_img2.jpg|thumb|right|'''Εικόνα 2''']]<br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> 1. Η εφαρμογή της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας<br /> <br /> Η θερμική τηλεπισκόπηση μπορεί να χρησιμοποιηθεί σε πολλές πτυχές της παρακολούθησης των καλλιεργειών και του εδάφους στον αγροτικό τομέα, συμπεριλαμβανομένης της εκτίμησης της πίεσης του εδάφους και των καλλιεργειών για τον προγραμματισμό της άρδευσης, τον προσδιορισμό των μολυσμένων από ασθένειες και παθογόνων καλλιεργειών, την χαρτογράφηση της υφής του εδάφους, την εκτίμηση της κάλυψης των υπολειμμάτων, την παρακολούθηση της ωριμότητας της συγκομιδής και τη χαρτογράφηση της απόδοσης των καλλιεργειών.<br /> <br /> <br /> 1.1 Υγρασία εδάφους<br /> <br /> Η έγκαιρη παρακολούθηση της υγρασίας του εδάφους είναι κρίσιμη επειδή χρησιμεύει ως διαλύτης και φορέας θρεπτικών ουσιών για την ανάπτυξη των φυτών, ρυθμίζει τη θερμοκρασία του εδάφους, υποστηρίζει τις μικροβιακές δραστηριότητες, επηρεάζει τις εκμεταλλεύσεις (π.χ. γονιμοποίηση των φυτών, άρδευση) και δρα ως θρεπτικό συστατικό (Ramachandra, 2006). Μελέτες έχουν χρησιμοποιήσει την θερμική RS για την ανίχνευση της υγρασίας του εδάφους για να βοηθήσει στον προγραμματισμό άρδευσης.<br /> <br /> <br /> 1.2 Έλεγχος άρδευσης<br /> <br /> Με τη χρήση θερμικών εικόνων, οι μελέτες έχουν παρακολουθήσει τη θερμοκρασία των φυτών και την ατομική αγωγιμότητα για τον προσδιορισμό της ποσότητας του νερού καλλιέργειας. Χρησιμοποιώντας τη θερμοκρασία, ο Jackson και οι συνάδελφοί του πρότειναν την έννοια του CWSI για την ανίχνευση της πίεσης του νερού καλλιέργειας. Ορίζεται ως η διαφορά μεταξύ της θερμοκρασίας του αέρα (Ta) και της θερμοκρασίας του φυτού (Tc), προσαρμοσμένη λόγω εξατμίσεων, όπως προσδιορίζεται με τη βοήθεια ενός κατώτατου ορίου και ενός ανώτατου ορίου.<br /> <br /> <br /> 1.3 Άλλοι παράγοντες<br /> <br /> Η εξατμισοδιαπνοή που μπορεί να προκύψει από πολυφασματικές εικόνες και αεροφωτογραφίες υψηλής ανάλυσης, η ανίχνευση της ασθένειας των φυτών, όπου είναι πολύ επιβλαβής για τους αγρότες και αναλύεται καλύτερα με τους θερμικούς αισθητήρες και από επεξεργασία των θερμικών εικόνων, τα συστήματα αποστράγγισης καλλιεργειών τα οποία με εικόνες ορατού φάσματος και με ΝIR εικόνες προκύπτει το καλύτερο δυνατό αποτέλεσμα. Άλλη παράμετρος είναι η ωρίμανση της καλλιέργειας, η οποία είναι πάρα πολύ σημαντική για την παραγωγή και η τηλεπισκόπηση βοηθάει με την παραγωγή υπέρυθρων και εικόνων από το ορατό φάσμα. Επίσης, μέσω αυτών μετριέται και η θερμοκρασία των φυτών, όπως αυτό φαίνεται και στην εικόνα 1. Τέλος, υπάρχουν μελέτες που έχουν αποδείξει ότι χρησιμοποιούνται και θερμικές εικόνες για να προβλέψουν την απόδοση των καλλιεργειών.<br /> <br /> Προκλήσεις και μελλοντικές προοπτικές για τη χρήση των θερμικών απεικονίσεων για τη γεωργία ακριβείας Αν και η θερμική εικόνα έχει τη δυνατότητα να παρέχει χωρική και χρονική πληροφόρηση για τη θερμοκρασία της επιφάνειας των καλλιεργειών και του εδάφους, υπάρχουν ορισμένα ζητήματα που πρέπει να ληφθούν υπόψη κατά τη χρήση θερμικών εικόνων RS. Αυτές περιλαμβάνουν την επίδραση: (1) των χωρικών και χρονικών αναλύσεων των αποκτώμενων εικόνων, όπου υπάρχει αυξημένο κόστος ως προς την υλοποίησή τους και προς το παρόν οι θερμικές κάμερες και είναι ακριβότερες αλλά και έχουν κακή ανάλυση όπως φαίνεται στην εικόνα 2.(2) των ατμοσφαιρικών συνθηκών όπως υγρασίας, θερμοκρασίας, νεφοκάλυψης (3) της γωνίας λήψης της φωτογραφίας και του υψομέτρου των θερμικών αισθητήρων και (4) του χρονικού διαστήματος στο οποίο λαμβάνονται οι θερμικές εικόνες.<br /> <br /> <br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> <br /> Οι πιθανές εφαρμογές των θερμικών εικόνων στην PA περιλαμβάνουν, μεταξύ άλλων, την παρακολούθηση των αρδεύσεων στα φυτά, την παρακολούθηση της ξηρασίας, την ανίχνευση ασθενειών των φυτών, την χαρτογράφηση των εδαφικών ιδιοτήτων, την χαρτογράφηση του εδάφους, τη χαρτογράφηση της ωρίμανσης των καλλιεργειών και την εκτίμηση της απόδοσης. Παρόλο που η θερμική επεξεργασία έχει πολλά πιθανά πλεονεκτήματα έναντι της οπτικής επεξεργασίας στην παρακολούθηση των καλλιεργειών και του εδάφους, υπάρχουν ορισμένες πρακτικές δυσκολίες στη χρήση του, όπως η ατμοσφαιρικές συνθήκες, οι κλιματικές συνθήκες, τα στάδια ανάπτυξης των καλλιεργειών, που μέχρι στιγμής έχουν περιορίσει τη χρήση της στον γεωργικό τομέα.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Kotrogiannis