http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Koutalasvasilis&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%2FKoutalasvasilis 2026-04-23T15:10:22Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%95%CE%9A%CE%A4%CE%91%CE%A3%CE%95%CE%A9%CE%9D_%CE%A4%CE%9F%CE%A5_2007_%CE%A4%CE%97%CE%A3_%CE%94%CE%A5%CE%A4%CE%99%CE%9A%CE%97%CE%A3_%CE%A0%CE%95%CE%9B%CE%9F%CE%A0%CE%9F%CE%9D%CE%9D%CE%97%CE%9F%CE%A5_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%9A%CE%91%CE%A4%CE%91%CE%93%CE%A1%CE%91%CE%A6%CE%97_%CE%9A%CE%91%CE%99_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97_%CE%95%CE%A0%CE%99%CE%A0%CE%95%CE%94%CE%9F%CE%A5_%CE%96%CE%97%CE%9C%CE%99%CE%A9%CE%9D 2019-03-13T19:51:13Z

<p>Koutalasvasilis: </p> <hr /> <div>'''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ ΧΛΩΡΙΔΑΣ-ΕΝΔΕΙΞΕΙΣ ΦΥΣΙΚΗΣ ΑΝΑΓΕΝΝΗΣΗΣ'''<br /> <br /> '''Συγγραφείς: Αντύπας Γεράσιμος, Γιαννάκης Ιωάννης, Μαρτίνης Αριστοτέλης, Χάρου Ελένη '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Όπως παρατηρείται τα τελευταία χρόνια, τα περιστατικά δασικών πυρκαγιών στην Ελλάδα, παρουσιάζουν συνεχώς αυξανόμενες και ως εκ τούτου ανησυχητικές διαστάσεις. Συγκεκριμένα αποτελούν μια φυσική καταστροφή που πλήτει κάθε χρόνο πολλαπλές περιοχές της επικράτειας φέρνοντας μεγάλες αλλαγές στην χρήση γής, το οικοσύστημα της εκάστοτε περιοχής και των ανθρώπινων-κοινωνικών δραστηριοτήτων. Μια παρόμοια, καταστροφικής έκτασης, πυρκαγιά έλαβε χώρα στην Δυτική Πελοπόννησο το καλοκαίρι του 2007 καταστρέφοντας ένα πολύ μεγάλο κομμάτι δασικής έκτασης. Η προσπάθεια αποτίμησης της φυσικής καταστροφής αποτελεί μια πολύπλοκη προσπάθεια, στην οποία μπορεί να συμβάλει η μελέτη των Γεωγραφικών Συστημάτων Πληροφοριών, της Τηλεπισκόπησης και της επεξεργασίας των δεδομένων με λογισμικά ανοιχτού κώδικα. Οι δορυφορικές τηλεπισκοπικές εικόνες, ανάλογα με τις ιδιότητες τους (χωρική-φασματική-ραδιομετρική ανάλυση), μπορούν να οδηγήσουν σε σημαντικά συμπεράσματα για την κατάσταση της χλωρίδας της γήινης επιφάνειας. Τα διαφορετικά στοιχεία του φλοιού της γης, φυτά, έδαφος, κτίρια, υδάτινες επιφάνειες απορροφούν, αντανακλούν και εκπέμπουν την ηλιακή ακτινοβολία με διαφορετικό τρόπο. Έτσι οι τηλεπισκοπικοί ψηφιακοί σαρωτές μπορούν να απεικονίσουν την υφιστάμενη σύνθεση μιας περιοχής σε μια συγκεκριμένη χρονική στιγμή. Η βλάστηση έχει μια συγκεκριμένη φασματική υπογραφή που την καθιστά διακριτή σε μια εικόνα του ορατού ή τους εγγύς υπέρυθρου φάσματος. Η βλαστηση σε κανονικές συνθήκες απορροφά ισχυρά την ερυθρή ακτινοβολία (0,63-0,69μm), ενώ ανακλά εξίσου ισχυρά στο εγγύς υπέρυθρο (0,76-0,90μm). Έτσι η σύγκριση της ανακλαστικότητας στα παραπάνω κανάλια του φάσματος μπορεί να αναδείξει την ύπαρξη βλάστησης, ενώ ο συνδυασμός συγκεκριμένα του ερυθρού (RED) και του εγγύς υπέρυθρου (NIR) αποτελεί τον δείκτη βλάστησης-vegetation index.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Τα δεδομένα που χρησιμοποιήθηκαν στην παρούσα εργασία είναι προιόν τηλεπισκόπησης της ESA και συγκεκριμένα είναι δορυφορικές εικόνες πλήρους ανάλυσης για την περιοχή μελετης από τον δορυφόρο ENVISAT, ο οποίος ενσωματώνει Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS). Το συγκεκριμένο φασματόμετρο είναι προγραμματιζόμενο και λειτουργεί στο φάσμα της ηλιακής ακτινοβολίας, χρησιμοποιώντας 15 φασματικά κανάλια τα οποία επιλέγονται κατα περίπτωση από επίγειες εντολές. Η σάρωση της γήινης επιφάνειας γίνεται με την μέθοδο της ωθητικής σάρωσης (push-broom) κατά την οποία συστοιχίες ανιχνευτών συζευγμένου φορτίου CCD παρέχουν χωρική δειγματοληψία μέσω της κατεύθυνσης της τροχιάς, ενώ η κίνηση του δορυφόρου παρέχει σάρωση στη διαμήκη κατεύθυνση. Το φασματόμετρο είναι προγραμματισμένο να λαμβάνει στιγμιότυπα όταν οι συνθήκες φωτισμού είναι κατάλληλες και η λωρίδα σάρωσής του φτάνει τα 1.150km. Η χωρική ανάλυση του αισθητήρα είναι 300x300m και ενσωματώνει 15 κανάλια των 50nm στο φάσμα 290-1.040nm.<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η μέθοδος ελέγχου κάνει χρήση 30 διαφορετικών δορυφορικών στιγμιοτύπων της περιοχής μελέτης, τα οποία επεξεργάζονται με τη χρήση των λογισμικών BEAM-VISAT 4.6.1 και 4.7 ανοιχτού κώδικα. Απο τις παραπάνω έγινε επιλογή των 7 με βάση την περίοδο εκδήλωσης της πυρκαγιάς, ώστε να καλυφθεί το διάστημα λίγο πριν μέχρι 2 χρόνια μετά, και της νεφοκάλυψης στην κάθε περίπτωση. Οι δείκτες βλάστησης που καταγράφηκαν είναι οι εξής: α)NDVI, β)LAI, γ)fCover, δ)LAIxCab ε)fAPAR. Η επεξεργασία των εικόνων περιλαμβάνει τα εξής βήματα:<br /> <br /> 1.Επιλογή και απομόνωση της περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος.<br /> <br /> 2.Γεωμετρική και ατμοσφαιρική διόρθωση (Cloud Probability Processor.<br /> <br /> 3.Επιλογή του βέλτιστου συνδυασμού καναλιών για την παρουσίαση. <br /> <br /> 4.Επιλογή των βέλτιστων σημείων από την κάθε εικόνα για την εκτίμηση των παραμέτρων που καταλήγουν στους δείκτες βλάστησης που προαναφέρθηκαν.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η πρώτη στατιστική ανάλυση των δεδομένων μέσω των μέσων όρων του NDVI για τους θερινούς μήνες της περιοχής μελέτης έδωσε ενδείξεις πιθανής αναγέννησης της βλάστησης οπότε κρίθηκε σκόπιμη η λεπτομερέστερη και με περισσότερους δείκτες βλάστησης επανάληψη της ανάλυσης για το διάστημα που κάλυπταν οι επιλεγμένες εικόνες. Πιο συγκεκριμένα η έρευνα κατέληξε στα εξής:<br /> <br /> Δείκτης NDVI<br /> <br /> • μέσος όρος θερινών μηνών 2007: 0,30 (πριν την πυρκαγιά)<br /> <br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο δείκτης επιβεβαιώνει την ανάπτυξη νέας βλάστησης της περιοχής μελέτης. Η πτώση του το επόμενο έτος της πυρκαγιάς δείχνει την αρχική καταστροφή της βλάστησης λόγω της πυρκαγιάς και την αναγέννηση 2 χρόνια μετά από την εκδήλωσή της.<br /> <br /> Δείκτης LAI<br /> <br /> •μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 1,24<br /> <br /> •μέσος όρος θερινών μηνών 2009: 1,15<br /> <br /> Ο συγκεκριμένος δείκτης αναδυκνείει την περιοχή που καλύπτεται από φυλλώδη βλάστηση. Λόγω της πυρκαγιάς παρατηρούμε μείωση του δείκτη, η οποία φανερώνει και την αλλαγή της κυρίαρχης βλάστησης της περιοχής από δενδρώδη σε ποώδη-θαμνώδη.<br /> <br /> <br /> Δείκτης fCover<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,35 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο παραπάνω δείκτης αποτελεί το κλάσμα της φυτοκαλυμμένης περιοχής προς το σύνολο της επιφάνειας. Λόγω της απουσίας εξάρτησης από την κατεύθυνση της ανάκλασης αποτελεί έναν ιδιαίτερα χρήσιμο δείκτη βλάστησης, που αποδεικνύει επίσης την τάση φυτικής αναγέννησης τα επόμενα χρόνια της πυρκαγιάς.<br /> <br /> Δείκτης LAIxCab<br /> <br /> •μέσος όρος θερινών μηνών 2007: 60,82 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 58,65<br /> <br /> •μέσος όρος θερινών μηνών 2009: 61,83<br /> <br /> Ο παραπάνω δείκτης αναδεικνύει την ύπαρξη φωτοσυνθετικής δραστηριότητας μέσω της ανάκλασης της χλωροφύλλης σε επίπεδο φυλλώματος αλλά και επιφάνειας. Αποτελεί επομένως μια καλή απόδειξη για την ενεργοποίηση της χλωριδικής δραστηριότητας μετά την πυρκαγιά.<br /> <br /> Δείκτης fAPAR<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,51 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,36<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,41<br /> <br /> Ο παραπάνω δείκτης μπορεί να αναδείξει την φωτοσυνθετική δραστηριότητα αφού αποτελεί το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που απαιτείται για την στοιχειώδη μεταβολική διεργασία ως προς την αντίστοιχη προσπιπτώμενη από τον ήλιο. Αποτελεί πολύ χρήσιμο δείκτη για την εκτίμηση της χλωριδικής ανάπτυξης μιας περιοχής αλλά θα πρέπει να διασφαλιστούν οι βέλτιστες συνθήκες λήψης του στιγμιότυπου για να αυξηθεί η εγκυρότητά του.<br /> Όλοι οι παραπάνω μελετώμενοι δείκτες βλάστησης αποτύπωσαν σαφή τάση αναγέννησης της χλωρίδας μετά την πυρκαγιά. Παρ’ όλα αυτά θα χρειαστεί περαιτέρω δασολογική και περιβαλλοντική έρευνα των αποτελεσμάτων για να εξαχθούν ακόμη ακριβέστερα συμπεράσματα και να καταρτιστεί ένα σχέδιο ανθρώπινων δράσεων για την υποστήριξη της αποκατάστασης και αναδάσωσης της περιοχής. <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%A4%CE%A9%CE%9D_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%A9%CE%9D_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A9%CE%A3_%CE%95%CE%A1%CE%93%CE%91%CE%9B%CE%95%CE%99%CE%9F_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97%CE%A3_%CE%A4%CE%97%CE%A3_%CE%A7%CE%9B%CE%A9%CE%A1%CE%99%CE%94%CE%99%CE%9A%CE%97%CE%A3_%CE%A6%CE%91%CE%99%CE%9D%CE%9F%CE%9B%CE%9F%CE%93%CE%99%CE%91%CE%A3_%CE%92%CE%91%CE%A3%CE%99%CE%A3%CE%9C%CE%95%CE%9D%CE%97_%CE%A3%CE%95_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%91_MERIS 2019-03-13T19:50:44Z

<p>Koutalasvasilis: </p> <hr /> <div>'''Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΔΗΜΟΚΡΑΤΙΑΣ ΤΗΣ ΤΣΕΧΙΑΣ'''<br /> <br /> '''Συγγραφείς: Premysl Stych, Jiri Sandera, Lucie Malikova, Adriana Marcinkowska, Anna Jarocinska, Bogdan Zagajewski '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://https://www.researchgate.net/profile/Bogdan_Zagajewski/publication/279178789_The_use_of_vegetation_indices_in_the_evaluation_of_vegetation_phenology_based_on_MERIS_data_The_Czech_Republic_case_study/links/558c411d08ae1f30aa809dd9.pdf]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Η τηλεπισκόπηση αποτελεί μια από τις βασικότερες πηγές δεδομένων για την παρακολούθηση της υπάρχουσας κάλυψης γης και των μεταβολών της. Μέχρι σήμερα αρκετοί δορυφόροι με αισθητήρες διάφορων αναλύσεων, κατάληλες για διαφορετικές περιπτώσεις μελέτης, έχουν τεθεί σε τροχιά. Από το σύνολο των αισθητήρων ιδιαίτερη σημασία έχουν αυτοί που ενσωματώνουν υψηλή χρονική ανάλυση, δηλαδή οι αισθητήρες εκείνοι που μπορούν να δώσουν δεδομένα μιας περιοχής ανα συντομότερα χρονικά διαστήματα. Ο αισθητήρας που αξιοποιείται στη συγκεκριμένη έρευνα είναι το Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS) που είναι εγκατεστημένο στον δορυφόρο ENVISAT. Το συγκεκριμένο φασματόμετρο έχει χωρική ανάλυση 300m και χρονική ανάλυση 1d(ημέρα). Ο βασικός στόχος των προγραμματιστών και κατασκευαστών του φασματόμετρου είναι η χαρτογράφηση του περιεχομένου χλωροφύλης της γήινης επιφάνειας και ο προσδιορισμός ιδιαίτερων χαρακτηριστικών των όγκων νερού (ωκεανών, λιμνών κοκ). Τα δεδομένα του αισθητήρα έχουν χρησιμοποιηθεί σε πολλές αντίστοιχες έρευνες αναγνώρισης και κατηγοριοποίησης της χλωρίδας. Ο συνδυασμός διαφορετικών καναλιών του αισθητήρα μπορεί να δώσει πλήθος διαφορετικών δεικτών βλάστησης όπως προκύπτει από την σχετική βιβλιογραφία. Εκτός του συνηθισμένου δείκτη βλάστησης NDVI, ο οποίος παρουσιάζει περιορισμούς, οι έρευνες έχουν καταλήξει σε δίκτες βλάστησης που ο υπολογισμός τους μπορεί να καταλήξει στην αναγνώριση και ερμηνεία της ανακλαστικότητας των φυτών και του εδάφους όπως και της φωτοσυνθετικής δραστηριότητας της βλάστησης. <br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Η παρούσα μελέτη ασχολείται με την φασματική συμπεριφορά δασών (κωνοφόρων, φυλλοβόλων και μικτών) και αγροτικών εκτάσεων (ελαιοκράμβης, καλαμποκιού, δημητριακών, λυκίσκου). Η ανάλυση βασίζεται σε δεδομένα του αισθητήρα MERIS που έχουν ανακτηθεί για την περίοδο Απριλός 2009 – Σεπτέμβριος 2009 καλύπτοντας το σύνολο σχεδόν της Τσεχίας. Σύμφωνα με τα διαθέσιμα μετεωρολογικά στοιχεία το 2009 ήταν χρονιά χωρίς ακραίες θερμοκρασίες και βροχοπτώσεις για την χώρα. Επίσης το έτος 2009 επιλέχθηκε λόγω της διαθεσιμότητας δεδομένων στην βάση LPIS, μιας πλατφόρμας αρχειοθετημένων αγροτικών δεδομένων για την χώρα, που αποτελεί την δεύτερη πηγή δεδομένων. Το συγκεκριμένο αρχείο λειτουργεί υπό την αιγίδα του Υπ. Αγροτικής ανάπτυξης της Τσεχίας και περιλαμβάνει κυρίως εδαφικά χαρακτηριστικά των αγροτικών εκτάσεων της χώρας. Τα δορυφορικά δεδομένα περιλαμβάνουν 6 εικόνες με τις εξής ημερομηνίες λήψης: <br /> Ημερομηνία Ώρα λήψης<br /> 21.4.2009 9:39:13<br /> 3.5.2009 9:59:38<br /> 14.6.2009 9:42:10<br /> 17.7.2009 9:04:47<br /> 20.8.2009 9:36:24<br /> 1.9.2009 9:56:46<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η διαδικασία επεξεργασίας των δορυφορικών εικόνων ξεκίνησε με την ατμοσφαιρική διόρθωση που πραγματοποιήθηκε με την χρήση του λογισμικού ανοιχτού κώδικα BEAM 4.7. Συγκεκριμένα χρησιμοποιήθηκαν οι ενσωματωμένοι αλγόριθμοι SMILE και SMAC. Οι παραπάνω εντολές πραγματοποιούν ατμοσφαιρική διόρθωση αναγνωρίζοντας την ακινοβολία, την ανάκλαση και την συγκέντρωση συγκεκριμένων χημικών στοιχείων της ατμόσφαιρας. Η ακρίβεια της ατμοσφαιρικής διόρθωσης εξακριβώθηκε εξετάζοντας τους χρωματικούς τόνους των σκουρότερων αντικειμένων, εν προκειμένω των μεγάλων όγκων νερού. Σην συνέχεια έγινε γεωμετρική διόρθωση των εικόνων με τη χρήση αυτόματης μεθόδου του λογισμικού BEAM 4.7 που αξιοποιεί τα δεδομένα του MERIS και το ενσωματωμένο Ψηφιακό μοντέλο εδάφους GETASSEA30. Ακόμη το εργαλείο του λογισμικού CLOUD PROBABILTY αξιοποιήθηκε για την απαλοιφή των περιοχών με νεφοκάλυψη. Οι δείκτες βλάστησης που υπολογίστηκαν, επιλέχθηκαν για να παρατηρηθεί η εξέλιξη της φασματικής συπεριφοράς της βλάστησης και συγκεκριμένα κατα την διάρκεια των φαινολογικών σταδίων. Οι δείκτες είναι οι εξής:<br /> • NDVI (Normalized Difference Vegetation Index) NDVI = (NIR – RED)/(NIR + RED).<br /> • MGVI (MERIS Global Vegetation Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα μπλέ, κόκκινο και υπέρυθρο κανάλια για να αναγνωρίσει την κατάσταση υγεία της βλάστησης.<br /> • MTCI (MERIS Terrestrial Chlorophyll Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα κανάλια 8, 9 και 10 του ασθητήρα για να αναγνωρίσει τα επίπεδα χλωροφύλλης στη βλάστηση χρησιμοποιώντας τον τύπο MTCI = (Band10 − Band9) / (Band9 − Band8).<br /> • fAPAR (fraction of Absorbed Photosynthetically Active Radiation): Ο δείκτης είναι το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που δεσμεύεται για την φωτοσύνθεση.<br /> • fCover (fraction of Green Vegetation Coverage): Ο συγκεκριμένος δείκτης παίρνει τιμές από 0 έως 1 και παρουσιάζει το ποσοστό της γήινης επιφάνειας ανα εικονοστοιχείο που καλύπτεται από βλάστηση.<br /> • LAI (Leaf Area Index): Ο δείκτης αποτελεί μια ποσοτική αποτύπωση της πυκνότητας του φυλλώματος. Εκφράζει το ποσοστό του φυλλώματος (πάνω πλευράς) ανά οριζόντια μονάδα επιφάνειας. Επίσης μπορεί να εξαχθεί από τον NDVI.<br /> • LAIxCab: Ο συγκεκριμένος δείκτης χρησιμοποιείται για να αναδείξει το περιεχόμενο χλωροφύλλης τόσο σε επίπεδο φυλλώματος όσο και σε επίπεδο επιφάνειας.<br /> Οι τιμές των δεικτών που υπολογίστηκαν αποτελούν την αποτύπωση των μέσων τιμών των επιμέρους εικονοστοιχείων σε κάθε υποπεριοχή μελέτης. Τα πολύγωνα καθορισμού του είδους κάλυψης καθορίστηκαν από τις βάσεις δεδομένων που προαναφέρθηκαν και αποτελούνται από περιοχές με ελάχιστο εμβαδό 900x900m, δηλαδή τουλάχιστον 9 εικονοστοιχεία του αισθητήρα MERIS.<br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Τα αποτελέσματα της έρευνας εστιάζουν στην αξιολόγηση των διαφορών της φασματικής απόκρισης της βλάστησης κατα τις διαφορετικές περιόδους βλαστησης του έτους. Οι τιμές των δεικτών παρουσιάζουν ομοιότητες αλλά και διαφορές οι οποίες συσχετίχονται με τα φαινολογικά στάδια των διαφορετικών τύπων βλάστησης. Τα αποτελέσματα αποδεικνύουν την χρησιμότητα ορισμένων δεικτων στην αναγνώριση των φαινολογικών σταδίων ενώ ταυτόχρονα αναδεικνύουν τους συνδυασμούς αυτών που μπορούν να χρησιμεύσουν στην αναγνώριση των τύπων βλάστησης. Τα αποτελέσματα εστιάζουν στην σύγκριση των μετρούμενων τιμών μεταξύ των τύπων βλάστησης ωστε να καταστεί δυνατή η κατηγοριοποίηση των διαφορετικών τύπων καλλιεργειών και δασών στην περιοχή.<br /> Αρχικά υπολογίστηκαν και τοποθετήθηκαν σε κοινά γραφήματα τα αποτελέσματα των δεικτών για κάθε τύπο βλάστησης. Στην εικόνα1 φαίνεται η εξέλιξη των δεικτών για καλλιέργειες καλαμποκιού ανα μήνα. Είναι φανερό οτι για κάποιους δείκτες η μεταβολή είναι πολύ μικρή ενώ κάποιοι άλλοι δείχνουν σαφείς τάσεις αυξομοίωσης με κοινές περιοχές μεγίστου στον Ιούλιο, που αποτελεί και την περίοδο πλήρους ανάπτυξης και φωτοσυνθετικής δραστηριότητας της καλλιέργειας. Στην περίπτωση της ελαιοκράμβης τα αποτελέσματα είναι διαφορετικά. Όπως φαίνεται στην εικόνα 2 ο δείκτης χλωροφύλλης MTCI μεγιστοποιείται τον Μάιο για να αρχίσει να μειώνεται αμέσως μετά οπου αναγνωρίζεται ως η περίοδος ανθοφορίας και καρπόδεσης του φυτού. Αντίθετα ο δείκτης κάλυψης φυλλώματος μεγιστοποιείται τον Ιούλιο και αμέσως μετά μειώνεται ραγδαία καθώς έχει προηγηθεί η φάση θερισμού της καλλιέργειας. Στην περίπτωση των χορτολιβαδικών εκτάσεων η εξέλιξη είναι διαφορετική αλλά επίσης παρατηρούνται σημαντικές διαφοροποιήσεις μεταξύ των φαινολογικών σταδίων. Στην εικόνα 3 είναι φανερή η μεγιστοποίηση των δεικτών κάλυψης φυλλώματος LAI και fCover κατα τους θερμότερους θερινούς μήνας αλλά την ίδια περίοδο παρατηρείται μείωση του δείκτη χλωροφύλλης MTCI, το οποίο μπορεί να συνδέεται με τον μαρασμό της βλάστησης και της δραστηριότητάς της λόγω των υψηλών θερινών θερμοκρασιών. Αν εξετάσουμε τους δείκτες βλάστησης χωριστά θα παρατηρήσουμε οτι ο πιο κοινός, NDVI, αποτυπώνει τις μεταβολές των φαινολογικών σταδίων στις περισσότερες καλλιεργημένες και δασικές εκτάσεις όπως φαίνεται στην εικόνα 4. Οι διαφορές αντικατοπτρίζουν και την διαφορετική συμπεριφορά των διάφορων τύπων βλάστησης στις μεταβαλλόμενες κλιματικές συνθήκες. Η απόκριση του δείκτη χλωροφύλλης MTCI φαίνεται στην εικόνα 5. Αν εξετάσουμε την συμπεριφορά των δασών παρατηρείται άυξηση των τιμών καθ’όλη την περίοδο μελέτης με μέγιστο τον Ιούλιο. Για τις καλλιέργειες παρατηρούμε μεγιστοποίηση του δείκτη τον Ιούλιο και στη συνέχεια μείωση όπως είναι φυσικό λόγω της περιόδου συγκομιδής που έπεται. Πάντως ο συγκεκριμένος δείκτης παρουσιάζει σημαντικά μεγαλύτερη ευαισθησία στις μεταβολές κατα τα φαινολογικα στάδια. Στην εικόνα 6 φαίνεται η απόκριση του δείκτη κάλυψης fCover για τα είδη βλάστησης. Ο συγκεκριμένος δείκτης αναδεικνύει με ικανή διακριτότητα τις διαφορετικές φαινολογικές φάσεις και διαφοροποιεί τις δασώδεις από τις καλλιεργημένες εκτάσεις. Όλα τα παραπάνω δείχνουν την σημαντική δυναμική που των δεδομένων MERIS και των δεικτών που προκύπτουν από αυτά στην αξιολόγηση των φαινολογικών σταδίων των περισσότερων τύπων βλάστησης. Γενικά η ανάπτυξη συγκεκριμένων δεικτών με βάση τα κανάλια του αισθητήρα μπορεί να βοηθήσει στην αξιολόγηση της συμπεριφοράς συγκεκριμένων ειδών βλάστησης. Ο αισθητήρας MERIS έχει πλεονέκτημα έναντι των Landsat και Spot διότι ενσωματώνει περισσότερα κανάλια στην περιοχή του φάσματος μεταξύ ερυθρού και κόκκινου, την λεγόμενη Red Edge. Αυτό αποδεικνύεται από την υψηλότερη ευαισθησία των δεικτών που βασίζονται στα κανάλια της συγκεκριμένης περιοχης του φάσματος. Η μελέτη του δείκτη MTCI έδειξε οτι παρουσιάει πολύ μεγαλύτερες αποκλίσεις τιμών από τον NDVI για τις ίδιες φαινολογικές μεταβολές. Αυτό καθιστά τον δείκτη βέλτιστη επιλογή για την αναγνώριση και εκτίμηση του επιπέδου χλωροφύλλης στα φυτά που εξετάζονται. Σημαντικό πλεονέκτημα της μεθόδου αποτέλεσε επίσης η χρήση λογισμικού ανοιχτού κώδικα που καθιστά την διεξαγωγή έρευνας οικονομικά προσιτή σε όλους τους ερευνητές. Βέβαια η χρήση του θα πρέπει να γίνεται με προσοχή καθώς οι προγραμματισμέμοι αλγόριθμοι υπολογισμού των δεικτών μπορεί να έχουν σχεδιαστεί για διαφορετικούς αισθητήρες και να μην ταυτίζονται με τα κανάλια του MERIS δίνοντας λανθασμένα συμπεράσματα.<br /> Αδυναμία των αποτελεσμάτων μπορεί να χαρακτηριστεί η έλλειψη πολυετών δεδομένων για ανάλυση καθώς αυτό θα βελτίωνε την κανονικοποίηση μέσα στον χρόνο και θα απέδιδε καλύτερα την πραγματικότητα. Επίσης η χρήση των βάσεων δεδομένων θα μπορούσε να εμπλουτιστεί με περισσότερες πηγές.<br /> <br /> <br /> <br /> <br /> <br /> [[Αρχείο: 1wiki.png |thumb|right| Εικόνα 1:Εξέλιξη δεικτών βλάστησης αραβόσιτου.]]<br /> <br /> [[Αρχείο: 2wiki.png |thumb|right| Εικόνα 2:Εξέλιξη δεικτών βλάστησης ελαιοκράμβης.]]<br /> <br /> [[Αρχείο: 3wiki.png |thumb|right| Εικόνα 3:Εξέλιξη δεικτών βλάστησης χορτολίβαδων.]]<br /> <br /> [[Αρχείο: 4wiki.png |thumb|right| Εικόνα 4:Εξέλιξη NDVI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 5wiki.png |thumb|right| Εικόνα 5:Εξέλιξη MTCI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 6wiki.png |thumb|right| Εικόνα 6:Εξέλιξη fCover για τα είδη κάλυψης.]]<br /> <br /> <br /> <br /> [[category:Δασοπονία, Δασική διαχείριση]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%A5%CE%9D%CE%94%CE%99%CE%91%CE%A3%CE%9C%CE%95%CE%9D%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%A0%CE%91%CE%A1%CE%91%CE%A4%CE%97%CE%A1%CE%97%CE%A3%CE%95%CE%A9%CE%9D_%CE%9A%CE%91%CE%99_%CE%95%CE%A0%CE%99%CE%93%CE%95%CE%99%CE%A9%CE%9D_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%9C%CE%95%CE%A4%CE%A1%CE%97%CE%A3%CE%97%CE%A3_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%95%CE%9A%CE%A4%CE%99%CE%9C%CE%97%CE%A3%CE%97_%CE%A3%CE%A5%CE%93%CE%9A%CE%95%CE%9D%CE%A4%CE%A1%CE%A9%CE%A3%CE%97%CE%A3_%CE%91.%CE%A3. 2019-03-13T19:50:20Z

<p>Koutalasvasilis: </p> <hr /> <div>'''ΣΥΝΔΙΑΣΜΕΝΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ ΚΑΙ ΕΠΙΓΕΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΤΡΗΣΗΣ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΣΥΓΚΕΝΤΡΩΣΗΣ Α.Σ. ΜΕ ΕΦΑΡΜΟΓΗ ΜΟΝΤΕΛΩΝ ΜΙΚΤΩΝ ΠΑΡΑΜΕΤΡΩΝ '''<br /> <br /> '''Συγγραφείς: Anton Beloconi, Nikolaos Benas, Nektarios Chrysoulakis, Yiannis Kamarianakis '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://pdfs.semanticscholar.org/4986/6220fd0a6ab2362c8383feaa8261e2d5149b.pdf]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Η ιδιαίτερη σημασία της συγκεντρωσης αιωρούμενων σωματιδίων στην ποιότητα του αέρα των πόλεων και κατα συνέπεια στην ανθρώπινη υγεία είναι αντικείμενο έντονης ερευνητικής διαδικασίας κατα το παρελθόν. Οι υψηλές συγκεντρώσεις τόσο των μικρότερης διαμέτρου (PM2.5) όσο και των μεγαλύτερης (PM10) σωματιδίων έχουν συσχετισθεί με υψηλά ποσοστά θνησιμότητας που προκαλείται από αναπνευστικά και καρδιαγγειακά προβλήματα. Ενώ στα μεγάλα αστικά κέντρα λειτουργεί ένα αρκετά πυκνό δίκτυο επίγειων αισθητήρων συγκέντρωσης, εντούτοις μεγάλα τμηματα των πόλεων στερούνται δεδομένων λόγω της λειτουργικότητας και της χρονικής συχνότητας των εν λόγω μετρήσεων. Η τηλεπισκοπική παρατήρηση της συγκέντρωσης Α.Σ. θα μπορούσε να υπερνικήσει τον παραπάνω περιορισμό και να παρέχει ακριβή και περιοδικά στοιχεία της συγκέντρωσης και της κατανομής στον χώρο Α.Σ. μέσα σε μεγάλα αστικά συγκροτήματα. Ο συνδυασμός δε τηλεπισκοπικών δεδομένων, επίγειων μετρήσεων και αριθμητικών μοντέλων διασποράς θα ήταν η βέλτιστη προσέγγιση προς την πληρέστερη ενημέρωση και καταγραφή. Στις μέρες μας η δορυφορική μέθοδος καταγραφής της Οπτικής πυκνότητας Αιωρημάτων (AOT), με την οποία ορίζεται η αποτύπωση όλων των στερεών αιωρούμενων σωματιδίων σε μια μοναδιαία στήλη της ατμοσφαιρας, είναι η πιο διαδεδομένη διαδικασία που σχετίζεται με τον υπολογισμό συγκεντρώσεων Α.Σ. Στην παρούσα έρευνα γίνεται χρήση στατιστικών μοντέλων με χρονική και χωρική συσχέτιση για την εκτίμηση της συγκέντρωσης στην ευρύτερη περιοχή του Λονδίνου.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Η περιοχή μελέτης είναι η ευρύτερη περιοχή του Λονδίνου, η οποία παρουσιάζεται με μαυρο περίγραμμα στην Εικόνα 1. Στην ίδια εικόνα εμφανίζονται οι σταθμοί επίγειας μέτρησης συγκέντρωσης Α.Σ. Επίσης στην Εικόνα 2 δίδεται ένας χάρτης χρήσεων γης της μελετώμενης περιοχής με κατηγοριοποίηση 20 διαφορετικών χρήσεων στον αστικό χώρο. Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν είναι προιόντα του αισθητήρα MODIS (Moderate Resolution Imaging Spectroradiometer) και περιλαμβάνουν δεδομένα αιωρηματων- AOT, σχετικής υγρασίας- RHUM, επιφανειακής θερμοκρασίας- STMP και του συντελεστή Κ- KIND. Τα παραπάνω δεδομένα καλύπτουν το χρονικό εύρος των ετών 2002-2012.<br /> <br /> <br /> '''ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> Για την ασφαλέστερη εξαγωγή συμπερασμάτων αρχικά απαιτήθηκε η διαστάυρωση των δορυφορικών δεδομένων με τις επίγειες μετρήσεις. Για την επικύρωση των αποτελεσμάτων επιλέχθηκε ένα εικονοστοιχείο στην επιφάνεια του οποίου λειτουργεί και ένας επίγειος σταθμος μέτρησης. Για να αυξηθεί η εγκυρότητα των συγκρίσεων, η μέση ημερήσια τιμή των μετρήσεων του επίγειου σταθμού συγκρίνεται όχι μόνο με το εικονοστοιχείο στο οποίο εμπίπτει αλλά και με συνδυασμούς γειτονικών ακολουθώντας την μέθοδο του χωρικού μέσου για εύρος 13x13px. Λόγω των διαφορετικών καλύψεων γης αναμένεται η συγκέντρωση να διαφοροποιείται από περιοχή σε περιοχή. Για να συγκριθούν οι αντίστοιχες συγκεντρώσεις εφαρμόστηκε η μέθοδος των άνισων δειγμάτων και έτσι προέκυψε μια μετα-ταξινόμηση των περιοχών με βάση αυτή τη φορά τις διαφορές στις παρατηρούμενες στγκεντρώσεις των σωματιδίων. Στη συνέχεια εφαρμόζεται έλεγχος συσχέτισης της χρήσης γης με την μέση μετρούμενη συγκέντρωση με βάση τον παρακάτω τύπο.<br /> log(𝑃𝑀𝑖𝑗)=𝑎0∙𝑆𝑉𝐹𝑖+𝑎𝑖∙𝐿𝑈𝐶𝑖+𝜀𝑖𝑗<br /> Οι τιμές που εξάγονται απο την συνάρτηση στη συνέχεια υφίστατνται στατιστική παρεμβολή με την μέθοδο του kriging που δίνει μια κανονικοποιημένη γκαουσιανή πρόβλεψη για την θέση των τιμών και κάθε ενδιάμεσσης.<br /> Η ομογενοποίηση των αποτελεσμάτων, λαμβάνοντας υπόψιν την χωρική υπόσταση, συνεχίστηκε με την εκτίμηση των Μοντέλων μικτών παραμέτρων (LMM) με 2 υποπεριπτώσεις. Στην πρώτη περίπτωση το μοντέλο θεωρεί σημαντικό τον χρόνο και επιτρέπει την ανα μέρα σύγκριση των δεδομένων του δορυφόρου με τις συγκεντρώσεις Α.Σ. Σε αυτή την περίπτωση χρησιμοποιεί δεδομένα όλων των ημερών για να σταθεροποιήσει την παρατήρηση και την εξαγωγή αποτελέσματος. Το δεύτερο μοντέλο θεωρεί σημαντικό τον χώρο και τα αποτελέσματά του αναπαριστούν την κατανομή του φαινομαίνου στον χώρο. Κατά την δημιουργία των μοντέλων παρατηρήθηκε σαφής εποχική τάση για τις μετρώμενες συγκεντρώσεις. Έτσι κατα τον σχεδιασμό το βέλτιστο μοντέλο επιλέχθηκε για να αποφασιστεί ποιές μεταβλητές είναι τυχαίες και ποιές είναι σταθερές-εξαρτημένες.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Αρχικά εξάχθηκε σαν αποτέλεσμα η σύγκριση των τηλεπισκοπικών δεδομένων συγκέντρωσης με αυτά που μετρώνται στους επίγειους σταθμούς. Η τάση που παρατηρήθηκε είναι οτι τα δεδομένα του δορυφορικού αισθητήρα δίνουν σαν αποτέλεσμα υπερεκτιμημένες συγκεντρώσεις σε σχέση με τις επίγειες. Όμως το φαινόμενο εξαλείφεται καθώς αυξάνεται η περιοχή μελέτης. Σε γενικές γραμμές τα διαστήματα εμπιστοσύνης για τα δορυφορικά δεδομένα είναι αποδεκτά για χρήση. Όπως αναμενόταν σε κάποιες απο τις κατηγορίες κάλυψης γης έχουμε σημαντικές διαφοροποιήσεις στις μέσες τιμές της συγκέντρωσης που υπολογίστηκαν. Έτσι για να ομαδοποιηθούν καλύτερα τα αποτελέσματα οι 20 αρχικές κατηγορίες κάλυψης γης συγχωνεύθηκαν σε 6. Το αποτέλεσμα φαίνεται στην εικόνα 3. Στη συνέχεια εξάχθηκαν τα αποτελέσματα των στατιστικών μοντέλων για την αποτύπωση της χωροχρονικής κατανομής των συγκεντρώσεων. Στις εικόνες 4 και 5 παρατηρούμε την χωρική κατανομή των συγκεντρώσεων για τους 2 τύπους ρύπων με 2 διαφορετικές αναλύσεις για την κάθε περίπτωση. Αν παρατηρήσουμε τους χάρτες, ειδικά στις περιπτώσεις υψηλής ανάλυσης, παρατηρούμε οτι οι συγκεντρώσεις είναι αυξημένες στις περιοχές οπου έχουμε έντονη αστικοποίηση άρα και μεγαλύτερες εκπομπές σωματιδίων. Τα αποτελέσματα των στατιστικών μοντέλων κρίνονται επίσης ικανοποιητικά αν και στην περίπτωση του μοντέλου LMM1 η ικανότητα πρόβλεψης συγκεντρώσεων κρίνεται σαφώς καλύτερη από αυτή του μοντέλου LMM2. Στις εικόνες 6 και 7 παρατηρούμε την εκτίμηση που δίνει το μοντέλο για την συγκέντρωσει των 2 τύπων ρύπων κάνοντας χρήση όλων των συλλεγμένων δεδομένων της δεκαετίας (2002-2012). Συμπερασματικά η απόδοση των προτύπων χωρικής κατανομής των ρύπων κρίνεται ικανοποιητική βάσει και των δεδομένων που ήταν διαθέσιμα. Το θετικό είναι οτι το μοντέλο που δημιουργήθηκε θα μπορεί να ενσωματώσει και να αξιοποιήσει και τα μελλοντικά δεδομένα τηλεπισκοπικής παρατήρησης όπως αυτά του Copernicus Sentinel-3 που προσφατα τέθηκε σε τροχιά.<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[Αρχείο: 9wiki.png |thumb|right| Εικόνα 1:Η ευρύτερη περιοχή του Λονδίνου και οι σταθμοί μέτρησης.]]<br /> <br /> [[Αρχείο: 10wiki.png |thumb|right| Εικόνα 2:Χάρτης χρήσεων γης.]]<br /> <br /> [[Αρχείο: 11wiki.png |thumb|right| Εικόνα 3:Νέα ταξινόμηση χρήσης γης.]]<br /> <br /> [[Αρχείο: 12wiki.png |thumb|right| Εικόνα 4:Συγκεντρώσεις Α.Σ. (PM10).]]<br /> <br /> [[Αρχείο: 13wiki.png |thumb|right| Εικόνα 5:Συγκεντρώσεις Α.Σ. (PM2.5).]]<br /> <br /> [[Αρχείο: 14wiki.png |thumb|right| Εικόνα 6:Πρόβλεψη συγκέντωσης Α.Σ. (PM10).]]<br /> <br /> [[Αρχείο: 15wiki.png |thumb|right| Εικόνα 7:Πρόβλεψη συγκέντωσης Α.Σ. (PM2.5).]]<br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:Ατμοσφαιρική Ρύπανση]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CF%85%CF%84%CE%B1%CE%BB%CE%AC%CF%82_%CE%92%CE%B1%CF%83%CE%AF%CE%BB%CE%B7%CF%82 2019-03-13T19:49:42Z

<p>Koutalasvasilis: Νέα σελίδα με '* [[ΣΥΝΔΙΑΣΜΕΝΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ ΚΑΙ ΕΠΙΓΕΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΤΡΗΣΗΣ ΓΙΑ ΤΗΝ ΕΚΤΙΜ...'</p> <hr /> <div>* [[ΣΥΝΔΙΑΣΜΕΝΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ ΚΑΙ ΕΠΙΓΕΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΤΡΗΣΗΣ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΣΥΓΚΕΝΤΡΩΣΗΣ Α.Σ.]]<br /> <br /> * [[ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ]]<br /> <br /> * [[Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%95%CE%9A%CE%A4%CE%91%CE%A3%CE%95%CE%A9%CE%9D_%CE%A4%CE%9F%CE%A5_2007_%CE%A4%CE%97%CE%A3_%CE%94%CE%A5%CE%A4%CE%99%CE%9A%CE%97%CE%A3_%CE%A0%CE%95%CE%9B%CE%9F%CE%A0%CE%9F%CE%9D%CE%9D%CE%97%CE%9F%CE%A5_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%9A%CE%91%CE%A4%CE%91%CE%93%CE%A1%CE%91%CE%A6%CE%97_%CE%9A%CE%91%CE%99_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97_%CE%95%CE%A0%CE%99%CE%A0%CE%95%CE%94%CE%9F%CE%A5_%CE%96%CE%97%CE%9C%CE%99%CE%A9%CE%9D 2019-03-05T20:46:08Z

<p>Koutalasvasilis: </p> <hr /> <div>'''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ ΧΛΩΡΙΔΑΣ-ΕΝΔΕΙΞΕΙΣ ΦΥΣΙΚΗΣ ΑΝΑΓΕΝΝΗΣΗΣ'''<br /> <br /> '''Συγγραφείς: Αντύπας Γεράσιμος, Γιαννάκης Ιωάννης, Μαρτίνης Αριστοτέλης, Χάρου Ελένη '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Όπως παρατηρείται τα τελευταία χρόνια, τα περιστατικά δασικών πυρκαγιών στην Ελλάδα, παρουσιάζουν συνεχώς αυξανόμενες και ως εκ τούτου ανησυχητικές διαστάσεις. Συγκεκριμένα αποτελούν μια φυσική καταστροφή που πλήτει κάθε χρόνο πολλαπλές περιοχές της επικράτειας φέρνοντας μεγάλες αλλαγές στην χρήση γής, το οικοσύστημα της εκάστοτε περιοχής και των ανθρώπινων-κοινωνικών δραστηριοτήτων. Μια παρόμοια, καταστροφικής έκτασης, πυρκαγιά έλαβε χώρα στην Δυτική Πελοπόννησο το καλοκαίρι του 2007 καταστρέφοντας ένα πολύ μεγάλο κομμάτι δασικής έκτασης. Η προσπάθεια αποτίμησης της φυσικής καταστροφής αποτελεί μια πολύπλοκη προσπάθεια, στην οποία μπορεί να συμβάλει η μελέτη των Γεωγραφικών Συστημάτων Πληροφοριών, της Τηλεπισκόπησης και της επεξεργασίας των δεδομένων με λογισμικά ανοιχτού κώδικα. Οι δορυφορικές τηλεπισκοπικές εικόνες, ανάλογα με τις ιδιότητες τους (χωρική-φασματική-ραδιομετρική ανάλυση), μπορούν να οδηγήσουν σε σημαντικά συμπεράσματα για την κατάσταση της χλωρίδας της γήινης επιφάνειας. Τα διαφορετικά στοιχεία του φλοιού της γης, φυτά, έδαφος, κτίρια, υδάτινες επιφάνειες απορροφούν, αντανακλούν και εκπέμπουν την ηλιακή ακτινοβολία με διαφορετικό τρόπο. Έτσι οι τηλεπισκοπικοί ψηφιακοί σαρωτές μπορούν να απεικονίσουν την υφιστάμενη σύνθεση μιας περιοχής σε μια συγκεκριμένη χρονική στιγμή. Η βλάστηση έχει μια συγκεκριμένη φασματική υπογραφή που την καθιστά διακριτή σε μια εικόνα του ορατού ή τους εγγύς υπέρυθρου φάσματος. Η βλαστηση σε κανονικές συνθήκες απορροφά ισχυρά την ερυθρή ακτινοβολία (0,63-0,69μm), ενώ ανακλά εξίσου ισχυρά στο εγγύς υπέρυθρο (0,76-0,90μm). Έτσι η σύγκριση της ανακλαστικότητας στα παραπάνω κανάλια του φάσματος μπορεί να αναδείξει την ύπαρξη βλάστησης, ενώ ο συνδυασμός συγκεκριμένα του ερυθρού (RED) και του εγγύς υπέρυθρου (NIR) αποτελεί τον δείκτη βλάστησης-vegetation index.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Τα δεδομένα που χρησιμοποιήθηκαν στην παρούσα εργασία είναι προιόν τηλεπισκόπησης της ESA και συγκεκριμένα είναι δορυφορικές εικόνες πλήρους ανάλυσης για την περιοχή μελετης από τον δορυφόρο ENVISAT, ο οποίος ενσωματώνει Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS). Το συγκεκριμένο φασματόμετρο είναι προγραμματιζόμενο και λειτουργεί στο φάσμα της ηλιακής ακτινοβολίας, χρησιμοποιώντας 15 φασματικά κανάλια τα οποία επιλέγονται κατα περίπτωση από επίγειες εντολές. Η σάρωση της γήινης επιφάνειας γίνεται με την μέθοδο της ωθητικής σάρωσης (push-broom) κατά την οποία συστοιχίες ανιχνευτών συζευγμένου φορτίου CCD παρέχουν χωρική δειγματοληψία μέσω της κατεύθυνσης της τροχιάς, ενώ η κίνηση του δορυφόρου παρέχει σάρωση στη διαμήκη κατεύθυνση. Το φασματόμετρο είναι προγραμματισμένο να λαμβάνει στιγμιότυπα όταν οι συνθήκες φωτισμού είναι κατάλληλες και η λωρίδα σάρωσής του φτάνει τα 1.150km. Η χωρική ανάλυση του αισθητήρα είναι 300x300m και ενσωματώνει 15 κανάλια των 50nm στο φάσμα 290-1.040nm.<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η μέθοδος ελέγχου κάνει χρήση 30 διαφορετικών δορυφορικών στιγμιοτύπων της περιοχής μελέτης, τα οποία επεξεργάζονται με τη χρήση των λογισμικών BEAM-VISAT 4.6.1 και 4.7 ανοιχτού κώδικα. Απο τις παραπάνω έγινε επιλογή των 7 με βάση την περίοδο εκδήλωσης της πυρκαγιάς, ώστε να καλυφθεί το διάστημα λίγο πριν μέχρι 2 χρόνια μετά, και της νεφοκάλυψης στην κάθε περίπτωση. Οι δείκτες βλάστησης που καταγράφηκαν είναι οι εξής: α)NDVI, β)LAI, γ)fCover, δ)LAIxCab ε)fAPAR. Η επεξεργασία των εικόνων περιλαμβάνει τα εξής βήματα:<br /> <br /> 1.Επιλογή και απομόνωση της περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος.<br /> <br /> 2.Γεωμετρική και ατμοσφαιρική διόρθωση (Cloud Probability Processor.<br /> <br /> 3.Επιλογή του βέλτιστου συνδυασμού καναλιών για την παρουσίαση. <br /> <br /> 4.Επιλογή των βέλτιστων σημείων από την κάθε εικόνα για την εκτίμηση των παραμέτρων που καταλήγουν στους δείκτες βλάστησης που προαναφέρθηκαν.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η πρώτη στατιστική ανάλυση των δεδομένων μέσω των μέσων όρων του NDVI για τους θερινούς μήνες της περιοχής μελέτης έδωσε ενδείξεις πιθανής αναγέννησης της βλάστησης οπότε κρίθηκε σκόπιμη η λεπτομερέστερη και με περισσότερους δείκτες βλάστησης επανάληψη της ανάλυσης για το διάστημα που κάλυπταν οι επιλεγμένες εικόνες. Πιο συγκεκριμένα η έρευνα κατέληξε στα εξής:<br /> <br /> Δείκτης NDVI<br /> <br /> • μέσος όρος θερινών μηνών 2007: 0,30 (πριν την πυρκαγιά)<br /> <br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο δείκτης επιβεβαιώνει την ανάπτυξη νέας βλάστησης της περιοχής μελέτης. Η πτώση του το επόμενο έτος της πυρκαγιάς δείχνει την αρχική καταστροφή της βλάστησης λόγω της πυρκαγιάς και την αναγέννηση 2 χρόνια μετά από την εκδήλωσή της.<br /> <br /> Δείκτης LAI<br /> <br /> •μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 1,24<br /> <br /> •μέσος όρος θερινών μηνών 2009: 1,15<br /> <br /> Ο συγκεκριμένος δείκτης αναδυκνείει την περιοχή που καλύπτεται από φυλλώδη βλάστηση. Λόγω της πυρκαγιάς παρατηρούμε μείωση του δείκτη, η οποία φανερώνει και την αλλαγή της κυρίαρχης βλάστησης της περιοχής από δενδρώδη σε ποώδη-θαμνώδη.<br /> <br /> <br /> Δείκτης fCover<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,35 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο παραπάνω δείκτης αποτελεί το κλάσμα της φυτοκαλυμμένης περιοχής προς το σύνολο της επιφάνειας. Λόγω της απουσίας εξάρτησης από την κατεύθυνση της ανάκλασης αποτελεί έναν ιδιαίτερα χρήσιμο δείκτη βλάστησης, που αποδεικνύει επίσης την τάση φυτικής αναγέννησης τα επόμενα χρόνια της πυρκαγιάς.<br /> <br /> Δείκτης LAIxCab<br /> <br /> •μέσος όρος θερινών μηνών 2007: 60,82 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 58,65<br /> <br /> •μέσος όρος θερινών μηνών 2009: 61,83<br /> <br /> Ο παραπάνω δείκτης αναδεικνύει την ύπαρξη φωτοσυνθετικής δραστηριότητας μέσω της ανάκλασης της χλωροφύλλης σε επίπεδο φυλλώματος αλλά και επιφάνειας. Αποτελεί επομένως μια καλή απόδειξη για την ενεργοποίηση της χλωριδικής δραστηριότητας μετά την πυρκαγιά.<br /> <br /> Δείκτης fAPAR<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,51 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,36<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,41<br /> <br /> Ο παραπάνω δείκτης μπορεί να αναδείξει την φωτοσυνθετική δραστηριότητα αφού αποτελεί το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που απαιτείται για την στοιχειώδη μεταβολική διεργασία ως προς την αντίστοιχη προσπιπτώμενη από τον ήλιο. Αποτελεί πολύ χρήσιμο δείκτη για την εκτίμηση της χλωριδικής ανάπτυξης μιας περιοχής αλλά θα πρέπει να διασφαλιστούν οι βέλτιστες συνθήκες λήψης του στιγμιότυπου για να αυξηθεί η εγκυρότητά του.<br /> Όλοι οι παραπάνω μελετώμενοι δείκτες βλάστησης αποτύπωσαν σαφή τάση αναγέννησης της χλωρίδας μετά την πυρκαγιά. Παρ’ όλα αυτά θα χρειαστεί περαιτέρω δασολογική και περιβαλλοντική έρευνα των αποτελεσμάτων για να εξαχθούν ακόμη ακριβέστερα συμπεράσματα και να καταρτιστεί ένα σχέδιο ανθρώπινων δράσεων για την υποστήριξη της αποκατάστασης και αναδάσωσης της περιοχής. <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%95%CE%9A%CE%A4%CE%91%CE%A3%CE%95%CE%A9%CE%9D_%CE%A4%CE%9F%CE%A5_2007_%CE%A4%CE%97%CE%A3_%CE%94%CE%A5%CE%A4%CE%99%CE%9A%CE%97%CE%A3_%CE%A0%CE%95%CE%9B%CE%9F%CE%A0%CE%9F%CE%9D%CE%9D%CE%97%CE%9F%CE%A5_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%9A%CE%91%CE%A4%CE%91%CE%93%CE%A1%CE%91%CE%A6%CE%97_%CE%9A%CE%91%CE%99_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97_%CE%95%CE%A0%CE%99%CE%A0%CE%95%CE%94%CE%9F%CE%A5_%CE%96%CE%97%CE%9C%CE%99%CE%A9%CE%9D 2019-03-05T20:44:55Z

<p>Koutalasvasilis: </p> <hr /> <div>'''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ ΧΛΩΡΙΔΑΣ-ΕΝΔΕΙΞΕΙΣ ΦΥΣΙΚΗΣ ΑΝΑΓΕΝΝΗΣΗΣ'''<br /> <br /> '''Συγγραφείς: Αντύπας Γεράσιμος, Γιαννάκης Ιωάννης, Μαρτίνης Αριστοτέλης, Χάρου Ελένη '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Όπως παρατηρείται τα τελευταία χρόνια, τα περιστατικά δασικών πυρκαγιών στην Ελλάδα, παρουσιάζουν συνεχώς αυξανόμενες και ως εκ τούτου ανησυχητικές διαστάσεις. Συγκεκριμένα αποτελούν μια φυσική καταστροφή που πλήτει κάθε χρόνο πολλαπλές περιοχές της επικράτειας φέρνοντας μεγάλες αλλαγές στην χρήση γής, το οικοσύστημα της εκάστοτε περιοχής και των ανθρώπινων-κοινωνικών δραστηριοτήτων. Μια παρόμοια, καταστροφικής έκτασης, πυρκαγιά έλαβε χώρα στην Δυτική Πελοπόννησο το καλοκαίρι του 2007 καταστρέφοντας ένα πολύ μεγάλο κομμάτι δασικής έκτασης. Η προσπάθεια αποτίμησης της φυσικής καταστροφής αποτελεί μια πολύπλοκη προσπάθεια, στην οποία μπορεί να συμβάλει η μελέτη των Γεωγραφικών Συστημάτων Πληροφοριών, της Τηλεπισκόπησης και της επεξεργασίας των δεδομένων με λογισμικά ανοιχτού κώδικα. Οι δορυφορικές τηλεπισκοπικές εικόνες, ανάλογα με τις ιδιότητες τους (χωρική-φασματική-ραδιομετρική ανάλυση), μπορούν να οδηγήσουν σε σημαντικά συμπεράσματα για την κατάσταση της χλωρίδας της γήινης επιφάνειας. Τα διαφορετικά στοιχεία του φλοιού της γης, φυτά, έδαφος, κτίρια, υδάτινες επιφάνειες απορροφούν, αντανακλούν και εκπέμπουν την ηλιακή ακτινοβολία με διαφορετικό τρόπο. Έτσι οι τηλεπισκοπικοί ψηφιακοί σαρωτές μπορούν να απεικονίσουν την υφιστάμενη σύνθεση μιας περιοχής σε μια συγκεκριμένη χρονική στιγμή. Η βλάστηση έχει μια συγκεκριμένη φασματική υπογραφή που την καθιστά διακριτή σε μια εικόνα του ορατού ή τους εγγύς υπέρυθρου φάσματος. Η βλαστηση σε κανονικές συνθήκες απορροφά ισχυρά την ερυθρή ακτινοβολία (0,63-0,69μm), ενώ ανακλά εξίσου ισχυρά στο εγγύς υπέρυθρο (0,76-0,90μm). Έτσι η σύγκριση της ανακλαστικότητας στα παραπάνω κανάλια του φάσματος μπορεί να αναδείξει την ύπαρξη βλάστησης, ενώ ο συνδυασμός συγκεκριμένα του ερυθρού (RED) και του εγγύς υπέρυθρου (NIR) αποτελεί τον δείκτη βλάστησης-vegetation index.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Τα δεδομένα που χρησιμοποιήθηκαν στην παρούσα εργασία είναι προιόν τηλεπισκόπησης της ESA και συγκεκριμένα είναι δορυφορικές εικόνες πλήρους ανάλυσης για την περιοχή μελετης από τον δορυφόρο ENVISAT, ο οποίος ενσωματώνει Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS). Το συγκεκριμένο φασματόμετρο είναι προγραμματιζόμενο και λειτουργεί στο φάσμα της ηλιακής ακτινοβολίας, χρησιμοποιώντας 15 φασματικά κανάλια τα οποία επιλέγονται κατα περίπτωση από επίγειες εντολές. Η σάρωση της γήινης επιφάνειας γίνεται με την μέθοδο της ωθητικής σάρωσης (push-broom) κατά την οποία συστοιχίες ανιχνευτών συζευγμένου φορτίου CCD παρέχουν χωρική δειγματοληψία μέσω της κατεύθυνσης της τροχιάς, ενώ η κίνηση του δορυφόρου παρέχει σάρωση στη διαμήκη κατεύθυνση. Το φασματόμετρο είναι προγραμματισμένο να λαμβάνει στιγμιότυπα όταν οι συνθήκες φωτισμού είναι κατάλληλες και η λωρίδα σάρωσής του φτάνει τα 1.150km. Η χωρική ανάλυση του αισθητήρα είναι 300x300m και ενσωματώνει 15 κανάλια των 50nm στο φάσμα 290-1.040nm.<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η μέθοδος ελέγχου κάνει χρήση 30 διαφορετικών δορυφορικών στιγμιοτύπων της περιοχής μελέτης, τα οποία επεξεργάζονται με τη χρήση των λογισμικών BEAM-VISAT 4.6.1 και 4.7 ανοιχτού κώδικα. Απο τις παραπάνω έγινε επιλογή των 7 με βάση την περίοδο εκδήλωσης της πυρκαγιάς, ώστε να καλυφθεί το διάστημα λίγο πριν μέχρι 2 χρόνια μετά, και της νεφοκάλυψης στην κάθε περίπτωση. Οι δείκτες βλάστησης που καταγράφηκαν είναι οι εξής: α)NDVI, β)LAI, γ)fCover, δ)LAIxCab ε)fAPAR. Η επεξεργασία των εικόνων περιλαμβάνει τα εξής βήματα:<br /> <br /> 1.Επιλογή και απομόνωση της περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος.<br /> <br /> 2.Γεωμετρική και ατμοσφαιρική διόρθωση (Cloud Probability Processor.<br /> <br /> 3.Επιλογή του βέλτιστου συνδυασμού καναλιών για την παρουσίαση. <br /> <br /> 4.Επιλογή των βέλτιστων σημείων από την κάθε εικόνα για την εκτίμηση των παραμέτρων που καταλήγουν στους δείκτες βλάστησης που προαναφέρθηκαν.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η πρώτη στατιστική ανάλυση των δεδομένων μέσω των μέσων όρων του NDVI για τους θερινούς μήνες της περιοχής μελέτης έδωσε ενδείξεις πιθανής αναγέννησης της βλάστησης οπότε κρίθηκε σκόπιμη η λεπτομερέστερη και με περισσότερους δείκτες βλάστησης επανάληψη της ανάλυσης για το διάστημα που κάλυπταν οι επιλεγμένες εικόνες. Πιο συγκεκριμένα η έρευνα κατέληξε στα εξής:<br /> Δείκτης NDVI<br /> <br /> • μέσος όρος θερινών μηνών 2007: 0,30 (πριν την πυρκαγιά)<br /> <br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο δείκτης επιβεβαιώνει την ανάπτυξη νέας βλάστησης της περιοχής μελέτης. Η πτώση του το επόμενο έτος της πυρκαγιάς δείχνει την αρχική καταστροφή της βλάστησης λόγω της πυρκαγιάς και την αναγέννηση 2 χρόνια μετά από την εκδήλωσή της.<br /> Δείκτης LAI<br /> <br /> •μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 1,24<br /> <br /> •μέσος όρος θερινών μηνών 2009: 1,15<br /> <br /> Ο συγκεκριμένος δείκτης αναδυκνείει την περιοχή που καλύπτεται από φυλλώδη βλάστηση. Λόγω της πυρκαγιάς παρατηρούμε μείωση του δείκτη, η οποία φανερώνει και την αλλαγή της κυρίαρχης βλάστησης της περιοχής από δενδρώδη σε ποώδη-θαμνώδη.<br /> <br /> <br /> Δείκτης fCover<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,35 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,22<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,25<br /> <br /> Ο παραπάνω δείκτης αποτελεί το κλάσμα της φυτοκαλυμμένης περιοχής προς το σύνολο της επιφάνειας. Λόγω της απουσίας εξάρτησης από την κατεύθυνση της ανάκλασης αποτελεί έναν ιδιαίτερα χρήσιμο δείκτη βλάστησης, που αποδεικνύει επίσης την τάση φυτικής αναγέννησης τα επόμενα χρόνια της πυρκαγιάς.<br /> Δείκτης LAIxCab<br /> <br /> •μέσος όρος θερινών μηνών 2007: 60,82 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 58,65<br /> <br /> •μέσος όρος θερινών μηνών 2009: 61,83<br /> <br /> Ο παραπάνω δείκτης αναδεικνύει την ύπαρξη φωτοσυνθετικής δραστηριότητας μέσω της ανάκλασης της χλωροφύλλης σε επίπεδο φυλλώματος αλλά και επιφάνειας. Αποτελεί επομένως μια καλή απόδειξη για την ενεργοποίηση της χλωριδικής δραστηριότητας μετά την πυρκαγιά.<br /> Δείκτης fAPAR<br /> <br /> •μέσος όρος θερινών μηνών 2007: 0,51 (πριν την πυρκαγιά)<br /> <br /> •μέσος όρος θερινών μηνών 2008: 0,36<br /> <br /> •μέσος όρος θερινών μηνών 2009: 0,41<br /> <br /> Ο παραπάνω δείκτης μπορεί να αναδείξει την φωτοσυνθετική δραστηριότητα αφού αποτελεί το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που απαιτείται για την στοιχειώδη μεταβολική διεργασία ως προς την αντίστοιχη προσπιπτώμενη από τον ήλιο. Αποτελεί πολύ χρήσιμο δείκτη για την εκτίμηση της χλωριδικής ανάπτυξης μιας περιοχής αλλά θα πρέπει να διασφαλιστούν οι βέλτιστες συνθήκες λήψης του στιγμιότυπου για να αυξηθεί η εγκυρότητά του.<br /> Όλοι οι παραπάνω μελετώμενοι δείκτες βλάστησης αποτύπωσαν σαφή τάση αναγέννησης της χλωρίδας μετά την πυρκαγιά. Παρ’ όλα αυτά θα χρειαστεί περαιτέρω δασολογική και περιβαλλοντική έρευνα των αποτελεσμάτων για να εξαχθούν ακόμη ακριβέστερα συμπεράσματα και να καταρτιστεί ένα σχέδιο ανθρώπινων δράσεων για την υποστήριξη της αποκατάστασης και αναδάσωσης της περιοχής. <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%95%CE%9A%CE%A4%CE%91%CE%A3%CE%95%CE%A9%CE%9D_%CE%A4%CE%9F%CE%A5_2007_%CE%A4%CE%97%CE%A3_%CE%94%CE%A5%CE%A4%CE%99%CE%9A%CE%97%CE%A3_%CE%A0%CE%95%CE%9B%CE%9F%CE%A0%CE%9F%CE%9D%CE%9D%CE%97%CE%9F%CE%A5_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%9A%CE%91%CE%A4%CE%91%CE%93%CE%A1%CE%91%CE%A6%CE%97_%CE%9A%CE%91%CE%99_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97_%CE%95%CE%A0%CE%99%CE%A0%CE%95%CE%94%CE%9F%CE%A5_%CE%96%CE%97%CE%9C%CE%99%CE%A9%CE%9D 2019-03-05T20:42:59Z

<p>Koutalasvasilis: </p> <hr /> <div>'''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ ΧΛΩΡΙΔΑΣ-ΕΝΔΕΙΞΕΙΣ ΦΥΣΙΚΗΣ ΑΝΑΓΕΝΝΗΣΗΣ'''<br /> <br /> '''Συγγραφείς: Αντύπας Γεράσιμος, Γιαννάκης Ιωάννης, Μαρτίνης Αριστοτέλης, Χάρου Ελένη '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Όπως παρατηρείται τα τελευταία χρόνια, τα περιστατικά δασικών πυρκαγιών στην Ελλάδα, παρουσιάζουν συνεχώς αυξανόμενες και ως εκ τούτου ανησυχητικές διαστάσεις. Συγκεκριμένα αποτελούν μια φυσική καταστροφή που πλήτει κάθε χρόνο πολλαπλές περιοχές της επικράτειας φέρνοντας μεγάλες αλλαγές στην χρήση γής, το οικοσύστημα της εκάστοτε περιοχής και των ανθρώπινων-κοινωνικών δραστηριοτήτων. Μια παρόμοια, καταστροφικής έκτασης, πυρκαγιά έλαβε χώρα στην Δυτική Πελοπόννησο το καλοκαίρι του 2007 καταστρέφοντας ένα πολύ μεγάλο κομμάτι δασικής έκτασης. Η προσπάθεια αποτίμησης της φυσικής καταστροφής αποτελεί μια πολύπλοκη προσπάθεια, στην οποία μπορεί να συμβάλει η μελέτη των Γεωγραφικών Συστημάτων Πληροφοριών, της Τηλεπισκόπησης και της επεξεργασίας των δεδομένων με λογισμικά ανοιχτού κώδικα. Οι δορυφορικές τηλεπισκοπικές εικόνες, ανάλογα με τις ιδιότητες τους (χωρική-φασματική-ραδιομετρική ανάλυση), μπορούν να οδηγήσουν σε σημαντικά συμπεράσματα για την κατάσταση της χλωρίδας της γήινης επιφάνειας. Τα διαφορετικά στοιχεία του φλοιού της γης, φυτά, έδαφος, κτίρια, υδάτινες επιφάνειες απορροφούν, αντανακλούν και εκπέμπουν την ηλιακή ακτινοβολία με διαφορετικό τρόπο. Έτσι οι τηλεπισκοπικοί ψηφιακοί σαρωτές μπορούν να απεικονίσουν την υφιστάμενη σύνθεση μιας περιοχής σε μια συγκεκριμένη χρονική στιγμή. Η βλάστηση έχει μια συγκεκριμένη φασματική υπογραφή που την καθιστά διακριτή σε μια εικόνα του ορατού ή τους εγγύς υπέρυθρου φάσματος. Η βλαστηση σε κανονικές συνθήκες απορροφά ισχυρά την ερυθρή ακτινοβολία (0,63-0,69μm), ενώ ανακλά εξίσου ισχυρά στο εγγύς υπέρυθρο (0,76-0,90μm). Έτσι η σύγκριση της ανακλαστικότητας στα παραπάνω κανάλια του φάσματος μπορεί να αναδείξει την ύπαρξη βλάστησης, ενώ ο συνδυασμός συγκεκριμένα του ερυθρού (RED) και του εγγύς υπέρυθρου (NIR) αποτελεί τον δείκτη βλάστησης-vegetation index.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Τα δεδομένα που χρησιμοποιήθηκαν στην παρούσα εργασία είναι προιόν τηλεπισκόπησης της ESA και συγκεκριμένα είναι δορυφορικές εικόνες πλήρους ανάλυσης για την περιοχή μελετης από τον δορυφόρο ENVISAT, ο οποίος ενσωματώνει Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS). Το συγκεκριμένο φασματόμετρο είναι προγραμματιζόμενο και λειτουργεί στο φάσμα της ηλιακής ακτινοβολίας, χρησιμοποιώντας 15 φασματικά κανάλια τα οποία επιλέγονται κατα περίπτωση από επίγειες εντολές. Η σάρωση της γήινης επιφάνειας γίνεται με την μέθοδο της ωθητικής σάρωσης (push-broom) κατά την οποία συστοιχίες ανιχνευτών συζευγμένου φορτίου CCD παρέχουν χωρική δειγματοληψία μέσω της κατεύθυνσης της τροχιάς, ενώ η κίνηση του δορυφόρου παρέχει σάρωση στη διαμήκη κατεύθυνση. Το φασματόμετρο είναι προγραμματισμένο να λαμβάνει στιγμιότυπα όταν οι συνθήκες φωτισμού είναι κατάλληλες και η λωρίδα σάρωσής του φτάνει τα 1.150km. Η χωρική ανάλυση του αισθητήρα είναι 300x300m και ενσωματώνει 15 κανάλια των 50nm στο φάσμα 290-1.040nm.<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η μέθοδος ελέγχου κάνει χρήση 30 διαφορετικών δορυφορικών στιγμιοτύπων της περιοχής μελέτης, τα οποία επεξεργάζονται με τη χρήση των λογισμικών BEAM-VISAT 4.6.1 και 4.7 ανοιχτού κώδικα. Απο τις παραπάνω έγινε επιλογή των 7 με βάση την περίοδο εκδήλωσης της πυρκαγιάς, ώστε να καλυφθεί το διάστημα λίγο πριν μέχρι 2 χρόνια μετά, και της νεφοκάλυψης στην κάθε περίπτωση. Οι δείκτες βλάστησης που καταγράφηκαν είναι οι εξής: α)NDVI, β)LAI, γ)fCover, δ)LAIxCab ε)fAPAR. Η επεξεργασία των εικόνων περιλαμβάνει τα εξής βήματα:<br /> 1.Επιλογή και απομόνωση της περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος.<br /> 2.Γεωμετρική και ατμοσφαιρική διόρθωση (Cloud Probability Processor.<br /> 3.Επιλογή του βέλτιστου συνδυασμού καναλιών για την παρουσίαση. <br /> 4.Επιλογή των βέλτιστων σημείων από την κάθε εικόνα για την εκτίμηση των παραμέτρων που καταλήγουν στους δείκτες βλάστησης που προαναφέρθηκαν.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η πρώτη στατιστική ανάλυση των δεδομένων μέσω των μέσων όρων του NDVI για τους θερινούς μήνες της περιοχής μελέτης έδωσε ενδείξεις πιθανής αναγέννησης της βλάστησης οπότε κρίθηκε σκόπιμη η λεπτομερέστερη και με περισσότερους δείκτες βλάστησης επανάληψη της ανάλυσης για το διάστημα που κάλυπταν οι επιλεγμένες εικόνες. Πιο συγκεκριμένα η έρευνα κατέληξε στα εξής:<br /> Δείκτης NDVI<br /> • μέσος όρος θερινών μηνών 2007: 0,30 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> Ο δείκτης επιβεβαιώνει την ανάπτυξη νέας βλάστησης της περιοχής μελέτης. Η πτώση του το επόμενο έτος της πυρκαγιάς δείχνει την αρχική καταστροφή της βλάστησης λόγω της πυρκαγιάς και την αναγέννηση 2 χρόνια μετά από την εκδήλωσή της.<br /> Δείκτης LAI<br /> •μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά)<br /> •μέσος όρος θερινών μηνών 2008: 1,24<br /> •μέσος όρος θερινών μηνών 2009: 1,15<br /> Ο συγκεκριμένος δείκτης αναδυκνείει την περιοχή που καλύπτεται από φυλλώδη βλάστηση. Λόγω της πυρκαγιάς παρατηρούμε μείωση του δείκτη, η οποία φανερώνει και την αλλαγή της κυρίαρχης βλάστησης της περιοχής από δενδρώδη σε ποώδη-θαμνώδη.<br /> <br /> <br /> Δείκτης fCover<br /> •μέσος όρος θερινών μηνών 2007: 0,35 (πριν την πυρκαγιά)<br /> •μέσος όρος θερινών μηνών 2008: 0,22<br /> •μέσος όρος θερινών μηνών 2009: 0,25<br /> Ο παραπάνω δείκτης αποτελεί το κλάσμα της φυτοκαλυμμένης περιοχής προς το σύνολο της επιφάνειας. Λόγω της απουσίας εξάρτησης από την κατεύθυνση της ανάκλασης αποτελεί έναν ιδιαίτερα χρήσιμο δείκτη βλάστησης, που αποδεικνύει επίσης την τάση φυτικής αναγέννησης τα επόμενα χρόνια της πυρκαγιάς.<br /> Δείκτης LAIxCab<br /> •μέσος όρος θερινών μηνών 2007: 60,82 (πριν την πυρκαγιά)<br /> •μέσος όρος θερινών μηνών 2008: 58,65<br /> •μέσος όρος θερινών μηνών 2009: 61,83<br /> Ο παραπάνω δείκτης αναδεικνύει την ύπαρξη φωτοσυνθετικής δραστηριότητας μέσω της ανάκλασης της χλωροφύλλης σε επίπεδο φυλλώματος αλλά και επιφάνειας. Αποτελεί επομένως μια καλή απόδειξη για την ενεργοποίηση της χλωριδικής δραστηριότητας μετά την πυρκαγιά.<br /> Δείκτης fAPAR<br /> •μέσος όρος θερινών μηνών 2007: 0,51 (πριν την πυρκαγιά)<br /> •μέσος όρος θερινών μηνών 2008: 0,36<br /> •μέσος όρος θερινών μηνών 2009: 0,41<br /> Ο παραπάνω δείκτης μπορεί να αναδείξει την φωτοσυνθετική δραστηριότητα αφού αποτελεί το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που απαιτείται για την στοιχειώδη μεταβολική διεργασία ως προς την αντίστοιχη προσπιπτώμενη από τον ήλιο. Αποτελεί πολύ χρήσιμο δείκτη για την εκτίμηση της χλωριδικής ανάπτυξης μιας περιοχής αλλά θα πρέπει να διασφαλιστούν οι βέλτιστες συνθήκες λήψης του στιγμιότυπου για να αυξηθεί η εγκυρότητά του.<br /> Όλοι οι παραπάνω μελετώμενοι δείκτες βλάστησης αποτύπωσαν σαφή τάση αναγέννησης της χλωρίδας μετά την πυρκαγιά. Παρ’ όλα αυτά θα χρειαστεί περαιτέρω δασολογική και περιβαλλοντική έρευνα των αποτελεσμάτων για να εξαχθούν ακόμη ακριβέστερα συμπεράσματα και να καταρτιστεί ένα σχέδιο ανθρώπινων δράσεων για την υποστήριξη της αποκατάστασης και αναδάσωσης της περιοχής. <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%95%CE%9A%CE%A4%CE%91%CE%A3%CE%95%CE%A9%CE%9D_%CE%A4%CE%9F%CE%A5_2007_%CE%A4%CE%97%CE%A3_%CE%94%CE%A5%CE%A4%CE%99%CE%9A%CE%97%CE%A3_%CE%A0%CE%95%CE%9B%CE%9F%CE%A0%CE%9F%CE%9D%CE%9D%CE%97%CE%9F%CE%A5_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%9A%CE%91%CE%A4%CE%91%CE%93%CE%A1%CE%91%CE%A6%CE%97_%CE%9A%CE%91%CE%99_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97_%CE%95%CE%A0%CE%99%CE%A0%CE%95%CE%94%CE%9F%CE%A5_%CE%96%CE%97%CE%9C%CE%99%CE%A9%CE%9D 2019-03-05T20:41:18Z

<p>Koutalasvasilis: Νέα σελίδα με ''''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟ...'</p> <hr /> <div>'''ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΤΟΥ 2007 ΤΗΣ ΔΥΤΙΚΗΣ ΠΕΛΟΠΟΝΝΗΟΥ ΓΙΑ ΤΗΝ ΚΑΤΑΓΡΑΦΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΙΠΕΔΟΥ ΖΗΜΙΩΝ ΧΛΩΡΙΔΑΣ-ΕΝΔΕΙΞΕΙΣ ΦΥΣΙΚΗΣ ΑΝΑΓΕΝΝΗΣΗΣ'''<br /> <br /> '''Συγγραφείς: Αντύπας Γεράσιμος, Γιαννάκης Ιωάννης, Μαρτίνης Αριστοτέλης, Χάρου Ελένη '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Όπως παρατηρείται τα τελευταία χρόνια, τα περιστατικά δασικών πυρκαγιών στην Ελλάδα, παρουσιάζουν συνεχώς αυξανόμενες και ως εκ τούτου ανησυχητικές διαστάσεις. Συγκεκριμένα αποτελούν μια φυσική καταστροφή που πλήτει κάθε χρόνο πολλαπλές περιοχές της επικράτειας φέρνοντας μεγάλες αλλαγές στην χρήση γής, το οικοσύστημα της εκάστοτε περιοχής και των ανθρώπινων-κοινωνικών δραστηριοτήτων. Μια παρόμοια, καταστροφικής έκτασης, πυρκαγιά έλαβε χώρα στην Δυτική Πελοπόννησο το καλοκαίρι του 2007 καταστρέφοντας ένα πολύ μεγάλο κομμάτι δασικής έκτασης. Η προσπάθεια αποτίμησης της φυσικής καταστροφής αποτελεί μια πολύπλοκη προσπάθεια, στην οποία μπορεί να συμβάλει η μελέτη των Γεωγραφικών Συστημάτων Πληροφοριών, της Τηλεπισκόπησης και της επεξεργασίας των δεδομένων με λογισμικά ανοιχτού κώδικα. Οι δορυφορικές τηλεπισκοπικές εικόνες, ανάλογα με τις ιδιότητες τους (χωρική-φασματική-ραδιομετρική ανάλυση), μπορούν να οδηγήσουν σε σημαντικά συμπεράσματα για την κατάσταση της χλωρίδας της γήινης επιφάνειας. Τα διαφορετικά στοιχεία του φλοιού της γης, φυτά, έδαφος, κτίρια, υδάτινες επιφάνειες απορροφούν, αντανακλούν και εκπέμπουν την ηλιακή ακτινοβολία με διαφορετικό τρόπο. Έτσι οι τηλεπισκοπικοί ψηφιακοί σαρωτές μπορούν να απεικονίσουν την υφιστάμενη σύνθεση μιας περιοχής σε μια συγκεκριμένη χρονική στιγμή. Η βλάστηση έχει μια συγκεκριμένη φασματική υπογραφή που την καθιστά διακριτή σε μια εικόνα του ορατού ή τους εγγύς υπέρυθρου φάσματος. Η βλαστηση σε κανονικές συνθήκες απορροφά ισχυρά την ερυθρή ακτινοβολία (0,63-0,69μm), ενώ ανακλά εξίσου ισχυρά στο εγγύς υπέρυθρο (0,76-0,90μm). Έτσι η σύγκριση της ανακλαστικότητας στα παραπάνω κανάλια του φάσματος μπορεί να αναδείξει την ύπαρξη βλάστησης, ενώ ο συνδυασμός συγκεκριμένα του ερυθρού (RED) και του εγγύς υπέρυθρου (NIR) αποτελεί τον δείκτη βλάστησης-vegetation index.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Τα δεδομένα που χρησιμοποιήθηκαν στην παρούσα εργασία είναι προιόν τηλεπισκόπησης της ESA και συγκεκριμένα είναι δορυφορικές εικόνες πλήρους ανάλυσης για την περιοχή μελετης από τον δορυφόρο ENVISAT, ο οποίος ενσωματώνει Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS). Το συγκεκριμένο φασματόμετρο είναι προγραμματιζόμενο και λειτουργεί στο φάσμα της ηλιακής ακτινοβολίας, χρησιμοποιώντας 15 φασματικά κανάλια τα οποία επιλέγονται κατα περίπτωση από επίγειες εντολές. Η σάρωση της γήινης επιφάνειας γίνεται με την μέθοδο της ωθητικής σάρωσης (push-broom) κατά την οποία συστοιχίες ανιχνευτών συζευγμένου φορτίου CCD παρέχουν χωρική δειγματοληψία μέσω της κατεύθυνσης της τροχιάς, ενώ η κίνηση του δορυφόρου παρέχει σάρωση στη διαμήκη κατεύθυνση. Το φασματόμετρο είναι προγραμματισμένο να λαμβάνει στιγμιότυπα όταν οι συνθήκες φωτισμού είναι κατάλληλες και η λωρίδα σάρωσής του φτάνει τα 1.150km. Η χωρική ανάλυση του αισθητήρα είναι 300x300m και ενσωματώνει 15 κανάλια των 50nm στο φάσμα 290-1.040nm.<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η μέθοδος ελέγχου κάνει χρήση 30 διαφορετικών δορυφορικών στιγμιοτύπων της περιοχής μελέτης, τα οποία επεξεργάζονται με τη χρήση των λογισμικών BEAM-VISAT 4.6.1 και 4.7 ανοιχτού κώδικα. Απο τις παραπάνω έγινε επιλογή των 7 με βάση την περίοδο εκδήλωσης της πυρκαγιάς, ώστε να καλυφθεί το διάστημα λίγο πριν μέχρι 2 χρόνια μετά, και της νεφοκάλυψης στην κάθε περίπτωση. Οι δείκτες βλάστησης που καταγράφηκαν είναι οι εξής: α)NDVI, β)LAI, γ)fCover, δ)LAIxCab ε)fAPAR. Η επεξεργασία των εικόνων περιλαμβάνει τα εξής βήματα:<br /> 1. Επιλογή και απομόνωση της περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος.<br /> 2. Γεωμετρική και ατμοσφαιρική διόρθωση (Cloud Probability Processor.<br /> 3. Επιλογή του βέλτιστου συνδυασμού καναλιών για την παρουσίαση. <br /> 4. Επιλογή των βέλτιστων σημείων από την κάθε εικόνα για την εκτίμηση των παραμέτρων που καταλήγουν στους δείκτες βλάστησης που προαναφέρθηκαν.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η πρώτη στατιστική ανάλυση των δεδομένων μέσω των μέσων όρων του NDVI για τους θερινούς μήνες της περιοχής μελέτης έδωσε ενδείξεις πιθανής αναγέννησης της βλάστησης οπότε κρίθηκε σκόπιμη η λεπτομερέστερη και με περισσότερους δείκτες βλάστησης επανάληψη της ανάλυσης για το διάστημα που κάλυπταν οι επιλεγμένες εικόνες. Πιο συγκεκριμένα η έρευνα κατέληξε στα εξής:<br /> Δείκτης NDVI<br /> • μέσος όρος θερινών μηνών 2007: 0,30 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> Ο δείκτης επιβεβαιώνει την ανάπτυξη νέας βλάστησης της περιοχής μελέτης. Η πτώση του το επόμενο έτος της πυρκαγιάς δείχνει την αρχική καταστροφή της βλάστησης λόγω της πυρκαγιάς και την αναγέννηση 2 χρόνια μετά από την εκδήλωσή της.<br /> Δείκτης LAI<br /> • μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 1,24<br /> • μέσος όρος θερινών μηνών 2009: 1,15<br /> Ο συγκεκριμένος δείκτης αναδυκνείει την περιοχή που καλύπτεται από φυλλώδη βλάστηση. Λόγω της πυρκαγιάς παρατηρούμε μείωση του δείκτη, η οποία φανερώνει και την αλλαγή της κυρίαρχης βλάστησης της περιοχής από δενδρώδη σε ποώδη-θαμνώδη.<br /> <br /> <br /> Δείκτης fCover<br /> • μέσος όρος θερινών μηνών 2007: 0,35 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> • μέσος όρος θερινών μηνών 2009: 0,25<br /> Ο παραπάνω δείκτης αποτελεί το κλάσμα της φυτοκαλυμμένης περιοχής προς το σύνολο της επιφάνειας. Λόγω της απουσίας εξάρτησης από την κατεύθυνση της ανάκλασης αποτελεί έναν ιδιαίτερα χρήσιμο δείκτη βλάστησης, που αποδεικνύει επίσης την τάση φυτικής αναγέννησης τα επόμενα χρόνια της πυρκαγιάς.<br /> Δείκτης LAIxCab<br /> • μέσος όρος θερινών μηνών 2007: 60,82 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 58,65<br /> • μέσος όρος θερινών μηνών 2009: 61,83<br /> Ο παραπάνω δείκτης αναδεικνύει την ύπαρξη φωτοσυνθετικής δραστηριότητας μέσω της ανάκλασης της χλωροφύλλης σε επίπεδο φυλλώματος αλλά και επιφάνειας. Αποτελεί επομένως μια καλή απόδειξη για την ενεργοποίηση της χλωριδικής δραστηριότητας μετά την πυρκαγιά.<br /> Δείκτης fAPAR<br /> • μέσος όρος θερινών μηνών 2007: 0,51 (πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 0,36<br /> • μέσος όρος θερινών μηνών 2009: 0,41<br /> Ο παραπάνω δείκτης μπορεί να αναδείξει την φωτοσυνθετική δραστηριότητα αφού αποτελεί το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που απαιτείται για την στοιχειώδη μεταβολική διεργασία ως προς την αντίστοιχη προσπιπτώμενη από τον ήλιο. Αποτελεί πολύ χρήσιμο δείκτη για την εκτίμηση της χλωριδικής ανάπτυξης μιας περιοχής αλλά θα πρέπει να διασφαλιστούν οι βέλτιστες συνθήκες λήψης του στιγμιότυπου για να αυξηθεί η εγκυρότητά του.<br /> Όλοι οι παραπάνω μελετώμενοι δείκτες βλάστησης αποτύπωσαν σαφή τάση αναγέννησης της χλωρίδας μετά την πυρκαγιά. Παρ’ όλα αυτά θα χρειαστεί περαιτέρω δασολογική και περιβαλλοντική έρευνα των αποτελεσμάτων για να εξαχθούν ακόμη ακριβέστερα συμπεράσματα και να καταρτιστεί ένα σχέδιο ανθρώπινων δράσεων για την υποστήριξη της αποκατάστασης και αναδάσωσης της περιοχής. <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%A5%CE%9D%CE%94%CE%99%CE%91%CE%A3%CE%9C%CE%95%CE%9D%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%A0%CE%91%CE%A1%CE%91%CE%A4%CE%97%CE%A1%CE%97%CE%A3%CE%95%CE%A9%CE%9D_%CE%9A%CE%91%CE%99_%CE%95%CE%A0%CE%99%CE%93%CE%95%CE%99%CE%A9%CE%9D_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%A9%CE%9D_%CE%9C%CE%95%CE%A4%CE%A1%CE%97%CE%A3%CE%97%CE%A3_%CE%93%CE%99%CE%91_%CE%A4%CE%97%CE%9D_%CE%95%CE%9A%CE%A4%CE%99%CE%9C%CE%97%CE%A3%CE%97_%CE%A3%CE%A5%CE%93%CE%9A%CE%95%CE%9D%CE%A4%CE%A1%CE%A9%CE%A3%CE%97%CE%A3_%CE%91.%CE%A3. 2019-03-05T20:35:05Z

<p>Koutalasvasilis: Νέα σελίδα με ''''ΣΥΝΔΙΑΣΜΕΝΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ ΚΑΙ ΕΠΙΓΕΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΤΡΗΣΗΣ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗ...'</p> <hr /> <div>'''ΣΥΝΔΙΑΣΜΕΝΗ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ ΚΑΙ ΕΠΙΓΕΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΤΡΗΣΗΣ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΣΥΓΚΕΝΤΡΩΣΗΣ Α.Σ. ΜΕ ΕΦΑΡΜΟΓΗ ΜΟΝΤΕΛΩΝ ΜΙΚΤΩΝ ΠΑΡΑΜΕΤΡΩΝ '''<br /> <br /> '''Συγγραφείς: Anton Beloconi, Nikolaos Benas, Nektarios Chrysoulakis, Yiannis Kamarianakis '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://pdfs.semanticscholar.org/4986/6220fd0a6ab2362c8383feaa8261e2d5149b.pdf]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Η ιδιαίτερη σημασία της συγκεντρωσης αιωρούμενων σωματιδίων στην ποιότητα του αέρα των πόλεων και κατα συνέπεια στην ανθρώπινη υγεία είναι αντικείμενο έντονης ερευνητικής διαδικασίας κατα το παρελθόν. Οι υψηλές συγκεντρώσεις τόσο των μικρότερης διαμέτρου (PM2.5) όσο και των μεγαλύτερης (PM10) σωματιδίων έχουν συσχετισθεί με υψηλά ποσοστά θνησιμότητας που προκαλείται από αναπνευστικά και καρδιαγγειακά προβλήματα. Ενώ στα μεγάλα αστικά κέντρα λειτουργεί ένα αρκετά πυκνό δίκτυο επίγειων αισθητήρων συγκέντρωσης, εντούτοις μεγάλα τμηματα των πόλεων στερούνται δεδομένων λόγω της λειτουργικότητας και της χρονικής συχνότητας των εν λόγω μετρήσεων. Η τηλεπισκοπική παρατήρηση της συγκέντρωσης Α.Σ. θα μπορούσε να υπερνικήσει τον παραπάνω περιορισμό και να παρέχει ακριβή και περιοδικά στοιχεία της συγκέντρωσης και της κατανομής στον χώρο Α.Σ. μέσα σε μεγάλα αστικά συγκροτήματα. Ο συνδυασμός δε τηλεπισκοπικών δεδομένων, επίγειων μετρήσεων και αριθμητικών μοντέλων διασποράς θα ήταν η βέλτιστη προσέγγιση προς την πληρέστερη ενημέρωση και καταγραφή. Στις μέρες μας η δορυφορική μέθοδος καταγραφής της Οπτικής πυκνότητας Αιωρημάτων (AOT), με την οποία ορίζεται η αποτύπωση όλων των στερεών αιωρούμενων σωματιδίων σε μια μοναδιαία στήλη της ατμοσφαιρας, είναι η πιο διαδεδομένη διαδικασία που σχετίζεται με τον υπολογισμό συγκεντρώσεων Α.Σ. Στην παρούσα έρευνα γίνεται χρήση στατιστικών μοντέλων με χρονική και χωρική συσχέτιση για την εκτίμηση της συγκέντρωσης στην ευρύτερη περιοχή του Λονδίνου.<br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Η περιοχή μελέτης είναι η ευρύτερη περιοχή του Λονδίνου, η οποία παρουσιάζεται με μαυρο περίγραμμα στην Εικόνα 1. Στην ίδια εικόνα εμφανίζονται οι σταθμοί επίγειας μέτρησης συγκέντρωσης Α.Σ. Επίσης στην Εικόνα 2 δίδεται ένας χάρτης χρήσεων γης της μελετώμενης περιοχής με κατηγοριοποίηση 20 διαφορετικών χρήσεων στον αστικό χώρο. Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν είναι προιόντα του αισθητήρα MODIS (Moderate Resolution Imaging Spectroradiometer) και περιλαμβάνουν δεδομένα αιωρηματων- AOT, σχετικής υγρασίας- RHUM, επιφανειακής θερμοκρασίας- STMP και του συντελεστή Κ- KIND. Τα παραπάνω δεδομένα καλύπτουν το χρονικό εύρος των ετών 2002-2012.<br /> <br /> <br /> '''ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> Για την ασφαλέστερη εξαγωγή συμπερασμάτων αρχικά απαιτήθηκε η διαστάυρωση των δορυφορικών δεδομένων με τις επίγειες μετρήσεις. Για την επικύρωση των αποτελεσμάτων επιλέχθηκε ένα εικονοστοιχείο στην επιφάνεια του οποίου λειτουργεί και ένας επίγειος σταθμος μέτρησης. Για να αυξηθεί η εγκυρότητα των συγκρίσεων, η μέση ημερήσια τιμή των μετρήσεων του επίγειου σταθμού συγκρίνεται όχι μόνο με το εικονοστοιχείο στο οποίο εμπίπτει αλλά και με συνδυασμούς γειτονικών ακολουθώντας την μέθοδο του χωρικού μέσου για εύρος 13x13px. Λόγω των διαφορετικών καλύψεων γης αναμένεται η συγκέντρωση να διαφοροποιείται από περιοχή σε περιοχή. Για να συγκριθούν οι αντίστοιχες συγκεντρώσεις εφαρμόστηκε η μέθοδος των άνισων δειγμάτων και έτσι προέκυψε μια μετα-ταξινόμηση των περιοχών με βάση αυτή τη φορά τις διαφορές στις παρατηρούμενες στγκεντρώσεις των σωματιδίων. Στη συνέχεια εφαρμόζεται έλεγχος συσχέτισης της χρήσης γης με την μέση μετρούμενη συγκέντρωση με βάση τον παρακάτω τύπο.<br /> log(𝑃𝑀𝑖𝑗)=𝑎0∙𝑆𝑉𝐹𝑖+𝑎𝑖∙𝐿𝑈𝐶𝑖+𝜀𝑖𝑗<br /> Οι τιμές που εξάγονται απο την συνάρτηση στη συνέχεια υφίστατνται στατιστική παρεμβολή με την μέθοδο του kriging που δίνει μια κανονικοποιημένη γκαουσιανή πρόβλεψη για την θέση των τιμών και κάθε ενδιάμεσσης.<br /> Η ομογενοποίηση των αποτελεσμάτων, λαμβάνοντας υπόψιν την χωρική υπόσταση, συνεχίστηκε με την εκτίμηση των Μοντέλων μικτών παραμέτρων (LMM) με 2 υποπεριπτώσεις. Στην πρώτη περίπτωση το μοντέλο θεωρεί σημαντικό τον χρόνο και επιτρέπει την ανα μέρα σύγκριση των δεδομένων του δορυφόρου με τις συγκεντρώσεις Α.Σ. Σε αυτή την περίπτωση χρησιμοποιεί δεδομένα όλων των ημερών για να σταθεροποιήσει την παρατήρηση και την εξαγωγή αποτελέσματος. Το δεύτερο μοντέλο θεωρεί σημαντικό τον χώρο και τα αποτελέσματά του αναπαριστούν την κατανομή του φαινομαίνου στον χώρο. Κατά την δημιουργία των μοντέλων παρατηρήθηκε σαφής εποχική τάση για τις μετρώμενες συγκεντρώσεις. Έτσι κατα τον σχεδιασμό το βέλτιστο μοντέλο επιλέχθηκε για να αποφασιστεί ποιές μεταβλητές είναι τυχαίες και ποιές είναι σταθερές-εξαρτημένες.<br /> <br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Αρχικά εξάχθηκε σαν αποτέλεσμα η σύγκριση των τηλεπισκοπικών δεδομένων συγκέντρωσης με αυτά που μετρώνται στους επίγειους σταθμούς. Η τάση που παρατηρήθηκε είναι οτι τα δεδομένα του δορυφορικού αισθητήρα δίνουν σαν αποτέλεσμα υπερεκτιμημένες συγκεντρώσεις σε σχέση με τις επίγειες. Όμως το φαινόμενο εξαλείφεται καθώς αυξάνεται η περιοχή μελέτης. Σε γενικές γραμμές τα διαστήματα εμπιστοσύνης για τα δορυφορικά δεδομένα είναι αποδεκτά για χρήση. Όπως αναμενόταν σε κάποιες απο τις κατηγορίες κάλυψης γης έχουμε σημαντικές διαφοροποιήσεις στις μέσες τιμές της συγκέντρωσης που υπολογίστηκαν. Έτσι για να ομαδοποιηθούν καλύτερα τα αποτελέσματα οι 20 αρχικές κατηγορίες κάλυψης γης συγχωνεύθηκαν σε 6. Το αποτέλεσμα φαίνεται στην εικόνα 3. Στη συνέχεια εξάχθηκαν τα αποτελέσματα των στατιστικών μοντέλων για την αποτύπωση της χωροχρονικής κατανομής των συγκεντρώσεων. Στις εικόνες 4 και 5 παρατηρούμε την χωρική κατανομή των συγκεντρώσεων για τους 2 τύπους ρύπων με 2 διαφορετικές αναλύσεις για την κάθε περίπτωση. Αν παρατηρήσουμε τους χάρτες, ειδικά στις περιπτώσεις υψηλής ανάλυσης, παρατηρούμε οτι οι συγκεντρώσεις είναι αυξημένες στις περιοχές οπου έχουμε έντονη αστικοποίηση άρα και μεγαλύτερες εκπομπές σωματιδίων. Τα αποτελέσματα των στατιστικών μοντέλων κρίνονται επίσης ικανοποιητικά αν και στην περίπτωση του μοντέλου LMM1 η ικανότητα πρόβλεψης συγκεντρώσεων κρίνεται σαφώς καλύτερη από αυτή του μοντέλου LMM2. Στις εικόνες 6 και 7 παρατηρούμε την εκτίμηση που δίνει το μοντέλο για την συγκέντρωσει των 2 τύπων ρύπων κάνοντας χρήση όλων των συλλεγμένων δεδομένων της δεκαετίας (2002-2012). Συμπερασματικά η απόδοση των προτύπων χωρικής κατανομής των ρύπων κρίνεται ικανοποιητική βάσει και των δεδομένων που ήταν διαθέσιμα. Το θετικό είναι οτι το μοντέλο που δημιουργήθηκε θα μπορεί να ενσωματώσει και να αξιοποιήσει και τα μελλοντικά δεδομένα τηλεπισκοπικής παρατήρησης όπως αυτά του Copernicus Sentinel-3 που προσφατα τέθηκε σε τροχιά.<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> [[Αρχείο: 9wiki.png |thumb|right| Εικόνα 1:Η ευρύτερη περιοχή του Λονδίνου και οι σταθμοί μέτρησης.]]<br /> <br /> [[Αρχείο: 10wiki.png |thumb|right| Εικόνα 2:Χάρτης χρήσεων γης.]]<br /> <br /> [[Αρχείο: 11wiki.png |thumb|right| Εικόνα 3:Νέα ταξινόμηση χρήσης γης.]]<br /> <br /> [[Αρχείο: 12wiki.png |thumb|right| Εικόνα 4:Συγκεντρώσεις Α.Σ. (PM10).]]<br /> <br /> [[Αρχείο: 13wiki.png |thumb|right| Εικόνα 5:Συγκεντρώσεις Α.Σ. (PM2.5).]]<br /> <br /> [[Αρχείο: 14wiki.png |thumb|right| Εικόνα 6:Πρόβλεψη συγκέντωσης Α.Σ. (PM10).]]<br /> <br /> [[Αρχείο: 15wiki.png |thumb|right| Εικόνα 7:Πρόβλεψη συγκέντωσης Α.Σ. (PM2.5).]]<br /> <br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> <br /> [[category:Ατμοσφαιρική Ρύπανση]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%A4%CE%A9%CE%9D_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%A9%CE%9D_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A9%CE%A3_%CE%95%CE%A1%CE%93%CE%91%CE%9B%CE%95%CE%99%CE%9F_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97%CE%A3_%CE%A4%CE%97%CE%A3_%CE%A7%CE%9B%CE%A9%CE%A1%CE%99%CE%94%CE%99%CE%9A%CE%97%CE%A3_%CE%A6%CE%91%CE%99%CE%9D%CE%9F%CE%9B%CE%9F%CE%93%CE%99%CE%91%CE%A3_%CE%92%CE%91%CE%A3%CE%99%CE%A3%CE%9C%CE%95%CE%9D%CE%97_%CE%A3%CE%95_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%91_MERIS 2019-03-05T20:18:05Z

<p>Koutalasvasilis: </p> <hr /> <div>'''Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΔΗΜΟΚΡΑΤΙΑΣ ΤΗΣ ΤΣΕΧΙΑΣ'''<br /> <br /> '''Συγγραφείς: Premysl Stych, Jiri Sandera, Lucie Malikova, Adriana Marcinkowska, Anna Jarocinska, Bogdan Zagajewski '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://https://www.researchgate.net/profile/Bogdan_Zagajewski/publication/279178789_The_use_of_vegetation_indices_in_the_evaluation_of_vegetation_phenology_based_on_MERIS_data_The_Czech_Republic_case_study/links/558c411d08ae1f30aa809dd9.pdf]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Η τηλεπισκόπηση αποτελεί μια από τις βασικότερες πηγές δεδομένων για την παρακολούθηση της υπάρχουσας κάλυψης γης και των μεταβολών της. Μέχρι σήμερα αρκετοί δορυφόροι με αισθητήρες διάφορων αναλύσεων, κατάληλες για διαφορετικές περιπτώσεις μελέτης, έχουν τεθεί σε τροχιά. Από το σύνολο των αισθητήρων ιδιαίτερη σημασία έχουν αυτοί που ενσωματώνουν υψηλή χρονική ανάλυση, δηλαδή οι αισθητήρες εκείνοι που μπορούν να δώσουν δεδομένα μιας περιοχής ανα συντομότερα χρονικά διαστήματα. Ο αισθητήρας που αξιοποιείται στη συγκεκριμένη έρευνα είναι το Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS) που είναι εγκατεστημένο στον δορυφόρο ENVISAT. Το συγκεκριμένο φασματόμετρο έχει χωρική ανάλυση 300m και χρονική ανάλυση 1d(ημέρα). Ο βασικός στόχος των προγραμματιστών και κατασκευαστών του φασματόμετρου είναι η χαρτογράφηση του περιεχομένου χλωροφύλης της γήινης επιφάνειας και ο προσδιορισμός ιδιαίτερων χαρακτηριστικών των όγκων νερού (ωκεανών, λιμνών κοκ). Τα δεδομένα του αισθητήρα έχουν χρησιμοποιηθεί σε πολλές αντίστοιχες έρευνες αναγνώρισης και κατηγοριοποίησης της χλωρίδας. Ο συνδυασμός διαφορετικών καναλιών του αισθητήρα μπορεί να δώσει πλήθος διαφορετικών δεικτών βλάστησης όπως προκύπτει από την σχετική βιβλιογραφία. Εκτός του συνηθισμένου δείκτη βλάστησης NDVI, ο οποίος παρουσιάζει περιορισμούς, οι έρευνες έχουν καταλήξει σε δίκτες βλάστησης που ο υπολογισμός τους μπορεί να καταλήξει στην αναγνώριση και ερμηνεία της ανακλαστικότητας των φυτών και του εδάφους όπως και της φωτοσυνθετικής δραστηριότητας της βλάστησης. <br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Η παρούσα μελέτη ασχολείται με την φασματική συμπεριφορά δασών (κωνοφόρων, φυλλοβόλων και μικτών) και αγροτικών εκτάσεων (ελαιοκράμβης, καλαμποκιού, δημητριακών, λυκίσκου). Η ανάλυση βασίζεται σε δεδομένα του αισθητήρα MERIS που έχουν ανακτηθεί για την περίοδο Απριλός 2009 – Σεπτέμβριος 2009 καλύπτοντας το σύνολο σχεδόν της Τσεχίας. Σύμφωνα με τα διαθέσιμα μετεωρολογικά στοιχεία το 2009 ήταν χρονιά χωρίς ακραίες θερμοκρασίες και βροχοπτώσεις για την χώρα. Επίσης το έτος 2009 επιλέχθηκε λόγω της διαθεσιμότητας δεδομένων στην βάση LPIS, μιας πλατφόρμας αρχειοθετημένων αγροτικών δεδομένων για την χώρα, που αποτελεί την δεύτερη πηγή δεδομένων. Το συγκεκριμένο αρχείο λειτουργεί υπό την αιγίδα του Υπ. Αγροτικής ανάπτυξης της Τσεχίας και περιλαμβάνει κυρίως εδαφικά χαρακτηριστικά των αγροτικών εκτάσεων της χώρας. Τα δορυφορικά δεδομένα περιλαμβάνουν 6 εικόνες με τις εξής ημερομηνίες λήψης: <br /> Ημερομηνία Ώρα λήψης<br /> 21.4.2009 9:39:13<br /> 3.5.2009 9:59:38<br /> 14.6.2009 9:42:10<br /> 17.7.2009 9:04:47<br /> 20.8.2009 9:36:24<br /> 1.9.2009 9:56:46<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η διαδικασία επεξεργασίας των δορυφορικών εικόνων ξεκίνησε με την ατμοσφαιρική διόρθωση που πραγματοποιήθηκε με την χρήση του λογισμικού ανοιχτού κώδικα BEAM 4.7. Συγκεκριμένα χρησιμοποιήθηκαν οι ενσωματωμένοι αλγόριθμοι SMILE και SMAC. Οι παραπάνω εντολές πραγματοποιούν ατμοσφαιρική διόρθωση αναγνωρίζοντας την ακινοβολία, την ανάκλαση και την συγκέντρωση συγκεκριμένων χημικών στοιχείων της ατμόσφαιρας. Η ακρίβεια της ατμοσφαιρικής διόρθωσης εξακριβώθηκε εξετάζοντας τους χρωματικούς τόνους των σκουρότερων αντικειμένων, εν προκειμένω των μεγάλων όγκων νερού. Σην συνέχεια έγινε γεωμετρική διόρθωση των εικόνων με τη χρήση αυτόματης μεθόδου του λογισμικού BEAM 4.7 που αξιοποιεί τα δεδομένα του MERIS και το ενσωματωμένο Ψηφιακό μοντέλο εδάφους GETASSEA30. Ακόμη το εργαλείο του λογισμικού CLOUD PROBABILTY αξιοποιήθηκε για την απαλοιφή των περιοχών με νεφοκάλυψη. Οι δείκτες βλάστησης που υπολογίστηκαν, επιλέχθηκαν για να παρατηρηθεί η εξέλιξη της φασματικής συπεριφοράς της βλάστησης και συγκεκριμένα κατα την διάρκεια των φαινολογικών σταδίων. Οι δείκτες είναι οι εξής:<br /> • NDVI (Normalized Difference Vegetation Index) NDVI = (NIR – RED)/(NIR + RED).<br /> • MGVI (MERIS Global Vegetation Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα μπλέ, κόκκινο και υπέρυθρο κανάλια για να αναγνωρίσει την κατάσταση υγεία της βλάστησης.<br /> • MTCI (MERIS Terrestrial Chlorophyll Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα κανάλια 8, 9 και 10 του ασθητήρα για να αναγνωρίσει τα επίπεδα χλωροφύλλης στη βλάστηση χρησιμοποιώντας τον τύπο MTCI = (Band10 − Band9) / (Band9 − Band8).<br /> • fAPAR (fraction of Absorbed Photosynthetically Active Radiation): Ο δείκτης είναι το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που δεσμεύεται για την φωτοσύνθεση.<br /> • fCover (fraction of Green Vegetation Coverage): Ο συγκεκριμένος δείκτης παίρνει τιμές από 0 έως 1 και παρουσιάζει το ποσοστό της γήινης επιφάνειας ανα εικονοστοιχείο που καλύπτεται από βλάστηση.<br /> • LAI (Leaf Area Index): Ο δείκτης αποτελεί μια ποσοτική αποτύπωση της πυκνότητας του φυλλώματος. Εκφράζει το ποσοστό του φυλλώματος (πάνω πλευράς) ανά οριζόντια μονάδα επιφάνειας. Επίσης μπορεί να εξαχθεί από τον NDVI.<br /> • LAIxCab: Ο συγκεκριμένος δείκτης χρησιμοποιείται για να αναδείξει το περιεχόμενο χλωροφύλλης τόσο σε επίπεδο φυλλώματος όσο και σε επίπεδο επιφάνειας.<br /> Οι τιμές των δεικτών που υπολογίστηκαν αποτελούν την αποτύπωση των μέσων τιμών των επιμέρους εικονοστοιχείων σε κάθε υποπεριοχή μελέτης. Τα πολύγωνα καθορισμού του είδους κάλυψης καθορίστηκαν από τις βάσεις δεδομένων που προαναφέρθηκαν και αποτελούνται από περιοχές με ελάχιστο εμβαδό 900x900m, δηλαδή τουλάχιστον 9 εικονοστοιχεία του αισθητήρα MERIS.<br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Τα αποτελέσματα της έρευνας εστιάζουν στην αξιολόγηση των διαφορών της φασματικής απόκρισης της βλάστησης κατα τις διαφορετικές περιόδους βλαστησης του έτους. Οι τιμές των δεικτών παρουσιάζουν ομοιότητες αλλά και διαφορές οι οποίες συσχετίχονται με τα φαινολογικά στάδια των διαφορετικών τύπων βλάστησης. Τα αποτελέσματα αποδεικνύουν την χρησιμότητα ορισμένων δεικτων στην αναγνώριση των φαινολογικών σταδίων ενώ ταυτόχρονα αναδεικνύουν τους συνδυασμούς αυτών που μπορούν να χρησιμεύσουν στην αναγνώριση των τύπων βλάστησης. Τα αποτελέσματα εστιάζουν στην σύγκριση των μετρούμενων τιμών μεταξύ των τύπων βλάστησης ωστε να καταστεί δυνατή η κατηγοριοποίηση των διαφορετικών τύπων καλλιεργειών και δασών στην περιοχή.<br /> Αρχικά υπολογίστηκαν και τοποθετήθηκαν σε κοινά γραφήματα τα αποτελέσματα των δεικτών για κάθε τύπο βλάστησης. Στην εικόνα1 φαίνεται η εξέλιξη των δεικτών για καλλιέργειες καλαμποκιού ανα μήνα. Είναι φανερό οτι για κάποιους δείκτες η μεταβολή είναι πολύ μικρή ενώ κάποιοι άλλοι δείχνουν σαφείς τάσεις αυξομοίωσης με κοινές περιοχές μεγίστου στον Ιούλιο, που αποτελεί και την περίοδο πλήρους ανάπτυξης και φωτοσυνθετικής δραστηριότητας της καλλιέργειας. Στην περίπτωση της ελαιοκράμβης τα αποτελέσματα είναι διαφορετικά. Όπως φαίνεται στην εικόνα 2 ο δείκτης χλωροφύλλης MTCI μεγιστοποιείται τον Μάιο για να αρχίσει να μειώνεται αμέσως μετά οπου αναγνωρίζεται ως η περίοδος ανθοφορίας και καρπόδεσης του φυτού. Αντίθετα ο δείκτης κάλυψης φυλλώματος μεγιστοποιείται τον Ιούλιο και αμέσως μετά μειώνεται ραγδαία καθώς έχει προηγηθεί η φάση θερισμού της καλλιέργειας. Στην περίπτωση των χορτολιβαδικών εκτάσεων η εξέλιξη είναι διαφορετική αλλά επίσης παρατηρούνται σημαντικές διαφοροποιήσεις μεταξύ των φαινολογικών σταδίων. Στην εικόνα 3 είναι φανερή η μεγιστοποίηση των δεικτών κάλυψης φυλλώματος LAI και fCover κατα τους θερμότερους θερινούς μήνας αλλά την ίδια περίοδο παρατηρείται μείωση του δείκτη χλωροφύλλης MTCI, το οποίο μπορεί να συνδέεται με τον μαρασμό της βλάστησης και της δραστηριότητάς της λόγω των υψηλών θερινών θερμοκρασιών. Αν εξετάσουμε τους δείκτες βλάστησης χωριστά θα παρατηρήσουμε οτι ο πιο κοινός, NDVI, αποτυπώνει τις μεταβολές των φαινολογικών σταδίων στις περισσότερες καλλιεργημένες και δασικές εκτάσεις όπως φαίνεται στην εικόνα 4. Οι διαφορές αντικατοπτρίζουν και την διαφορετική συμπεριφορά των διάφορων τύπων βλάστησης στις μεταβαλλόμενες κλιματικές συνθήκες. Η απόκριση του δείκτη χλωροφύλλης MTCI φαίνεται στην εικόνα 5. Αν εξετάσουμε την συμπεριφορά των δασών παρατηρείται άυξηση των τιμών καθ’όλη την περίοδο μελέτης με μέγιστο τον Ιούλιο. Για τις καλλιέργειες παρατηρούμε μεγιστοποίηση του δείκτη τον Ιούλιο και στη συνέχεια μείωση όπως είναι φυσικό λόγω της περιόδου συγκομιδής που έπεται. Πάντως ο συγκεκριμένος δείκτης παρουσιάζει σημαντικά μεγαλύτερη ευαισθησία στις μεταβολές κατα τα φαινολογικα στάδια. Στην εικόνα 6 φαίνεται η απόκριση του δείκτη κάλυψης fCover για τα είδη βλάστησης. Ο συγκεκριμένος δείκτης αναδεικνύει με ικανή διακριτότητα τις διαφορετικές φαινολογικές φάσεις και διαφοροποιεί τις δασώδεις από τις καλλιεργημένες εκτάσεις. Όλα τα παραπάνω δείχνουν την σημαντική δυναμική που των δεδομένων MERIS και των δεικτών που προκύπτουν από αυτά στην αξιολόγηση των φαινολογικών σταδίων των περισσότερων τύπων βλάστησης. Γενικά η ανάπτυξη συγκεκριμένων δεικτών με βάση τα κανάλια του αισθητήρα μπορεί να βοηθήσει στην αξιολόγηση της συμπεριφοράς συγκεκριμένων ειδών βλάστησης. Ο αισθητήρας MERIS έχει πλεονέκτημα έναντι των Landsat και Spot διότι ενσωματώνει περισσότερα κανάλια στην περιοχή του φάσματος μεταξύ ερυθρού και κόκκινου, την λεγόμενη Red Edge. Αυτό αποδεικνύεται από την υψηλότερη ευαισθησία των δεικτών που βασίζονται στα κανάλια της συγκεκριμένης περιοχης του φάσματος. Η μελέτη του δείκτη MTCI έδειξε οτι παρουσιάει πολύ μεγαλύτερες αποκλίσεις τιμών από τον NDVI για τις ίδιες φαινολογικές μεταβολές. Αυτό καθιστά τον δείκτη βέλτιστη επιλογή για την αναγνώριση και εκτίμηση του επιπέδου χλωροφύλλης στα φυτά που εξετάζονται. Σημαντικό πλεονέκτημα της μεθόδου αποτέλεσε επίσης η χρήση λογισμικού ανοιχτού κώδικα που καθιστά την διεξαγωγή έρευνας οικονομικά προσιτή σε όλους τους ερευνητές. Βέβαια η χρήση του θα πρέπει να γίνεται με προσοχή καθώς οι προγραμματισμέμοι αλγόριθμοι υπολογισμού των δεικτών μπορεί να έχουν σχεδιαστεί για διαφορετικούς αισθητήρες και να μην ταυτίζονται με τα κανάλια του MERIS δίνοντας λανθασμένα συμπεράσματα.<br /> Αδυναμία των αποτελεσμάτων μπορεί να χαρακτηριστεί η έλλειψη πολυετών δεδομένων για ανάλυση καθώς αυτό θα βελτίωνε την κανονικοποίηση μέσα στον χρόνο και θα απέδιδε καλύτερα την πραγματικότητα. Επίσης η χρήση των βάσεων δεδομένων θα μπορούσε να εμπλουτιστεί με περισσότερες πηγές.<br /> <br /> <br /> <br /> <br /> <br /> [[Αρχείο: 1wiki.png |thumb|right| Εικόνα 1:Εξέλιξη δεικτών βλάστησης αραβόσιτου.]]<br /> <br /> [[Αρχείο: 2wiki.png |thumb|right| Εικόνα 2:Εξέλιξη δεικτών βλάστησης ελαιοκράμβης.]]<br /> <br /> [[Αρχείο: 3wiki.png |thumb|right| Εικόνα 3:Εξέλιξη δεικτών βλάστησης χορτολίβαδων.]]<br /> <br /> [[Αρχείο: 4wiki.png |thumb|right| Εικόνα 4:Εξέλιξη NDVI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 5wiki.png |thumb|right| Εικόνα 5:Εξέλιξη MTCI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 6wiki.png |thumb|right| Εικόνα 6:Εξέλιξη fCover για τα είδη κάλυψης.]]<br /> <br /> <br /> <br /> [[category:Δασοπονία, Δασική διαχείριση]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%A4%CE%A9%CE%9D_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%A9%CE%9D_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A9%CE%A3_%CE%95%CE%A1%CE%93%CE%91%CE%9B%CE%95%CE%99%CE%9F_%CE%91%CE%9E%CE%99%CE%9F%CE%9B%CE%9F%CE%93%CE%97%CE%A3%CE%97%CE%A3_%CE%A4%CE%97%CE%A3_%CE%A7%CE%9B%CE%A9%CE%A1%CE%99%CE%94%CE%99%CE%9A%CE%97%CE%A3_%CE%A6%CE%91%CE%99%CE%9D%CE%9F%CE%9B%CE%9F%CE%93%CE%99%CE%91%CE%A3_%CE%92%CE%91%CE%A3%CE%99%CE%A3%CE%9C%CE%95%CE%9D%CE%97_%CE%A3%CE%95_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%91_MERIS 2019-03-05T20:16:43Z

<p>Koutalasvasilis: Νέα σελίδα με ''''Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝ...'</p> <hr /> <div>'''Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΔΗΜΟΚΡΑΤΙΑΣ ΤΗΣ ΤΣΕΧΙΑΣ'''<br /> <br /> '''Συγγραφείς: Premysl Stych, Jiri Sandera, Lucie Malikova, Adriana Marcinkowska, Anna Jarocinska, Bogdan Zagajewski '''<br /> <br /> <br /> ''ΠΗΓΗ:'' [[http://https://www.researchgate.net/profile/Bogdan_Zagajewski/publication/279178789_The_use_of_vegetation_indices_in_the_evaluation_of_vegetation_phenology_based_on_MERIS_data_The_Czech_Republic_case_study/links/558c411d08ae1f30aa809dd9.pdf]]<br /> <br /> <br /> <br /> '''ΕΙΣΑΓΩΓΉ'''<br /> <br /> Η τηλεπισκόπηση αποτελεί μια από τις βασικότερες πηγές δεδομένων για την παρακολούθηση της υπάρχουσας κάλυψης γης και των μεταβολών της. Μέχρι σήμερα αρκετοί δορυφόροι με αισθητήρες διάφορων αναλύσεων, κατάληλες για διαφορετικές περιπτώσεις μελέτης, έχουν τεθεί σε τροχιά. Από το σύνολο των αισθητήρων ιδιαίτερη σημασία έχουν αυτοί που ενσωματώνουν υψηλή χρονική ανάλυση, δηλαδή οι αισθητήρες εκείνοι που μπορούν να δώσουν δεδομένα μιας περιοχής ανα συντομότερα χρονικά διαστήματα. Ο αισθητήρας που αξιοποιείται στη συγκεκριμένη έρευνα είναι το Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS) που είναι εγκατεστημένο στον δορυφόρο ENVISAT. Το συγκεκριμένο φασματόμετρο έχει χωρική ανάλυση 300m και χρονική ανάλυση 1d(ημέρα). Ο βασικός στόχος των προγραμματιστών και κατασκευαστών του φασματόμετρου είναι η χαρτογράφηση του περιεχομένου χλωροφύλης της γήινης επιφάνειας και ο προσδιορισμός ιδιαίτερων χαρακτηριστικών των όγκων νερού (ωκεανών, λιμνών κοκ). Τα δεδομένα του αισθητήρα έχουν χρησιμοποιηθεί σε πολλές αντίστοιχες έρευνες αναγνώρισης και κατηγοριοποίησης της χλωρίδας. Ο συνδυασμός διαφορετικών καναλιών του αισθητήρα μπορεί να δώσει πλήθος διαφορετικών δεικτών βλάστησης όπως προκύπτει από την σχετική βιβλιογραφία. Εκτός του συνηθισμένου δείκτη βλάστησης NDVI, ο οποίος παρουσιάζει περιορισμούς, οι έρευνες έχουν καταλήξει σε δίκτες βλάστησης που ο υπολογισμός τους μπορεί να καταλήξει στην αναγνώριση και ερμηνεία της ανακλαστικότητας των φυτών και του εδάφους όπως και της φωτοσυνθετικής δραστηριότητας της βλάστησης. <br /> <br /> <br /> '''ΔΕΔΟΜΕΝΑ'''<br /> <br /> Η παρούσα μελέτη ασχολείται με την φασματική συμπεριφορά δασών (κωνοφόρων, φυλλοβόλων και μικτών) και αγροτικών εκτάσεων (ελαιοκράμβης, καλαμποκιού, δημητριακών, λυκίσκου). Η ανάλυση βασίζεται σε δεδομένα του αισθητήρα MERIS που έχουν ανακτηθεί για την περίοδο Απριλός 2009 – Σεπτέμβριος 2009 καλύπτοντας το σύνολο σχεδόν της Τσεχίας. Σύμφωνα με τα διαθέσιμα μετεωρολογικά στοιχεία το 2009 ήταν χρονιά χωρίς ακραίες θερμοκρασίες και βροχοπτώσεις για την χώρα. Επίσης το έτος 2009 επιλέχθηκε λόγω της διαθεσιμότητας δεδομένων στην βάση LPIS, μιας πλατφόρμας αρχειοθετημένων αγροτικών δεδομένων για την χώρα, που αποτελεί την δεύτερη πηγή δεδομένων. Το συγκεκριμένο αρχείο λειτουργεί υπό την αιγίδα του Υπ. Αγροτικής ανάπτυξης της Τσεχίας και περιλαμβάνει κυρίως εδαφικά χαρακτηριστικά των αγροτικών εκτάσεων της χώρας. Τα δορυφορικά δεδομένα περιλαμβάνουν 6 εικόνες με τις εξής ημερομηνίες λήψης: <br /> Ημερομηνία Ώρα λήψης<br /> 21.4.2009 9:39:13<br /> 3.5.2009 9:59:38<br /> 14.6.2009 9:42:10<br /> 17.7.2009 9:04:47<br /> 20.8.2009 9:36:24<br /> 1.9.2009 9:56:46<br /> <br /> <br /> '''ΜΕΘΟΔΟΙ'''<br /> <br /> Η διαδικασία επεξεργασίας των δορυφορικών εικόνων ξεκίνησε με την ατμοσφαιρική διόρθωση που πραγματοποιήθηκε με την χρήση του λογισμικού ανοιχτού κώδικα BEAM 4.7. Συγκεκριμένα χρησιμοποιήθηκαν οι ενσωματωμένοι αλγόριθμοι SMILE και SMAC. Οι παραπάνω εντολές πραγματοποιούν ατμοσφαιρική διόρθωση αναγνωρίζοντας την ακινοβολία, την ανάκλαση και την συγκέντρωση συγκεκριμένων χημικών στοιχείων της ατμόσφαιρας. Η ακρίβεια της ατμοσφαιρικής διόρθωσης εξακριβώθηκε εξετάζοντας τους χρωματικούς τόνους των σκουρότερων αντικειμένων, εν προκειμένω των μεγάλων όγκων νερού. Σην συνέχεια έγινε γεωμετρική διόρθωση των εικόνων με τη χρήση αυτόματης μεθόδου του λογισμικού BEAM 4.7 που αξιοποιεί τα δεδομένα του MERIS και το ενσωματωμένο Ψηφιακό μοντέλο εδάφους GETASSEA30. Ακόμη το εργαλείο του λογισμικού CLOUD PROBABILTY αξιοποιήθηκε για την απαλοιφή των περιοχών με νεφοκάλυψη. Οι δείκτες βλάστησης που υπολογίστηκαν, επιλέχθηκαν για να παρατηρηθεί η εξέλιξη της φασματικής συπεριφοράς της βλάστησης και συγκεκριμένα κατα την διάρκεια των φαινολογικών σταδίων. Οι δείκτες είναι οι εξής:<br /> • NDVI (Normalized Difference Vegetation Index) NDVI = (NIR – RED)/(NIR + RED).<br /> • MGVI (MERIS Global Vegetation Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα μπλέ, κόκκινο και υπέρυθρο κανάλια για να αναγνωρίσει την κατάσταση υγεία της βλάστησης.<br /> • MTCI (MERIS Terrestrial Chlorophyll Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα κανάλια 8, 9 και 10 του ασθητήρα για να αναγνωρίσει τα επίπεδα χλωροφύλλης στη βλάστηση χρησιμοποιώντας τον τύπο MTCI = (Band10 − Band9) / (Band9 − Band8).<br /> • fAPAR (fraction of Absorbed Photosynthetically Active Radiation): Ο δείκτης είναι το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που δεσμεύεται για την φωτοσύνθεση.<br /> • fCover (fraction of Green Vegetation Coverage): Ο συγκεκριμένος δείκτης παίρνει τιμές από 0 έως 1 και παρουσιάζει το ποσοστό της γήινης επιφάνειας ανα εικονοστοιχείο που καλύπτεται από βλάστηση.<br /> • LAI (Leaf Area Index): Ο δείκτης αποτελεί μια ποσοτική αποτύπωση της πυκνότητας του φυλλώματος. Εκφράζει το ποσοστό του φυλλώματος (πάνω πλευράς) ανά οριζόντια μονάδα επιφάνειας. Επίσης μπορεί να εξαχθεί από τον NDVI.<br /> • LAIxCab: Ο συγκεκριμένος δείκτης χρησιμοποιείται για να αναδείξει το περιεχόμενο χλωροφύλλης τόσο σε επίπεδο φυλλώματος όσο και σε επίπεδο επιφάνειας.<br /> Οι τιμές των δεικτών που υπολογίστηκαν αποτελούν την αποτύπωση των μέσων τιμών των επιμέρους εικονοστοιχείων σε κάθε υποπεριοχή μελέτης. Τα πολύγωνα καθορισμού του είδους κάλυψης καθορίστηκαν από τις βάσεις δεδομένων που προαναφέρθηκαν και αποτελούνται από περιοχές με ελάχιστο εμβαδό 900x900m, δηλαδή τουλάχιστον 9 εικονοστοιχεία του αισθητήρα MERIS.<br /> <br /> <br /> '''ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Τα αποτελέσματα της έρευνας εστιάζουν στην αξιολόγηση των διαφορών της φασματικής απόκρισης της βλάστησης κατα τις διαφορετικές περιόδους βλαστησης του έτους. Οι τιμές των δεικτών παρουσιάζουν ομοιότητες αλλά και διαφορές οι οποίες συσχετίχονται με τα φαινολογικά στάδια των διαφορετικών τύπων βλάστησης. Τα αποτελέσματα αποδεικνύουν την χρησιμότητα ορισμένων δεικτων στην αναγνώριση των φαινολογικών σταδίων ενώ ταυτόχρονα αναδεικνύουν τους συνδυασμούς αυτών που μπορούν να χρησιμεύσουν στην αναγνώριση των τύπων βλάστησης. Τα αποτελέσματα εστιάζουν στην σύγκριση των μετρούμενων τιμών μεταξύ των τύπων βλάστησης ωστε να καταστεί δυνατή η κατηγοριοποίηση των διαφορετικών τύπων καλλιεργειών και δασών στην περιοχή.<br /> Αρχικά υπολογίστηκαν και τοποθετήθηκαν σε κοινά γραφήματα τα αποτελέσματα των δεικτών για κάθε τύπο βλάστησης. Στην εικόνα1 φαίνεται η εξέλιξη των δεικτών για καλλιέργειες καλαμποκιού ανα μήνα. Είναι φανερό οτι για κάποιους δείκτες η μεταβολή είναι πολύ μικρή ενώ κάποιοι άλλοι δείχνουν σαφείς τάσεις αυξομοίωσης με κοινές περιοχές μεγίστου στον Ιούλιο, που αποτελεί και την περίοδο πλήρους ανάπτυξης και φωτοσυνθετικής δραστηριότητας της καλλιέργειας. Στην περίπτωση της ελαιοκράμβης τα αποτελέσματα είναι διαφορετικά. Όπως φαίνεται στην εικόνα 2 ο δείκτης χλωροφύλλης MTCI μεγιστοποιείται τον Μάιο για να αρχίσει να μειώνεται αμέσως μετά οπου αναγνωρίζεται ως η περίοδος ανθοφορίας και καρπόδεσης του φυτού. Αντίθετα ο δείκτης κάλυψης φυλλώματος μεγιστοποιείται τον Ιούλιο και αμέσως μετά μειώνεται ραγδαία καθώς έχει προηγηθεί η φάση θερισμού της καλλιέργειας. Στην περίπτωση των χορτολιβαδικών εκτάσεων η εξέλιξη είναι διαφορετική αλλά επίσης παρατηρούνται σημαντικές διαφοροποιήσεις μεταξύ των φαινολογικών σταδίων. Στην εικόνα 3 είναι φανερή η μεγιστοποίηση των δεικτών κάλυψης φυλλώματος LAI και fCover κατα τους θερμότερους θερινούς μήνας αλλά την ίδια περίοδο παρατηρείται μείωση του δείκτη χλωροφύλλης MTCI, το οποίο μπορεί να συνδέεται με τον μαρασμό της βλάστησης και της δραστηριότητάς της λόγω των υψηλών θερινών θερμοκρασιών. Αν εξετάσουμε τους δείκτες βλάστησης χωριστά θα παρατηρήσουμε οτι ο πιο κοινός, NDVI, αποτυπώνει τις μεταβολές των φαινολογικών σταδίων στις περισσότερες καλλιεργημένες και δασικές εκτάσεις όπως φαίνεται στην εικόνα 4. Οι διαφορές αντικατοπτρίζουν και την διαφορετική συμπεριφορά των διάφορων τύπων βλάστησης στις μεταβαλλόμενες κλιματικές συνθήκες. Η απόκριση του δείκτη χλωροφύλλης MTCI φαίνεται στην εικόνα 5. Αν εξετάσουμε την συμπεριφορά των δασών παρατηρείται άυξηση των τιμών καθ’όλη την περίοδο μελέτης με μέγιστο τον Ιούλιο. Για τις καλλιέργειες παρατηρούμε μεγιστοποίηση του δείκτη τον Ιούλιο και στη συνέχεια μείωση όπως είναι φυσικό λόγω της περιόδου συγκομιδής που έπεται. Πάντως ο συγκεκριμένος δείκτης παρουσιάζει σημαντικά μεγαλύτερη ευαισθησία στις μεταβολές κατα τα φαινολογικα στάδια. Στην εικόνα 6 φαίνεται η απόκριση του δείκτη κάλυψης fCover για τα είδη βλάστησης. Ο συγκεκριμένος δείκτης αναδεικνύει με ικανή διακριτότητα τις διαφορετικές φαινολογικές φάσεις και διαφοροποιεί τις δασώδεις από τις καλλιεργημένες εκτάσεις. Όλα τα παραπάνω δείχνουν την σημαντική δυναμική που των δεδομένων MERIS και των δεικτών που προκύπτουν από αυτά στην αξιολόγηση των φαινολογικών σταδίων των περισσότερων τύπων βλάστησης. Γενικά η ανάπτυξη συγκεκριμένων δεικτών με βάση τα κανάλια του αισθητήρα μπορεί να βοηθήσει στην αξιολόγηση της συμπεριφοράς συγκεκριμένων ειδών βλάστησης. Ο αισθητήρας MERIS έχει πλεονέκτημα έναντι των Landsat και Spot διότι ενσωματώνει περισσότερα κανάλια στην περιοχή του φάσματος μεταξύ ερυθρού και κόκκινου, την λεγόμενη Red Edge. Αυτό αποδεικνύεται από την υψηλότερη ευαισθησία των δεικτών που βασίζονται στα κανάλια της συγκεκριμένης περιοχης του φάσματος. Η μελέτη του δείκτη MTCI έδειξε οτι παρουσιάει πολύ μεγαλύτερες αποκλίσεις τιμών από τον NDVI για τις ίδιες φαινολογικές μεταβολές. Αυτό καθιστά τον δείκτη βέλτιστη επιλογή για την αναγνώριση και εκτίμηση του επιπέδου χλωροφύλλης στα φυτά που εξετάζονται. Σημαντικό πλεονέκτημα της μεθόδου αποτέλεσε επίσης η χρήση λογισμικού ανοιχτού κώδικα που καθιστά την διεξαγωγή έρευνας οικονομικά προσιτή σε όλους τους ερευνητές. Βέβαια η χρήση του θα πρέπει να γίνεται με προσοχή καθώς οι προγραμματισμέμοι αλγόριθμοι υπολογισμού των δεικτών μπορεί να έχουν σχεδιαστεί για διαφορετικούς αισθητήρες και να μην ταυτίζονται με τα κανάλια του MERIS δίνοντας λανθασμένα συμπεράσματα.<br /> Αδυναμία των αποτελεσμάτων μπορεί να χαρακτηριστεί η έλλειψη πολυετών δεδομένων για ανάλυση καθώς αυτό θα βελτίωνε την κανονικοποίηση μέσα στον χρόνο και θα απέδιδε καλύτερα την πραγματικότητα. Επίσης η χρήση των βάσεων δεδομένων θα μπορούσε να εμπλουτιστεί με περισσότερες πηγές.<br /> <br /> <br /> <br /> <br /> <br /> [[Αρχείο: 1wiki.png |thumb|right| Εξέλιξη δεικτών βλάστησης αραβόσιτου.]]<br /> <br /> [[Αρχείο: 2wiki.png |thumb|right| Εξέλιξη δεικτών βλάστησης ελαιοκράμβης.]]<br /> <br /> [[Αρχείο: 3wiki.png |thumb|right| Εξέλιξη δεικτών βλάστησης χορτολίβαδων.]]<br /> <br /> [[Αρχείο: 4wiki.png |thumb|right| Εξέλιξη NDVI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 5wiki.png |thumb|right| Εξέλιξη MTCI για τα είδη κάλυψης.]]<br /> <br /> [[Αρχείο: 6wiki.png |thumb|right| Εξέλιξη fCover για τα είδη κάλυψης.]]<br /> <br /> <br /> <br /> [[category:Δασοπονία, Δασική διαχείριση]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:15wiki.png 2019-03-05T20:09:38Z

<p>Koutalasvasilis: Πρόβλεψη συγκέντωσης Α.Σ. (PM2.5)</p> <hr /> <div>Πρόβλεψη συγκέντωσης Α.Σ. (PM2.5)</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:14wiki.png 2019-03-05T20:08:42Z

<p>Koutalasvasilis: Πρόβλεψη συγκέντωσης Α.Σ. (PM10)</p> <hr /> <div>Πρόβλεψη συγκέντωσης Α.Σ. (PM10)</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:13wiki.png 2019-03-05T20:08:06Z

<p>Koutalasvasilis: Συγκεντρώσεις Α.Σ. (PM2.5)</p> <hr /> <div>Συγκεντρώσεις Α.Σ. (PM2.5)</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:12wiki.png 2019-03-05T20:07:27Z

<p>Koutalasvasilis: Συγκεντρώσεις Α.Σ. (PM10)</p> <hr /> <div>Συγκεντρώσεις Α.Σ. (PM10)</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:11wiki.png 2019-03-05T20:06:39Z

<p>Koutalasvasilis: Νέα ταξινόμηση χρήσης γης</p> <hr /> <div>Νέα ταξινόμηση χρήσης γης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:10wiki.png 2019-03-05T20:05:54Z

<p>Koutalasvasilis: Χάρτης χρήσεων γης</p> <hr /> <div>Χάρτης χρήσεων γης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:9wiki.png 2019-03-05T20:05:15Z

<p>Koutalasvasilis: Η ευρύτερη περιοχή του Λονδίνου και οι σταθμοί μέτρησης</p> <hr /> <div>Η ευρύτερη περιοχή του Λονδίνου και οι σταθμοί μέτρησης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:8wiki.png 2019-03-05T20:04:21Z

<p>Koutalasvasilis: Χαρτης φυτοκάλυψης της υδρολογικής λεκάνης της λίμνης Τριχωνίδας</p> <hr /> <div>Χαρτης φυτοκάλυψης της υδρολογικής λεκάνης της λίμνης Τριχωνίδας</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:7wiki.png 2019-03-05T20:03:32Z

<p>Koutalasvasilis: Χάρτης χρήσεων γης της υδρολογικής λεκάνης της λίμνης Τριχωνίδας</p> <hr /> <div>Χάρτης χρήσεων γης της υδρολογικής λεκάνης της λίμνης Τριχωνίδας</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:6wiki.png 2019-03-05T20:02:50Z

<p>Koutalasvasilis: Εξέλιξη fCover για τα είδη κάλυψης</p> <hr /> <div>Εξέλιξη fCover για τα είδη κάλυψης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:5wiki.png 2019-03-05T20:02:17Z

<p>Koutalasvasilis: Εξέλιξη MTCI για τα είδη κάλυψης</p> <hr /> <div>Εξέλιξη MTCI για τα είδη κάλυψης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:4wiki.png 2019-03-05T20:01:45Z

<p>Koutalasvasilis: Εξέλιξη NDVI για τα είδη κάλυψης</p> <hr /> <div>Εξέλιξη NDVI για τα είδη κάλυψης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:3wiki.png 2019-03-05T20:00:52Z

<p>Koutalasvasilis: Εξέλιξη δεικτών βλάστησης χορτολίβαδων</p> <hr /> <div>Εξέλιξη δεικτών βλάστησης χορτολίβαδων</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:2wiki.png 2019-03-05T20:00:18Z

<p>Koutalasvasilis: Εξέλιξη δεικτών βλάστησης ελαιοκράμβης</p> <hr /> <div>Εξέλιξη δεικτών βλάστησης ελαιοκράμβης</div>

Koutalasvasilis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:1wiki.png 2019-03-05T19:59:00Z

<p>Koutalasvasilis: Εξέλιξη δεικτών βλάστησης αραβόσιτου</p> <hr /> <div>Εξέλιξη δεικτών βλάστησης αραβόσιτου</div>

Koutalasvasilis