RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Χαρτογράφηση κατάστασης ασφαλτικών δρόμων με χρήση υπερφασματικής τηλεπισκόπησης

2017-02-15T04:21:40Z

Ktistopoulos Dionysios:

[[εικόνα: DK_art3_pic1.png|thumb|right|Eικόνα 1: Οπτική διαφορά μεταξύ των δεδομένων από AVIRIS (4m) και HyperSpectir (0,5m) με έμφαση στους αναμενόμενους περιορισμούς εξαιτίας των ρυθμίσεων χωρικής ανάλυσης.]]
[[εικόνα: DK_art3_pic2.png|thumb|right|Eικόνα 2: Χωρική κατανομή του δείκτη κατάστασης οδοστρώματος (PCI) που αποκτήθηκε μέσω δεδομένων από HyperSpectir.]]

'''Mapping asphalt road conditions with hyperspectral remote sensing'''

'''ΣΥΓΓΡΑΦΕΙΣ: Martin Herold, Dar A. Roberts

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXVI/8-W27/herold_roberts.pdf]

'''1. Παρουσίαση του προβλήματος'''

Οι λεπτομερείς και ακριβείς πληροφορίες σχετικά με τις οδικές υποδομές είναι το θεμέλιο για τη διαχείριση και το σχεδιασμό των μεταφορικών μέσων. Δεδομένου ότι το κόστος των συχνών, πλήρων ελέγχων είναι υψηλό, πολλές χώρες περιορίζουν τις έρευνές τους στους μεγάλους οδικούς άξονες, ενώ οι δευτερεύουσες οδοί ερευνώνται κάθε 3-4 χρόνια. Για το σκοπό αυτό, ένας αριθμός τεχνολογιών έρευνας έχει εφαρμοστεί στη χαρτογράφηση της οδικής κατάστασης.

'''2. Σκοπός της εφαρμογής'''

Αυτή η μελέτη συνδυάζει εδαφική φασματομετρία, εικονική φασματομετρία και επί τόπου έρευνες της κατάστασης του οδοστρώματος με στόχο την αξιολόγηση της κατάστασης ενός δρόμου.
Κεντρικοί στόχοι αυτής της έρευνας αποτελούν, η βαθύτερη κατανόηση της φασματικής αναπαράστασης της γήρανσης των οδών και των διαδικασιών επιδείνωσής της, οι βέλτιστες χωρικές/φασματικές τηλεπισκοπικές ρυθμίσεις για να παρατηρηθούν αυτά τα φαινόμενα και η εκτίμηση των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης σε σύγκριση με άλλες τεχνικές μελέτης των δρόμων.
Ο τελικός στόχος είναι να η εξερεύνηση των αλληλεξαρτήσεων μεταξύ τηλεπισκοπικών παραμέτρων (πχ. φασματική ανάκλαση) και των παραμέτρων της κατάστασης των δρόμων, όπως είναι ο Δείκτης Κατάστασης Οδοστρώματος (Pavement Condition Index - PCI) και οι προτάσεις των εμπειρογνωμόνων στη διαχείριση του οδοστρώματος.

'''3. Εφαρμογή και αποτελέσματα'''

Κοινή πρακτική στην σημερινή εποχή είναι η εκτεταμένη επιτόπια παρακολούθηση από εμπειρογνώμονες, οι οποίοι χαρακτηρίζουν μέτρα όπως το PCI και ο Δείκτης Δομής (Structure Index), βασιζόμενοι σε προκαθορισμένες φυσικές παραμέτρους, όπως οι ρωγμές, οι αυλακώσεις κλπ.
Οι πρόσφατες εξελίξεις στην εικονική φασματομετρία προσφέρουν τη δυνατότητα βελτίωσης της χαρτογράφησης της ποιότητας των οδών σε μεγάλες περιοχές. Εικονικά φασματόμετρα είναι σε θέση να αποκτήσουν ένα μεγάλο αριθμό φασματικών ζωνών με στενό εύρος κάθε ζώνης. Οι εν λόγω λεπτομερείς φασματικές μετρήσεις επιτρέπουν την ακριβή ταυτοποίηση των χημικών και φυσικών ιδιοτήτων των υλικών, καθώς και τη διαφορική γεωμετρία των επιφανειών.
Για πρώτη φορά κατέστη δυνατή η παροχή φασματικών αποδείξεων για τις διαδικασίες γήρανσης και υποβάθμισης των οδοστρωμάτων. Καινούρια ασφαλτικά οδοστρώματα χαρακτηρίζονται από απορρόφηση υδρογονανθράκων. Η γήρανση του οδοστρώματος και η διάβρωση του ασφαλτικού μίγματος έχουν ως αποτέλεσμα τη σταδιακή μετάβαση από την απορρόφηση των υδρογονανθράκων σε αυτή των ορυκτών, με μια γενική αύξηση στην φωτεινότητα και αλλαγές σε διακριτά, μικρής κλίμακας χαρακτηριστικά απορρόφησης. Οι οδικές ζημιές (πχ. ρωγμές) υποδεικνύουν μια κάπως αντίθετη φασματική μεταβολή.
Οι ρωγμές μειώνουν τη φωτεινότητα και δίνουν έμφαση στα χαρακτηριστικά απορρόφησης των υδρογονανθράκων κι αυτό γιατί τα βαθύτερα στρώματα του οδοστρώματος, τα οποία εμπεριέχουν μεγαλύτερο ποσοστό ασφαλτικού μίγματος, έρχονται στην επιφάνεια. Μία «γερασμένη» οδική επιφάνεια γίνεται φωτεινότερη με τη μείωση της απορρόφησης υδρογονανθράκων, ενώ δομικές καταπονήσεις μειώνουν την ανακλαστικότητα, αλλά ενισχύουν την έκφραση των χαρακτηριστικών των υδρογονανθράκων.
Η διερεύνηση των δυνατοτήτων της τηλεπισκοπικής χαρτογράφησης έγινε με δύο εικονικούς φασματογράφους με διαφορετικές χωρικές αναλύσεις ( AVIRIS data – 4 m ; HyperSpectir – 0,5 m). Η ανακλαστική διαφορά των δεδομένων του HyperSpectir συγκρίθηκε με τον PCI και έδειξε ότι η εικονική φασματομετρία έχει τις προοπτικές για την απεικόνιση της κατάστασης των δρόμων. Η σχέση μεταξύ του τηλεπισκοπικού σήματος και του PCI είναι δυνατή για δρόμους σε καλή κατάσταση, αλλά γίνεται πιο αδύναμη για δρόμους κατώτερης ποιότητας. Οι δρόμοι που δε χρειάζονται διαχείριση μπορούν να διαχωριστούν από αυτούς που χρειάζονται. Προς το παρόν, ο αλγόριθμος δεν είναι ικανός να κάνει διακρίσεις μεταξύ των μέτρων διαχείρισης (πχ. συντήρηση ή ολική αναμόρφωση).
Με άλλα λόγια και οι κοινές πρακτικές (πχ. επιτόπιες μετρήσεις) και η ανάλυση μέσω εικονικής φασματομετρίας είναι αποτελεσματικές στην αναγνώριση δρόμων σε καλή και πολύ καλή κατάσταση. Ποικιλομορφία και αβεβαιότητα σε όλα τα ερευνητικά δεδομένα (επιτόπιες μετρήσεις και τηλεπισκόπηση) προκύπτει σε οδικές επιφάνειες που βρίσκονται σε κακή κατάσταση και ο σαφής καθορισμός συγκεκριμένων (και ακριβών) αποφάσεων επιφανειακής επεξεργασίας παραμένει προβληματικός για αυτές τις μεθόδους.
Τέλος, να αναφερθεί πως αναπτύσσεται μια νέα τεχνολογία στον τομέα αυτό, το μη επανδρωμένο εναέριο όχημα (Unmanned Airborne Vehicle – UAV, [https://en.wikipedia.org/wiki/Unmanned_aerial_vehicle]), η οποία μπορεί να υποστηρίξει τις προσπάθειες συντήρησης των δρόμων και πρέπει να συμπεριληφθεί στην περαιτέρω διερεύνηση της εικονικής φασματομετρίας.

'''4. Σχολιασμός'''

Συμπερασματικά, η χαρτογράφηση της κατάστασης του οδικού δικτύου μέσω της εικονικής φασματομετρίας έχει προοπτικές. Δεν είναι πιθανό πως η τηλεπισκόπηση θα αντικαταστήσει την επιτόπια επιθεώρηση, αλλά το φασματικό σήμα είναι ένα επιπρόσθετο επίπεδο πληροφοριών, το οποίο δεν λαμβάνεται υπόψη σε άλλες μεθόδους παρακολούθησης του οδοστρώματος και μπορεί να προσφέρει πληροφορίες σχετικά με την κατάσταση της επιφάνειας του οδοστρώματος και άλλες διαστάσεις, που ο εμπειρογνώμονας δεν μπορεί να εκτιμήσει χωρίς μεγάλη προσπάθεια.

[[category:Κυκλοφοριακές μελέτες]]

Μοντελοποίηση της διάβρωσης του εδάφους με τη χρήση GIS και τηλεπισκόπησης : Mελέτη περίπτωσης, το βουνό Γκάνος

2017-02-15T04:20:51Z

Ktistopoulos Dionysios:

[[εικόνα: DK_art2_pic1.png|thumb|right|Eικόνα 1: Προοπτικές διάβρωσης του εδάφους στην περιοχή μελέτης.]]
[[εικόνα: DK_art2_pic2.png|thumb|right|Eικόνα 2: Χάρτης χρήσεων γης του βουνού Γκάνος και της γύρω περιοχής.]]
[[εικόνα: DK_art2_pic3.png|thumb|right|Εικόνα 3: Ψηφιακό υψομετρικό μοντέλο (DEM) της περιοχής μελέτης.]]

'''Soil erosion modelling by using GIS & Remote Sensing : A case study, Ganos mountain'''

'''ΣΥΓΓΡΑΦΕΑΣ: Berk Ustun, ITU, Civil Engineering Faculty

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXVII/congress/7_pdf/10_ThS-18/26.pdf]

'''1. Παρουσίαση του προβλήματος'''

Η διάβρωση του εδάφους του πλανήτη είναι ένα συχνό και ευρέως διαδεδομένο πρόβλημα. Η χαρτογράφηση του επιπέδου κινδύνου των περιοχών που υπόκεινται σε διάβρωση από τη βροχή και τον αέρα, είναι, ως εκ τούτου πολύ σημαντικό ζήτημα. Μοντέλα της διάβρωσης του εδάφους τονίζουν τη σημασία της κάλυψης του εδάφους με ενεργή πράσινη βλάστηση και υπολείμματα. Όταν τα εδάφη καλύπτονται από γερασμένη βλάστηση ή υπολείμματα καλλιεργειών, το κλάσμα κάλυψης είναι συχνά πολύ χαμηλό και μπορεί να συμπίπτει με βαριές βροχοπτώσεις.
Το άρθρο αυτό επικεντρώνεται στο μέγεθος του ποσού της απώλειας εδάφους εξαιτίας της διάβρωσης στην περιοχή γύρω από το βουνό Γκάνος που βρίσκεται στην χερσόνησο της Θράκης στην Τουρκία. Το βουνό είναι το δεύτερο υψηλότερο σημείο στην χερσόνησο.

'''2. Σκοπός της εφαρμογής'''

Στη μελέτη αυτή το μέγεθος του ποσού της απώλειας εδάφους λόγω διάβρωσης στην περιοχή ερευνήθηκε με τη χρήση δορυφορικών δεδομένων. Η μέθοδος του Morgan χρησιμοποιείται για να επιλυθεί το πρόβλημα μοντελοποίησης της διάβρωσης του εδάφους. Δορυφορικές εικόνες χρησιμοποιούνται για να επιτευχθεί γρήγορα η σωστή ταξινόμηση των χρήσεων γης.

'''3. Δεδομένα που χρησιμοποιήθηκαν'''

Αρχικά, συλλέχθηκαν όλα τα απαραίτητα δεδομένα για την μοντελοποίηση της διάβρωσης του εδάφους στην περιοχή. Μερικά από αυτά είναι το υψόμετρο και η κλίση της περιοχής, οι τιμές του pH, οι χρήσεις γης, το ποσοστό αποστράγγισης του εδάφους κλπ. Με αυτά τα δεδομένα, μπορεί να δημιουργηθεί ένα μοντέλο πρόβλεψης για την απώλεια του εδάφους ανά έτος. Τα αποτελέσματα θα παρουσιάζονται σε τόνους ανά εκτάριο ανά έτος. Αυτά τα αποτελέσματα καθιστούν ευκολότερο να καθοριστεί αν η απώλεια εδάφους είναι κάτω από το επιτρεπτό όριο ή όχι.
Σε αυτή την εφαρμογή χρησιμοποιήθηκαν εικόνες από δορυφόρο Landsat-5. Οι τεχνικές επεξεργασίας των εικόνων έγιναν με τη χρήση ERDAS Imagine [https://en.wikipedia.org/wiki/Erdas_Imagine] και ILWIS λογισμικού [https://en.wikipedia.org/wiki/ILWIS]. Επίσης χρησιμοποιήθηκαν το Photoshop και το Corel Draw λογισμικό.

'''4. Μεθοδολογία'''

Ένα ψηφιακό υψομετρικό μοντέλο (Digitized Elevation Model - DEM) της περιοχής παρήχθη με χωρική παρεμβολή ψηφιοποιημένων ισοϋψών καμπυλών από έναν χάρτη με κλίμακα 1:50000, χρησιμοποιώντας τον αλγόριθμο μετατροπής απόστασης. Το DEM χρησιμοποιήθηκε για την δημιουργία του χάρτη κλίσεων της περιοχής.
Στην συνέχεια έγινε γεωμετρική διόρθωση. Αρχικά, οι συντεταγμένες του σημείου ελέγχου στο έδαφος ψηφιοποιήθηκαν από τους τοπογραφικούς χάρτες με σταθερή κλίμακα 1:50000. Η γεωμετρική διόρθωση έγινε χρησιμοποιώντας πρώτης τάξεως πολυωνυμική εξίσωση. Τέλος, χρησιμοποιήθηκε η μέθοδος δειγματοληψίας μέσω του «κοντινότερου γείτονα» (nearest neighbor) με σφάλμα μέσης τετραγωνικής ρίζας <0,5 pixels.
Ακολούθησε μια ψηφιακή ταξινόμηση, χρησιμοποιώντας δορυφορικά δεδομένα από τον LANDSAT που καλύπτουν το ορατό, το υπέρυθρο και το μικροκυματικό εύρος του φάσματος, με σκοπό να ανιχνευτεί το συνολικό δυναμικό διάβρωσης του εδάφους του βουνού Γκάνος. Τα τηλεπισκοπικά δεδομένα για την εκτίμηση της υποβάθμισης και διάβρωσης του εδάφους προέρχονται κατά κύριο λόγο από τις ορατές και υπέρυθρες ζώνες.
Σε αυτό το σημείο της μελέτης χρησιμοποιήθηκε η επαναληπτική αυτό-οργανωμένη τεχνική μέθοδος ανάλυσης δεδομένων (Iterative Self-Organizing Data Analysis – ISODATA technique method) μη επιβλεπόμενης ταξινόμησης. Αυτή η τεχνική χρησιμοποιεί τον κανόνα της μέγιστης πιθανότητας για να υπολογίσει τις μέσες τιμές των κλάσεων που είναι ομοιόμορφα κατανεμημένες στο χώρο δεδομένων και μετά συγκεντρώνει τα υπόλοιπα pixels, με χρήση μεθόδων ελάχιστης απόστασης (Jensen, 1996). Κάθε επανάληψη επαναϋπολογίζει τις μέσες τιμές και αναταξινομεί τα pixels σε σχέση με τις νέες μέσες τιμές. Αυτή η διαδικασία συνεχίζεται μέχρι ο αριθμός των pixels σε κάθε κλάση να αλλάζει λιγότερο από μια προκαθορισμένη τιμή ή μέχρι να γίνει ένας προκαθορισμένος μέγιστος αριθμός επαναλήψεων (Melesse and Jordan, 2002).
Η μέθοδος προσδιορισμού της απώλειας εδάφους αποτελείται από δύο βασικές φάσεις. Η πρώτη είναι αυτή του νερού και η δεύτερη αυτή της καθίζησης. Στην πρώτη φάση, η κινητική ενέργεια των βροχοπτώσεων, η επιφανειακή απορροή και οι ετήσιες τιμές κατακρημνίσεων και στη δεύτερη φάση ο ρυθμός αποκόλλησης του εδάφους εξαιτίας των βροχοπτώσεων και η μεταφορική ικανότητα της επιφανειακής απορροής υπολογίζονται για κάθε pixel δημιουργώντας χάρτες για κάθε εισαγόμενο δεδομένο (Faust, 1989). Αυτό το μοντέλο πρόβλεψης για τον υπολογισμό του ρίσκου της διάβρωσης του εδάφους λέγεται μοντέλο του Morgan.

'''5. Αποτελέσματα'''

Το βασικό αποτέλεσμα είναι ότι γενικά στην περιοχή μελέτης οι μοντελοποιημένες τιμές της διάβρωσης του εδάφους είναι 10 τόνοι ανά εκτάριο, το οποίο ανήκει στο αναμενόμενο εύρος τιμών. Αλλά αυτή η τιμή ανεβαίνει πάνω από το όριο αν η γωνία κλίσης είναι πάνω από 16ο . Όπως φαίνεται επίσης από την εικόνα 1, στην περιοχή μελέτης η ετήσια τιμή διάβρωσης του εδάφους φτάνει τους 20 τόνους ανά εκτάριο σε μερικές άγονες εκτάσεις, ειδικά κοντά στην κορυφή του βουνού Γκάνος (Ustun, 2001).
Αν ληφθούν υπόψη οι χρήσεις γης μπορεί να φανεί εύκολα πως εντυπωσιακά μεγάλες τιμές διάβρωσης εδάφους λαμβάνονται για της δασικές περιοχές.

[[category:Υποβάθμιση εδαφών]]

Κτιστόπουλος Διονύσιος

2017-02-15T04:16:24Z

Ktistopoulos Dionysios: Νέα σελίδα με '*[[Η χρήση της ψηφιακής τηλεπισκόπησης στην ανάπτυξη των αεροδρομίων και στον σχεδιασμό των μ...'

*[[Η χρήση της ψηφιακής τηλεπισκόπησης στην ανάπτυξη των αεροδρομίων και στον σχεδιασμό των μεταφορών]]

*[[Μοντελοποίηση της διάβρωσης του εδάφους με τη χρήση GIS και τηλεπισκόπησης : Mελέτη περίπτωσης, το βουνό Γκάνος]]

*[[Χαρτογράφηση κατάστασης ασφαλτικών δρόμων με χρήση υπερφασματικής τηλεπισκόπησης]]

*[[Τεχνική βασισμένη στην τηλεπισκόπηση για την πρόβλεψη της ποιότητας υδάτων από διαφορετικές πηγές]]

*[[Τηλεπισκόπηση και ασφάλεια στις μεταφορές]]

*[[Παρακολούθηση και μοντελοποίηση αστικής εξάπλωσης με τη χρήση τεχνικών τηλεπισκόπισης και GIS]]

*[[Εφαρμογή της τηλεπισκόπησης και του GIS για την ανάλυση ρίσκου πλημμύρας : Μελέτη της περίπτωσης του ποταμού Kalu-Ganga στη Σρι Λάνκα]]

*[[Η εφαρμογή της τηλεπισκόπησης για την αναγνώριση και την μέτρηση σφραγισμένων περιοχών σε αστικά περιβάλλοντα]]

*[[Τηλεπισκόπηση, GIS και χαρτογράφηση χρήσεων και καλύψεων γης κατά μήκος του Διαδρόμου Ι-10]]

*[[Προοπτικές και περιορισμοί της τηλεπισκόπησης για τη μείωση των γεωλογικών καταστροφών]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Αθήνα)]]

Προοπτικές και περιορισμοί της τηλεπισκόπησης για τη μείωση των γεωλογικών καταστροφών

2017-02-15T04:10:09Z

Ktistopoulos Dionysios: Νέα σελίδα με '[[εικόνα: DK_art10_pic1.png|thumb|right|Πίνακας 1: Χρησιμότητα της τηλεπισκόπησης για τη διαχείριση των διαφ...'

[[εικόνα: DK_art10_pic1.png|thumb|right|Πίνακας 1: Χρησιμότητα της τηλεπισκόπησης για τη διαχείριση των διαφόρων τύπων καταστροφών.]]
[[εικόνα: DK_art10_pic2.png|thumb|right|Πίνακας 2: Προοπτικές του SAR [https://en.wikipedia.org/wiki/Synthetic_aperture_radar] για εφαρμογή σε μεγάλα γεωλογικά και υδρολογικά φαινόμενα σε σχέση με τη διαχείριση καταστροφών.]]

'''Potential and limitations of satellite remote sensing for geo-disaster reduction'''

'''ΣΥΓΓΡΑΦΕΑΣ: Kees van Westen, Robert Soeters, Manfred F. Buchroithner

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXI/congress/part6/39_XXXI-part6-S.pdf]

'''1. Παρουσίαση του προβλήματος'''

Η καταστροφή ορίζεται ως «ένα ξαφνικό, ολέθριο γεγονός που αποφέρει μεγάλες ζημιές ή απώλειες». Τέτοια γεγονότα μπορεί να είναι οι σεισμοί, οι κατολισθήσεις, οι τυφώνες, οι εκρήξεις ηφαιστείων κλπ. Για να μειωθούν οι επιπτώσεις των φυσικών καταστροφών, απαιτείται μια ολοκληρωμένη στρατηγική διαχείρισης καταστροφών, οποία εμπεριέχει και τις πτυχές της παρεμπόδισης καταστροφών (ανάλυση κινδύνου, ευπάθειας και ρίσκου εφαρμόζοντα στο σχεδιασμό), της ετοιμότητας (προειδοποίηση και παρακολούθηση καταστροφών) και των λειτουργιών αποκατάστασης των καταστροφών

'''2. Σκοπός της εφαρμογής'''

Αυτό το άρθρο επικεντρώνεται σε γεωλογικές καταστροφές, δηλαδή στους σεισμούς, τις εκρήξεις ηφαιστείων και τις κατολισθήσεις. Για κάθε μία από αυτές, γίνεται μια εκτίμηση της χρησιμότητας της τηλεπισκόπησης στα τρία στάδια της διαχείρισης καταστροφών (παρεμπόδιση, ετοιμότητα, αποκατάσταση).
Τα τηλεπισκοπικά δεδομένα από δορυφόρους είναι εξαιρετικά εργαλεία για τη χαρτογράφηση της χωρικής κατανομής των σχετιζόμενων με καταστροφές δεδομένων, εντός μίας σχετικά μικρής χρονικής περιόδου. Πέραν της χρήσης συμβατικών αεροφωτογραφιών, οι οποίες συχνά παραμένουν τα πιο χρήσιμα εργαλεία στη μελέτη πολλών τύπων καταστροφών, η εφαρμογή των τηλεπισκοπικών δεδομένων έχει αυξηθεί ραγδαία τα τελευταία χρόνια.

'''3. Χαρακτηριστικά γεωλογικών καταστροφών και ο ρόλος της τηλεπισκόπησης '''

Είναι ευρέως γνωστές οι δυνατότητες της χρήσης δορυφορικών δεδομένων, όσον αφορά στην πρόβλεψη καταστροφικών φαινομένων σχετιζόμενων με τον καιρό, όπως οι καταιγίδες. Αυτό το άρθρο επικεντρώνεται στις γεωλογικές καταστροφές. Καθώς αυτές οι καταστροφές αφορούν φυσικά φαινόμενα με μεγάλες αποκλίσεις σε χαρακτηριστικά, μέγεθος, ταχύτητα ανάπτυξης κλπ., στην συνέχεια εξετάζεται ο ρόλος της τηλεπισκόπησης ξεχωριστά για τους εξής τρεις τύπους γεωλογικών καταστροφών :
* Σεισμοί : Οι ακόλουθες πτυχές παίζουν σημαντικό ρόλο : ενεργά ρήγματα, γεωλογική δομή, τύποι εδαφών, βάθος του υδροφόρου ορίζοντα, τοπογραφία και τύποι κατασκευών στην περιοχή. Στη φάση της παρεμπόδισης καταστροφών, η τηλεπισκόπηση παίζει σημαντικό ρόλο στη χαρτογράφηση ενεργών ρηγμάτων, χρησιμοποιώντας νεοτεκτονικές μελέτες με τη βοήθεια Landsat ΤΜ και ραντάρ, καθώς και στη μέτρηση μετατόπισης ρηγμάτων με τη χρήση SLR (Satellite Laser Ranging, [https://en.wikipedia.org/wiki/Satellite_laser_ranging]), GPS και συμβολομετρία με ραντάρ. Μέχρι στιγμής, τα σημαντικότερα δεδομένα για τις ζώνες σεισμικού κινδύνου αντλούνται από τα σεισμικά δίκτυα. Οι σεισμοί δεν μπορούν να προβλεφθούν επαρκώς με το παρόν επίπεδο γνώσης, συνεπώς ούτε η τηλεπισκόπηση μπορεί να παίξει σημαντικό ρόλο στην ετοιμότητα για τους σεισμούς. Στη φάση της αποκατάστασης, μπορεί να παίξει ρόλο στην αναγνώριση μεγάλων σε κλίμα σχετικών χαρακτηριστικών, όπως οι κατολισθήσεις, όχι όμως και στην παρατήρηση των ζημιών σε κτίρια, καθώς η ανάλυση των παρόντων συστημάτων ραντάρ δεν είναι επαρκής.

* Εκρήξεις ηφαιστείων : Η τηλεπισκόπηση μπορεί να χρησιμοποιηθεί στη φάση της ετοιμότητας, με την κατανομή και τη χαρτογράφηση των ηφαιστειακών αποθεμάτων με τα χρήση Landsat TM και ραντάρ. Για τον καθορισμό της ιστορίας εκρήξεων ενός ηφαιστείου, απαιτούνται άλλα δεδομένα όπως μορφολογική ανάλυση, χρονολόγηση τέφρας και λιθολογική σύσταση. Η θερμική ζώνη του Landsat TM μπορεί να χρησιμοποιηθεί για την παρακολούθηση των θερμικών χαρακτηριστικών ενός ηφαιστείου και η συμβολομετρία με ραντάρ για την μέτρηση επιφανειακών παραμορφώσεων. Δεδομένα AVHRR [https://en.wikipedia.org/wiki/Advanced_very-high-resolution_radiometer] χρησιμοποιούνται στην παρακολούθηση ροών λάβας και τέφρας. Για την παρακολούθηση της έκτασης των ηφαιστειακών συννέφων στάχτης μπορούν να χρησιμοποιηθούν τα εξής : TOMS [https://en.wikipedia.org/wiki/Total_Ozone_Mapping_Spectrometer], GOES [https://en.wikipedia.org/wiki/Geostationary_Operational_Environmental_Satellite] και Meteosat [https://en.wikipedia.org/wiki/Meteosat].

* Kατολισθήσεις : Στη φάση της παρεμπόδισης καταστροφών, οι δορυφορικές εικόνες με επαρκή χωρική ανάλυση μπορούν να χρησιμοποιηθούν για τη δημιουργία ενός αρχείου προηγούμενων κατολισθήσεων και για τη συλλογή δεδομένων σχετικών παραμέτρων, όπως η γεωλογία, η κλίση, η γεωμορφολογία, οι χρήσεις γης, η υδρολογία, τα ρήγματα κλπ. Στη φάση της της αποκατάστασης, η παρακολούθηση μετατοπίσεων μεγάλων κατολισθήσεων μπορεί να γίνει με συμβολομετρία με ραντάρ. Ένας λόγος για τον οποίο τα ραντάρ απεικόνισης είναι χρήσιμα για την παρακολούθηση των μετακινήσεων μαζών, είναι η ευαισθησία του στην επιφανειακή σκληρότητα και κλίση. Η εξαγωγή πληροφοριών σε σχέση με το νερό από τα ραντάρ απεικόνισης σε επιφάνειες εδαφών είναι δύσκολη, καθώς η ένταση της εικόνας είναι μια πολύπλοκη λειτουργία με πολλές παραμέτρους, όπως το μήκος κύματος, η υγρασία των εδαφών, η κάλυψη με βλάστηση κλπ. Τέλος, μια ακόμα προσέγγιση για χρήση δεδομένων υγρασίας εδαφών μέσω μικροκυματικών μεθόδων, είναι η ανίχνευση αλλαγών. Αυτή η μέθοδος ελαχιστοποιεί τις επιδράσεις μεταβλητών όπως η βλάστηση και η επιφανειακή σκληρότητα.

'''4. Συμπεράσματα'''

Στον πίνακα 1 υπάρχει μια σύνοψη της χρησιμότητας της τηλεπισκόπησης στις διάφορες φάσεις της διαχείρισης φυσικών καταστροφών για τις καταστροφές που προαναφέρθηκαν και για τις πλημμύρες. Τα πιο υποσχόμενα αποτελέσματα αναμένονται στα πεδία των εκρήξεων ηφαιστείων και των πλημμυρών, καθώς και οι 2 μορφές καταστροφής είναι εύκολα αναγνωρίσιμες με τη χρήση τηλεπισκόπησης.
Τέλος μπορούν να ειπωθούν τα εξής : i) τα υπάρχοντα εργαλεία θεωρούνται γενικά επαρκή. Το πιο συχνά χρησιμοποιούμενο σύστημα είναι ο Landsat TM, ii) οι χρονικές κατά κύριο λόγο, αλλά και οι χωρικές αναλύσεις, πρέπει να βελτιωθούν. Υπάρχει επίσης ανάγκη στερεοσκοπικών δεδομένων με μεγαλύτερη χωρική ανάλυση, iii) Σε πολλές εφαρμογές το σημαντικότερο μειονέκτημα είναι οι καιρικές συνθήκες. Στο κοντινό μέλλον ωστόσο, αναμένεται πολλές εφαρμογές να προκύπτουν μέσω δεδομένων ERS [https://en.wikipedia.org/wiki/European_Remote-Sensing_Satellite], ειδικά σε περιοχές όπου τα δορυφορικά δεδομένα περιορίζονταν από τη συνεχή παρουσία συννέφων, iv) Η εφαρμογή της τηλεπισκόπησης περιορίζεται σημαντικά από την έλλειψη χρηματοδότησης. Η χρηματοδότηση ερευνών για εφαρμογές δε σχετίζεται με τη χρηματοδότηση για τις έρευνες διαστημικών τεχνολογιών, v) Τέλος, η τηλεπισκόπηση μπορεί να δώσει μόνο ένα μέρος της λύσης στη διαχείριση φυσικών καταστροφών και πάντα πρέπει να συνδυάζεται με άλλα δεδομένα.

[[category:Διαχείριση κινδύνων]]

Αρχείο:DK art10 pic2.png

2017-02-15T03:59:36Z

Ktistopoulos Dionysios:

Αρχείο:DK art10 pic1.png

2017-02-15T03:59:27Z

Ktistopoulos Dionysios:

Τηλεπισκόπηση, GIS και χαρτογράφηση χρήσεων και καλύψεων γης κατά μήκος του Διαδρόμου Ι-10

2017-02-15T03:58:03Z

Ktistopoulos Dionysios: Νέα σελίδα με '[[εικόνα: DK_art9_pic1.png|thumb|right|Eικόνα 1: Λεπτομερής χάρτης για την παράκτια περιοχή του Μισσισσιππή, ...'

[[εικόνα: DK_art9_pic1.png|thumb|right|Eικόνα 1: Λεπτομερής χάρτης για την παράκτια περιοχή του Μισσισσιππή, ο οποίος δείχνει το πολύπλοκο τοπίο περιβαλλοντικά ευαίσθητων περιοχών και ανεπτυγμένων αστικών περιοχών.]]
[[εικόνα: DK_art9_pic2.png|thumb|right|Πίνακας 1: Κλάσεις ταξινόμησης χρήσεων/καλύψεων γης και περιγραφή τους.]]
[[εικόνα: DK_art9_pic3.png|thumb|right|Εικόνα 2: Ανίχνευση αλλαγών με βάση τη διερευνητική ανάλυση με το δείκτη NDVI. Οι πράσινες περιοχές υποδεικνύουν σημαντική αύξηση στη βλάστηση, ενώ οι καφέ περιοχές υποδεικνύουν σημαντική μείωση στη βλάστηση.]]
[[εικόνα: DK_art9_pic4.png|thumb|right|Εικόνα 3: Δείγμα της ταξινόμησης των χρήσεων/καλύψεων γης για το 1990 (αριστερά) και για το 2000 (δεξιά).]]

'''Remote sensing, GIS, and land use and land cover mapping along the I – 10 Corridor'''

'''ΣΥΓΓΡΑΦΕΙΣ: Adam Johnson, Dennis D. Truax, Charles G. O’Hara, John Cartwright

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXIV/part1/paper/00085.pdf]

'''1. Παρουσίαση του προβλήματος'''

Η περιοχή μελέτης είναι η πολιτεία 10 (Interstate 10) ή αλλιώς Ι-10 Διάδρομος, η οποία περιλαμβάνει τις τρεις νοτιότερες περιοχές του Μισσισσιππή : Hancock, Harrison και Jackson. Για μία ευαίσθητη περιβαλλοντικά περιοχή όπως αυτή, συνεχόμενες έρευνες μελετούν τις αλλαγές στις καλύψεις γης στην περιοχή, με ιδιαίτερη έμφαση σε αλλαγές που έχουν προκύψει εξαιτίας της ολοκλήρωσης της πολιτείας Ι – 10. Αναλύσεις πληθυσμιακών και δημογραφικών πληροφοριών, τα υπάρχοντα δεδομένα κάλυψης γης και μη φασματικές αναδρομικές έρευνες υποδεικνύουν πως η περιοχή έχει αλλάξει δραματικά τα τελευταία 30 χρόνια, ως ένδειξη της αύξησης πληθυσμού κατά περίπου 50%. Αυτές οι προκαταρκτικές έρευνες ανίχνευσαν την αύξηση και την αλλαγή, αλλά η έλλειψη φασματικής ανάλυσης δεν επιτρέπει την αναγνώριση ειδικών μοντέλων ανάπτυξης και αλλαγών για την περιοχή.

'''2. Σκοπός της εφαρμογής'''

Η μελέτη αυτή από το Κρατικό Πανεπιστήμιο του Μισσισσιππή, περιέχει την ανάλυση χρήσεων/καλύψεων γης (Land use/Land Cover – LULC) για ένα ευαίσθητο, αλλά και πολύπλοκο περιβάλλον. Οι συνολικοί στόχοι είναι οι εξής : i) ανάλυση τις τάσεις LULC με βάση προηγούμενες μελέτες στο αντικείμενο, ii) εκτίμηση της παρούσας LULC της περιοχής και της ποσότητας και του τύπου των αλλαγών στο τοπίο σε αυτό το αντικείμενο την τελευταία δεκαετία με τη χρήση τηλεπισκοπικών δεδομένων, iii) η σύγκριση διαφόρων μεθοδολογιών για την LULC ταξινόμηση, λαμβάνοντας υπόψη την ακρίβεια και την ισχύ του τελικού προϊόντος ταξινόμησης.

'''3. Διαδικασίες ταξινόμησης'''

Η LULC ταξινόμηση του Ι – 10 Διαδρόμου της ακτής του κόλπου του Μισσισσιππή βασίστηκε αρχικά σε δεδομένα από Landsat 5 Θεματικό Χαρτογράφο (1990) και από Landsat 7 επαυξημένο θεματικό χαρτογράφο (2000). Πέρα από τα δορυφορικά δεδομένα από Landsat, χρησιμοποιήθηκαν διάφορες άλλες πηγές χωρικών δεδομένων, έτσι ώστε να αποκτήσουν επίγνωση σε αναπτυξιακά πρότυπα, τάσεις και για την πρόβλεψη μελλοντικών προτύπων ανάπτυξης. Αυτά τα δεδομένα περιλαμβάνουν αεροφωτογραφίες, δημογραφικά δεδομένα από GIS, Διεθνή δεδομένα κάλυψης γης και LULC δεδομένα από το αυτοματοποιημένο σύστημα πληροφοριών του Μισσισσιππή.
Η αρχική LULC ταξινόμηση προήλθε από το σύστημα ταξινόμησης Anderson για ταξινόμηση ενός επιπέδου. Επιλέχθηκαν έξι κλάσεις : οικιστικές περιοχές, αραιή βλάστηση, δάση, βάλτοι, γυμνό έδαφος και νερό. Οι κλάσεις του επιπέδου 1 μετά χρησιμοποιούνταν για να δημιουργηθούν τάξεις επιπέδου 2, όπου οι οικιστικές περιοχές διαιρέθηκαν σε κατοικίες, βιομηχανικές περιοχές και δίκτυο μεταφορών. Η ταξινόμηση πραγματοποιήθηκε σε εικόνες από τον Αύγουστο του 1990 έως τον Ιούλιο του 2000, γεγονός το οποίο επέτρεψε για μία πλήρη επισκόπηση των αλλαγών την τελευταία δεκαετία.
Οι αρχικές διαδικασίες ανάλυσης εμπεριείχαν το δείκτη NDVI (Normalized Difference Vegetation Index, [https://en.wikipedia.org/wiki/Normalized_Difference_Vegetation_Index]).
Η αρχική ανάλυση ταξινόμησης χρησιμοποίησε προϊόντα διαχωριστικής ανάλυσης για να ξεχωρίσει τα υδατικά και εδαφικά χαρακτηριστικά. Μέσω επιβλεπόμενης ταξινόμησης, το νερό απομονώθηκε στην εικόνα, με αποτέλεσμα μια αναλυτική οπτική των εδαφικών χαρακτηριστικών. Το εδαφικό τμήμα σε συνδυασμό με μία νέα επιβλεπόμενη ταξινόμηση, διαχωρίστηκε και από τις βαλτώδεις περιοχές. Στο αποτέλεσμα εφαρμόστηκε ο δείκτης NDVI που προαναφέρθηκε για να διαχωριστούν τα στοιχεία βλάστησης και μη βλάστησης, και έτσι παρήχθησαν οι δύο τελευταίες οπτικές ανάλυσης. Τα στοιχεία μη βλάστησης χρησιμοποιήθηκαν για να καθοδηγήσουν μια μη επιβλεπόμενη ταξινόμηση των οικιστικών περιοχών και των γυμνών εδαφών, ενώ τα στοιχεία βλάστησης σε συνδυασμό με άλλη μια επιβλεπόμενη ταξινόμηση, χρησιμοποιήθηκαν για την αναγνώριση δασικών και μη δασικών περιοχών.
Οι ταξινομήσεις που προέκυψαν συνδυάστηκαν για να δημιουργήσουν το τελικό ολικό προϊόν ταξινόμησης για τον Ι-10 Διάδρομο. Με την ταξινόμηση ολοκληρωμένη, μια εκτίμηση της ακρίβειας του τελικού προϊόντος διενεργήθηκε με τη χρήση τυχαία επιλεγμένων σημείων αναφοράς στο πεδίο. Για να υπερκαλυφθούν θέματα προσβασιμότητας των σημείων, αυτά επιλέχθηκαν εντός μίας συγκεκριμένης απόστασης από το υπάρχον δίκτυο μεταφορών. Τέλος, ο συνολικός αριθμός αλλαγών ποσοτικοποιήθηκε για την περασμένη δεκαετία, με έμφαση στις αλλαγές αναπτυγμένων και μη αναπτυγμένων κλάσεων χρήσεων/καλύψεων γης, καθώς αυτές σχετίζονται με την υποδομή του δικτύου μεταφορών της περιοχής.

'''4. Αποτελέσματα και σχολιασμός'''

Η τελική ταξινόμηση παρέχει μία σφαιρική εικόνα των κύριων LULC χαρακτηριστικών της περιοχής μεταξύ του 1990 και του 2000. Η κατάταξη σε πίνακες και οι υπολογισμοί της περιοχής παρέχουν με τη σειρά τους ένα ολοκληρωμένο σετ δεδομένων, όσον αφορά το ολικό τοπίο και τον τύπο και την ποσότητα των αλλαγών που έχουν προκύψει. Οι γραφικές αναπαραστάσεις προσφέρουν μια γενική ενόραση στις σχετικές ποσότητες των καθορισμένων τάξεων κατά μήκος του τοπίου.
Η ταξινόμηση εν τέλει ήταν ικανή να διαχωρίσει έξι τάξεις χρήσεων/καλύψεων γης με συνολική ακρίβεια της τάξης του 73%. Ανεπάρκειες στην ακρίβεια μπορεί να οφείλονται σε διάφορους παράγοντες, όπως η ποιότητα της εικόνας, οι κλιματικές συνθήκες και οι διαδικασίες εκτίμησης.
Οι συνολικές αλλαγές στο τοπίο δείχνουν μία αυξημένη τάση για αστική ανάπτυξη (53%) με την αραιή βλάστηση και τους παράκτιους υγροτόπους να υποφέρουν τις συνέπειες. Οι τάσεις που σχετίζονται με αυτή την ανάπτυξη φαίνεται να ακολουθούν την υπάρχουσα υποδομή μεταφορών κατά μήκος της ακτής. Τέτοια ανάπτυξη συχνά καθοδηγείται ή και μερικές φορές περιορίζεται από περιβαλλοντικά ευαίσθητες ή προστατευόμενες περιοχές. Η μελλοντική ανάπτυξη φαίνεται να οδηγείται περισσότερο προς τους βόρειους – νότιους διαδρόμους, οδηγώντας μακριά από την ακτή, σε αντίθεση με παρελθοντικές αναπτυξιακές τάσεις που ακολουθούσαν περιοχές με επιχειρήσεις ψυχαγωγίας σε εγγύτητα με την ακτογραμμή.

[[category:Γεωλογία – Εδαφολογία]]

Αρχείο:DK art9 pic4.png

2017-02-15T03:45:29Z

Ktistopoulos Dionysios:

Αρχείο:DK art9 pic3.png

2017-02-15T03:45:12Z

Ktistopoulos Dionysios:

Αρχείο:DK art9 pic2.png

2017-02-15T03:44:55Z

Ktistopoulos Dionysios:

Αρχείο:DK art9 pic1.png

2017-02-15T03:44:47Z

Ktistopoulos Dionysios:

Η εφαρμογή της τηλεπισκόπησης για την αναγνώριση και την μέτρηση σφραγισμένων περιοχών σε αστικά περιβάλλοντα

2017-02-15T03:42:51Z

Ktistopoulos Dionysios: Νέα σελίδα με '[[εικόνα: DK_art8_pic1.png|thumb|right|Eικόνα 1: Οπτική ταξινόμηση μίας εκ των περιοχών δειγμάτων που παρουσ...'

[[εικόνα: DK_art8_pic1.png|thumb|right|Eικόνα 1: Οπτική ταξινόμηση μίας εκ των περιοχών δειγμάτων που παρουσιάζει το ποσοστό στεγανοποίησης.]]
[[εικόνα: DK_art8_pic2.png|thumb|right|Eικόνα 2: Η αεροφωτογραφία (δεξιά) χρησιμοποιήθηκε για να εντοπιστούν τα σημεία εκπαίδευσης στη φωτογραφία Quickbird (αριστερά).]]
[[εικόνα: DK_art8_pic3.png|thumb|right|Πίνακας 1: Ο συνδυαστικός πίνακας υποδεικνύει αντιστοιχία μεταξύ της ψηφιακής ταξινόμησης και της ταξινόμησης στην αεροφωτογραφία.]]

'''The application of remote sensing to identify and measure sealed areas in urban environments'''

'''ΣΥΓΓΡΑΦΕΙΣ: M. Kampouraki, G. A. Wood, T. Brewer

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXVI/4C42/Papers/16_Automated%20classification%20IC%20II%20%20Settlements%20Infrastructure/OBIA2006_Kampouraki_Wood_Brewer.pdf]

'''1. Παρουσίαση του προβλήματος'''

Ο χαρακτηρισμός της περιβαλλοντικής ποιότητας των αστικών τοπίων, όπως για παράδειγμα η πυκνότητα και η εξάπλωση του δομημένου περιβάλλοντος, η ποιότητα του κλίματος, η αναλογία πράσινων περιοχών και οι αδιαπέραστες επιφάνειες, είναι δείκτες – κλειδιά για την βιώσιμη ανάπτυξη. Οι αδιαπέραστες επιφάνειες αποτελούνται από οποιοδήποτε υλικό, φυσικό ή τεχνητό, το οποίο εμποδίζει την εισχώρηση νερού στα υποκείμενα στρώματα. Ως αποτέλεσμα, οι αδιαπέραστες επιφάνειες, όχι μόνο υποδεικνύουν την αστικοποίηση, αλλά αποτελούν βασικούς παράγοντες στις περιβαλλοντικές επιπτώσεις που αυτή θα έχει.

'''2. Σκοπός της εφαρμογής'''

Αρκετές μελέτες έχουν χρησιμοποιήσει δορυφορικές εικόνες για τη χαρτογράφηση αστικής κάλυψης και χρήσης γης, παράλληλα με τη μοντελοποίηση πράσινων περιοχών και την επιφανειακή στεγανότητα. Το τελευταίο διάστημα, η παρακολούθηση του ποσοστού των σφραγισμένων εδαφών σε αστικά περιβάλλοντα έχει ιδιαίτερο ενδιαφέρον, ως παράγοντας - κλειδί για τη βιώσιμη χρήση γης. Ο στόχος αυτής της έρευνας, είναι να προσδιορίσει μία κατάλληλη μεθοδολογία για να ταξινομεί σφραγισμένες εδαφικές και πράσινες επιφάνειες στα αστικά περιβάλλοντα με τη χρήση τηλεπισκοπικών δεδομένων. Η πρόθεση είναι η αξιολόγηση της πιθανότητας χαρτογράφησης σφραγισμένων εδαφών σε πόλεις του Ηνωμένου Βασιλείου με λεπτομέρεια και όχι σε οικοδομικά τετράγωνα. Η περιοχή μελέτης είναι η πόλη του Cambridge, στο Ηνωμένο Βασίλειο.

'''3. Μεθοδολογία'''

Δεκαοχτώ δείγματα (250x250m) επιλέχθηκαν στην τύχη από την περιοχή για να αποτελέσουν τη βάση για την ερμηνεία αεροφωτογραφιών.
Ένας βασικός χάρτης παρήχθη, αναπτύσσοντας και εφαρμόζοντας μία ερμηνεία – κλειδί της επιλεγμένες αεροφωτογραφίας, η οποία περιλαμβάνει μια οπτική ταξινόμηση των δειγμάτων. Γι’ αυτό το σκοπό, το OS MasterMap [https://en.wikipedia.org/wiki/OS_MasterMap] , το οποίο περιέχει βασικά πολύγωνα, τα οποία οριοθετούν την υποδομή του δικτύου μεταφορών, τα οικιστικά και εμπορικά κτίρια, χρησιμοποιήθηκε ως επικάλυψη της αεροφωτογραφίας του Cambridge. Σε κάθε τμήμα γης στα τοπογραφικά δεδομένα διατέθηκε ένα κομμάτι των παρακάτω καλύψεων γης : i) σφραγισμένες περιοχές, ii) βλάστηση, ii) δέντρα, iv) γυμνό έδαφος, v) νερό. Οι αναλογίες υπολογίστηκαν οπτικά και περιορίστηκαν σε ακρίβεια της τάξης του 25% (0, 25, 50, 75, 100). Οι σφραγισμένες περιοχές θεωρήθηκε ότι δημιουργούνται από τις κτιριακές υποδομές και όχι από την αποξήρανση ή τη συμπίεση του εδάφους.
Οι δορυφορικές εικόνες ταξινομήθηκαν ως περιοχές βλάστησης ή μη βλάστησης, καθώς αυτό θεωρήθηκε ένα αποδεκτό υποκατάστατο για την μη σφραγισμένες και σφραγισμένες περιοχές αντίστοιχα. Η χρήση συνδυασμών καναλιών από το ερυθρό και εγγύς υπέρυθρο μήκος κύματος, παρέχει την καλύτερη δυνατότητα διαχωρισμού της βλάστησης. Το πιο χαρακτηριστικό παράδειγμα είναι ο δείκτης NDVI (Normalized Difference Vegetation Index) που υπολογίζεται ως εξής : NDVI = (Κ4-Κ3)/(Κ4+Κ3), όπου Κ4 είναι το εγγύς υπέρυθρο κανάλι και Κ3 το ερυθρό κανάλι. Η ταξινόμηση με βάση τον δείκτη αυτό αποτελείται από τρία στάδια : i) ορισμός ενός τυπολογίου κάλυψης γης, ii) «εκπαίδευση», δηλαδή την αντιστοίχιση pixels από περιοχές με γνωστές χρήσεις γης με την πραγματική ταξινόμηση που γίνεται, iii) αξιολόγηση της ακρίβειας.
Το τυπολόγιο καλύψεων γης εξήχθη από τις κατηγορίες χρήσεων γης που παρατηρούνται στην υψηλής ευκρίνειας αεροφωτογραφία και ανάλογα κατανέμονται στις τάξεις σφραγισμένων ή μη σφραγισμένων περιοχών.
Όσον αφορά στην εκπαίδευση, η αεροφωτογραφία του Cambridge χρησιμοποιήθηκε για να επιλεγούν τα pixels εκπαίδευσης σε φωτογραφίες QuickBird [https://en.wikipedia.org/wiki/QuickBird] και για τη δημιουργία τάξεων για την επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε το λογισμικό ERDAS Imagine [https://en.wikipedia.org/wiki/Erdas_Imagine].
Η εικόνα του NDVI ταξινομήθηκε με επιβλεπόμενη ταξινόμηση μεγίστης πιθανοφάνειας. Στην συνέχεια έγινε αναταξινόμηση σύμφωνα με το δυαδικό σύστημα σφραγισμένων και μη περιοχών και εξήχθη στο GIS για να γίνει η επικάλυψη με τα δεδομένα του OS MasterMap.
Τέλος, η ακρίβεια της ταξινόμησης αξιολογήθηκε με σύγκριση με τους βασικούς χάρτες που δημιουργήθηκαν από την οπτική ερμηνεία των αεροφωτογραφιών για τα δεκαοχτώ δείγματα, όπως περιγράφηκε παραπάνω.

'''4. Αποτελέσματα και σχολιασμός'''

Τα αποτελέσματα των δύο μεθόδων ταξινόμησης αναλύθηκαν με την προσέγγιση του συνδυαστικού πίνακα. Ένας τέτοιος πίνακας αντιπαραβάλλει την συχνότητα των συνδυασμών κλάσεων(0, 25, 50, 75, 100% σφραγισμένη περιοχή) στην ψηφιακή ταξινόμηση με την αντίστοιχη έρευνα δειγμάτων από την ταξινόμηση στην αεροφωτογραφία. Ο διαγώνιος άξονας αντιπροσωπεύει τη συμφωνία μεταξύ των δύο μεθόδων. Η συνολική χαρτογραφική ακρίβεια υπολογίστηκε περίπου στο 75%. Η σχετικά χαμηλή αυτή τιμή οφείλεται στη χονδροειδή ακρίβεια της αεροφωτογραφικής ερμηνείας και στη χρήση μεθόδων ταξινόμησης βασισμένων σε pixels.
Η μεθοδολογία που περιγράφηκε, είναι τα πρώτα αποτελέσματα μίας συνεχόμενης έρευνας. Στο μέλλον, αντικειμενοστρεφή προγράμματα ανάλυσης (eCognition) θα διερευνηθούν, ώστε να παρέχουν μια αντικειμενική προσέγγιση της οπτικής ερμηνείας και να βελτιώσουν την αποτελεσματικότητα και την ακρίβεια. Το eCognition αναμένεται επίσης να χρησιμοποιείται ως ο βασικός ταξινομητής της ανάλυσης των δορυφορικών δεδομένων.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αρχείο:DK art8 pic3.png

2017-02-15T03:26:58Z

Ktistopoulos Dionysios:

Αρχείο:DK art8 pic2.png

2017-02-15T03:26:48Z

Ktistopoulos Dionysios:

Αρχείο:DK art8 pic1.png

2017-02-15T03:26:38Z

Ktistopoulos Dionysios:

Εφαρμογή της τηλεπισκόπησης και του GIS για την ανάλυση ρίσκου πλημμύρας : Μελέτη της περίπτωσης του ποταμού Kalu-Ganga στη Σρι Λάνκα

2017-02-15T03:25:32Z

Ktistopoulos Dionysios: Νέα σελίδα με 'Eικόνα 1: Λεκάνη απορροής του ποταμού Kalu - Ganga. [[εικόνα: DK_art7_pic2.png|thumb|righ...'

[[εικόνα: DK_art7_pic1.png|thumb|right|Eικόνα 1: Λεκάνη απορροής του ποταμού Kalu - Ganga.]]
[[εικόνα: DK_art7_pic2.png|thumb|right|Eικόνα 2: Εικόνες ALOS PALSAR σε ξηρή (αριστερά) και υγρή περίοδο (δεξιά).]]
[[εικόνα: DK_art7_pic3.png|thumb|right|Εικόνα 3: Αριστερά: Εικόνα μετά τη χρήση πράξεων καναλιών, Δεξιά: Εικόνα μετά την συγκάλυψη για πλημμυρισμένες περιοχές.]]
[[εικόνα: DK_art7_pic4.png|thumb|right|Εικόνα 4: Χάρτης επικινδυνότητας πλημμύρας για την περιοχή μελέτης για περίοδο 100 ετών.]]

'''Application of remote sensing and gis for flood risk analysis: a case study at Kalu – Ganga river, Sri Lanka'''

'''ΣΥΓΓΡΑΦΕΙΣ: S.M.J.S.Samarasinghe, H.K.Nandalal, D.P.Weliwitiya, J.S.M.Fowze, M.K.Hazarika, L.Samarakoon

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXVIII/part8/pdf/JTS61_20100608150800.pdf]

'''1. Παρουσίαση του προβλήματος'''

Η Σρι Λάνκα βρίσκεται στον Ινδικό Ωκεανό, μεταξύ του Κόλπου της Βεγγάλης και του κόλπου του Mannar. Οι εναλλαγές πίεσης στον κόλπο της Βεγγάλης σε συνδυασμό τους δυνατούς ανέμους δημιουργούν μη αναμενόμενες δυνατές βροχές. Επιπροσθέτως, στη Σρι Λάνκα λαμβάνουν χώρα 2 μουσώνες το χρόνο. Εξαιτίας αυτών των παραγόντων, οι ποταμοί Kalu – Ganga, Kelani – Ganga και Gin – Ganga υπόκεινται συχνές πλημμύρες. Καθώς οι πλημμύρες είναι η πιο συχνή φυσική καταστροφή στην περιοχή, το Κέντρο Αντιμετώπισης Καταστροφών έχει ως προτεραιότητα τη δημιουργία ενός χάρτη επικινδυνότητας πλημμυρών.

'''2. Σκοπός της εφαρμογής'''

Καινοτομίες στον τομέα της τηλεπισκόπησης και νέες δορυφορικές πλατφόρμες, όπως οι ALOS (Advanced Land Observation Satellite, [https://en.wikipedia.org/wiki/Advanced_Land_Observation_Satellite]) αισθητήρες, έχουν διευρύνει τις εφαρμογές των δορυφορικών δεδομένων. Ένας από τους πολλούς τομείς που μπορούν να χρησιμοποιηθούν αυτές οι τεχνολογίες είναι για την επικύρωση μοντέλων πλημμυρών. Για αρκετό καιρό η έκταση πλημμυρών από αυτά τα μοντέλα, επικυρωνόταν με χρήση εδαφικών ερευνών, οι οποίες δεν ήταν πάντα αξιόπιστες. Σε αυτή τη μελέτη, η έκταση πλημμυρών εξήχθη από δορυφορικά δεδομένα και με βάση αυτήν, ο στόχος είναι η ανάπτυξη, η παρουσίαση και η επικύρωση ενός συστήματος πληροφοριών για την πρόβλεψη, τον σχεδιασμό και τη διαχείριση των πλημμυρών με τη βοήθεια χαρτών επικινδυνότητας πλημμυρών, για διαφορετικές χρονικές περιόδους.

'''3. Μεθοδολογία'''

Η μεθοδολογία αποτελείται από τη συλλογή και κατανομή δεδομένων που απαιτούνται για να γίνει η ανάλυση κινδύνου και η ανάλυση ευπάθειας. Με βάση αυτές τις 2 αναλύσεις εξάγεται η ανάλυση ρίσκου πλημμύρας. Η ανάλυση κινδύνου αποτελείται από την υδραυλική/υδρολογική, την τοπογραφική και τη δορυφορική ανάλυση, ενώ η ανάλυση ευπάθειας δημιουργείται με την ανάλυση δεδομένων απογραφής και ενός ερωτηματολογίου για να υπολογιστεί η φυσική και κοινωνική ευπάθεια.
Αρχικά προηγήθηκε η δημιουργία χαρτών της μελέτης περιοχής και η ανάπτυξη των Τριγωνικών Ακανόνιστων Δικτύων [https://en.wikipedia.org/wiki/Triangulated_irregular_network], χρησιμοποιώντας χάρτες ισοϋψών, ύψη σημείων και LiDAR δεδομένα [https://en.wikipedia.org/wiki/Lidar]. Μία γεωγραφική βάση δεδομένων σε περιβάλλον ARC GIS αναπτύχθηκε για την περιοχή μελέτης.
Η ανάπτυξη μικροκυματικής τηλεπισκόπησης και πιο συγκεκριμένα τα ραντάρ εικόνων, βοηθάνε στην επίλυση του προβλήματος. Πέρα από τη διαθεσιμότητά του παντός καιρού, το βασικό πλεονέκτημα της χρήσης SA Radar [https://en.wikipedia.org/wiki/Synthetic_aperture_radar] είναι η ικανότητά του να ξεχωρίζει έντονα το νερό με το έδαφος.
Για την ανίχνευση πλημμυρισμένων περιοχών μέσω SAR εικόνων, χρησιμοποιούνται δύο εικόνες, μία που ελήφθη κατά τη διάρκεια πλημμύρας και μία κατά τη διάρκεια ξηρασίας. Στην παρούσα μελέτη, ολόκληρη η περιοχή υπάρχει σε δύο σετ εικόνων. Αυτά ενώθηκαν και περικόπηκαν για να προκύψει ακριβώς η περιοχή μελέτης. Αρχικά οι εικόνες φιλτραρίστηκαν με χρήση του φίλτρου Lee για να μειωθεί ο θόρυβος.
Για να καθοριστεί η οριακή τιμή, οι εικόνες μετατράπηκαν σε εικόνες decibel (DB). Περιοχές ενδιαφέροντος (ROI) επιλέχθηκαν και για τις δύο εικόνες, οι οποίες επιδεικνύουν απότομες αλλαγές στον τόνο των pixel. Αφού αναλύθηκαν τα στατιστικά των ROI, μία οριακή τιμή καθορίζεται από τις DB εικόνες για να χρησιμοποιηθεί στην ταξινόμηση και συγκάλυψη εικόνων. Με τη χρήση μαθηματικών πράξεων καναλιών, η διαφορά των δύο εικόνων υπολογίζεται και η συγκάλυψη έγινε σύμφωνα με την οριακή τιμή που ορίστηκε. Με τη χρήση της μεθόδου της συγκάλυψης, η εικόνα ταξινομήθηκε σε δύο τάξεις : την πλημμυρισμένη και τη μη πλημμυρισμένη περιοχή. Τέλος, η έκταση της πλημμύρας που εξήχθη από τα δορυφορικά δεδομένα συγκρίθηκε με το πλημμυρικό μοντέλο HEC-RAS [https://en.wikipedia.org/wiki/HEC-RAS].

'''4. Αποτελέσματα'''

Η έκταση πλημμύρας που προέκυψε από τα δορυφορικά δεδομένα ταιριάζει αρκετά με αυτή που προέκυψε από το πλημμυρικό μοντέλο HEC-RAS. Το αποτέλεσμα αυτό είναι πολλά υποσχόμενο.
Η μελέτη εν τέλει παρήγαγε μια σειρά χαρτών επικινδυνότητας πλημμυρών για διάφορες χρονικές περιόδους (10, 20, 50, 100 χρόνια), λαμβάνοντας υπόψη τη φυσική και κοινωνική ευπάθεια της περιοχής.
Συμπερασματικά, η τηλεπισκόπηση, το GIS και το GPS, σε συνεργασία με μία τεχνική μοντελοποίησης των πλημμυρών, εφαρμόστηκαν επιτυχώς για να δημιουργήσουν το πρώτο σετ χαρτών επικινδυνότητας πλημμυρών για το κατώτερο τμήμα του ποταμού Kalu – Ganda στη Σρι Λάνκα, το οποίο συμβάλλει στην προετοιμασία και την μείωση των φυσικών καταστροφών.

[[category:Εκτίμηση κινδύνων πλημμύρας]]

Αρχείο:DK art7 pic4.png

2017-02-15T03:11:39Z

Ktistopoulos Dionysios:

Αρχείο:DK art7 pic3.png

2017-02-15T03:11:30Z

Ktistopoulos Dionysios:

Αρχείο:DK art7 pic2.png

2017-02-15T03:11:18Z

Ktistopoulos Dionysios:

Αρχείο:DK art7 pic1.png

2017-02-15T03:11:03Z

Ktistopoulos Dionysios:

Παρακολούθηση και μοντελοποίηση αστικής εξάπλωσης με τη χρήση τεχνικών τηλεπισκόπισης και GIS

2017-02-15T03:09:36Z

Ktistopoulos Dionysios: Νέα σελίδα με 'Eικόνα 1: Τοποθεσία περιοχής μελέτης. [[εικόνα: DK_art6_pic2.png|thumb|right|Πίνακα...'

[[εικόνα: DK_art6_pic1.png|thumb|right|Eικόνα 1: Τοποθεσία περιοχής μελέτης.]]
[[εικόνα: DK_art6_pic2.png|thumb|right|Πίνακας 1: Διαφορετικοί τύποι δεδομένων που χρησιμοποιήθηκαν.]]
[[εικόνα: DK_art6_pic3.png|thumb|right|Διάγραμμα 1: Διάγραμμα ροής της μεθοδολογίας.]]
[[εικόνα: DK_art6_pic4.png|thumb|right|Εικόνα 2: Ταξινομήσεις της περιοχής μελέτης.]]

'''Monitoring and modelling of urban sprawl using remote sensing and GIS techniques'''

'''ΣΥΓΓΡΑΦΕΙΣ: Mahesh Kumar Jat, P.K. Garg

'''Πηγή:''' [http://www.sciencedirect.com/science/article/pii/S0303243407000335 ]

'''1. Παρουσίαση του προβλήματος'''

Η επιταχυνόμενη αστική ανάπτυξη συχνά σχετίζεται και κατευθύνεται από τη συγκέντρωση του πληθυσμού στην περιοχή. Η έκταση της αστικοποίησης ή της μεγέθυνσής της, οδηγεί σε αλλαγές στις χρήσεις και καλύψεις γης και αυτές με την σειρά τους επηρεάζουν την οικολογία της περιοχής, ειδικά την υδρογεωμορφολογία και τη βλάστηση. Οι ακριβείς πληροφορίες όσον αφορά στην έκταση της αστικής ανάπτυξης, είναι εξαιρετικά χρήσιμες για τους δήμους αναπτυσσόμενων περιοχών για διάφορους σκοπούς, όπως ο αστικός σχεδιασμός, η διαχείριση εδαφικών και υδατικών πόρων, η ανάλυση μάρκετινγκ, η κατανομή των υπηρεσιών κλπ.

'''2. Σκοπός της εφαρμογής'''

Σε αυτή την έρευνα, έγινε μία προσπάθεια διερεύνησης της χρησιμότητας χωρικών τεχνικών, όπως η τηλεπισκόπηση και το GIS, για την ανίχνευση της αστικής εξάπλωσης, καθώς και για το χειρισμό της χωρικής και χρονικής μεταβλητότητάς της. Αυτή η μεταβλητότητα μελετάται με σκοπό να προσδιορίσει μια σχέση μεταξύ της αστικής εξάπλωσης και των παραγόντων που την προκαλούν, όπως είναι ο πληθυσμός, η πυκνότητα πληθυσμού, η πυκνότητα δόμησης κλπ.
Η περιοχή μελέτης είναι η πόλη Ajmer στην Ινδία. Αποτελεί ένα από τα μεγάλα αστικά κέντρα της χώρας με δυνατότητες εκμάθησης και εξειδικευμένη μόρφωση σε πολλούς τομείς, εκτός του ότι έχει και ιστορική σημασία.

'''3. Μεθοδολογία'''

Τα δεδομένα συλλέχθηκαν από πληθώρα πηγών (πρωτεύουσες και δευτερεύουσες) όπως φαίνεται και στον πίνακα 1.
Η κατανόηση ενός δυναμικού φαινομένου, όπως είναι η αστική επέκταση, προϋποθέτει αναλύσεις αλλαγής χρήσεων γης, αναγνώριση μοτίβου αστικής επέκτασης, και υπολογισμών των χωρικών δεδομένων τοπίου. Χρησιμοποιήθηκαν ArcGIS [https://en.wikipedia.org/wiki/ArcGIS] και ERDAS [https://en.wikipedia.org/wiki/Erdas_Imagine] για τη δημιουργία πολλαπλών επιπέδων, όπως πχ. οι δρόμοι, τα όρια δήμων κλπ.
Η συνήθης τεχνικές επεξεργασίας εικόνων, όπως η αποκοπή, η διόρθωση, η αποκατάσταση και η ταξινόμηση χρησιμοποιήθηκαν για την ανάλυση τεσσάρων δορυφορικών εικόνων από διαφορετικές χρονολογίες. Το λογισμικό ERDAS χρησιμοποιήθηκε για την ανάλυση των εικόνων.
Οι δορυφορικές εικόνες μελετήθηκαν εκτενώς, με σκοπό την εξακρίβωση των χρήσεων γης και του αντίστοιχου εύρους τιμών ανακλαστικότητας. Δημιουργήθηκαν 10 διαφορετικές τάξεις χρήσεων γης, όπως οι οικισμοί, το γυμνό έδαφος, η μικρή βλάστηση κλπ. Έγινε ταξινόμηση με τη μέθοδο της μέγιστης πιθανότητας. Για να ενισχυθεί η ακρίβεια της ταξινόμησης, ένα ειδικό σύστημα βασισμένο στη γνώση ειδικών χρησιμοποιήθηκε για τελειοποιήσεις στην αρχική ταξινόμηση.
Η αύξηση του πληθυσμού στην περιοχή μελέτης υπολογίστηκε χρησιμοποιώντας τα δημογραφικά δεδομένα των τεσσάρων τελευταίων δεκαετιών.
Η εντροπία του Shannon (δείκτης, [https://en.wikipedia.org/wiki/Entropy_(information_theory)]) και οι μετρήσεις του τοπίου (ανομοιογένεια και πυκνότητα χάρτη) έχουν υπολογιστεί σε όρους χωρικού φαινομένου, με σκοπό να ποσοτικοποιήσουν τη αστική μορφή.
Για να ληφθεί υπόψη το αθροιστικό αποτέλεσμα των παραγόντων που προκαλούν την αστική επέκταση, χρησιμοποιήθηκε σταδιακή πολυμεταβλητή παλινδρόμηση. Σε αυτήν, υποτέθηκε πως η σχέση μεταξύ των μεταβλητών είναι γραμμική, κάτι το οποίο υποστηρίζεται από υψηλότερο συντελεστή συσχέτισης για όλους τους αιτιολογικούς παράγοντες. Η πολυμεταβλητή παλινδρόμηση προσδιορίζει την αθροιστική σχέση μεταξύ των μεταβλητών.
Στο διάγραμμα 1 φαίνεται αναλυτικότερα η μεθοδολογία που ακολουθήθηκε.

'''4. Αποτελέσματα - συμπεράσματα'''

Μεγάλες τιμές εντροπίας αποκαλύπτουν την εμφάνιση και τη χωρική κατανομή της αστικής επέκτασης. Τα αποτελέσματα της ανάλυσης ποικιλομορφίας συμφωνούν με αυτά της εντροπίας. Η αστική επέκταση λαμβάνει χώρα συνεχώς με ταχύτερο ρυθμό στα προάστια, φέρνοντας όλο και περισσότερες περιοχές σε φάση κατασκευής κτιρίων. Τα αποτελέσματα της μελέτης της πυκνότητας δόμησης αποκαλύπτουν επίσης αστική επέκταση στα προάστια.
Προέκυψε πως η αλλαγή στις κατασκευές κτιρίων (160,8%) στην περιοχή μελέτης είναι πάνω από τρεις φορές μεγαλύτερη από την αύξηση του πληθυσμού (50,1%) τα τελευταία 25 χρόνια. Η χτισμένη περιοχή στο μέλλον αναμένεται να αυξηθεί ραγδαία. Περαιτέρω αιτιολογικοί παράγοντες όπως κοινωνικοοικονομικές συνθήκες, κρατικές επενδύσεις για δημόσιους φορείς, τουριστικές δραστηριότητες κλπ. μπορούν να ληφθούν υπόψη στη μοντελοποίηση της αστικής επέκτασης στο μέλλον.
Αυτές οι μετρήσεις και οι σχέσεις μεταξύ της αστικής επέκτασης και διαφόρων παραγόντων που την προκαλούν είναι χρήσιμες για τις τοπικές Αρχές ανάπτυξης και για τους δήμου, ώστε να προσδιορίσουν τη χωρική κατανομή της επέκτασης. Επίσης μπορούν να χρησιμοποιηθούν για τον ιδανικό σχεδιασμό εδαφικών και φυσικών πόρων, για τον περιφερειακό σχεδιασμό αστικών υποδομών αποχέτευσης κλπ. Η τηλεπισκόπηση είναι αναπόσπαστο κομμάτι ενός δυναμικού φαινομένου, όπως η αστική επέκταση. Χωρίς τα τηλεπισκοπικά δεδομένα, είναι πιθανό να μην υπάρχει η δυνατότητα παρακολούθησης και εκτίμησης της αστικής επέκτασης με αποτελεσματικό τρόπο για κάποια χρονική περίοδο και ειδικά για μία χρονική περίοδο που έχει ήδη παρέλθει.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αρχείο:DK art6 pic4.png

2017-02-15T02:59:45Z

Ktistopoulos Dionysios:

Αρχείο:DK art6 pic3.png

2017-02-15T02:59:35Z

Ktistopoulos Dionysios:

Αρχείο:DK art6 pic2.png

2017-02-15T02:59:23Z

Ktistopoulos Dionysios:

Αρχείο:DK art6 pic1.png

2017-02-15T02:59:14Z

Ktistopoulos Dionysios:

Τηλεπισκόπηση και ασφάλεια στις μεταφορές

2017-02-15T02:55:08Z

Ktistopoulos Dionysios:

[[εικόνα: DK_art5_pic1.png|thumb|right|Πίνακας 1: Εκτιμώμενο μέγεθος του δικτύου μεταφορών των ΗΠΑ.]]

'''Remote Sensing and transportation security'''

'''ΣΥΓΓΡΑΦΕΑΣ: Ray A. Williamson, Space Policy Institute, George Washington University

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXIV/part1/paper/00082.pdf ]

'''1. Παρουσίαση του προβλήματος'''

Οι αρτηρίες μεταφοράς είναι ένα βασικό στοιχείο στην διατήρηση της ασφάλειας από τρομοκρατικές επιθέσεις στις ΗΠΑ. Είναι ευαίσθητες σε επιθέσεις και διάσπαση. Όπως ανακάλυψαν οι υπεύθυνοι, μετά τις 11 Σεπτεμβρίου 2001, η προστασία και η διατήρηση των εκτεταμένων δικτύων μεταφορών των ΗΠΑ, απέναντι σε τρομοκρατικές επιθέσεις, παραμένει ένα δύσκολο έργο. Ευτυχώς, τα σημερινά πανίσχυρα γεωχωρικά εργαλεία και ειδικά η τηλεπισκόπηση, το GPS και το GIS μπορούν να βοηθήσουν σε αυτήν την ουσιώδη προσπάθεια.

'''2. Σκοπός της εφαρμογής'''

Οι τεχνολογίες τηλεπισκόπησης, μαζί με την σχετικές γεωχωρικές τεχνολογίες, αποτελούν πανίσχυρα εργαλεία για τη διατήρηση και την προστασία των σημαντικών υποδομών του έθνους από τρομοκρατικές επιθέσεις. Το Μάρτιο του 2002, συγκροτήθηκε ένα εργαστήριο, με σκοπό να διερευνήσει το πώς η τηλεπισκόπηση μπορεί να βοηθήσει αποτελεσματικότερα ομοσπονδιακούς, πολιτειακούς και τοπικούς αξιωματούχους να αντιμετωπίσουν την απειλή τρομοκρατικών ενεργειών που έχουν ως στόχο τις εγκαταστάσεις μεταφορών. Αυτό το άρθρο, παρουσιάζει το συγκεκριμένο εργαστήριο.
Η διατύπωση πιθανών σεναρίων απειλής και η αξιολόγηση των επιπτώσεων αυτών των σεναρίων, αποτελούν τον πυρήνα της προστασίας των υποδομών και των ανθρώπων που τις χρησιμοποιούν και κατά πάσα πιθανότητα προϋποθέτουν νέες μεθόδους εκτίμησης των τρωτών σημείων. Η τηλεπισκόπηση μπορεί να μειώσει αυτά τα σημεία στο μεταφορικό σύστημα των ΗΠΑ και να μειώσει το ρίσκο μίας επίθεσης.

'''3. Η σημασία της τηλεπισκόπησης για την προστασία θεμελιωδών υποδομών'''

Οι τεχνολογίες τηλεπισκόπησης εμπεριέχουν και οπτικούς αισθητήρες και μη οπτικούς. Οι κυριότεροι από αυτούς αναφέρονται στην συνέχεια.

''Αισθητήρες απεικόνισης''
* Κλιμακωσιμότητα
* Χωρικές σχέσεις, τρωτά σημεία και ενημερώσεις
* Εξόρυξη δεδομένων
* Οπτικοποίηση
* Ανίχνευση μικρών αλλαγών στο τοπίο
* Παρακολούθηση συνεπειών συμβάντων

''Αισθητήρες μη - απεικόνισης''
* Ανίχνευση ακριβούς τοποθεσίας αντικειμένων σε συγκεκριμένη χρονική στιγμή
* Ανίχνευση βιολογικών και χημικών παραγόντων
* Προβολή τοπικών καιρικών συνθηκών

Με τη βοήθεια των παραπάνω αισθητήρων, η τηλεπισκόπηση και άλλες τεχνολογίες γεωχωρικών πληροφοριών παρέχουν μια ουσιώδη χρονική και χωρική βάση για όλες τις φάσεις της απόκρισης των ΗΠΑ για τρομοκρατικές απειλές :
* Ανίχνευση : Με την σύγκριση και την ανάλυση πληροφοριών που συνδέονται χωρικά και χρονικά, είναι πιθανή η ανίχνευση πιθανών μοτίβων απειλών, η διάκριση πιθανών στόχων τρομοκρατών και η προετοιμασία κατάλληλων απαντήσεων.
* Προετοιμασία : Ενημερωμένες τηλεπισκοπικές απεικονίσεις βοηθούν τους υπεύθυνους για την αντιμετώπιση καταστάσεων άμεσης ανάγκης, όπως οι τρομοκρατικές επιθέσεις, οι φυσικές καταστροφές κλπ. Οι υπεύθυνοι αυτοί πρέπει να έχουν στη διάθεσή τους πρόσφατες, υψηλής ανάλυσης απεικονίσεις κάθε σημαντικής εγκατάστασης που θα μπορούσε να είναι τρομοκρατικός στόχος, έτσι ώστε να βοηθήσουν τα πληρώματα έκτακτης ανάγκης σε περίπτωση επίθεσης.
* Εμπόδιση : Μοτίβα που ανακαλύφθηκαν μέσω της ανάλυσης γεωχωρικών πληροφοριών μπορούν να παρέχουν έναν τρόπο απάντησης σε τρομοκρατικές επιθέσεις και αποφυγής τέτοιων επιθέσεων. Αυτές οι πληροφορίες, όταν συγχωνεύονται με πρόσθετες πληροφορίες σχετικά με τα σύνορα, τα ύδατα και τον εναέριο χώρο, μπορούν να βοηθήσουν στη διακοπή και εμπόδιση επιθέσεων.
* Προστασία : Τα τηλεπισκοπικά δεδομένα είναι ιδιαίτερα σημαντικά στην ανάλυση των τρωτών σημείων σημαντικών υποδομών. Οι τεχνολογίες που βοηθούν στη λήψη αποφάσεων, όπως είναι η οπτικοποίηση μιας σκηνής ή η προσομοίωση ενός συμβάντος, βοηθούν στην πρόβλεψη της κατεύθυνσης και της μορφής πιθανών επιθέσεων και στο σχεδιασμό τακτικών και στρατηγικών προστασίας.
* Αντίδραση και αποκατάσταση : Η αποτελεσματική απόκριση σε ανθρωπογενείς (και φυσικές) καταστροφές προϋποθέτει ταχεία ανάλυση των απεικονίσεων και άλλων δεδομένων αισθητήρα, πριν και μετά την καταστροφή. Τέτοιες πληροφορίες θα βοηθήσουν τις υπηρεσίες αντιμετώπισης έκτακτων αναγκών, να καθαρίσουν μπλοκαρισμένους συγκοινωνιακούς δρόμους γρήγορα και να επαναφέρουν την κυκλοφορία αποτελεσματικά. Παρομοίως, οι μέθοδοι αποκατάστασης εξαρτώνται από την απόκτηση και ανάλυση έγκαιρων εικόνων και άλλων τηλεπισκοπικών δεδομένων που μπορεί να υποδηλώνουν την παρουσία τοξικών και επιβλαβών χημικών ουσιών.

'''4. Συμπεράσματα'''

Το προαναφερθέν εργαστήριο κατέληξε σε τέσσερα βασικά συμπεράσματα :

* Διαφαίνεται η ανάγκη ανάπτυξης αποτελεσματικότερου συντονισμού μεταξύ των υπηρεσιών αντιμετώπισης έκτακτης ανάγκης και της χρήσης που κάνουν όσον αφορά στα γεωχωρικά δεδομένα και πληροφορίες. Πολλά γεωχωρικά εργαλεία ήδη υπάρχουν, αλλά δεν μπορούν να χρησιμοποιηθούν αποτελεσματικά, εξαιτίας των αδύναμων ή και ανύπαρκτων μηχανισμών για την ανταλλαγή κρίσιμων πληροφοριών.
* Οι τεχνολογίες τηλεπισκόπησης θα αποτελούσαν ένα σημαντικό πλεονέκτημα στην αναγνώριση και τη μείωση των αδυναμιών στην ασφάλεια των μεταφορών σε όλη την έκταση των ΗΠΑ.
* Οι ΗΠΑ πρέπει να αναπτύξουν μία προσβάσιμη γεωχωρική υποδομή συμβατή με τις εθνικές υποδομές των μεταφορών. Η εν λόγω γεωχωρική δομή πληροφοριών θα πρέπει να αντανακλά όλα τα στοιχεία των μεταφορικών υποδομών και να εμπεριέχει λεπτομερείς πληροφορίες για την τοποθεσία, τη δομή και την κατάσταση. Αυτές οι πληροφορίες θα έπρεπε να είναι ευρέως προσβάσιμες σε επαγγελματίες που ασχολούνται με τις μεταφορές και την ασφάλεια.
* Η έρευνα, η ανάπτυξη, οι δοκιμές και οι εκτιμήσεις θα πρέπει να δώσουν βάρος στη δημιουργία προϊόντων ειδικά σχεδιασμένων για να επιτάσσονται στις ανάγκες για ασφάλεια στις μεταφορές, για όλες τις οπτικές της τρομοκρατικής πρόκλησης.

[[category:Κυκλοφοριακές μελέτες]]

Τηλεπισκόπηση και ασφάλεια στις μεταφορές

2017-02-15T02:54:50Z

Ktistopoulos Dionysios:

Τηλεπισκόπηση και ασφάλεια στις μεταφορές

2017-02-15T02:54:39Z

Ktistopoulos Dionysios: Νέα σελίδα με 'Πίνακας 1: Εκτιμώμενο μέγεθος του δικτύου μεταφορών των ΗΠΑ. '''Remote Sen...'

Αρχείο:DK art5 pic1.png

2017-02-15T02:44:41Z

Ktistopoulos Dionysios:

Τεχνική βασισμένη στην τηλεπισκόπηση για την πρόβλεψη της ποιότητας υδάτων από διαφορετικές πηγές

2017-02-15T02:42:14Z

Ktistopoulos Dionysios: Νέα σελίδα με '[[εικόνα: DK_art4_pic1.png|thumb|right|Eικόνα 1: Πλαίσιο βασισμένο στην τηλεπισκόπηση με σκοπό την πρόβλεψη ...'

[[εικόνα: DK_art4_pic1.png|thumb|right|Eικόνα 1: Πλαίσιο βασισμένο στην τηλεπισκόπηση με σκοπό την πρόβλεψη των μεταβλητών της ποιότητας του νερού.]]

'''A remote sensing based framework for predicting water quality of different source waters'''

'''ΣΥΓΓΡΑΦΕΙΣ: T. A. Akbar, G. Acharia, Q. K. Hassanb

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXVIII/part1/02/02_02_Paper_117.pdf ]

'''1. Παρουσίαση του προβλήματος'''

Η κατανόηση της ποιότητας των πηγών υδάτων είναι σημαντική στο να καθοριστεί το πόση επεξεργασία χρειάζεται το νερό για να είναι κατάλληλο για ανθρώπινη κατανάλωση. Παραδοσιακά, οι δείκτες ποιότητας του νερού καθορίζονταν μέσω της συλλογής δειγμάτων από τις πηγές ενδιαφέροντος και της ανάλυσής τους σε εργαστήρια. Στην σημερινή εποχή όμως υπάρχουν και πιο σύγχρονες τεχνολογίες.

'''2. Σκοπός της εφαρμογής'''

Προκειμένου να αντιμετωπιστούν η χωρική και χρονική μεταβλητότητα, μέθοδοι βασισμένοι στην τηλεπισκόπηση μπορούν να χρησιμοποιηθούν για τον προσδιορισμό διαφόρων παραμέτρων που έχουν σχέση με την ποιότητα των υδάτων. Αυτές οι μέθοδοι έχουν αρκετά πλεονεκτήματα, όπως είναι η συνεχής χωρική κάλυψη δορυφορικών δεδομένων για ένα ολόκληρο υδάτινο σώμα, η δυνατότητα να αξιολογούν την ποιότητα του νερού σε απομακρυσμένες περιοχές, η διαθεσιμότητα δορυφορικών δεδομένων όλες τις εποχές του χρόνου, αποτελεσματική ανάλυση και το σχετικά χαμηλό κόστος. Σε αυτό το άρθρο οι στόχοι είναι οι εξής :
* Ο προσδιορισμός των μεταβλητών ποιότητας του νερού που επηρεάζουν την τροφική κατάσταση της επιφανειακής ποιότητας των υδάτων στην περιοχή της Alberta.
* Η ανάπτυξη ενός πλαισίου βασισμένο στην τηλεπισκόπηση για την πρόβλεψη της ποιότητας των υδάτων στην περιοχή της Alberta.

'''3. Μεταβλητές ποιότητας νερού'''

Οι βασικές ανεξάρτητες μεταβλητές της ποιότητας του νερού που επηρεάζουν την τροφική κατάσταση της επιφανειακής ποιότητας των υδάτων στην Alberta είναι οι εξής :
Χλωροφύλλη – α : Είναι μία φωτοσυνθετική χρωστική ουσία στα φυτά, τα φύκια και τα κυανοβακτήρια. Δεδομένου ότι ενεργεί ως σύνδεσμος μεταξύ της συγκέντρωσης των θρεπτικών ουσιών (ιδίως του φωσφόρου) και της παραγωγής φυκιών θεωρείται ένας σημαντικός δείκτης της τροφικής κατάστασης στις λίμνες της περιοχής. Οι αναλογίες των οπτικών φασματικών δεσμών χρησιμοποιήθηκαν για να ποσοτικοποιήσουν τη χλωροφύλλη – α (πχ. αναλογία μεταξύ πράσινου  0.5 – 0.6 μm και κόκκινου  0.6 – 0.7 μm).
Βάθος δίσκου Secchi [https://en.wikipedia.org/wiki/Secchi_disk] : Χρησιμοποιείται για τη μέτρηση της διαφάνειας των υδάτινων σωμάτων. Οι αναλογίες των οπτικών φασματικών δεσμών (μπλε και πράσινο, πράσινο και κόκκινο και σκέτο κόκκινο) χρησιμοποιήθηκαν για να ποσοτικοποιήσουν αυτήν την παράμετρο στα υδάτινα σώματα.
Συνολικός φώσφορος : Είναι μία μέτρηση των ανόργανων, οργανικών και διαλυμένων μορφών του φωσφόρου. Μπορεί να συνδεθεί άμεσα με τη βιομάζα του φυτοπλαγκτού και έμμεσα με τη διαύγεια του νερού.
Θολότητα : Είναι ένα μέτρο της καθαρότητας του νερού που προκαλείται από την ποσότητα των αιωρούμενων σωματιδίων, όπως είναι το χώμα, τα λύματα κλπ. Συνδέεται με το εισερχόμενο ηλιακό φως, το οποίο επηρεάζει τη φωτοσύνθεση για την αύξηση των φυκιών. Μπορεί να ποσοτικοποιηθεί με τη χρήση οπτικών φασματικών δεσμών και αυτή.
Θερμοκρασία : Αποτελεί μία σημαντική μεταβλητή, η οποία ρυθμίζει φυσικές, βιολογικές και χημικές διαδικασίες. Επηρεάζει τη συγκέντρωση του διαλυμένου οξυγόνου στο νερό. Είναι σημαντικό να αναλυθεί, καθώς αλλάζει ανάλογα με την εποχή. Η υπέρυθρη θερμική ζώνη (8,0 έως 14,0 μm) μετρά την ποσότητα της υπέρυθρης ροής ακτινοβολίας (θερμότητας) που εκπέμπεται από υδάτινες επιφάνειες.

'''4. Προτεινόμενο πλαίσιο'''

Στην εικόνα 1 φαίνεται ένα διάγραμμα του προτεινόμενου πλαισίου. Στην συνέχεια αναφέρονται συνοπτικά οι διάφορες συνιστώσες του.
Το προτεινόμενο πλαίσιο εμπεριέχει την πρόβλεψη της ποιότητας των υδάτων όλων των πηγών που παρέχουν πόσιμο νερό στην Alberta.
Τα δεδομένα των επίγειων μετρήσεων δειγμάτων νερού θα ληφθούν από περιοχές δειγματοληψίας με γεωγραφικές τοποθεσίες σε όλες τις πηγές υδάτων. Θα εμπεριέχουν συγκεντρώσεις και των πέντε προαναφερθέντων μεταβλητών.
Η δορυφορική φασματική ανάκλαση που αποκτήθηκε από διάφορες φασματικές ζώνες (μπλε, πράσινο, κόκκινο, εγγύς υπέρυθρο και θερμικό υπέρυθρο) θα χρησιμοποιηθεί για την ποσοτικοποίηση των διάφορων μεταβλητών. Τα δεδομένα από LANDSAT TM/ETM+ χρησιμοποιούνται ευρέως για μελέτες ποιότητας εγχώριων υδάτων. Γενικά συνιστώνται τα δεδομένα από LANDSAT-5, καθώς παρέχουν πλήρη κάλυψη δεδομένων. Ωστόσο, λόγω της απρόβλεπτης φύσης του να δουλεύει κάποιος με δεδομένα από Landsat, προτιμώνται δορυφορικά δεδομένα μέσω MODIS (Moderate Resolution Imaging Spectroradiometer, [https://en.wikipedia.org/wiki/Moderate-resolution_imaging_spectroradiometer]). Η χωρική ανάλυση αυτών των δεδομένων ποικίλει από 250 μέτρα έως 1 χλμ. Τα δεδομένα είναι ήδη επεξεργασμένα (σε αντίθεση με αυτά του Landsat) και μπορούν να χρησιμοποιηθούν για την ποσοτικοποίηση των μεταβλητών της ποιότητας του νερού. Ο σύντομος κύκλος επανεπίσκεψης (1-2 μέρες) του MODIS το καθιστά πιο ευεργετικό για τις μελέτες της ποιότητας του νερού, αλλά η χρήση του δεν συνιστάται για τα εσωτερικά ύδατα, λόγω της χαμηλής χωρικής ανάλυσης του. Για να ξεπεραστεί αυτό το πρόβλημα, προτείνεται η χρήση του νέου μοντέλου σύντηξης της χωρικής και χρονικής προσαρμοστικής ανάκλασης (STARFM), το οποίο είναι και η νέα μέθοδος που θα χρησιμοποιηθεί στην περιοχή μελέτης.
Μετά την ενίσχυση της χωρικής ανάλυσης των δεδομένων MODIS στα περίπου 30 μέτρα, θα υπολογιστούν οι μεταβλητές ποιότητας του νερού. Τα δεδομένα που μετρήθηκαν στο έδαφος θα χωριστούν σε δύο κατηγορίες που θα εμπεριέχουν το 60% και 40% αντίστοιχα των δεδομένων αυτών. Με χρήση του 60% των δεδομένων θα ποσοτικοποιηθούν οι σχέσεις μεταξύ των μεταβλητών και των φασματικών ζωνών, προσφέροντας μοντέλα με πιο κατάλληλες ζώνες από τις οποίες θα υπολογιστούν οι μεταβλητές. Αυτά τα μοντέλα θα χρησιμοποιηθούν για την πρόβλεψη των μεταβλητών ποιότητας του νερού σε οποιαδήποτε τοποθεσία επιφανειακών πηγών υδάτων. Το μοντέλα θα επικυρωθούν χρησιμοποιώντας το υπόλοιπο 40% των δεδομένων.

'''5. Σχολιασμός'''

Προτάθηκε ένα πλαίσιο βασισμένο στην τηλεπισκόπηση για την πρόβλεψη της ποιότητας των υδάτων σε διαφορετικές πηγές, με τη σύνθεση δορυφορικών και επίγειων δεδομένων. Αυτό το σύστημα, το οποίο ακόμα αναπτύσσεται, θα βοηθήσει στη δημιουργία τάξεων πηγών υδάτων στην περιοχή μελέτης. Αυτό θα είναι τρομερά χρήσιμο, καθώς τέτοιο σύστημα ταξινόμησης δεν υπάρχει πουθενά. Η επιτυχία αυτού του έργου θα οδηγήσει στην ανάπτυξη παρόμοιων μοντέλων σε άλλες περιοχές του Καναδά, αλλά και σε ολόκληρο τον κόσμο.

[[category:Υδατικοί Πόροι]]

Αρχείο:DK art4 pic1.png

2017-02-15T02:30:43Z

Ktistopoulos Dionysios:

Χαρτογράφηση κατάστασης ασφαλτικών δρόμων με χρήση υπερφασματικής τηλεπισκόπησης

2017-02-15T02:29:32Z

Ktistopoulos Dionysios: Νέα σελίδα με '[[εικόνα: DK_art3_pic1.png|thumb|right|Eικόνα 1: Οπτική διαφορά μεταξύ των δεδομένων από AVIRIS (4m) και HyperSpectir (0,5m...'

Αρχείο:DK art3 pic2.png

2017-02-15T02:21:06Z

Ktistopoulos Dionysios:

Αρχείο:DK art3 pic1.png

2017-02-15T02:20:54Z

Ktistopoulos Dionysios:

Μοντελοποίηση της διάβρωσης του εδάφους με τη χρήση GIS και τηλεπισκόπησης : Mελέτη περίπτωσης, το βουνό Γκάνος

2017-02-15T02:17:56Z

Ktistopoulos Dionysios: Νέα σελίδα με 'Eικόνα 1: Προοπτικές διάβρωσης του εδάφους στην περιοχή μελέτης. [[ει...'

Αρχείο:DK art2 pic3.png

2017-02-15T02:10:52Z

Ktistopoulos Dionysios:

Αρχείο:DK art2 pic2.png

2017-02-15T02:04:04Z

Ktistopoulos Dionysios:

Αρχείο:DK art2 pic1.png

2017-02-15T02:03:52Z

Ktistopoulos Dionysios:

Η χρήση της ψηφιακής τηλεπισκόπησης στην ανάπτυξη των αεροδρομίων και στον σχεδιασμό των μεταφορών

2017-02-15T02:02:55Z

Ktistopoulos Dionysios:

[[εικόνα: DK_art1_pic1.png|thumb|right|Eικόνα 1: Το αεροδρόμιο του Portland μέσω LIDAR.]]
[[εικόνα: DK_art1_pic2.png|thumb|right|Eικόνα 2: Πολυφασματική εικόνα του αεροδρομίου του Portland.]]
[[εικόνα: DK_art1_pic3.png|thumb|right|Εικόνα 3: Εφαρμογή εννοιολογικού σχεδιασμού.]]

'''Remote Sensing for airport development and transportation planning'''

'''ΣΥΓΓΡΑΦΕΑΣ: Randy Murphy, Founder Grafton Technologies

'''Πηγή:''' [http://www.isprs.org/proceedings/XXXIV/part1/paper/00084.pdf]

'''1. Παρουσίαση του προβλήματος'''

Αυτή τη στιγμή, υπάρχει ένα κενό στη γνωσιακή βάση που έχουν σχεδιαστές μεταφορών που αντιπροσωπεύουν διαφορετικές μορφές μεταφορών, για τις απαιτήσεις ο ένας του άλλου. Αυτό είναι ιδιαίτερα εμφανές μεταξύ σχεδιαστών αεροδρομίων και των ομόλογών τους σε άλλες μορφές μεταφορών. Ένα παράδειγμα είναι οι περιορισμοί επέκτασης ενός αεροδρομίου που επιβάλλονται εξαιτίας του φτωχού σχεδιασμού των δρόμων που οδηγούν στο αεροδρόμιο. Το πρόβλημα έχει διογκωθεί τελευταία, καθώς η αστική ανάπτυξη και η επέκταση των αεροδρομίων έχουν καταλάβει τον περισσότερο ανοιχτό χώρο γύρω από τα αεροδρόμια.
Αυτό το έγγραφο περιγράφει την ανάγκη να μοιράζονται πληροφορίες μεταξύ των σχεδιαστών αεροδρομίων και των διευθυντικών στελεχών και των ομολόγων τους σε άλλες υπηρεσίες, ως μέσο για τη διευκόλυνση της ανάπτυξης των υποδομών και της πολεοδομίας στην περιοχή γύρω από το αεροδρόμιο.

'''2. Σκοπός της εφαρμογής'''

Το πώς αυτή η ανάγκη μπορεί να αντιμετωπιστεί με τη συσσώρευση τηλεπισκοπικών δεδομένων και άλλων πληροφοριών σε μια διαισθητική, διαδικτυακή εφαρμογή, αποτελεί το αντικείμενο ενός project του U.S. DOT Research και της Διοίκησης Ειδικών Προγραμμάτων των ΗΠΑ. Το παρόν έγγραφο περιγράφει αυτό το project, καθώς και την επίδειξη της προκύπτουσας ανάπτυξης αεροδρομίων στο Portland International Jetport στο Maine.

'''3. Πώς μπορεί να βοηθήσει η ψηφιακή τηλεπισκόπηση'''

Η τηλεπισκόπηση προσφέρει μια μοναδική ευκαιρία να καλύψει αυτό το κενό στη γνωσιακή βάση, παρέχοντας μια ευρύτερη κάλυψη πληροφοριών. Πιο συγκεκριμένα, προσφέρει στους σχεδιαστές αεροδρομίων μία οικονομικά αποδοτική μέθοδο επέκτασης της περιοχής σχεδιασμού, ώστε η επιρροή της ανάπτυξης των υποδομών τους να γίνεται καλύτερα κατανοητή από τους τοπικούς σχεδιαστές μεταφορών με τους οποίους αλληλεπιδρούν.
Η τηλεπισκόπηση, ωστόσο, δεν είναι απλά ένα μέσο απόκτησης διευρυμένης κάλυψης. Προσφέρει τη δυνατότητα αναγνώρισης αναπτυξιακών προτύπων και κλιματικών αλλαγών, καθώς και συγκεκριμένων στοιχείων που σχετίζονται με τους σχεδιαστές αεροδρομίων. Η τοποθεσία των κτιρίων, η πυκνότητα δόμησης και η καταλληλότητα των εδαφών για ανάπτυξη είναι παραδείγματα πληροφοριών που μπορούν να εξαχθούν από την τηλεπισκόπηση. Δύο είδη τηλεπισκοπικών δεδομένων που έχουν δείξει ιδιαίτερες προοπτικές για την αεροπορία είναι το LIDAR και οι πολυφασματικές εικόνες. Το LIDAR [https://en.wikipedia.org/wiki/Lidar] έχει τη δυνατότητα να παρέχει υψηλότερης ακρίβειας υψομετρικά δεδομένα που είναι ουσιώδη σε κινήσεις των αεροσκαφών. Οι πολυφασματικές εικόνες είναι χρήσιμες για την αξιολόγηση του φυσικού περιβάλλοντος γύρω από ένα αεροδρόμιο, όπως για παράδειγμα πληροφορίες για βλάστηση που μπορεί να προσελκύσει πουλιά.
Όπως και με κάθε νέα τεχνολογία, υπάρχουν απορίες, ειδικά από αυτούς που θα χρηματοδοτήσουν το project. Οι ερωτήσεις στο παρόν ζήτημα, αφορούν κυρίως την ακρίβεια και το κόστος. Όσον αφορά στην ακρίβεια, υπάρχει μια ανησυχία για το εάν οι δορυφορικές εικόνες είναι τόσο ακριβείς όσο η παραδοσιακή αεροφωτογραφία, την οποία τα αεροδρόμια χρησιμοποιούν ως σήμερα. Με τη χρήση του Ikonos [https://en.wikipedia.org/wiki/Ikonos], έχει βελτιωθεί αρκετά η ανάλυση και η ακρίβεια των δορυφορικών φωτογραφιών, χωρίς να έχουν φτάσει ακόμα το επίπεδο των αεροφωτογραφιών. Καλύπτουν παρόλα αυτά της απαιτήσεις ακρίβειας πολλών εφαρμογών στα αεροδρόμια. Αυτό οδηγεί στη δεύτερη ερώτηση (του κόστους) : μπορούν τα τηλεπισκοπικά δεδομένα να παρέχουν αρκετά οφέλη, σε σχέση με το κόστος τους, ώστε να δικαιολογήσουν τη χρήση τους; Ενώ απαιτείται περαιτέρω ανάλυση κόστους / οφελών, η πρόσφατη μείωση του κόστους των υψηλής ανάλυσης δορυφορικών εικόνων, η έλλειψη του κόστους κινητοποίησης για δορυφορικές πλατφόρμες, μια αυξανόμενη ποσότητα αρχειοθετημένων δεδομένων και η πρόοδος στην ψηφιακή φωτογραμμετρία είναι όλα θετικοί δείκτες.

'''4. Εφαρμογή σχεδιασμού επικεντρωμένη σε χρήστες στην περιοχή του Portland'''

Αρχικά, πρόσφατα συγκεντρωμένα τηλεπισκοπικά δεδομένα για το αεροδρόμιο του Portland χρησιμοποιήθηκαν ως βάση για μία εφαρμογή GIS, η οποία θα χρησιμοποιηθεί από σχεδιαστές και αναλυτές μεταφορών στο Portland. Η εφαρμογή σχεδιάστηκε έτσι ώστε να καλύψει τις απαιτήσεις διάφορων φορέων της περιοχής του Portland. Ως αποτέλεσμα αυτών των απαιτήσεων προέκυψαν οι παρακάτω στόχοι για την εφαρμογή :
* Η αναγνώριση αστικών αναπτυξιακών προτύπων που μπορεί να περιορίσουν μελλοντικές επεκτάσεις του αεροδρομίου.
* Η αξιολόγηση της επιρροής που μπορεί να έχουν αλλαγές χρήσης του αεροδρομίου στη γύρω περιοχή.
* Η παρουσίαση περιοχών όπου η κατασκευή δρόμων και η ανάπτυξη γης μπορεί να έρθουν σε σύγκρουση με λειτουργίες του αεροδρομίου.
* Η ανάδειξη των τηλεπισκοπικών δεδομένων ως ένα οικονομικά αποδοτικό μέσο υποστήριξης του περιφερειακού σχεδιασμού γύρω από το αεροδρόμιο.

'''5. Τεχνικός Σχεδιασμός'''

Ο τεχνικός σχεδιασμός της εφαρμογής έπρεπε να ικανοποιεί αυτούς τους στόχους για μία ποικιλία χρηστών από διάφορες υπηρεσίες. Για να γίνει αυτό, χρησιμοποιήθηκε διαδικτυακή τεχνολογία για να αναπτύξει μια ασφαλή εφαρμογή που μπορεί να χρησιμοποιηθεί στο Internet. Χρησιμοποιώντας ArcIMS [https://en.wikipedia.org/wiki/ArcIMS] και ColdFusion [https://en.wikipedia.org/wiki/Adobe_ColdFusion], οι χάρτες και τα πινακοειδή δεδομένα μπορούσαν να χρησιμοποιηθούν από οποιονδήποτε με εξουσιοδοτημένα username και password. Το γραφικό περιβάλλον διεπαφής χρήστη σχεδιάστηκε όσο πιο απλό γινόταν, καθώς δε γινόταν να βασιστούν στην δυνατότητα των χρηστών να παρακολουθήσουν μαθήματα χρήσης της εφαρμογής.
Το τελικό παραδοτέο αυτής της πρωτοβουλίας είναι όχι μόνο η διαδικτυακή GIS εφαρμογή, αλλά μια γνωσιακή βάση παραγόντων και θεμάτων που πρέπει να λαμβάνονται υπόψη από καθένα από τα χιλιάδες αεροδρόμια των ΗΠΑ, τα οποία επεκτείνονται μέσα σε αστικά περιβάλλονται που επίσης αναπτύσσονται. Αυτές οι πληροφορίες περιλαμβάνουν μια σαφώς τεκμηριωμένη μεθοδολογία και προδιαγραφές που άλλοι αερολιμένες μπορούν να ακολουθήσουν για να αναπτύξουν παρόμοιες λύσεις για τον εαυτό τους.
Με τον καθορισμό της αξίας που τα τηλεπισκοπικά δεδομένα μπορούν να προσφέρουν στους σχεδιαστές αεροδρομίων, το project αυτό ελπίζει να ανακουφίσει πολλά από τα προβλήματα επέκτασης της υποδομής που αντιμετωπίζουν τα αεροδρόμια σε όλη τη χώρα και με αυτόν τον τρόπο να ενθαρρύνει πιο προληπτικές και συμβατικές χρήσεις γης και σχεδιασμό μεταφορών γύρω από τα αεροδρόμια.

[[category:Κυκλοφοριακές μελέτες]]

Η χρήση της ψηφιακής τηλεπισκόπησης στην ανάπτυξη των αεροδρομίων και στον σχεδιασμό των μεταφορών

2017-02-15T02:02:42Z

Ktistopoulos Dionysios: Νέα σελίδα με 'Eικόνα 1: Το αεροδρόμιο του Portland μέσω LIDAR. [[εικόνα: DK_art1_pic2.png|thumb|right|Eικ...'

Αρχείο:DK art1 pic3.png

2017-02-15T01:39:30Z

Ktistopoulos Dionysios:

Αρχείο:DK art1 pic2.png

2017-02-15T01:39:11Z

Ktistopoulos Dionysios:

Αρχείο:DK art1 pic1.png

2017-02-15T01:38:43Z

Ktistopoulos Dionysios: