http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Kzotalis&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%2FKzotalis 2026-05-19T11:07:52Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/Kostas 2011-02-09T10:25:07Z

<p>Kzotalis: New page: kajlkajkljal;j category:Δοκιμές</p> <hr /> <div>kajlkajkljal;j<br /> <br /> [[category:Δοκιμές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/Dokimh_1 2011-01-19T12:04:38Z

<p>Kzotalis: New page: Ολες οι προσθήκες/ αλλαγές στο RemoteSensing θα πρέπει να συμφωνούν με την GNU Free Documentation License 1.2 (Βλ. Project:Copyrights? γ...</p> <hr /> <div>Ολες οι προσθήκες/ αλλαγές στο RemoteSensing θα πρέπει να συμφωνούν με την GNU Free Documentation License 1.2 (Βλ. Project:Copyrights? για λεπτομέρειες). Αν δεν επιθυμείτε τα κείμενά σας να τα επεξεργαστούν κατά την κρίση τους άλλοι χρήστες και να τα διαδώσουν κατά βούληση παρακαλούμε να μην τα αναρτήσετε σε αυτό το χώρο. Ότι συνεισφέρετε στο χώρο αυτό σε κείμενα, διαγράμματα, στοιχεία ή εικόνες πρέπει να είναι δικά σας έργα ή να ανήκουν στο δημόσιο τομέα (public domain) ή να προέρχονται από ελεύθερες ή ανοιχτές <br /> [[category:Δοκιμές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CE%B1%CE%BD%CE%B1%CE%BB%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B3%CE%B9%CE%B1_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CF%83%CE%B5_%CE%BC%CE%AF%CE%B1_%CE%91%CE%BB%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BB%CE%BB%CE%BF%CF%85%CE%B2%CE%B9%CE%B1%CE%BD%CE%AE_%CF%80%CE%B5%CE%B4%CE%B9%CE%AC%CE%B4%CE%B1 2011-01-14T19:03:57Z

<p>Kzotalis: </p> <hr /> <div>'''Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα'''<br /> <br /> '''Multispectral and multiscale remote sensing data for archaeological prospecting in an alpine alluvial plain'''<br /> <br /> '''Pietro Alessandro Brivio, Monica Pepe, Roberto Tomasoni'''<br /> <br /> '''Remote Sensing Department, IRRS-CNR, Via Bassini 15, 20133 Milan, Italy'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Στόχοι της έρευνας<br /> <br /> Η έρευνα αυτή είναι μέρος ενός πολυεπιστημονικού προγράμματος με συνεργασία αρχαιολόγων και γεωφυσικών επιστημόνων που στοχεύει στη σκιαγράφηση τον χωροχρονικών σχέσεων μεταξύ περιβαλλοντικών συνθηκών και προιστορικών ανθρώπινων καταυλισμών σε μία αλλουβιανή πεδιάδα των Αλπεων.<br /> Τηλεπισκοπικές δορυφορικές εικόνες σε διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος χρησιμοποιήθηκαν για καταγραφή στοιχείων δύσκολα εντοπίσιμων από το έδαφος. Η ολοκληρωμένη ανάλυση των τηλεπισκοπικών πληροφοριών, των χαρτογραφικών, των τοπογραφικών και των αρχαιολογικών στοιχείων αποδεικνύεται χρήσιμη για την αρχαιολογία. Για τον συνδυασμό αυτών των διαφορετικών δεδομένων χρησιμοποιήθηκαν γεωγραφικά συστήματα πληροφοριών.<br /> <br /> 2. Περιοχή μελέτης<br /> <br /> [[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' Γεωλογικός χάρτης της περιοχής μελέτης, που περιλαμβάνει τις τεταρτογενείς αποθέσεις της περιοχής μεταξύ της ανω λίμνης Como και της λίμνη Mezzola. 1) Αλλουβιακοί κώνους, 2) οι αποθέσεις Moraine και τα συντρίμμια, 3) Κυρίως Αλλουβιακές χαλικώδεις και αμμώδεις αποθέσεις, 4) Κυρίως αμμώδεις προσχώσεις, 5) Κυρίως αμμώδεις και αργιλώδεις προσχώσεις και λιμναίες αποθέσεις. ''']]<br /> Η υπό μελέτη περιοχή βρίσκεται στη συμβολή των πεδιάδων των ποταμών Valtellina και Val Chiavenna ( εικόνα 1 ). Η περιοχή επιλέχθηκε λόγω των ιστορικών, αρχαιολογικών και γεωμορφολογικών χαρακτηριστικών της.<br /> <br /> 3. Δεδομένα<br /> <br /> Στην πολυεπίπεδη αυτή έρευνα χρησιμοποιήθηκαν διαφορετικά δεδομένα όπως χαρτογραφικά, χάρτες χρήσεων γης, ιστορικά στοιχεία, τηλεπισκοπικά δεδομένα του Landsat 5 TM, ασπρόμαυρες αεροφωτογραφίες και άμεσες τοπικές μετρήσεις. <br /> <br /> 4. Ανάλυση των τηλεπισκοπικών δεδομένων<br /> <br /> Σε πρώτο στάδιο δημιουργήθηκαν γραμμές περιγράμματος από τους τοπογραφικούς χάρτες, κλίμακας 1:10000 και ψηφιοποιήθηκαν σε διαστήματα 10 μέτρων ή 50 μέτρων, για περιοχές με υψόμετρο μεγαλύτερο των 250 μέτρων. Από αυτή τη διαδικασία δημιουργήθηκε το ψηφιακό μοντέλο ανόρθωσης ( DEM ). Επίσης ψηφιοποιήθηκαν το υδρογραφικό δίκτυο και οι βασικοί δρόμοι. Με αυτά το τοπογραφικά δεδομένα διορθώθηκαν τα δεδομένα της τηλεπισκόπησης και η γεωαναφορά τους σε UTM προβολή. Τέλος οι περιοχές προιστορικής ανθρώπινης δραστηριότητας εισήχθησαν σε ένα σύστημα GIS. <br /> <br /> 4.1 Δορυφορικές εικόνες<br /> <br /> [[Εικόνα:K7p1zot.jpg | thumb| left|Πίνακας 1:''' Χωρικά και φασματικά χαρακτηριστικά του Landsat-5 TM''']]<br /> Χρησιμοποιήθηκε μία εικόνα του Landsat 5 TM ( τα τεχνικά χαρακτηριστικά της οποίας φαίνονται στον πίνακα 1 ), της 12 Σεπτεμβρίου 1990, για μία έκταση 3.030 τ.χλμ.<br /> [[Εικόνα:K7i3zot.jpg | thumb| right|Eικόνα 2:''' Έγχρωμο σύνθετο RGB: TM-4, TM-5, TM-3 του Landsat-5 Thematic Mapper (Σεπτεμβρίος 1990), που παρουσιάζει την αλλουβιανή πεδιάδα μεταξύ των λιμνών Como και Mezzola, στη συμβολή Valtellina (ποταμός Adda) και Val Chiavenna (ποταμός Mera). ''']]<br /> Η πολυφασματική ανάλυση της εικόνας επέτρεψε τον εντοπισμό της υπό μελέτη περιοχής. Εφαρμογή γραμμικής διάτασης και όξυνσης των γωνιών, στα υπέρυθρα κανάλια 4, 5 και 7, ανέδειξε τους μικρής κλίμακας γεωσχηματισμούς ( πχ πλαγιές βουνών, αλλουβιακά ρυπίδια κλπ ). Επίσης δημιουργήθηκαν ψευδοχρωματικές συνθέσεις ( 4,3,2 και 4,5,3 ) για την μελέτη των χρήσεων – καλύψεων γης ( εικόνα 2 ), ενώ με χρήση του δείκτη βλάστησης NDVI προσδιορίστηκε η κατανομή και η ένταση της βλάστησης. Η επεξεργασία των οπτικών καναλιών 1, 2 και 3 των οποίων το μήκος κύματος διαπερνά σε κάποιο βαθμό τις υδάτινες επιφάνειες, ανέδειξε την έκταση της βυθισμένης βλάστησης, στο νότιο τμήμα της λίμνης Mezzola. Στην εικόνα της υπό εξέταση περιοχής εφαρμόστηκαν μέθοδοι επεξεργασίας που στόχευαν στην ενίσχυση του διαφορετικού μεγέθους σιταριού και της περιεκτικότητάς του σε υγρασία. Από την σύγκριση της επεξεργασμένης εικόνας και ενός τοπογραφικού χάρτη του 1974, δημιουργήθηκε ένας γεωμορφολογικός χάρτης.<br /> <br /> 4.2 Αεροφωτογραφίες<br /> <br /> Η γεωμορφολογική μελέτη της περιοχής βελτιώθηκε με την ανάλυση στερεοσκοπικών ασπρόμαυρων φωτογραφιών, που τραβήχτηκαν το 1936 από την πολεμική αεροπορία. Στις εικόνες τα ποτάμια παρουσιάζονται σε ανοιχτούς γκρι τόνους, λόγω των πολλών ιζημάτων και μέρος των αλλουβιανών ριπιδίων είναι πλημμυρισμένα. Οι φωτογραφίες αυτές αρχικά ψηφιοποιήθηκαν με χωρική εδαφική ανάλυση 2,2 Χ 2,2 μέτρα. Στη συνέχεια γεωαναφέρθηκαν με χρήση εδαφικών σημείων ελέγχου. Δημιουργήθηκε έτσι μία μωσαική μορφή των φωτογραφιών στην οποία προστέθηκε ψηφιακή τοπογραφία σε διανισματική μορφή, ώστε να είναι δυνατή η σύγκριση με την παρούσα μορφολογία της περιοχής. Ακολούθησε μία γεωμετρική ομοεγγραφή εικόνα προς εικόνα, μεταξύ των πολυφασματικών εικόνων του Landsat και του ψηφιακού μωσαικού του αεροφωτογραφιών. Τέλος δημιουργήθηκε μία ψευδοχρωματική σύνθεση που συνδύαζε όλα τα κανάλια του Landsat και το μωσαικό και έτσι παρήχθη ο τελικός γεωμορφολογικός χάρτης.<br /> <br /> 4.3 Αποτελέσματα της τηλεπισκοπικής ανάλυσης<br /> [[Εικόνα:K7i4zot.jpg | thumb| left|Eικόνα 3:''' Γεωμορφικός χάρτης της κοιλάδας της περιοχής μελέτης που προέρχεται από δορυφόρικών και εναέριων εικόνων. Η καταλληλότητα της περιοχής ιεραρχείται κατά σειρά από χαμηλής (Α) σε υψηλής σκοπιμότητας (D). 1) Εγκαταλελειμμένη κοίτη του ποταμού, 2) Νησιά της Μάγχης, 3) Βυθισμένο κομμάτι άμμου, 4) Καναλικές αποθέσεις, 5) Λοφίο ιζημάτων 6) βυθισμένη περιοχή βλάστησης 7) Αλλουβιακοί κώνοι. ''']]<br /> Η δορυφορική εικόνα και οι αεροφωτογραφίες, αφού διατμήθηκαν κυματομετρικά συγκρίθηκαν με τους γεωλογικούς τομείς. Για τη σύγκριση αυτή επιλέχθηκε το εγγύς υπέρυθρο κανάλι 4. Στην εικόνα 3 παρουσιάζεται ο γεωμορφικός χάρτης της υπό εξέταση περιοχής που προέκυψε από την συνδιαστική ανάλυση των δεδομένων της τηλεπισκόπησης και των επιστημονικών συμπερασμάτων για την περιοχή, η οποία κατατάσσεται από χαμηλής δυνατότητας ανακάλυψης ανθρώπινων καταλυμάτων ( Α ), σε υψηλής δυνατότητας ( D ). Ετσι λοιπόν η ζώνη Α, χρησιμοποιείται στο παρόν για γεωργικούς λόγους και δεν προσφέρεται για τα ζητούμενα της μελέτης. Η ζώνη Β περιλαμβάνει έντονα μεταβαλλόμενο τοπίο και το γεγονός αυτό αποτελεί περιοριστικό παράγοντα. Αντιθέτως η ζώνη C, με τις οριακές αλλουβιανές κοίτες, που αναμειγνύονται με τις λημναίες αποθέσεις, είναι πιο ενδιαφέρουσα σχετικά με την ανακάλυψη προιστορικής ανθρώπινης παρουσίας. Τέλος η ζώνη D, που καταλαμβάνεται από επιφανειακές λημναίες αποθέσεις, παρουσιάζει ενδιαφέρουσες ιδιότητες και θα μπορούσε να συντηρεί τα υπολλείματα ανθρώπινης παρουσίας.<br /> <br /> 5. Ανάλυση των δεδομένων τοπικών μετρήσεων<br /> [[Εικόνα:K7i5zot.jpg | thumb| left|Eικόνα 4:''' Θερμικός χάρτης της περιοχής δοκιμής κοντά στο Ponte del Passo, που προκύπτει από την ανάλυση των μετρήσεων εδάφους με χρήση θερμικού υπέρυθρου ραδιόμετρου. Α) Τοπογραφικός χάρτης της περιοχής δοκιμής, Β) Χάρτης αντίστασης, C) Θερμικός χάρτης. ''']]<br /> Από τις αναλύσεις των τηλεπισκοπικών δεδομένων αλλά και τις ιστορικές αναλύσεις εντοπίστηκαν κάποιες περιοχές ( στη ζώνη C ) έκτασης 45.000 τ.μ. κοντά στο Ponte del Pusso ( εικόνα 1 ), στις οποίες διεξήχθησαν μεγάλης κλίμακας γεωφυσικές έρευνες. Επίσης διεξήχθη κυματομετρική έρευνα για τον καθορισμό της χωρικής επιφανειακής θερμοκρασίας σε μία περιοχή έκτασης 1.250 τ.μ. ( εικόνα 4 ). Οι μετρήσεις αυτές καθόρισαν τις επιφανειακές θερμοκρασίες με ακρίβεια 0,1 Κ. Ο εξοπλισμός που χρησιμοποιήθηκε ήταν ένα κυματόμετρο και ένα ηλιακό φωτόμετρο. Η χωρική κατανομή της επιφανειακής θερμοκρασίας που προέκυψε από παρεμβολή των κυματομετρικών μετρήσεων, φαίνεται στην εικόνα 4C. Η ίδια περιοχή αναλύθηκε από γεωφυσικούς επιστήμονες και ανακαλύφθηκε η ειδική αντίσταση που παρουσιάζει ( εικόνα 4B ). Στην έκταση αυτή, μετά από τη δοκιμαστική εκσκαφή μέσω μίας τάφρου ( εικόνα 4 Α ), ήρθε στην επιφάνεια ένα φράγμα άμμου, ποτάμιας προέλευσης, το οποίο διατρέχει πλευρικά την αμμώδη λάσπη και επικαλύπτει μία μονάδα αργίλου, που χαρακτηρίζεται από άφθονα γνωρίσματα ανθρώπινης ύπαρξης.<br /> <br /> 6. Συμπεράσματα<br /> <br /> Η ολοκληρωμένη ανάλυση πολυεπίπεδων τηλεπισκοπικών δεδομένων, χαρτογραφικών και ιστορικών χαρτών και αρχαιολογικών δεδομένων, αποδείχθηκαν εξαιρετικά χρήσιμα για την αρχαιολογική έρευνα και παρέχουν πολλά επιστημονικά πεδία για μελλοντική εξερεύνηση και μελέτη.<br /> <br /> <br /> [[category:Αρχαιολογία]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CE%AE%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BA%CE%B1%CE%BD%CE%BF%CE%BD%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%B9%CE%B7%CE%BC%CE%AD%CE%BD%CE%BF%CF%85,_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CE%B1%CE%BD%CE%B1%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_(_NMDI_),_%CE%B1%CF%80%CF%8C_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AD%CF%82_%CE%BC%CE%B5%CF%84%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82 2011-01-14T19:00:17Z

<p>Kzotalis: </p> <hr /> <div>'''Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις'''<br /> <br /> '''Multispectral and multiscale remote sensing data for archaeological prospecting in an alpine alluvial plain'''<br /> <br /> '''Pietro Alessandro Brivio, Monica Pepe, Roberto Tomasoni'''<br /> <br /> '''Remote Sensing Department, IRRS-CNR, Via Bassini 15, 20133 Milan, Italy'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Οι δορυφορικοί φασματικοί δέκτες χρησιμοποιούνται για τον υπολογισμό της υγρασίας της βλάστησης και τον εντοπισμό ενεργών πυρκαγιών, αλλά και της έντασής τους. <br /> Ο πιο δημοφιλής δείκτης βλαστικής υγρασίας είναι ο κανονικοποιημένος δείκτης διαφοράς νερού NDWI, που ορίζεται ως ο λόγος του εγγύς υπέρυθρου καναλιού ( NIR ) επικεντρωμένου στα 0,86 μm και του μικροκυματικού υπέρυθρου καναλιού ( SWIR ) στα 1,64 μm. Επίσης υπάρχει ο κανονικοποιημένος δείκτης πυρκαγιάς NBR, που συνδυάζει το NIR κανάλι στα 0,8 μm και το SWIR κανάλι στα 2,1μm. Τέλος ο κανονικοποιημένος πολυκαναλικός δείκτης ξηρότητας NMDI χρησιμοποιεί τη διαφορά μεταξύ δύο καναλιών απορροφητικών στο υγρό νερό ( 1,64 μm και 2,13 μm ), για τον εντοπισμό της υγρασίας στη βλάστηση. Ο δείκτης αυτός αναμένεται να παρέχει ακριβέστερες μετρήσεις από τους δύο άλλους.<br /> Σκοπός της μελέτης είναι η σύγκριση της ικανότητας των δεικτών αυτών στον εντοπισμό πυρκαγιών σε δύο περιοχές. Για την αξιολόγηση των δεικτών χρησιμοποιούνται δεδομένα του δορυφορικού συστήματος MODIS.<br /> <br /> 2. Περιοχή μελέτης και δεδομένα<br /> <br /> 2.1 Περιοχή μελέτης<br /> <br /> Αρχικά μελετήθηκε μία πυρκαγιά που ξέσπασε στις 16/4/2007 στα σύνορα των πολιτειών Georgia και Florida των ΗΠΑ ( http://landsat.gsfc.nasa.gov/images/archive/e0009.html, http://eobadmin.gsfc.nasa.gov/NaturalHazards/natural_hazards_v2.php3?img_id=14241 ). Επίσης εξετάζεται και μία σειρά πυρκαγιών που ξεκίνησαν στις 23/8/2007 στην Ελλάδα ( Πελοπόννησος και Νότια Εύβοια ).<br /> <br /> 2.2 Δορυφορικά δεδομένα<br /> <br /> Τα δεδομένα προέρχονται από τα συστήματα :<br /> * MODIS L1B ( MOD 02, 1 km, version 5 )<br /> * MODIS L1A ( MOD 03, 1km, version 5 )<br /> * MOD 14 ( 1 km, version 5 )<br /> <br /> Η ανακλαστικότητα από τα κανάλια 1,2, 6 και 7 του MODIS, χρησιμοποιούνται για την εξαγωγή των δεικτών NMDI, NDWI και NBR. Επίσης οι εικόνες των ενεργών πυρκαγιών του MODIS με 250 m χωρική ανάλυση, καθώς και το προϊόν Active Fire Mask, χρησιμοποιούνται για την αξιολόγηση των δεικτών.<br /> <br /> 2.3 Μέθοδος για τον εντοπισμό πυρκαγιάς με χρήση των δεικτών<br /> [[Εικόνα:K6i1zot.jpg | thumb| left|Eικόνα 1:''' Διάγραμμα ροής της διαδικασίας χρήσης του NMDI στον εντοπισμό ενεργών πυρκαγιών.''']] <br /> Οι δείκτες NDWI και NBR είναι αρνητικά συσχετισμένοι με την δριμύτητα της ξηρασίας, άρα μπορούν να χρησιμοποιηθούν για την εξακρίβωση της υγρασίας της βλάστησης. ‘Οσο χαμηλότερες είναι οι τιμές τους τόσο ξηρότερη είναι η βλάστηση. Ο δείκτης NMDI έχει αποδείξει ότι είναι ένας καλός δείκτης της ξηρασίας, τόσο της βλάστησης όσο και του χώματος. Για το λόγο αυτό ο δείκτης αυτός θεωρείται ότι δίνει ακριβέστερα στοιχεία για την ξηρασία και την κατάσταση των πυρκαγιών, από τους άλλους δύο δείκτες, δεδομένου μάλιστα ότι το χώμα εκτίθεται με την καύση της βλάστησης. Στην εικόνα 1 υπάρχει το διάγραμμα ροής για την εφαρμογή του NMDI στην απεικόνιση της ξηρότητας του εδάφους και της βλάστησης. Οι τιμές που παίρνει ο δείκτης για την βλάστηση είναι μεταξύ 0 και 1. Τιμές από 0,4 έως 0,6 σημαίνουν μέτρια υγρασία βλάστησης, μεγαλύτερες του 0,6 αντιπροσωπεύουν πολύ υγρή βλάστηση, ενώ μικρότερες του 0,4 υποδηλώνουν ξηρή βλάστηση. Η συμπεριφορά του δείκτη για το χώμα είναι αντίθετη. Το πιθανό εύρος τιμών είναι 0 έως 1 με τιμές μεταξύ 0,7 και 0,9 να δείχνουν ξηρό χώμα, μεταξύ 0,3 και 0,5 μετρίως υγρό χώμα και τέλος μικρότερες του 0,3 να υποδεικνύουν εξαιρετικά υγρό χώμα.<br /> <br /> 3. Δοκιμή δεικτών και σχολιασμός των αποτελεσμάτων<br /> <br /> 3.1 Πυρκαγιές στην Georgia<br /> <br /> Περίπτωση 1 : Η φωτιά στις 17 Απριλίου 2007<br /> [[Εικόνα:K6i2zot.jpg | thumb| right|Eικόνα 2:''' Εικόνες από την πολιτεία Georgia στις 17 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών (πηγή: Rapid Response Project), (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η εικόνα 2α προέρχεται από το σύστημα Terra Modis στις 17 Απριλίου και ώρα 15,40. Με κόκκινο φαίνονται τα σημεία όπου εντοπίστηκαν πυρκαγιές. Ο δείκτης NMDI ( εικόνα 2b ), φανερώνει τα ίδια σημεία πυρκαγιάς με τη δορυφορική εικόνα. Στα σημεία της ενεργής φωτιάς ο δείκτης αυτός εμφανίζει χαμηλές τιμές ανακλαστικότητας ( 0,2 ), ενώ στα σημεία που δεν υπάρχει φωτιά οι τιμές είναι μεγαλύτερες του 0,5. Η διαφορά αυτή, τονίζει τα φλεγόμενα σημεία από τα υπόλοιπα με ακρίβεια παρόμοια με την εικόνα του δορυφόρου. Αντίθετα από τις απεικονίσεις των δεικτών NDWI και NBR δεν είναι δυνατόν να εντοπιστούν σημεία ενεργής φωτιάς ( εικόνες 2c και 2d ). <br /> <br /> Περίπτωση 2 : Η φωτιά στις 25 Απριλίου 2007<br /> [[Εικόνα:K6i3zot.jpg | thumb| right|Eικόνα 3:''' Εικόνες από την πολιτεία Georgia στις 25 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική φωτογραφία 3α τραβήχτηκε στις 25 Απριλίου, ώρα 16,30. Όπως είναι αναμενόμενο ο δείκτης NMDI ( εικόνα 3b ) εντόπισε με σαφήνεια τα σημεία πυρκαγιάς από τα υπόλοιπα. Μερικά ενεργά σημεία φωτιάς εντοπίστηκαν και από τον NBR ( εικόνα 3d ), αλλά τα περισσότερα δεν εντοπίστηκαν ούτε από τον NBR ούτε από τον NDWI ( εικόνα 3c ).<br /> <br /> Περίπτωση 3 : Η φωτιά στις 29 Απριλίου 2007<br /> [[Εικόνα:K6i4zot.jpg | thumb| right|Eικόνα 4:''' Εικόνες από την πολιτεία Georgia στις 29 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική εικόνα 4 α προέρχεται από την ίδια περιοχή στις 29 Απριλίου και ώρα 16,05. Τα δύο μεγάλα μέτωπα της πυρκαγιάς έχουν εντοπιστεί από το δείκτη NMDI ( τα κόκκινα σημάδια της εικόνας 4b ). Οι εικόνες που παρουσιάζονται από τους άλλους δύο δείκτες είναι ανάλογες των δύο άλλων ημερών ( εικόνα 4c, d ). Μάλιστα στην περίπτωση του NBR ο καπνός απεικονίστηκε με βαθύ πράσινο χρώμα όπως η πυκνή βλάστηση. Ο δείκτης NDWI αποδεικνύεται ανίκανος στον εντοπισμό ενεργών πυρκαγιών.<br /> [[Εικόνα:K6p2zot.jpg | thumb| left|Πίνακας 1:''' Σύγκριση του δείκτη NMDI και των αποτελεσμάτων του συστήματος MODIS.''']]<br /> Για το δείκτη NMDI μόνο ακολούθησε στατιστική ανάλυση για την περαιτέρω αξιολόγηση της ικανότητάς του. Στον πίνακα διαχρονικών αλλαγών ( πίνακας 1 ), περιέχεται η σύγκριση του δείκτη και των αποτελεσμάτων του συστήματος MODIS. Με α χαρακτηρίζεται ο σωστός εντοπισμός πυρκαγιάς, με d ο σωστός μη εντοπισμός πυρκαγιάς, με b ο αριθμός πυρκαγιών που όμως δεν εντοπίστηκαν και τέλος με c ο λάθος εντοπισμός πυρκαγιάς.[[Εικόνα:K6p3zot.jpg | thumb| right|Πίνακας 2:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Georgia).''']] Τέλος στον πίνακα 2 συνοψίζονται τα αποτελέσματα εντοπισμού πυρκαγιάς του δείκτη αυτού. Τα αποτελέσματα δείχνουν ακρίβεια σχεδόν 100%, πιθανότητα λάθος συναγερμού περίπου 0%, ενώ η μέση ικανότητα εντοπισμού πυρκαγιάς είναι 80%.<br /> <br /> 3.2 Οι φωτιές στην Ελλάδα<br /> <br /> Περίπτωση 1 : Η φωτιά στις 23 Αυγούστου 2007<br /> [[Εικόνα:K6i5zot.jpg | thumb| left|Eικόνα 5:''' Εικόνες από την Ελλάδα στις 23 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Στην εικόνα 5 βλέπουμε την δορυφορική εικόνα του MODIS και τις απεικονίσεις των δεικτών NMDI, NDWI και NBR, όπου με κόκκινο χρώμα διακρίνονται τα φλεγόμενα σημεία. Ο δείκτης NMDI προσφέρει την καλύτερη απεικόνιση η οποία συμφωνεί σε μέγιστο βαθμό με την δορυφορική εικόνα. Στις άλλες δύο απεικονίσεις μόνο ένα μικρό ποσοστό των φλεγόμενων περιοχών έχει εντοπιστεί.<br /> <br /> Περίπτωση 2 : Η φωτιά στις 24 Αυγούστου 2007<br /> [[Εικόνα:K6i6zot.jpg | thumb| left|Eικόνα 6:''' Εικόνες από την Ελλάδα στις 24 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Στην δορυφορική εικόνα 6 α εντοπίζονται πέντε σημεία πυρκαγιάς. Ακριβώς την ίδια εικόνα για τις περιοχές και το μέγεθος των πυρκαγιών, παρέχει η απεικόνιση 6b, χωρίς να παραλείπει τις δύο μικρότερες φωτιές στην Πελοπόννησο. Αντίθετα μόνο δύο σημεία φωτιάς υπάρχουν στην εικόνα 6c, ενώ στην 6d παρέχονται με μικρή ακρίβεια όλα τα σημεία που καίει η φωτιά.<br /> <br /> Περίπτωση 3 : Η φωτιά στις 25 Αυγούστου 2007<br /> [[Εικόνα:K6i7zot.jpg | thumb| left|Eικόνα 7:''' Εικόνες από την Ελλάδα στις 25 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Ανάλογη είναι η κατάσταση στην περίπτωση αυτή με τις προηγούμενες δύο περιπτώσεις. Η εικόνα 7 περιέχει τις απεικονίσεις αυτής της περίπτωσης.<br /> [[Εικόνα:K6p4zot.jpg | thumb| right|Πίνακας 3:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Ελλάδας).''']]<br /> Η στατιστική ανάλυση ( πίνακας 3 ), για τον δείκτη NMDI φανερώνει 100% συνολική ακρίβεια, λιγότερο από 1% εσφαλμένων συναγερμών φωτιάς και 75% ικανότητα εντοπισμού πυρκαγιάς.<br /> <br /> 4. Σύνοψη και αποτελέσματα<br /> <br /> Ο δείκτης NMDI απέδειξε την υψηλότερη απόδοση και διακριτική ικανότητα σε σχέση με τους NDWI και NBR. Σε όλες τις περιπτώσεις ο δείκτης αυτός εντόπισε με μεγάλη ακρίβεια τα σημεία των πυρκαγιών. Σε σύγκριση με τον ενεργό χάρτη πυρκαγιάς, ανάλυσης 250 m, του MODIS, η εικόνα με ανάλυση 1 km του NMDI περιέχει περίπου τις ίδιες ακριβείς πληροφορίες των εστιών πυρκαγιάς, του σχήματός τους και της έκτασής τους. <br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%B1%CF%80%CF%8C_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AD%CF%82_%CE%BF%CF%80%CF%84%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_:_%CE%B7_%CF%80%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%8C%CE%BB%CE%B7%CF%82_Tessina_%CF%84%CE%B7%CF%82_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1%CF%82 2011-01-14T18:48:49Z

<p>Kzotalis: </p> <hr /> <div>'''Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας'''<br /> <br /> '''Monitoring landslides from optical remotely sensed imagery: the case history of Tessina landslide, Italy'''<br /> <br /> '''Javier Herva´sa, Jose´ I. Barredoa, Paul L. Rosinb, Alessandro Pasutoc, Franco Mantovanid, Sandro Silvanoc'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Η συλλογή πληροφοριών για την παρουσία και την ενεργητικότητα των κατολισθήσεων είναι σημαντική για την εκτίμηση των κινδύνων. Οι επι τόπου μετρήσεις, παρόλη την ακρίβειά τους, παρέχουν μόνο σημειακές μετρήσεις. Η τηλεπισκόπηση λόγω της συνοπτικής εικόνας που παρέχει, της δυνατότητας για επαναληπτικές μετρήσεις σε διαφορετικές ημερομηνίες και της υψηλής χωρικής ανάλυσης σε κάποιες περιπτώσεις, είναι ένα χρήσιμο εργαλείο για την μελέτη των κατολισθήσεων.<br /> <br /> 2. Μεθοδολογία<br /> <br /> Μία μέθοδος που βασίζεται σε επεξεργασία πολύ-χρονικών εικόνων, χρησιμοποιείται για την χαρτογράφηση και παρακαλούθηση κατολισθήσεων. Η χρήση διαδοχικών εικόνων για τον εντοπισμό αλλαγών στην επιφάνεια του εδάφους, απαιτεί εικόνες γεωμετρικά και κυματικά συγκρίσιμες σε επίπεδο pixel. Είναι σημαντικό επομένως πριν από τον εντοπισμό των αλλαγών να αφαιρεθούν από τις εικόνες στο μέγιστο δυνατό βαθμό, τα ανεπιθύμητα αποτελέσματα, όπως γεωμετρικές διαφορές και διαφορές λόγω ηλιακού φωτισμού. Η μέθοδος που θα ακολουθήσουμε εμπεριέχει τα εξής στάδια : <br /> * Επιδιόρθωση των εικόνων<br /> * Κυματική κανονικοποίηση<br /> * Εντοπισμός των εδαφικών αλλαγών<br /> <br /> 3. Μελέτη της περίπτωσης<br /> <br /> Η μέθοδος αυτή εφαρμόστηκε στην πολύπλοκη περίπτωση της κατολίσθησης στην πόλη Tessina. Λόγω έλλειψης δορυφορικών εικόνων υψηλής ανάλυσης, οι ψηφιακές εικόνες προήλθαν από σάρωση υπαρχόντων αεροφωτογραφιών, με χρήση pixel μεγέθους 1 μέτρου.<br /> <br /> 3.1 Φυσικός καθορισμός και δυναμική της κατολίσθησης<br /> [[Εικόνα:K3i2zot.jpg | thumb| left|Eικόνα 1:''' Γεωμορφολογικό σκίτσο της περιοχής μελέτης από το 2000. Υπόμνημα: (1) Κύρια αποκόμματα κατολίσθησης, (2) δευτεροβάθμια scarps, (3) ενεργή ροή, (4) ανενεργή ροή, (5) περιστροφική περιοχή διαφάνειας, (6) περιοχές με πρόσφατα κατάγματα, (7) βράχος παγετώνα, (8) talus scree and talus cone, (9) eluvial και colluvial αποθέσεις, (10) πλαγιές, (11) μοραινική κατάθεση του παγετώνα Piave, (12) μοραινική κατάθεση των τοπικών παγετώνων, (13) μελάσα (Μειόκαινο), (14) Σχηματισμός φλύσχη (Ηώκαινο), (15) Ασβεστόλιθος Faldato (Κρητιδικό). ''']]<br /> Η κατολίσθηση εντοπίζεται στην λεκάνη Alpago, στις Ανατολικές Ιταλικές Αλπεις, της επαρχίας Belluno, 85 χιλ. βόρεια της Βενετίας ( εικόνα 1 ). [[Εικόνα:K3i3zot.jpg | thumb| right|Eικόνα 2:''' Αεροφωτογραφία των κατολισθήσεων και των απειλούμενων περιοχών Tessina και Fune, το 1995. ''']]Η κατολίσθηση ενεργοποιήθηκε για πρώτη φορά τον Οκτώβριο του 1960, ύστερα από ένα μήνα συνεχούς υψηλής βροχόπτωσης. Η λάσπη από την κατολίσθηση πέρασε από το χωριό Fune και έφτασε μέχρι το χωριό Lamosano ( εικόνα 2 ). Η μεθοδολογία εφαρμόζεται για την καταγραφή των αλλαγών του εδάφους, μετά από μεγάλη επανενεργοποίηση του φαινομένου αυτού τον Απρίλιο του 1992. Το ανατολικότερο κομμάτι της περιοχής κατέρρευσε λόγω της βροχόπτωσης και του λιωσίματος των πάγων. Επηρεάστηκε έτσι ο ανατολικός τομέας του γκρεμού, που προηγουμένως δεν είχε υποστεί σημαντικές μετακινήσεις. Η περιοχή αυτή των 40.000 τ.μ. και όγκου 1.000.000 κ.μ. υπέστη μία περιστροφική ολίσθηση και ρήξη σε βάθος 20 – 30 μέτρων. Οι κινήσεις στην περιοχή συνεχίστηκαν μέχρι τον Ιούνιο του 1992, επηρεάζοντας έτσι ακόμα μία περιοχή 30.000 τ.μ. και όγκου 2.000.000 κ.μ.<br /> <br /> 3.2 Οι εικόνες που χρησιμοποιήθηκαν και η προεπεξεργασία τους<br /> [[Εικόνα:K3i4zot.jpg | thumb| left|Eικόνα 3:''' Ανίχνευση αλλαγών στην κατολίσθηση της Tessina από εναέρια ψηφιακή φωτογραφία. (Α) 09/18/1988 ορθοφωτογραφία, (Β) ομαλοποιημένη ραδιομετρικά 7 / 10 / 94 ορθοφωτογραφία, (C) ιστόγραμματικά εξισωμένη εικόνας διαφορών, (D) δυαδική εικόνα αλλαγών, (Ε) διαφοροποίηση της έντασης των pixel της προηγούμενης εικόνας, (F) Συμπληρωματικό φιλτράρισμα περιοχής άμορφης μάζας χρησιμοποιώντας χωρικές και ορθογώνιακες ιδιότητες. ''']]<br /> Για την εφαρμογή της μεθόδου χρησιμοποιήθηκαν ψηφιακές πανχρωματικές εικόνες, με προσομοίωση της χωρικής ανάλυσης ενός μέτρου του δορυφορικού δέκτη IKONOS. Οι εικόνες ήταν ασπρόμαυρες αεροφωτογραφίες μεγάλου υψομέτρου με ημερομηνίες 28/9/1988 και 7/10/1994 και κλίμακα 1:75000. Οι εικόνες σαρώθηκαν στα 8 bit και 14 Am ώστε να προκύψουν pixel του 1 μέτρου. Εικόνες της 31/8/1989, χρησιμοποιήθηκαν για τη δημιουργία των ψηφιακών μοντέλων ανόρθωσης ( DEM ), εξαιτίας των χαμηλότερων επιπέδων σκιάς σε σχέση με τις φωτογραφίες των άλλων ημερών. Η ακρίβεια που επιτεύχθηκε ήταν σε αποδεκτά επίπεδα, για παράδειγμα RMS:3,3 m για Χ, 3,6 m για Υ και 3,6 m για Ζ. Από τη διαδικασία αυτή προέκυψε ένα ψηφιακό αρχείο DEM με ανάλυση 20 μέτρα. Επιδιόρθωση εφαρμόστηκε αρχικά σε μία εικόνα της 31/8/1989 ( που χρησιμοποιήθηκε για τη δημιουργία του DEM ), με εφαρμογή γεωμετρικού μετασχηματισμού, χρησιμοποιώντας τις τιμές και τα pixel του πλέγματος των 20 μέτρων του DEM που προέκυψε από τη διαδικασία της τριγωνοποίησης. Έτσι δημιουργήθηκαν κατάλληλες εικόνες από τις φωτογραφίες της 28/9/1988 και 7/10/1994. Εν συνεχεία οι τιμές ένταξης των pixel, της φωτογραφίας της 7/10/1994, κανονικοποιήθηκαν σε σχέση με αυτές της 28/9/1988 ( εικόνα 3a,b ). Οι βασικές στατιστικές παράμετροι φαίνονται στον πίνακα 1.[[Εικόνα:K7p1zot.jpg | thumb| right|Πίνακας 1:''' Βασικά στατιστικά στοιχεία των ορθοφωτογραφιών πρίν και μετά την κανονικοποίηση ''']] Ως αποτέλεσμα της κανονικοποίησης η μέση τιμή των επεξεργασμένων εικόνων έγινε σχεδόν ίση και οι εικόνες μπορούν να συγκριθούν έτσι ψηφιακά, ώστε να εντοπισθούν οι εδαφικές αλλαγές που οφείλονται στην κατολίσθηση.<br /> <br /> 3.3 Εντοπισμός των εδαφικών αλλαγών που σχετίζονται με την κατολίσθηση<br /> <br /> Η μέθοδος που αναφέρθηκε προηγουμένως, εφαρμόστηκε στις κανονικοποιημένες απεικονίσεις των δύο διαφορετικών ημερών, στην Tessina, ώστε να εντοπισθούν αλλαγές που συνέβησαν μεταξύ του 1988 και του 1994. Αρχικά δημιουργήθηκε μία εικόνα που περιείχε τις διαφορές στην φωτεινότητα των pixel μεταξύ των δύο εικόνων ( εικόνα 3c ). Εν συνεχεία έγινε πρωταρχικό «thresholding» αυτής της απεικόνισης με χρήση του γωνιακού ιστογράμματος του αλγόριθμου ( εικόνα 3d ). Επίσης η εικόνα αυτή χωρίστηκε σε θετικές και αρνητικές μεταβολές ( εικόνα 3e ) ενώ αφαιρέθηκαν από αυτή κάποιοι ορθογώνιοι ανεπιθύμητοι σχηματισμοί ( εικόνα 3f ).<br /> <br /> 3.4 Συζήτηση των αποτελεσμάτων<br /> [[Εικόνα:K3i5zot.jpg | thumb| right|Eικόνα 4:''' Οι αλλαγές στην επιφάνεια της κατολίσθησης στην Tessina Μεταξύ του 1988 και του 1994 απεικονίζεται στην ορθοφωτογραφία του 1994. Υπόμνημα: (1) Μέσα στο σώμα της κατολίσθησης, η θετική αλλαγή στην ένταση των pixel δείχνει νέες μετακινήσεις του εδάφους, ως αποτέλεσμα επανενεργοποίησης κατολίσθησης, (2) αρνητική αλλαγή στην ένταση των pixel οφείλεται στην ανάπτυξη της βλάστησης ή σε αύξηση της υγρασίας του εδάφους. Συντεταγμένες σε UTM. ''']]<br /> Το τελικό αποτέλεσμα της επεξεργασμένης εικόνας φαίνεται στην εικόνα 4. Εδώ οι θετικές μεταβολές της έντασης των pixel, έχουν χρωματιστεί με κόκκινο χρώμα. Αυτές οι περιοχές είναι άμεσα συνδεδεμένες με το γεγονός του 1992. Ενδεικτικά αναφέρεται ότι η ζώνη Α, είναι το υλικό που αποσυνδέθηκε το 1992 και δημιούργησε την κατολίσθηση. Η ζώνη Β δείχνει τις νέες εδαφολογικές επανθίσεις από το φρέσκο υλικό. Η ζώνη C έχει επηρεασθεί από μικρές ροές λάσπης, αλλά και από την επαναμετακίνηση παλαιότερων τέτοιων ροών, ενώ η ζώνη D περιέχει μία ροή λάσπης που διατρέχει το πλευρό της κατολίσθησης.<br /> <br /> 4. Συμπεράσματα<br /> <br /> Η μέθοδος που παρουσιάστηκε μπορεί να εφαρμοσθεί για την μελέτης της εμφάνισης και της δραστηριότητας κατολισθήσεων σε εκτεταμένες περιοχές με χρήση κλίμακας 1:10000, όταν χρησιμοποιούνται δορυφορικές εικόνες νέας γενιάς. Αυτή η μέθοδος δεν απαιτεί την ύπαρξη πολλών εικόνων για να παραχθεί ένα χρήσιμο αποτέλεσμα. Επίσης εφόσον τα αποτελέσματα είναι οπτικά, μπορούν εύκολα να χρησιμοποιηθούν από γεωμορφολόγους και άλλους αναλυτές κατολισθήσεων, αλλά και μηχανικούς. Τέλος παρόλο που στο παράδειγμά μας χρησιμοποιήθηκαν εικόνες με μεγάλη χρονική απόσταση μεταξύ τους, τυπικά απαιτούνται συχνότερες λήψεις για μεγαλύτερη ακρίβεια στην αποτύπωση της δυναμικής του εδάφους. Σε αυτό βοηθούν τα νέα δορυφορικά συστήματα υψηλής ευκρίνειας IKONOS και Quickbird.<br /> <br /> <br /> [[category:Κατολισθήσεις]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%8C%CE%BB%CE%B5%CE%B9%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF_%CE%94%CE%B9%CE%AC%CF%83%CF%84%CE%B7%CE%BC%CE%B1_:_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%B1%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CE%AE_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%83%CF%84%CF%81%CE%B1%CF%84%CE%B7%CE%B3%CE%B9%CE%BA%CE%AE 2011-01-14T18:45:21Z

<p>Kzotalis: </p> <hr /> <div>'''Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική'''<br /> <br /> '''Cities from space: potential applications of remote sensing in urban environmental research and policy'''<br /> <br /> '''Roberta Balstad Miller, Christopher Small'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> <br /> 1. Εισαγωγή<br /> <br /> Οι ταχύτατες αλλαγές που συμβαίνουν στο αστικό περιβάλλον έχουν πιθανότατα σοβαρές επιπτώσεις τόσο στο παγκόσμιο περιβάλλον όσο και στη βιωσιμότητα των πόλεων και της ενδοχώρας. ‘Έτσι λοιπόν η πρόοδος των πληροφοριακών τεχνολογιών σε συνδυασμό με τις δορυφορικές εικόνες υψηλής ανάλυσης δημιουργούν τη δυνατότητα για χρήση νέων δεδομένων σε συνδυασμό με τις υπάρχουσες μεθόδους, ώστε να καταγραφούν και να κατανοηθούν αρκετά προβλήματα του αστικού περιβάλλοντος.<br /> <br /> 2. Αστική ανάπτυξη και αστικό περιβάλλον<br /> [[Εικόνα:K2i1zot.JPG | thumb| left|Eικόνα 1:''' Παγκόσμια κατανομή του ανθρώπινου πληθυσμού σε εκτάσεις της Γης, χωρίς πάγο, το 1990. Η καμπύλη δείχνει το αθροιστικό ποσοστό του ανθρώπινου πληθυσμού σε συνάρτηση με το αθροιστικό ποσοστό της κατοικούμενης επιφάνειάς. Αυτή η καμπύλη, δείχνει ότι το 50% του ανθρώπινου πληθυσμού κατοικεί σε λιγότερο από 3% των δυνητικά κατοικήσιμων εκτάσεων της γης και σε πυκνότητα ο πληθυσμός υπερβαίνει τους 500 ανθρωπους/km2. ''']]<br /> Ο πληθυσμός της Γης το 2001 υπολογίστηκε σε πάνω από 6 δισεκατομμύρια άνθρωποι και ήταν συγκεντρωμένος κυρίως στα αστικά συγκροτήματα. Τα επόμενα τριάντα χρόνια η αύξηση του πληθυσμού θα αφορά κυρίως τις αστικές περιοχές των λιγότερο ανεπτυγμένων περιοχών και είναι σήμερα μικρού ή μεσαίου μεγέθους. Η μετάβαση από ένα παγκόσμιο οικιστικό πρότυπο με μεγάλες γεωργικές εκτάσεις, σε ένα που κυριαρχείται από πυκνό αστικό οικισμό, έχει σοβαρές περιβαλλοντικές επιπτώσεις. Υπάρχουν τρείς πτυχές του αστικού περιβάλλοντος που πρέπει να ελεγχθούν : πρώτον, οι αστικές περιοχές δημιουργούν ένα περιβάλλον διακριτό σε σχέση με αυτό της υπαίθρου. Σε αυτό δημιουργούνται προβλήματα όπως η μόλυνση του νερού, η διαχείριση των αποβλήτων, η μόλυνση του αέρα κ.λ.π. Δεύτερον, οι αστικές περιοχές προκαλούν σημαντικές περιβαλλοντικές επιπτώσεις στις προάστιες περιοχές αλλά και τις ευρύτερες περιοχές στις οποίες ανήκουν. Για παράδειγμα, παρόλο που οι πόλεις καλύπτουν μία σχετικά μικρή επιφάνεια της Γης, ευθύνονται για το 78% των εκπομπών άνθρακα ( εικόνα 1 ). Τρίτον, οι μεγάλες πόλεις συνδέονται μεταξύ τους, δημιουργώντας έτσι παγκόσμια αστικά συστήματα με επιπτώσεις στο παγκόσμιο περιβάλλον.<br /> <br /> 3. Τηλεπισκόπηση των πόλεων<br /> <br /> Για την κατανόηση της σύνθετης δυναμικής του αστικού περιβάλλοντος, είναι απαραίτητη η λεπτομερής παρατήρηση παραμέτρων όπως η θερμοκρασία του αέρα, η θερμοκρασία των επιφανειών, η ταχύτητα και η διεύθυνση του αέρα, η βροχόπτωση, η υγρασία και οι σωματιδιακές συγκεντρώσεις. Συχνά η απευθείας μετρήσεις είναι απαγορευτικά ακριβές, οπότε καταφεύγουμε στην τηλεπισκόπηση. Τα πλεονεκτήματα της τηλεπισκόπησης είναι το γεγονός ότι δίνει τη δυνατότητα μετρήσεων σε πολύ μεγάλες περιοχές, παρέχοντας έτσι συνοπτικές εικόνες των χωρικών εναλλαγών και των φυσικών ποσοτήτων. Ο συνδυασμός της τηλεπισκόπησης με επιτόπου μετρήσεις παρέχει καλύτερη χρονική και χωρική εποπτεία των εξεταζόμενων ποσοτήτων.<br /> Τα τηλεπισκοπικά δεδομένα χρησιμοποιούνται κυρίως σε περιπτώσεις υπολογισμού του πληθυσμού, της αστικής επέκτασης και των χρήσεων γης. Δορυφορικοί δέκτες με χωρική ανάλυση της τάξεως 0,5-10 μέτρων, είναι επαρκείς για την παρατήρηση αστικών υποδομών. Οι δορυφορικοί δέκτες SPOT και Landsat είναι σε θέση να παρέχουν ένα αρχείο εικοσαετών λήψεων για τις αλλαγές των αστικών καλύψεων. Επίσης αυτοί οι δέκτες παρέχουν τη δυνατότητα λήψης εικόνων μεγάλων εκτάσεων και είναι έτσι κατάλληλοι για συγκριτική ανάλυση της αστικής μορφολογίας, μεταξύ διαφόρων πόλεων. Οι λήψεις του SPOT έχουν εύρος 65km ενώ του Landsat, 185 km αντίστοιχα. Τέλος ο δέκτης ASTER της NASA χρησιμοποιείται για την ποσοτικοποίηση της αστικής ανάπτυξης και τις αλλαγές στην αστική κάλυψη της γης. <br /> [[Εικόνα:K2i2zot.JPG | thumb| right|Eικόνα 2:''' Χωρικές διαφοροποιήσεις στη βλάστηση και την θερμοκρασία στην επιφάνεια του εδάφους στη Νέα Υόρκη. Εκτιμήσεις στο κλάσμα βλάστησης φαίνονται στην επάνω φωτογραφία και επιφανειακές μεταβολές της θερμοκρασίας φαίνονται στην κάτω εικόνα. ''']]<br /> ‘Ένα επίσης πολύ σημαντικό χαρακτηριστικό της τηλεπισκόπησης είναι η δυνατότητα μέτρησης φυσικών παραμέτρων που συνδέονται άμεσα με τις περιβαλλοντικές συνθήκες. Τέτοια είναι η επιφανειακή θερμοκρασία που συνδέεται με το αστικό κλίμα και τις θερμικές νησίδες. Ακόμα δορυφορικές μετρήσεις, τόσο της ανακλώμενης όσο και της εκπεμπόμενης υπέρυθρης ακτινοβολίας, χρησιμοποιείται για την ποσοτικοποίηση της σχέσης μεταξύ αστικής γης και του φαινομένου των θερμικών νησίδων. Ο θερμικός δέκτης Landsat TM, για παράδειγμα, χρησιμοποιήθηκε για τη μελέτη των επιπτώσεων της ηλιακής ακτινοβολίας, στο μικροκλίμα της Σιγκαπούρης, ενώ δεδομένα του ίδιου δέκτη χρησιμοποιήθηκαν για την καταγραφή της αστικής βλάστησης στην Ν. Υόρκη ( εικόνα 2 ).<br /> <br /> 4. Περιορισμοί της τηλεπισκόπησης στα αστικά περιβάλλοντα<br /> <br /> Η εφαρμογή της τηλεπισκόπησης για συγκεκριμένα προβλήματα έχει προχωρήσει πιο πολύ σε θέματα γεωργίας, γεωλογίας, χαρτογραφίας, μετεωρολογίας και διαχείρισης φυσικών πόρων σε σύγκριση με την αστική ανάλυση και έρευνα. Ένας λόγος που αυτό συμβαίνει είναι ότι υπάρχουν και άλλες πηγές αστικών δεδομένων, συχνά πιο οικονομικές από την τηλεπισκόπηση. Μάλιστα τα δεδομένα κάποιων υπαρχουσών μεθόδων είναι κάποιες φορές πιο αποτελεσματικά από τα τηλεσκοπικά δεδομένα. Παρόλα αυτά το ισχυρό σημείο των τηλεπισκοπικών μεθόδων εντοπίζεται στο γεγονός ότι παρέχουν χωρικά δεδομένα τα οποία χρησιμοποιούνται για τη μέτρηση των συνθηκών του αστικού περιβάλλοντος σε συγκεκριμένες χρονικές στιγμές και για την ποσοτικοποίηση της αλλαγής αυτών στη διάρκεια του χρόνου. Για παράδειγμα, ο Landsat ή οι πολυκαναλικοί θερμικοί δέκτες αεροσκαφών, παρέχουν συνοπτική εικόνα της επιφανειακής θερμοκρασίας, κάτι που με άλλο τρόπο είναι ανέφικτο να μετρηθεί. Επίσης η παράκτια απορροή, οι αλλαγές της χρήσης γης, η αποψίλωση της ενδοχώρας και η διαφοροποίηση της βλάστησης μεταξύ αστικών και επαρχιακών περιοχών μπορούν να παρατηρηθούν αποτελεσματικά μέσω των δορυφορικών δεκτών IKONOS, Quickbird, SeaWifs, Landsat7 και ASTER. Στη διεύθυνση http://sedac.ciesin.columbia.edu/remote/ υπάρχουν πληροφορίες για τους δέκτες που αναφέρθηκαν. Tέλος πρέπει να αναφερθεί ότι ο συνδιασμός δεκτών με υψηλή χωρική ανάλυση ( 1 μέτρο ) επιτρέπει την απεικόνιση φαινομένων όπως πλημύρες, καταιγίδες, σεισμοί κλπ, διάφορα επίπεδα ακρίβειας.<br /> <br /> 5. Πολυεπιστημονική και πολυεπίπεδη έρευνα αστικού περιβάλλοντος<br /> <br /> Ο συνδυασμός τηλεπισκοπικών με άλλα δεδομένα, όπως κοινωνικοοικονομικά, διοικητικά, κανονιστικά κλπ, αυξάνει σε μεγάλο βαθμό την κατανόηση του αστικού περιβάλλοντος. Τέτοιος συνδυασμός διανυσματικών και σημειακών δεδομένων με δεδομένα τηλεπισκόπησης, συχνά επιτυγχάνεται με τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών ( GIS ). <br /> Η χρήση πληροφοριών και δεδομένων τηλεπισκόπησης για την κατανόηση της δυναμικής των αστικών περιβαλλόντων, μπορεί να συμβάλει σε μία καλύτερη αστική στρατηγική και διαχείριση.<br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%8C%CE%BB%CE%B5%CE%B9%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF_%CE%94%CE%B9%CE%AC%CF%83%CF%84%CE%B7%CE%BC%CE%B1_:_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CE%AD%CF%82_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%B1%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CE%AE_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%83%CF%84%CF%81%CE%B1%CF%84%CE%B7%CE%B3%CE%B9%CE%BA%CE%AE 2011-01-14T18:44:52Z

<p>Kzotalis: </p> <hr /> <div>'''Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική'''<br /> <br /> '''Cities from space: potential applications of remote sensing in urban environmental research and policy'''<br /> <br /> '''Roberta Balstad Miller, Christopher Small'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> <br /> 1. Εισαγωγή<br /> <br /> Οι ταχύτατες αλλαγές που συμβαίνουν στο αστικό περιβάλλον έχουν πιθανότατα σοβαρές επιπτώσεις τόσο στο παγκόσμιο περιβάλλον όσο και στη βιωσιμότητα των πόλεων και της ενδοχώρας. ‘Έτσι λοιπόν η πρόοδος των πληροφοριακών τεχνολογιών σε συνδυασμό με τις δορυφορικές εικόνες υψηλής ανάλυσης δημιουργούν τη δυνατότητα για χρήση νέων δεδομένων σε συνδυασμό με τις υπάρχουσες μεθόδους, ώστε να καταγραφούν και να κατανοηθούν αρκετά προβλήματα του αστικού περιβάλλοντος.<br /> <br /> 2. Αστική ανάπτυξη και αστικό περιβάλλον<br /> [[Εικόνα:K2i1zot.JPG | thumb| left|Eικόνα 1:''' Παγκόσμια κατανομή του ανθρώπινου πληθυσμού σε εκτάσεις της Γης, χωρίς πάγο, το 1990. Η καμπύλη δείχνει το αθροιστικό ποσοστό του ανθρώπινου πληθυσμού σε συνάρτηση με το αθροιστικό ποσοστό της κατοικούμενης επιφάνειάς. Αυτή η καμπύλη, δείχνει ότι το 50% του ανθρώπινου πληθυσμού κατοικεί σε λιγότερο από 3% των δυνητικά κατοικήσιμων εκτάσεων της γης και σε πυκνότητα ο πληθυσμός υπερβαίνει τους 500 ανθρωπους/km2. ''']]<br /> Ο πληθυσμός της Γης το 2001 υπολογίστηκε σε πάνω από 6 δισεκατομμύρια άνθρωποι και ήταν συγκεντρωμένος κυρίως στα αστικά συγκροτήματα. Τα επόμενα τριάντα χρόνια η αύξηση του πληθυσμού θα αφορά κυρίως τις αστικές περιοχές των λιγότερο ανεπτυγμένων περιοχών και είναι σήμερα μικρού ή μεσαίου μεγέθους. Η μετάβαση από ένα παγκόσμιο οικιστικό πρότυπο με μεγάλες γεωργικές εκτάσεις, σε ένα που κυριαρχείται από πυκνό αστικό οικισμό, έχει σοβαρές περιβαλλοντικές επιπτώσεις. Υπάρχουν τρείς πτυχές του αστικού περιβάλλοντος που πρέπει να ελεγχθούν : πρώτον, οι αστικές περιοχές δημιουργούν ένα περιβάλλον διακριτό σε σχέση με αυτό της υπαίθρου. Σε αυτό δημιουργούνται προβλήματα όπως η μόλυνση του νερού, η διαχείριση των αποβλήτων, η μόλυνση του αέρα κ.λ.π. Δεύτερον, οι αστικές περιοχές προκαλούν σημαντικές περιβαλλοντικές επιπτώσεις στις προάστιες περιοχές αλλά και τις ευρύτερες περιοχές στις οποίες ανήκουν. Για παράδειγμα, παρόλο που οι πόλεις καλύπτουν μία σχετικά μικρή επιφάνεια της Γης, ευθύνονται για το 78% των εκπομπών άνθρακα ( εικόνα 1 ). Τρίτον, οι μεγάλες πόλεις συνδέονται μεταξύ τους, δημιουργώντας έτσι παγκόσμια αστικά συστήματα με επιπτώσεις στο παγκόσμιο περιβάλλον.<br /> <br /> 3. Τηλεπισκόπηση των πόλεων<br /> <br /> Για την κατανόηση της σύνθετης δυναμικής του αστικού περιβάλλοντος, είναι απαραίτητη η λεπτομερής παρατήρηση παραμέτρων όπως η θερμοκρασία του αέρα, η θερμοκρασία των επιφανειών, η ταχύτητα και η διεύθυνση του αέρα, η βροχόπτωση, η υγρασία και οι σωματιδιακές συγκεντρώσεις. Συχνά η απευθείας μετρήσεις είναι απαγορευτικά ακριβές, οπότε καταφεύγουμε στην τηλεπισκόπηση. Τα πλεονεκτήματα της τηλεπισκόπησης είναι το γεγονός ότι δίνει τη δυνατότητα μετρήσεων σε πολύ μεγάλες περιοχές, παρέχοντας έτσι συνοπτικές εικόνες των χωρικών εναλλαγών και των φυσικών ποσοτήτων. Ο συνδυασμός της τηλεπισκόπησης με επιτόπου μετρήσεις παρέχει καλύτερη χρονική και χωρική εποπτεία των εξεταζόμενων ποσοτήτων.<br /> Τα τηλεπισκοπικά δεδομένα χρησιμοποιούνται κυρίως σε περιπτώσεις υπολογισμού του πληθυσμού, της αστικής επέκτασης και των χρήσεων γης. Δορυφορικοί δέκτες με χωρική ανάλυση της τάξεως 0,5-10 μέτρων, είναι επαρκείς για την παρατήρηση αστικών υποδομών. Οι δορυφορικοί δέκτες SPOT και Landsat είναι σε θέση να παρέχουν ένα αρχείο εικοσαετών λήψεων για τις αλλαγές των αστικών καλύψεων. Επίσης αυτοί οι δέκτες παρέχουν τη δυνατότητα λήψης εικόνων μεγάλων εκτάσεων και είναι έτσι κατάλληλοι για συγκριτική ανάλυση της αστικής μορφολογίας, μεταξύ διαφόρων πόλεων. Οι λήψεις του SPOT έχουν εύρος 65km ενώ του Landsat, 185 km αντίστοιχα. Τέλος ο δέκτης ASTER της NASA χρησιμοποιείται για την ποσοτικοποίηση της αστικής ανάπτυξης και τις αλλαγές στην αστική κάλυψη της γης. <br /> [[Εικόνα:K2i2zot.JPG | thumb| left|Eικόνα 2:''' Χωρικές διαφοροποιήσεις στη βλάστηση και την θερμοκρασία στην επιφάνεια του εδάφους στη Νέα Υόρκη. Εκτιμήσεις στο κλάσμα βλάστησης φαίνονται στην επάνω φωτογραφία και επιφανειακές μεταβολές της θερμοκρασίας φαίνονται στην κάτω εικόνα. ''']]<br /> ‘Ένα επίσης πολύ σημαντικό χαρακτηριστικό της τηλεπισκόπησης είναι η δυνατότητα μέτρησης φυσικών παραμέτρων που συνδέονται άμεσα με τις περιβαλλοντικές συνθήκες. Τέτοια είναι η επιφανειακή θερμοκρασία που συνδέεται με το αστικό κλίμα και τις θερμικές νησίδες. Ακόμα δορυφορικές μετρήσεις, τόσο της ανακλώμενης όσο και της εκπεμπόμενης υπέρυθρης ακτινοβολίας, χρησιμοποιείται για την ποσοτικοποίηση της σχέσης μεταξύ αστικής γης και του φαινομένου των θερμικών νησίδων. Ο θερμικός δέκτης Landsat TM, για παράδειγμα, χρησιμοποιήθηκε για τη μελέτη των επιπτώσεων της ηλιακής ακτινοβολίας, στο μικροκλίμα της Σιγκαπούρης, ενώ δεδομένα του ίδιου δέκτη χρησιμοποιήθηκαν για την καταγραφή της αστικής βλάστησης στην Ν. Υόρκη ( εικόνα 2 ).<br /> <br /> 4. Περιορισμοί της τηλεπισκόπησης στα αστικά περιβάλλοντα<br /> <br /> Η εφαρμογή της τηλεπισκόπησης για συγκεκριμένα προβλήματα έχει προχωρήσει πιο πολύ σε θέματα γεωργίας, γεωλογίας, χαρτογραφίας, μετεωρολογίας και διαχείρισης φυσικών πόρων σε σύγκριση με την αστική ανάλυση και έρευνα. Ένας λόγος που αυτό συμβαίνει είναι ότι υπάρχουν και άλλες πηγές αστικών δεδομένων, συχνά πιο οικονομικές από την τηλεπισκόπηση. Μάλιστα τα δεδομένα κάποιων υπαρχουσών μεθόδων είναι κάποιες φορές πιο αποτελεσματικά από τα τηλεσκοπικά δεδομένα. Παρόλα αυτά το ισχυρό σημείο των τηλεπισκοπικών μεθόδων εντοπίζεται στο γεγονός ότι παρέχουν χωρικά δεδομένα τα οποία χρησιμοποιούνται για τη μέτρηση των συνθηκών του αστικού περιβάλλοντος σε συγκεκριμένες χρονικές στιγμές και για την ποσοτικοποίηση της αλλαγής αυτών στη διάρκεια του χρόνου. Για παράδειγμα, ο Landsat ή οι πολυκαναλικοί θερμικοί δέκτες αεροσκαφών, παρέχουν συνοπτική εικόνα της επιφανειακής θερμοκρασίας, κάτι που με άλλο τρόπο είναι ανέφικτο να μετρηθεί. Επίσης η παράκτια απορροή, οι αλλαγές της χρήσης γης, η αποψίλωση της ενδοχώρας και η διαφοροποίηση της βλάστησης μεταξύ αστικών και επαρχιακών περιοχών μπορούν να παρατηρηθούν αποτελεσματικά μέσω των δορυφορικών δεκτών IKONOS, Quickbird, SeaWifs, Landsat7 και ASTER. Στη διεύθυνση http://sedac.ciesin.columbia.edu/remote/ υπάρχουν πληροφορίες για τους δέκτες που αναφέρθηκαν. Tέλος πρέπει να αναφερθεί ότι ο συνδιασμός δεκτών με υψηλή χωρική ανάλυση ( 1 μέτρο ) επιτρέπει την απεικόνιση φαινομένων όπως πλημύρες, καταιγίδες, σεισμοί κλπ, διάφορα επίπεδα ακρίβειας.<br /> <br /> 5. Πολυεπιστημονική και πολυεπίπεδη έρευνα αστικού περιβάλλοντος<br /> <br /> Ο συνδυασμός τηλεπισκοπικών με άλλα δεδομένα, όπως κοινωνικοοικονομικά, διοικητικά, κανονιστικά κλπ, αυξάνει σε μεγάλο βαθμό την κατανόηση του αστικού περιβάλλοντος. Τέτοιος συνδυασμός διανυσματικών και σημειακών δεδομένων με δεδομένα τηλεπισκόπησης, συχνά επιτυγχάνεται με τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών ( GIS ). <br /> Η χρήση πληροφοριών και δεδομένων τηλεπισκόπησης για την κατανόηση της δυναμικής των αστικών περιβαλλόντων, μπορεί να συμβάλει σε μία καλύτερη αστική στρατηγική και διαχείριση.<br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CF%81%CE%BF%CF%86%CF%8E%CE%BD,_%CF%80%CE%BF%CF%85_%CF%80%CF%81%CE%BF%CE%BA%CE%B1%CE%BB%CE%BF%CF%8D%CE%BD%CF%84%CE%B1%CE%B9_%CE%B1%CF%80%CF%8C_%CF%83%CE%B5%CE%B9%CF%83%CE%BC%CE%BF%CF%8D%CF%82,_%CE%B7%CF%86%CE%B1%CE%AF%CF%83%CF%84%CE%B5%CE%B9%CE%B1,_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82,_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%B1%CE%BA%CF%84%CE%BF%CE%B3%CF%81%CE%B1%CE%BC%CE%BC%CF%8E%CE%BD. 2011-01-14T18:42:51Z

<p>Kzotalis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.'''<br /> <br /> '''Satellite remote sensing of earthquake, volcano, flood, landslide and coastal inundation hazards'''<br /> <br /> '''David M. TralliT, Ronald G. Blom, Victor Zlotnicki, Andrea Donnellan, Diane L. Evans'''<br /> <br /> '''Earth Science and Technology Directorate, Jet Propulsion Laboratory, California Institute of Technology, 4800 Oak Grove Drive,Pasadena, CA 91109, USA'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> <br /> 1. Εισαγωγή.<br /> <br /> Τις δύο τελευταίες δεκαετίες υπάρχει αυξανόμενη χρήσης της τηλεπισκόπησης για την κατανόηση των γεωφυσικών φαινομένων που υποκινούν φυσικές καταστροφές. <br /> Στη σεισμολογία, την ηφαιστειολογία, την γεωμορφολογία και την υδρολογία οι παρατηρήσεις από δορυφόρους της γη είναι συμπληρωματικές στις τοπικές και περιφερειακές εναέριες παρατηρήσεις, στις παραδοσιακές επί τόπου μετρήσεις και στα δίκτυα αισθητήρων εδάφους. Η συνεισφορά της τηλεπισκόπησης στις επιστήμες που μελετούν τη γη κυμαίνεται από την υψηλής ευκρίνειας τοπογραφία (με χρήσης πχ. δορυφορικών συστημάτων Interferometric SAR, Lidar και ψηφιακής φωτογραμμετρίας) και τη γεωδαισία στην παθητική υπερφασματική απεικόνιση (όπως με χρήση συστημάτων ASTER, MODIS and Hyperion) και την ενεργή μικρομακυματική απεικόνιση. Όλα αυτά έχουν μετασχηματίσει αυτή την επιστήμη.<br /> Συγκεκριμένα η τηλεπισκόπηση παρέχει ένα συστηματικό πλαίσιο για την επιστημονική γνώση της γης, το οποίο είναι η βάση για την καλύτερη πληροφόρηση και την λήψη αποφάσεων. Το κλειδί στην κατανόηση της δυναμικής και της πολυπλοκότητας της γης, είναι η ολοκλήρωση των τοπικών, περιφερειακών και διεθνών παρατηρήσεων σε ένα ευρύ κομμάτι του ηλεκτρομαγνητικού φάσματος με βελτιωμένη φασματική και χωρική ανάλυση και χρονικές κλίμακες που να καλύπτουν τους φαινομενολογικούς κύκλους ζωής με την απαραίτητη συχνότητα δειγματοληψίας.<br /> <br /> 2. Σεισμικές καταστροφές<br /> <br /> Η παραμόρφωση της γήινης επιφάνειας, κυρίως κοντά στα όρια των τεκτονικών πλακών, οφείλεται στις δυνάμεις που δρουν βαθιά στο εσωτερικό της γης και είναι υπεύθυνες για τη σεισμική δραστηριότητα.<br /> Οι ερευνητικές απαιτήσεις, στη σεισμολογία, οι οποίες θα συνεισφέρουν στην καλύτερη διαχείριση των κινδύνων και στην πρόβλεψη σε παγκόσμιο επίπεδο, περιλαμβάνουν καταγραφή των τοποθεσιών, των επιπέδων ολίσθησης, και της σεισμικής ιστορίας των επικίνδυνων εδαφικών ασυνεχειών, κατανόηση της κινηματικής και της δυναμικής των ενεργών συστημάτων εδαφικών ασυνεχειών και εφαρμογή αυτής της γνώσης στην δημιουργία πιθανοτήτων σεισμικών περιστατικών, χαρακτηρισμός των ιδιοτήτων των τρισδιάστατων υλικών των συστημάτων εδαφικών ασυνεχειών, της αντίδρασης τους σε παραμορφώσεις και της φυσικής της δημιουργίας και μετάδοσης των σεισμών και τέλος πρόβλεψη των δυνατών εδαφικών κινήσεων και της αντίδρασης των στρωμάτων της επιφάνειας, όπως η ρήξη των εδαφικών ασυνεχειών, η κατολίσθηση και η ρευστοποίηση.<br /> Οι ολοκληρωμένες εδαφικές μετρήσεις και η τηλεπισκόπηση μπορούν να βοηθήσουν στην κατεύθυνση αυτών των απαιτήσεων για βασικά και χρονικά δεδομένα. Τα Παγκόσμια Συστήματα Θεσιθεσίας (Global Positioning System - GPS), για παράδειγμα, που χρησιμοποιούνται σε πολιτικές αλλά και στρατιωτικές εφαρμογές, παρέχουν την διαφορική ακρίβεια χιλιοστού, που χρησιμοποιείται από τα εδαφικά συστήματα παραμορφώσεων για να απεικονίσουν την σεισμική παραμόρφωση και μετατόπιση του εδάφους. <br /> [[Εικόνα:K1i1zot.jpg | thumb| left|Eικόνα 1:''' (Αριστερά) InSAR χάρτης χρονοσειρών αντιστροφής της μέσης ταχύτητας παραμόρφωσης, που επικαλύπτει το εύρος πολλαπλών εμφανίσεων των εικόνων SAR (γκρι). Μικρά μαύρα τετράγωνα σηματοδοτούν το «Southern California Integrated GPS Network (SCIGN) GPS». (Δεξιά) InSAR χρονοσειρές (μαύρα τρίγωνα) σε επιλεγμένα σημεία. ''']]<br /> Επιπρόσθετα τα GPS και τα ψηφιακά σεισμικά δεδομένα μπορούν να συνδυαστούν με τα τηλεπισκοπικά δορυφορικά, όπως το «interferometric synthetic aperture radar (InSAR)», στην παροχή συνεχών χωρικών παραμορφώσεων με ακρίβεια μικρότερη από εκατοστό. Η εικόνα 1 περιέχει τη σύγκριση μιας χρονικής σειράς παραμόρφωσης προερχόμενης από InSAR, με τα χρονικά δεδομένα από ένα σύστημα GPS, αποσαφηνίζοντας την χρονική και χωρική σχέση που επικρατεί μεταξύ των δεδομένων των GPS και του InSAR.<br /> Η ύπαρξη τόσος χρονικών όσος και χωρικών στοιχείων για την παραμόρφωση, επιτρέπει την κατανόηση της δυναμικής μιας περιοχής. Οι τεχνικές InSAR είναι ένα βασικό κομμάτι της δυνατότητας παρατήρησης της γης, για τη μετρίαση των σεισμικών κινδύνων και την σωστή αντιμετώπιση τους.<br /> Η σκιαγράφηση των σεισμικών πηγών απαιτεί κατανόηση της γεωλογίας, της τεκτονικής και των παλαιοσεισμικών και νεοτεκτονικών χαρακτηριστικών μιας περιοχής. Έρευνες για την επιφανειακή παραμόρφωση, την αλληλεπίδραση των τεκτονικών πλακών, τις ιδιότητες τριβής των εδαφικών ασυνεχειών και των μηχανικών ιδιοτήτων της επιφάνειας αλλά και της λιθόσφαιρας βοηθούν στην κατανόηση των χωρικών και χρονικών χαρακτηριστικών των σεισμών. Για παράδειγμα, οι επιφανειακές μετατοπίσεις, λόγω του σεισμού στην πόλη Bam του Iran, αποτυπώθηκαν με τη χρήση δεδομένων του ραντάρ ENVISAT, από τα οποία αποκαλύφθηκε ότι δημιουργήθηκε εσωτερική ολίσθηση περισσότερη από 2 μέτρα, σε κάποια τυφλή εδαφική ασυνέχεια, χωρίς την παρουσία μορφολογικών χαρακτηριστικών. <br /> Η δορυφορική τηλεπισκοπικές παρατηρήσεις παρέχουν δεδομένα για το πώς η πίεση μεταφέρεται μεταξύ των εδαφικών ασυνεχειών, σε βάθος και στην επιφάνεια, πως η ενέργεια απελευθερώνεται από σεισμούς και άλλες μορφές παραμορφώσεων και τέλος πως οι ασυνέχειες του εδάφους αποτυγχάνουν μηχανικά. Σε συγκεκριμένες περιπτώσεις σεισμοί μπορούν να προκαλέσουν διαταραχές στην βαρύτητα, οι οποίες είναι ανιχνεύσιμες από δορυφορικές αποστολές με σκοπό την διερεύνηση του πεδίου βαρύτητας [πχ. Challenging Mini-satellite Payload (CHAMP), Gravity Recovery and Climate Experiment (GRACE), Gravity Field and Steady-State Ocean Circulation Explorer (GOCE)].<br /> Τέλος, για την διαχείριση των σεισμικών κινδύνων και την δημιουργία μεθοδολογιών διαχείρισης απωλειών απαραίτητη είναι η παρατήρηση των χρήσεων γης, της γαιοκάλυψης και του δομημένου περιβάλλοντος. Ο συνδυασμός τηλεσκοπικών δορυφορικών συστημάτων υψηλής ευκρίνειας (InSAR και Light Detection and Ranging - LiDAR) παρέχει ένα τρόπο για την απεικόνιση, την ταξινόμηση και την απογραφή του δομημένου περιβάλλοντος, μέσω της δημιουργίας μοντέλων χρήσης γης και ψηφιακού εδάφους. Αυτά τα στοιχεία συνδυαζόμενα με δημογραφικά και με βάσεις δεδομένων που διαθέτουν τα Γεωγραφικά Συστήματα Πληροφοριών (geographic information system - GIS), συνεισφέρουν σε αξιολογήσεις για την ευπάθεια των περιοχών και των πιθανών μετασεισμικών καταστροφών. Δορυφορικά συστήματα τηλεπισκόπησης όπως το IKONOS, OrbView και QuickBird, χρησιμοποιούνται όλο και περισσότερο για διαχείριση σεισμικών κινδύνων.<br /> <br /> 3. Ηφαιστειακές καταστροφές<br /> <br /> Ηφαιστειακές εκρήξεις συχνά συμβαίνουν μετά από μεγάλα διαστήματα αδράνειας και για το λόγο αυτό οι απευθείας μετρήσεις είναι διακοπτόμενες και σποραδικές. Παρόλο που υπάρχουν αρκετοί δείκτες ηφαιστειακής δραστηριότητας, που συνδυάζονται με την επιφανειακή παραμόρφωση και τη σεισμικότητα μιας περιοχής, λίγα είναι γνωστά για τα παγκόσμια επίπεδα των ηφαιστειακών φαινομένων και πως αυτά συνδέονται μεταξύ τους.<br /> Μία στρατηγική που συνδυάζει τη σεισμική δραστηριότητα, επί τόπου απεικονίσεις, γεωδαιτικές μετρήσεις, υψηλής ευκρίνειας τοπογραφία (Digital Terrain Elevation Data –DTED- Level 1) και υπερφασματικές απεικονίσεις, μπορεί να συμβάλλει σημαντικά στον υπολογισμό των ηφαιστειακών κινδύνων, τον περιορισμό τους και την αντιμετώπισή τους.<br /> [[Εικόνα:K1i2zot.jpg | thumb| right|Eικόνα 2:''' Το όρος Αίτνα είναι ένα από τα ενεργά ηφαίστεια στον κόσμο και έχει μελετηθεί για αιώνες από το έδαφος. Στις 3 Νοέμβρη, 2002 το λοφίο τέφρας της Αίτνα απαθανατίστηκε από το ASTER WS. Το λοφίο κατευθύνεται προς τα νότια-νοτιοανατολικά, πάνω από την πόλη και το αεροδρόμιο της Κατάνια της Σικελίας. Την προηγούμενη ημέρα, το λοφίο κατευθυνόταν προς τα βορειοδυτικά, και δεν υπήρχε κανένας κίνδυνος για την Κατάνια. Η έκρηξη του όρους Αίτνα, του πιο ενεργού ηφαίστειου της Ευρώπης, ξεκίνησε στις 27 Οκτωβρίου. Η εικόνα έχει έκταση 50,8*76,5 χιλιομέτρων. ''']]<br /> Βασικό για την κατανόηση των ηφαιστειακών συστημάτων είναι η αναγνώριση και η καταγραφή των ενεργών ηφαιστείων. Κάτι τέτοιο απαιτεί εκτός από γεωδαιτικά δεδομένα (πχ.InSAR), φασματοσκοπικές απεικονίσεις της ροής της λάβας και της επιφάνειας της γης (Hyperion) και απεικονίσεις της στάχτης και των εκπομπών (GOES- Geostationary Operational Environmental Satellite, ASTER- Advanced Spaceborne Thermal Emission and Reflection Radiometer) όπως φαίνεται και στην εικόνα 2.<br /> Οι γεωδαιτικές παρατηρήσεις των ηφαιστείων με συστήματα GPS και InSAR, παράγουν υψηλής ανάλυσης πρότυπα ανύψωσης (DEMs) και πλήρεις διανυσματικούς χάρτες του ποσοστού παραμόρφωσης και συμπληρώνουν τις παραδοσιακές εδαφικές γεωδαιτικές μεθόδους. Η ακρίβεια αυτών των μοντέλων, βασίζεται στην ακρίβεια των υπαρχόντων τοπογραφικών δεδομένων. Μετρήσεις από το δορυφορικό σύστημα SRTM, παρέχουν ανεκτίμητα δεδομένα, κυρίως για απομονωμένες περιοχές όπου τοπογραφικά δεδομένα υψηλής ευκρίνειας δεν υπάρχουν.<br /> Η τηλεπισκόπηση δημιουργεί έναν νέο τρόπο ηφαιστειακών παρατηρήσεων. Η υπεφασματική απεικόνιση, τόσο στο ανακλώμενο ηλιακό φάσμα (0.4–2.5 Am), όσο και στο θερμικό φάσμα (3–5 Am and 8–12 Am), επιτρέπει την ταυτοποίηση, τον διαχωρισμό και την μέτρηση μικρών αλλαγών που χαρακτηρίζουν τα διάφορα υλικά της επιφάνειας της γης. Μετρήσεις από το σύστημα AVIRIS και το Hyperion έχουν χρησιμοποιηθεί για τον εντοπισμό ανεπαίσθητων αλλαγών στη χημική σύσταση πετρωμάτων και έτσι έχουν εντοπισθεί ζώνες ευαίσθητες στην ηφαιστειακή λάβα λόγω των χαρακτηριστικών αυτών των πετρωμάτων τους.<br /> Η παγκόσμια παρατήρηση, με εναέρια συστήματα απεικόνισης, ακόμα και απομονωμένων περιοχών, σε εβδομαδιαία βάση, επιτρέπει τη δημιουργία αξιόπιστων συστημάτων αξιολόγησης των ηφαιστειακών κινδύνων. Στην περίπτωση ηφαιστειακής έκρηξης, μικρότερες χρονικές περίοδοι καταγραφής απαιτούνται, ίσως και περισσότερες από μία την ημέρα, ώστε να μπορεί να καταγραφούν μεταβαλλόμενα στοιχεία, όπως η ροή της λάβας. Για παράδειγμα το δορυφορικό σύστημα MODIS (Moderate Resolution Imaging Spectroradiometer) παρέχει εικόνες ηφαιστείων ανά δύο ημέρες. Υπάρχει μάλιστα αρχείο απεικονίσεων ηφαιστειακών εκρήξεων, για τα περίπου τελευταία πέντε χρόνια, από υλικό που παρέχει το MODIS. Στην εικόνα 2 βλέπουμε το ηφαίστειο της Αίτνας, στις 3 Νοεμβρίου 2002, απαθανατισμένο από το δορυφόρο ASTER, σε μία ευρύτερη απεικόνιση των 50.876 χιλιομέτρων. <br /> <br /> 4 Καταστροφές λόγω πλημμυρών και κατολισθήσεων<br /> <br /> Οι πλημμύρες συγκαταλέγονται στους πιο καταστροφικούς φυσικούς κινδύνους και ευθύνονται για μεγάλες καταστροφές σε σχέση με τις ανθρώπινες ζωές. Τα τηλεπισκοπικά δεδομένα παίζουν σημαντικό ρόλο στην ανοικοδόμηση της ιστορίας του γήινου εδάφους και στην πρόβλεψη καταστροφικών γεγονότων, μεταξύ άλλων και των πλημμυρών.<br /> Τα συστήματα ραντάρ SAR (Synthetic aperture radar) και TM (Landsat Thematic Mapper) παρέχουν πληροφορίες για την κάλυψη της Γης και την γεωμορφολογία των κλίσεων του εδάφους, ώστε να καταγράφεται η πιθανότητα καθίζησης επικίνδυνων για πλημμύρες περιοχών και να διευκρινίζεται ο όγκος και η διανομή των υλικών που δημιουργούνται από μία πλημμύρα.<br /> [[Εικόνα:K1i3zot.jpg | thumb| left|Eικόνα 3:''' Συνθήκες υγρασίας του εδάφους, της Λεκάνης Απορροής του Ποταμού Tisza στην Ανατολική Ευρώπη από ανάλυση των δεδομένων εικόνας MODIS QuickScat. ''']]<br /> Η τηλεπισκόπιση συμβάλλει ουσιαστικά στην προειδοποίηση σχετικά με πιθανές πλημμύρες, στην αξιολόγηση των καταστροφών και στη μείωση του κινδύνου, ενώ βασίζεται σε εκτενή συστήματα εξ αποστάσεως αλλά και επί τόπου μετρήσεων της βροχόπτωσης, των κυτών των ποταμών, της υγρασίας του εδάφους και της μεταβολής στις καλλιέργειες, τα οποία αποτελούν κρίσιμους πλημμυρικούς δείκτες. Γίνεται έτσι κατανοητό ότι η πλαισίωση των τηλεσκοπικών δεδομένων από δεδομένα επί τόπου μετρήσεων αλλά και δεδομένα υδρολογικών μοντέλων είναι πολύ σημαντική. Ως παράδειγμα αναφέρεται το ραντάρ SeaWinds ( MODIS, QuickSCAT ), του οποίου τα οπτικά δεδομένα συνδυάζονται με συστήματα GIS, ώστε να απεικονιστεί η τάση της πλημμύρας και να δημιουργηθούν εβδομαδιαίοι χάρτες αναταραχής της επιφάνειας του νερού (εικόνα 3), στους οποίους εντοπίζεται η πιθανότητα πλημμύρας ποταμών. <br /> Οι τύποι των μετρήσεων που απαιτούνται για την ποσοτικοποίηση, την μοντελοποίηση και την πρόβλεψη καταστροφικών πλημμυρών, περιλαμβάνουν 1-m DEMs με 5 cm ακρίβεια για τη γεωμετρία των λεκανών συλλογής υδάτων και των κλίσεων των λόφων, ωριαίες μετρήσεις της διάρκειας και της έντασης της βροχόπτωσης, με ακρίβεια 1-2 mm και δωδεκάωρες μετρήσεις της υγρασίας του εδάφους για την αξιολόγηση της δυνατότητας απορροής. Ακόμα εποχικές μετρήσεις της βλάστησης παρέχουν δεδομένα για την ικανότητα διείσδυσης των υδάτων και τη σκληρότητα του εδάφους, ενώ γεωλογική απεικόνιση με ακρίβεια 5 m, παρέχει στοιχεία για την σκληρότητα, την διαπερατότητα και το επίπεδο διάβρωσης των βράχων.<br /> Οι τηλεσκοπικοί δέκτες που κατά κόρον χρησιμοποιούνται για την απεικόνιση των κινδύνων πλημμύρας περιλαμβάνουν τον InSAR, GPS, δέκτες ορατού και εγγύς υπέρυθρου/θερμικού υπέρυθρου (VNIR/TIR ), πολυπαραμετρικός SAR και δέκτης μικροκυματικών απεικονίσεων. Τα δεδομένα του SAR παρέχουν μία παντός καιρού δυνατότητα πλημμυρικής απεικόνισης και μπορούν να χρησιμοποιηθούν για την προσέγγιση υδρολογικών παραμέτρων, όπως η υγρασία του εδάφους. Ο InSAR παρέχει δυνατότητα για μέτρηση εδαφικών μετατοπίσεων και παρέχει υψηλής ακρίβειας τοπογραφικές απεικονίσεις.<br /> <br /> 5 Πλημμύρες ακτογραμμών<br /> [[Εικόνα:K1i4zot.jpg | thumb| right|Eικόνα 4:''' Τάσεις της στάθμης της θάλασσας που προέρχονται από τα στοιχεία TOPEX / POSEIDON για την περίοδο 1993-2003. ''']]<br /> Οι ατμοσφαιρικές και ωκεάνιες διεργασίες έχουν σημαντικές επιπτώσεις στη γεωμορφολογία των παράκτιων περιοχών. Η στάθμη της θάλασσας ανεβαίνει ως επίπτωση αλλαγών στο κλίμα και αποτελεί μεγάλη απειλή για τον παράκτιο πληθυσμό. Η άνοδος αυτή δεν είναι παγκοσμίως η ίδια, όπως φαίνεται και στην εικόνα 4. Το γεγονός αυτό καταγράφηκε από το δορυφορικό σύστημα TOPEX/POSEIDON, το οποίο αριθμεί δώδεκα χρόνια λειτουργίας και διαθέτει το πιο ακριβές σύστημα της θαλάσσιας επιφάνειας. Σε αυτή την μέτρηση έχουν συμβάλλει και άλλα δορυφορικά συστήματα, όπως το Jason–1, το ERS-1 και 2 και το ENVISAT.<br /> [[Εικόνα:K1i5zot.jpg | thumb| left|Eικόνα 5:''' Η πιθανή αύξηση της στάθμης της θάλασσας που προκαλείται από την τήξη των επιφανειακών πάγων της Γροιλανδίας, θέτει σε σοβαρό κίνδυνο πεδινές περιοχές όπως η ακτή της Φλόριντα. Το κόκκινο χρώμα δείχνει πού θα βυθίζεται η γη για περίπου 5-m άνοδο της στάθμης της θάλασσας. ''']]Επίσης στην εικόνα 5 φαίνεται η επίπτωση μιας αύξησης 5 m στη στάθμη της θαλασσας για την περιοχή της Florida. <br /> Ένα παράδειγμα ολοκληρωμένης στρατηγικής παρατήρησης της πλημμύρας παράκτιων περιοχών, αποτελείται από τηλεσκοπικές διανυσματικές απεικονίσεις των ωκεάνιων ανέμων ( QuickSCAT, ADEOS-2, ERS-1 και 2, Meteosat ), ώστε να αξιολογείται η δύναμη των θαλάσσιων καταιγίδων, σε συνδυασμό με μετρήσεις του TRMM για την βροχόπτωση που συνδέεται με τις καταιγίδες και μετρήσεις των συστημάτων AIRS και MODIS, καθώς και άλλων οργάνων που καταγράφουν τη μορφολογία των σύννεφων κατά τις καταιγίδες και τέλος μετρήσεων παθητικών ραδιοκυμάτων που αποτυπώνουν την εξάτμιση του νερού γύρω από τις καταιγίδες. Ολοκληρωμένα συστήματα SAR και TM έχουν χρησιμοποιηθεί για να καταγραφούν μεταβολές στην παράκτια γεωμορφολογία και την κάλυψη του εδάφους, καταστροφές από πλημμύρες και διάβρωση του εδάφους και τέλος για την διαχείριση των αρνητικών επιπτώσεων από αυτές.<br /> <br /> 6 Συμπεράσματα<br /> <br /> Τα τηλεσκοπικά συστήματα δεδομένων με συνεχώς αυξανόμενο ρυθμό συμπληρώνουν και ολοκληρώνουν τα εδαφικά συστήματα μετρήσεων και επί τόπου παρατηρήσεων, όσον αφορά την αξιολόγηση καταστροφικών γεγονότων και την αντιμετώπιση των συνεπειών τους.<br /> Πολλές είναι τέλος και οι εξελίξεις στα τηλεσκοπικά αυτά συστήματα. Παραδείγματα όπως το ραντάρ ASAR (Advanced Synthetic Aperture Radar) για την απεικόνιση σεισμικών και ηφαιστειακών κινδύνων και ο δορυφόρος ALOS (Advanced Land Observing Satellite), για την παροχή συνεχών εικόνων εδαφικής παραμόρφωσης, φανερώνουν τις δυνατότητες που τα δορυφορικά τηλεπισκοπικά συστήματα παρέχουν στην επιστήμη της Γης.<br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%96%CF%8E%CF%84%CE%B1%CE%BB%CE%B7%CF%82_%CE%9A%CF%8E%CE%BD%CF%83%CF%84%CE%B1%CE%BD%CF%84%CE%B9%CE%BD%CE%BF%CF%82 2011-01-14T18:39:33Z

<p>Kzotalis: </p> <hr /> <div>* [[Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.]]<br /> * [[Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική]]<br /> * [[Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας]]<br /> * [[Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα]]<br /> * [[Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας]]<br /> * [[Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις]]<br /> * [[Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα]]<br /> * [[Eξελιγμένος αλγόριθμος για τον εντοπισμό πυρκαγιών μικρής κλίμακας με τη χρήση δεδομένων MODIS]]<br /> * [[Εναέρια τηλεπισκόπηση για την αστική αποστράγγιση υδάτων]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K8i2zot.jpg 2011-01-14T18:38:38Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K8i1zot.jpg 2011-01-14T18:38:25Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/E%CE%BE%CE%B5%CE%BB%CE%B9%CE%B3%CE%BC%CE%AD%CE%BD%CE%BF%CF%82_%CE%B1%CE%BB%CE%B3%CF%8C%CF%81%CE%B9%CE%B8%CE%BC%CE%BF%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B9%CE%BA%CF%81%CE%AE%CF%82_%CE%BA%CE%BB%CE%AF%CE%BC%CE%B1%CE%BA%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_MODIS 2011-01-14T18:38:00Z

<p>Kzotalis: </p> <hr /> <div>'''Eξελιγμένος αλγόριθμος για τον εντοπισμό πυρκαγιών μικρής κλίμακας με τη χρήση δεδομένων MODIS : μία προκαταρκτική έρευνα στις νοτιοανατολικές ΗΠΑ'''<br /> <br /> '''An improved algorithm for small and cool fire detection using MODIS data:A preliminary study in the southeastern United States'''<br /> <br /> '''Wanting Wang, John J. Qu, Xianjun Hao, Yongqiang Liu, William T. Sommers'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή <br /> <br /> Οι περισσότεροι αλγόριθμοι για εντοπισμό πυρκαγιών, βασίζονται στον εντοπισμό θερμών σημείων του εδάφους με χρήση υπέρυθρων καναλιών. Οι περιορισμοί αυτής της τεχνολογίας έγκειται στο γεγονός ότι συχνά παράγονται λάθος συναγερμοί πυρκαγιάς, κατά τη διάρκεια της ημέρας και μικρές φωτιές στις οποίες η θερμοκρασία είναι σχετικά χαμηλή δεν εντοπίζονται.<br /> Εδώ παρουσιάζεται ένας προηγμένος αλγόριθμος, σχεδιασμένος να εντοπίζει τέτοιες μικρές πυρκαγιές και παρουσιάζονται δύο περιπτώσεις εφαρμογής του σε περιστατικά πυρκαγιών στις ΗΠΑ με χρήση δεδομένων MODIS.<br /> <br /> 2. Δεδομένα και μέθοδοι<br /> <br /> 2.1 Δεδομένα<br /> <br /> Η ανακλαστικότητα των ηλιακών ανακλαστικών καναλιών του MODIS, με 1 χλμ χωρική ανάλυση, χρησιμοποιούνται για την εύρεση των σημείων καπνού. Τα κανάλια των 0,41 μm ( R8 ) και 0,94 μm ( R19 ), χρησιμοποιήθηκαν για εντοπισμό της βλάστησης. Για το γυμνό χώμα χρησιμοποιήθηκαν τα κανάλια των 2,13 μm ( R7 ) και 0,44 μm ( R9 ). To νερό καταγράφεται από το μπλέ κανάλι ( R3 ) και το R8. Τρία θερμικά υπέρυθρα κανάλια και ένα ηλιακό χρησιμοποιούνται για τον εντοπισμό των σημείων που υπάρχει φωτιά. Οι θερμοκρασίες καταγράφονται από το κανάλι των 3,96 μm ( Τ22 ) και το κανάλι των 11,3 μm ( Τ31 ). Η ανακλαστικότητα από το R2 κανάλι ( 0,65 μm ), το R1 κανάλι, το Τ32 ( 12,02 μm ) και το Τ28 ( 7,3 μm ) χρησιμοποιούνται, τέλος, για τον εντοπισμό των σύννεφων.<br /> <br /> 2.2 Υπάρχοντες αλγόριθμοι<br /> <br /> Οι υπάρχοντες αλγόριθμοι που επικεντρώνονται στον εντοπισμό μικρών πυρκαγιών, βασίζονται κυρίως σε θεωρητικές αναλύσεις, στην μέθοδο του κανονισμένου κάτω ορίου ή στην ανάλυση των συμφραζόμενων στοιχείων με χρήση των πολυκαναλικών δεδομένων NOAA AVHRR.<br /> <br /> 2.3 Επισκόπηση του βελτιωμένου αλγόριθμου<br /> <br /> Αυτός ο τοπικής εμβέλειας αλγόριθμος εντοπισμού πυρκαγιάς σχεδιάστηκε ώστε να μειώσει τα λάθη παράλειψης που προκύπτουν από τα καθορισμένα όρια εντοπισμού πυρκαγιών άλλων αλγορίθμων. Σε πρώτη φάση εντοπίζονται τα λοφία καπνού στις πιθανές περιοχές πυρκαγιάς. Σε δεύτερο στάδιο ο πυρήνας του ενισχυμένου αλγόριθμου MODIS υιοθετείται για τον εντοπισμό των pixel της πυρκαγιάς. <br /> <br /> 2.3.1 Εντοπισμός σύννεφων και νερού<br /> <br /> Μία μάσκα νερού δημιουργείται από τα δεδομένα του MODIS και εντοπίζονται τα pixel που καλύπτοντας συγκεκριμένες συνθήκες αντιστοιχούν σε σύννεφα ή ακμές σύννεφων.<br /> <br /> 2.3.2 Πιθανή περιοχή πυρκαγιάς<br /> <br /> Στις περιοχές που δεν έχουν νερό ή σύννεφα εφαρμόζεται ένας αλγόριθμος εντοπισμού καπνού. Έτσι εντοπίζονται εντοπίζονται οι περιοχές γύρω από τον καπνό που είναι πιθανές για ύπαρξη πυρκαγιάς. Αυτές εξετάζονται με τον αλγόριθμο MODIS version 4 και όσα pixel καλύπτουν ορισμένες προϋποθέσεις εξετάζονται περαιτέρω με έλεγχο σε οκτώ παραμέτρους του πιθανού pixel φωτιάς.<br /> <br /> 3 Μελέτη των περιπτώσεων<br /> <br /> Δύο περιπτώσεις πυρκαγιών στις ΗΠΑ, που εντοπίστηκαν από τον MODIS/terra και MODIS/aqua, εξετάζονται στην συνέχεια.<br /> Η πρώτη περίπτωση αφορά τα γεγονότα πυρκαγιών στις 20-21 Δεκεμβρίου 2004 στην περιοχή μεταξύ Georgia και Atlanta, αλλά και την περιοχή μεταξύ Missisipi και Alabama. <br /> Η δεύτερη περίπτωση περίπτωση στις 29 Σεπτεμβρίου 2003 στην κοιλάδα του ποταμού Red στο Missisipi. <br /> Η κάθε περίπτωση εξετάζεται με χρήση τόσο του νέου εξελιγμένου αλγόριθμου, όσο και του αλγόριθμου MODIS contextual.<br /> <br /> 4. Αποτελέσματα και τελικές παρατηρήσεις<br /> [[Εικόνα:K8i1zot.jpg | thumb| right|Eικόνα 1:''' Οι πυρκαγιές που εντοπίστηκαν από τον αλγόριθμο MODIS και τον εξελιγμένο αλγόριθμο, στις 29 Σεπτεμβρίου 2003.''']]<br /> Για το περιστατικό στον ποταμό Red ( εικόνα 1 ), οκτώ σημεία φωτιάς δεν εντοπίστηκαν από τον αλγόριθμο MODIS ( 1 α, c ). Για παράδειγμα στο σημείο 2, τόσο ο νέος αλγόριθμος όσο και ο MODIS, εντόπισαν κάποια θερμική ανωμαλία και τη χαρακτήρισαν ως πυρκαγιά. Αντιθέτως το σημείο 3 της πυρκαγιάς δεν εντοπίστηκε από τον MODIS αλγόριθμο, πράγμα που αποδεικνύει ότι η χρήση κατώτατων ορίων οδηγεί σε σφάλματα παράλειψης. [[Εικόνα:K8i2zot.jpg | thumb| right|Eικόνα 2:''' Οι πυρκαγιές που εντοπίστηκαν από τον αλγόριθμο MODIS και τον εξελιγμένο αλγόριθμο, στις 20 και 21 Δεκεμβρίου 2004.''']]Στην εικόνα 2 τα σημεία 1 έως 12 ( 2 α, c, e ) έχουν παραλειφθεί από τον αλγόριθμο MODIS, ενώ τρία σημεία ( 2 d ) έχουν εντοπιστεί από αυτόν ως πυρκαγιές. <br /> Οι εικόνες 1c και 2e δείχνουν ότι ο νέος εξελιγμένος αλγόριθμος είναι πιο ευαίσθητος σε μικρές φωτιές, στις οποίες αναπτύσσονται σχετικά χαμηλές θερμοκρασίες. Στις δύο περιπτώσεις υπάρχουν 22 συνολικά σημεία πυρκαγιάς , που δεν εντοπίστηκαν από τον αλγόριθμο MODIS, αλλά εντοπίστηκαν από τον εξελιγμένο νέο αλγόριθμο. Παρόλα αυτά αυτός ο αλγόριθμος αποτυγχάνει στον εντοπισμό μικρών εστιών φωτιάς, στις οποίες απουσιάζει ορατό λοφίο καπνού.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/E%CE%BE%CE%B5%CE%BB%CE%B9%CE%B3%CE%BC%CE%AD%CE%BD%CE%BF%CF%82_%CE%B1%CE%BB%CE%B3%CF%8C%CF%81%CE%B9%CE%B8%CE%BC%CE%BF%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B9%CE%BA%CF%81%CE%AE%CF%82_%CE%BA%CE%BB%CE%AF%CE%BC%CE%B1%CE%BA%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_MODIS 2011-01-14T18:31:45Z

<p>Kzotalis: New page: '''Eξελιγμένος αλγόριθμος για τον εντοπισμό πυρκαγιών μικρής κλίμακας με τη χρήση δεδομένων MODIS : μία πρ...</p> <hr /> <div>'''Eξελιγμένος αλγόριθμος για τον εντοπισμό πυρκαγιών μικρής κλίμακας με τη χρήση δεδομένων MODIS : μία προκαταρκτική έρευνα στις νοτιοανατολικές ΗΠΑ'''<br /> <br /> '''An improved algorithm for small and cool fire detection using MODIS data:A preliminary study in the southeastern United States'''<br /> <br /> '''Wanting Wang, John J. Qu, Xianjun Hao, Yongqiang Liu, William T. Sommers'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή <br /> <br /> Οι περισσότεροι αλγόριθμοι για εντοπισμό πυρκαγιών, βασίζονται στον εντοπισμό θερμών σημείων του εδάφους με χρήση υπέρυθρων καναλιών. Οι περιορισμοί αυτής της τεχνολογίας έγκειται στο γεγονός ότι συχνά παράγονται λάθος συναγερμοί πυρκαγιάς, κατά τη διάρκεια της ημέρας και μικρές φωτιές στις οποίες η θερμοκρασία είναι σχετικά χαμηλή δεν εντοπίζονται.<br /> Εδώ παρουσιάζεται ένας προηγμένος αλγόριθμος, σχεδιασμένος να εντοπίζει τέτοιες μικρές πυρκαγιές και παρουσιάζονται δύο περιπτώσεις εφαρμογής του σε περιστατικά πυρκαγιών στις ΗΠΑ με χρήση δεδομένων MODIS.<br /> <br /> 2. Δεδομένα και μέθοδοι<br /> <br /> 2.1 Δεδομένα<br /> <br /> Η ανακλαστικότητα των ηλιακών ανακλαστικών καναλιών του MODIS, με 1 χλμ χωρική ανάλυση, χρησιμοποιούνται για την εύρεση των σημείων καπνού. Τα κανάλια των 0,41 μm ( R8 ) και 0,94 μm ( R19 ), χρησιμοποιήθηκαν για εντοπισμό της βλάστησης. Για το γυμνό χώμα χρησιμοποιήθηκαν τα κανάλια των 2,13 μm ( R7 ) και 0,44 μm ( R9 ). To νερό καταγράφεται από το μπλέ κανάλι ( R3 ) και το R8. Τρία θερμικά υπέρυθρα κανάλια και ένα ηλιακό χρησιμοποιούνται για τον εντοπισμό των σημείων που υπάρχει φωτιά. Οι θερμοκρασίες καταγράφονται από το κανάλι των 3,96 μm ( Τ22 ) και το κανάλι των 11,3 μm ( Τ31 ). Η ανακλαστικότητα από το R2 κανάλι ( 0,65 μm ), το R1 κανάλι, το Τ32 ( 12,02 μm ) και το Τ28 ( 7,3 μm ) χρησιμοποιούνται, τέλος, για τον εντοπισμό των σύννεφων.<br /> <br /> 2.2 Υπάρχοντες αλγόριθμοι<br /> <br /> Οι υπάρχοντες αλγόριθμοι που επικεντρώνονται στον εντοπισμό μικρών πυρκαγιών, βασίζονται κυρίως σε θεωρητικές αναλύσεις, στην μέθοδο του κανονισμένου κάτω ορίου ή στην ανάλυση των συμφραζόμενων στοιχείων με χρήση των πολυκαναλικών δεδομένων NOAA AVHRR.<br /> <br /> 2.3 Επισκόπηση του βελτιωμένου αλγόριθμου<br /> <br /> Αυτός ο τοπικής εμβέλειας αλγόριθμος εντοπισμού πυρκαγιάς σχεδιάστηκε ώστε να μειώσει τα λάθη παράλειψης που προκύπτουν από τα καθορισμένα όρια εντοπισμού πυρκαγιών άλλων αλγορίθμων. Σε πρώτη φάση εντοπίζονται τα λοφία καπνού στις πιθανές περιοχές πυρκαγιάς. Σε δεύτερο στάδιο ο πυρήνας του ενισχυμένου αλγόριθμου MODIS υιοθετείται για τον εντοπισμό των pixel της πυρκαγιάς. <br /> <br /> 2.3.1 Εντοπισμός σύννεφων και νερού<br /> <br /> Μία μάσκα νερού δημιουργείται από τα δεδομένα του MODIS και εντοπίζονται τα pixel που καλύπτοντας συγκεκριμένες συνθήκες αντιστοιχούν σε σύννεφα ή ακμές σύννεφων.<br /> <br /> 2.3.2 Πιθανή περιοχή πυρκαγιάς<br /> <br /> Στις περιοχές που δεν έχουν νερό ή σύννεφα εφαρμόζεται ένας αλγόριθμος εντοπισμού καπνού. Έτσι εντοπίζονται εντοπίζονται οι περιοχές γύρω από τον καπνό που είναι πιθανές για ύπαρξη πυρκαγιάς. Αυτές εξετάζονται με τον αλγόριθμο MODIS version 4 και όσα pixel καλύπτουν ορισμένες προϋποθέσεις εξετάζονται περαιτέρω με έλεγχο σε οκτώ παραμέτρους του πιθανού pixel φωτιάς.<br /> <br /> 3 Μελέτη των περιπτώσεων<br /> <br /> Δύο περιπτώσεις πυρκαγιών στις ΗΠΑ, που εντοπίστηκαν από τον MODIS/terra και MODIS/aqua, εξετάζονται στην συνέχεια.<br /> Η πρώτη περίπτωση αφορά τα γεγονότα πυρκαγιών στις 20-21 Δεκεμβρίου 2004 στην περιοχή μεταξύ Georgia και Atlanta, αλλά και την περιοχή μεταξύ Missisipi και Alabama. <br /> Η δεύτερη περίπτωση περίπτωση στις 29 Σεπτεμβρίου 2003 στην κοιλάδα του ποταμού Red στο Missisipi. <br /> Η κάθε περίπτωση εξετάζεται με χρήση τόσο του νέου εξελιγμένου αλγόριθμου, όσο και του αλγόριθμου MODIS contextual.<br /> <br /> 4. Αποτελέσματα και τελικές παρατηρήσεις<br /> <br /> Για το περιστατικό στον ποταμό Red ( εικόνα 1 ), οκτώ σημεία φωτιάς δεν εντοπίστηκαν από τον αλγόριθμο MODIS ( 1 α, c ). Για παράδειγμα στο σημείο 2, τόσο ο νέος αλγόριθμος όσο και ο MODIS, εντόπισαν κάποια θερμική ανωμαλία και τη χαρακτήρισαν ως πυρκαγιά. Αντιθέτως το σημείο 3 της πυρκαγιάς δεν εντοπίστηκε από τον MODIS αλγόριθμο, πράγμα που αποδεικνύει ότι η χρήση κατώτατων ορίων οδηγεί σε σφάλματα παράλειψης. Στην εικόνα 2 τα σημεία 1 έως 12 ( 2 α, c, e ) έχουν παραλειφθεί από τον αλγόριθμο MODIS, ενώ τρία σημεία ( 2 d ) έχουν εντοπιστεί από αυτόν ως πυρκαγιές. <br /> Οι εικόνες 1c και 2e δείχνουν ότι ο νέος εξελιγμένος αλγόριθμος είναι πιο ευαίσθητος σε μικρές φωτιές, στις οποίες αναπτύσσονται σχετικά χαμηλές θερμοκρασίες. Στις δύο περιπτώσεις υπάρχουν 22 συνολικά σημεία πυρκαγιάς , που δεν εντοπίστηκαν από τον αλγόριθμο MODIS, αλλά εντοπίστηκαν από τον εξελιγμένο νέο αλγόριθμο. Παρόλα αυτά αυτός ο αλγόριθμος αποτυγχάνει στον εντοπισμό μικρών εστιών φωτιάς, στις οποίες απουσιάζει ορατό λοφίο καπνού.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%96%CF%8E%CF%84%CE%B1%CE%BB%CE%B7%CF%82_%CE%9A%CF%8E%CE%BD%CF%83%CF%84%CE%B1%CE%BD%CF%84%CE%B9%CE%BD%CE%BF%CF%82 2011-01-14T18:26:04Z

<p>Kzotalis: </p> <hr /> <div>* [[Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.]]<br /> * [[Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική]]<br /> * [[Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας]]<br /> * [[Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα]]<br /> * [[Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας]]<br /> * [[Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις]]<br /> * [[Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα]]<br /> * <br /> * [[Εναέρια τηλεπισκόπηση για την αστική αποστράγγιση υδάτων]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CE%B1%CE%AD%CF%81%CE%B9%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CF%81%CE%AC%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CF%85%CE%B4%CE%AC%CF%84%CF%89%CE%BD 2011-01-14T18:24:57Z

<p>Kzotalis: New page: '''Εναέρια τηλεπισκόπηση για την αστική αποστράγγιση υδάτων''' '''Airborne remote sensing for urban drainage''' '''John Elgy''' '''Πη...</p> <hr /> <div>'''Εναέρια τηλεπισκόπηση για την αστική αποστράγγιση υδάτων'''<br /> <br /> '''Airborne remote sensing for urban drainage'''<br /> <br /> '''John Elgy'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Υπάρχει ένας αριθμός προβλημάτων που σχετίζονται με το νερό σε αστικές περιοχές, τα οποία η τηλεπισκόπηση θα μπορούσε να λύσει. Αυτή η εργασία επικεντρώνεται στη χρήση εναέριων πολυφασματικών εικόνων για το σχεδιασμό μοντέλων για την αστική αποστράγγιση υδάτων. Συγκεκριμένα χαρτογραφούνται οι αδιαπέραστες επιφάνειες της βιομηχανικής περιοχή Black Country των δυτικών Middlands. <br /> Χρησιμοποιείται το εναέριο σύστημα Airborne Thematic Mapper ( ATM ), το οποίο παρέχει υψηλής ανάλυσης πολυφασματικά ψηφιακά δεδομένα σε 11 κανάλια συμπεριλαμβανομένου του εγγύς υπέρυθρου και του θερμικού υπέρυθρου. [[Εικόνα:K9p1zot.jpg | thumb| left|Πίνακας 1:''' Τα μήκη κύματος των καναλιών του ATM.''']]Ο πίνακας 1 δείχνει τα μήκη του ηλεκτρομαγνητικού φάσματος τα οποία καταγράφονται από τους δέκτες του ΑΤΜ. [[Εικόνα:K9i1zot.jpg | thumb| right|Eικόνα 1:''' Ψευδοχρωματική σύνθεση του Budley. ''']][[Εικόνα:K9i2zot.jpg | thumb| right|Eικόνα 2:''' Θερμική υπέρυθρη εικόνα (8.5-13 μm).''']]Η εγγύς υπέρυθρη απεικόνιση ( εικόνα 1 ), δίνει καλές λεπτομέρειες της βλαστικής κάλυψης και η πριν από το σούρουπο θερμική υπέρυθρη απεικόνιση ( εικόνα 2 ), σχετίζεται με την περιεκτικότητα σε υγρασία και έτσι τη διαπερατότητα της γης. Στη συγκεκριμένη εικόνα οι σκοτεινές περιοχές μαρτυρούν χαμηλές θερμοκρασίες, ενώ οι φωτεινές, υψηλές. <br /> Τα δεδομένα που παρέχονται ταξινομούνται, ώστε να δημιουργηθεί ένας χάρτης χρήσεων γης των αστικών περιοχών. Παρόλο που οι δημοφιλέστερες ταξινομήσεις είναι οι μέθοδοι της μέγιστης πιθανοφάνειας και της εμπειρικής μέγιστης συνέχειας ( SMAP ), η μέθοδος που χρησιμοποιείται εδώ, χρησιμοποιεί τις πληροφορίες που παρέχονται που παρέχονται από τον ανιχνευτή ακμών μηδενικής τομής, για τον εντοπισμό ομοιογενών πολυγώνων, τα οποία ταξινομούνται στη συνέχεια. <br /> <br /> 2. Τα δεδομένα<br /> [[Εικόνα:K9i3zot.jpg | thumb| left|Eικόνα 3:''' Η περιοχή από εναέρια φωτογραφία.''']]<br /> Τα δεδομένα που χρησιμοποιήθηκαν σε αυτή τη μελέτη βρέθηκαν από το National Enviaronmental Research Council, ως μέρος ενός προγράμματος τηλοπισκόπησης του 1992. Οι εικόνες που χρησιμοποιήθηκαν τραβήχτηκαν στη διάρκεια πτήσεων στις 25 Ιουνίου 1992 και ώρα 9,30. Η περιοχή που καλύφθηκε από την εν λόγω φωτογραφεία φαίνεται στην εικόνα 3, με χωρική ανάλυση 1,5 Χ 1,5 τ.μ. ανά pixel και κλίμακα 1:5000. <br /> Πριν από οποιαδήποτε άλλη επεξεργασία, τα δεδομένα εξετάστηκαν και εντοπίστηκαν κάποια προβλήματα. Για παράδειγμα το κανάλι 1 βρέθηκε να είναι πολύ χαμηλής ποιότητας, το κανάλι 9 είχε παρόμοια φασματική αντίδραση με τα εγγύς υπέρυθρα κανάλια, αλλά περιείχε ένα σημαντικό ποσοστό θορύβου, ενώ το κανάλι 12 ήταν πανομοιότυπο του 11, αλλά με το μισό όφελος. Έτσι λοιπόν αυτά τα κανάλια δεν χρησιμοποιήθηκαν. Στην εικόνα 3 φαίνεται το εγγύς υπέρυθρο κανάλι 7, παρουσιασμένο ως κόκκινο, το κόκκινο οπτικό κανάλι παρουσιάζεται ως πράσινο και το πράσινο ως μπλε. Οι κόκκινες περιοχές της εικόνας αντιστοιχούν στην υγιή βλάστηση. <br /> <br /> 3. Ταξινόμηση της εικόνας<br /> [[Εικόνα:K9i4zot.jpg | thumb| left|Eικόνα 4:''' Πολύγωνα σχεδιασμένα από το θερμικό υπέρυθρο κανάλι, όπως φαίνεται στην εικόνα 2.''']]<br /> Το πρώτο βήμα της ταξινόμησης που χρησιμοποιήθηκε, είναι ο εντοπισμός γραμμών που αντιπροσωπεύουν τα όρια μεταξύ αυτόνομων ομοιογενών πολυγώνων. Ο ανιχνευτής ακμών Marr-Ηidreth, βασίζεται στις μηδενικές τομές μιας Λαπλασιανής μάσκας συνέλιξης. Εφαρμόζοντας αυτό τον ανιχνευτή σε κάθε κανάλι, παράγεται ένας τεράστιος αριθμός αντιτιθέμενων ακμών. Παρόλα αυτά αν χρησιμοποιηθεί μια ψευδοχρωματική σύνθεση της εικόνας και κατόπιν εφαρμοσθεί αυτός ο ανιχνευτής, μπορεί να δημιουργηθεί ένας χάρτης ακμών που διατηρεί τη διάταξη της αρχικής εικόνας και επισημαίνει δρόμους, κτίρια και βλάστηση. Έτσι λοιπόν μένει μία εικόνα που περιέχει μεγάλες πολυγωνικές περιοχές, που περιέχουν σε πολύ μεγάλο βαθμό ομογενείς εκτάσεις, που μπορούν να χρησιμοποιηθούν για την ταξινόμηση ( εικόνα 4 ).<br /> Το επόμενο στάδιο είναι να εξεταστεί κάθε πολύγωνο ξεχωριστά σχετικά με την κατανομή των τιμών των pixel που περιέχει. Στην συγκεκριμένη περίπτωση βρέθηκε ότι τα πολύγωνα δεν ήταν απολύτως ομογενή και περιείχαν περισσότερες από μία, τάξεις αντικειμένων. Οι εικόνες των θερμικών καναλιών και μάλιστα την ώρα της αυγής, παρείχαν έναν εξαιρετικό τρόπο διαχωρισμού μεταξύ δρόμων, κτιρίων και βλάστησης. Η ταξινόμηση μπορεί να βελτιωθεί περαιτέρω με εφαρμογή ενός τοπικού αλγόριθμου σε κάθε πολύγωνο ξεχωριστά με χρήση των θερμικών καναλιών μόνο. Κάτι τέτοιο διαιρεί τα αρχικά πολύγωνα σε μικρότερα πλήρως ομογενή.[[Εικόνα:K9i5zot.jpg | thumb| right|Eικόνα 5:''' Διάγραμμα ροής της διαδικασίας ταξινόμησης πολυγώνου.''']] Αυτά τα πολύγωνα τώρα ταξινομούνται με χρήση στατιστικής μεθόδου και βεβαιότητα ότι το κάθε ένα αντιστοιχεί σε μία διαφορετική τάξη. Η μέθοδος με τη μορφή διαγράμματος περιγράφεται στην εικόνα 5.<br /> <br /> 4. Ακρίβεια της ταξινόμησης<br /> [[Εικόνα:K9i6zot.jpg | thumb| right|Eικόνα 6:''' Πολυγωνικά ταξινομημένη εικόνα (11 κλάσεις), με την επιβλεπόμενη μέθοδο της μέγιστης πιθανοφάνειας.''']][[Εικόνα:K9i7zot.jpg | thumb| right|Eικόνα 7:''' Πολυγωνικά ταξινομημένη εικόνα (4 κλάσεις), με την μη- επιβλεπόμενη μέθοδο της μέγιστης πιθανοφάνειας. ''']] <br /> Το σχήμα 6 δείχνει μία ταξινόμηση της εικόνας με έντεκα κλάσεις. Ακόμα το σχήμα 7 δείχνει την ίδια περιοχή επαναταξινομημένη, ώστε να υπάρχουν μόνο οι τέσσερις κλάσεις κάλυψης γης, που παραδοσιακά συναντώνται στην μοντελοποίηση της αστικής αποστράγγισης υδάτων.<br /> Για τον εντοπισμό της ακρίβειας της ταξινόμησης που χρησιμοποιήθηκε, δημιουργήθηκε ένας πίνακας σύγχυσης, ο οποίος παρέχει συνολικές μετρήσεις της ακρίβειας, συνοδευόμενες από πληροφορίες για το πώς αυτές οι μετρήσεις επιτεύχθηκαν. Από αυτές τις μετρήσεις, γίνεται φανερό ότι η χρησιμοποιηθείσα μέθοδος ταξινόμησης, αποδίδει καλύτερα, τόσο από την μέθοδο της μέγιστης πιθανοφάνειας, όσο και από την SMAP μέθοδο ταξινόμησης, σε επίπεδο συνολικής ακρίβειας και λαθών παράλειψης. Αυτά τα αποτελέσματα περιέχονται στον πίνακα 2.[[Εικόνα:K9p2zot.jpg | thumb| left|Πίνακας 2:''' Σύγκριση διαφορετικών μεθόδων ταξινόμησης.''']]<br /> Η εικόνα που παράχθηκε έχει πολλά πλεονεκτήματα σε σχέση με αυτές που δημιουργήθηκαν από κατά pixel ταξινομήσεις. Αρχικά η εικόνα έχει μεγαλύτερη ακρίβεια από τη μέθοδο μέγιστης πιθανοφάνειας ή τη SMAP και είναι ανώτερη ποιοτικά σε σχέση με τις άλλες δύο.<br /> <br /> 5. Συμπεράσματα<br /> <br /> Η εναέρια τηλεπισκόπηση παρέχει μία εξαιρετική ευκαιρία για την ταξινόμηση της γεωκάλυψης, στη μελέτη της αστικής αποστράγγισης υδάτων.<br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9p2zot.jpg 2011-01-14T18:19:11Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9p1zot.jpg 2011-01-14T18:18:53Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i7zot.jpg 2011-01-14T18:18:42Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i6zot.jpg 2011-01-14T18:18:26Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i5zot.jpg 2011-01-14T18:17:59Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i4zot.jpg 2011-01-14T18:17:37Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i3zot.jpg 2011-01-14T18:17:04Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i2zot.jpg 2011-01-14T18:16:50Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K9i1zot.jpg 2011-01-14T18:16:30Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%96%CF%8E%CF%84%CE%B1%CE%BB%CE%B7%CF%82_%CE%9A%CF%8E%CE%BD%CF%83%CF%84%CE%B1%CE%BD%CF%84%CE%B9%CE%BD%CE%BF%CF%82 2011-01-14T17:42:53Z

<p>Kzotalis: </p> <hr /> <div>* [[Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.]]<br /> * [[Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική]]<br /> * [[Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας]]<br /> * [[Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα]]<br /> * [[Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας]]<br /> * [[Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις]]<br /> * [[Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CE%AE%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BA%CE%B1%CE%BD%CE%BF%CE%BD%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%B9%CE%B7%CE%BC%CE%AD%CE%BD%CE%BF%CF%85,_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CE%B1%CE%BD%CE%B1%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_(_NMDI_),_%CE%B1%CF%80%CF%8C_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AD%CF%82_%CE%BC%CE%B5%CF%84%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82 2011-01-14T17:41:57Z

<p>Kzotalis: </p> <hr /> <div>'''Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις'''<br /> <br /> '''Multispectral and multiscale remote sensing data for archaeological prospecting in an alpine alluvial plain'''<br /> <br /> '''Pietro Alessandro Brivio*, Monica Pepe, Roberto Tomasoni'''<br /> <br /> '''Remote Sensing Department, IRRS-CNR, Via Bassini 15, 20133 Milan, Italy'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Οι δορυφορικοί φασματικοί δέκτες χρησιμοποιούνται για τον υπολογισμό της υγρασίας της βλάστησης και τον εντοπισμό ενεργών πυρκαγιών, αλλά και της έντασής τους. <br /> Ο πιο δημοφιλής δείκτης βλαστικής υγρασίας είναι ο κανονικοποιημένος δείκτης διαφοράς νερού NDWI, που ορίζεται ως ο λόγος του εγγύς υπέρυθρου καναλιού ( NIR ) επικεντρωμένου στα 0,86 μm και του μικροκυματικού υπέρυθρου καναλιού ( SWIR ) στα 1,64 μm. Επίσης υπάρχει ο κανονικοποιημένος δείκτης πυρκαγιάς NBR, που συνδυάζει το NIR κανάλι στα 0,8 μm και το SWIR κανάλι στα 2,1μm. Τέλος ο κανονικοποιημένος πολυκαναλικός δείκτης ξηρότητας NMDI χρησιμοποιεί τη διαφορά μεταξύ δύο καναλιών απορροφητικών στο υγρό νερό ( 1,64 μm και 2,13 μm ), για τον εντοπισμό της υγρασίας στη βλάστηση. Ο δείκτης αυτός αναμένεται να παρέχει ακριβέστερες μετρήσεις από τους δύο άλλους.<br /> Σκοπός της μελέτης είναι η σύγκριση της ικανότητας των δεικτών αυτών στον εντοπισμό πυρκαγιών σε δύο περιοχές. Για την αξιολόγηση των δεικτών χρησιμοποιούνται δεδομένα του δορυφορικού συστήματος MODIS.<br /> <br /> 2. Περιοχή μελέτης και δεδομένα<br /> <br /> 2.1 Περιοχή μελέτης<br /> <br /> Αρχικά μελετήθηκε μία πυρκαγιά που ξέσπασε στις 16/4/2007 στα σύνορα των πολιτειών Georgia και Florida των ΗΠΑ ( http://landsat.gsfc.nasa.gov/images/archive/e0009.html, http://eobadmin.gsfc.nasa.gov/NaturalHazards/natural_hazards_v2.php3?img_id=14241 ). Επίσης εξετάζεται και μία σειρά πυρκαγιών που ξεκίνησαν στις 23/8/2007 στην Ελλάδα ( Πελοπόννησος και Νότια Εύβοια ).<br /> <br /> 2.2 Δορυφορικά δεδομένα<br /> <br /> Τα δεδομένα προέρχονται από τα συστήματα :<br /> * MODIS L1B ( MOD 02, 1 km, version 5 )<br /> * MODIS L1A ( MOD 03, 1km, version 5 )<br /> * MOD 14 ( 1 km, version 5 )<br /> <br /> Η ανακλαστικότητα από τα κανάλια 1,2, 6 και 7 του MODIS, χρησιμοποιούνται για την εξαγωγή των δεικτών NMDI, NDWI και NBR. Επίσης οι εικόνες των ενεργών πυρκαγιών του MODIS με 250 m χωρική ανάλυση, καθώς και το προϊόν Active Fire Mask, χρησιμοποιούνται για την αξιολόγηση των δεικτών.<br /> <br /> 2.3 Μέθοδος για τον εντοπισμό πυρκαγιάς με χρήση των δεικτών<br /> [[Εικόνα:K6i1zot.jpg | thumb| left|Eικόνα 1:''' Διάγραμμα ροής της διαδικασίας χρήσης του NMDI στον εντοπισμό ενεργών πυρκαγιών.''']] <br /> Οι δείκτες NDWI και NBR είναι αρνητικά συσχετισμένοι με την δριμύτητα της ξηρασίας, άρα μπορούν να χρησιμοποιηθούν για την εξακρίβωση της υγρασίας της βλάστησης. ‘Οσο χαμηλότερες είναι οι τιμές τους τόσο ξηρότερη είναι η βλάστηση. Ο δείκτης NMDI έχει αποδείξει ότι είναι ένας καλός δείκτης της ξηρασίας, τόσο της βλάστησης όσο και του χώματος. Για το λόγο αυτό ο δείκτης αυτός θεωρείται ότι δίνει ακριβέστερα στοιχεία για την ξηρασία και την κατάσταση των πυρκαγιών, από τους άλλους δύο δείκτες, δεδομένου μάλιστα ότι το χώμα εκτίθεται με την καύση της βλάστησης. Στην εικόνα 1 υπάρχει το διάγραμμα ροής για την εφαρμογή του NMDI στην απεικόνιση της ξηρότητας του εδάφους και της βλάστησης. Οι τιμές που παίρνει ο δείκτης για την βλάστηση είναι μεταξύ 0 και 1. Τιμές από 0,4 έως 0,6 σημαίνουν μέτρια υγρασία βλάστησης, μεγαλύτερες του 0,6 αντιπροσωπεύουν πολύ υγρή βλάστηση, ενώ μικρότερες του 0,4 υποδηλώνουν ξηρή βλάστηση. Η συμπεριφορά του δείκτη για το χώμα είναι αντίθετη. Το πιθανό εύρος τιμών είναι 0 έως 1 με τιμές μεταξύ 0,7 και 0,9 να δείχνουν ξηρό χώμα, μεταξύ 0,3 και 0,5 μετρίως υγρό χώμα και τέλος μικρότερες του 0,3 να υποδεικνύουν εξαιρετικά υγρό χώμα.<br /> <br /> 3. Δοκιμή δεικτών και σχολιασμός των αποτελεσμάτων<br /> <br /> 3.1 Πυρκαγιές στην Georgia<br /> <br /> Περίπτωση 1 : Η φωτιά στις 17 Απριλίου 2007<br /> [[Εικόνα:K6i2zot.jpg | thumb| right|Eικόνα 2:''' Εικόνες από την πολιτεία Georgia στις 17 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών (πηγή: Rapid Response Project), (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η εικόνα 2α προέρχεται από το σύστημα Terra Modis στις 17 Απριλίου και ώρα 15,40. Με κόκκινο φαίνονται τα σημεία όπου εντοπίστηκαν πυρκαγιές. Ο δείκτης NMDI ( εικόνα 2b ), φανερώνει τα ίδια σημεία πυρκαγιάς με τη δορυφορική εικόνα. Στα σημεία της ενεργής φωτιάς ο δείκτης αυτός εμφανίζει χαμηλές τιμές ανακλαστικότητας ( 0,2 ), ενώ στα σημεία που δεν υπάρχει φωτιά οι τιμές είναι μεγαλύτερες του 0,5. Η διαφορά αυτή, τονίζει τα φλεγόμενα σημεία από τα υπόλοιπα με ακρίβεια παρόμοια με την εικόνα του δορυφόρου. Αντίθετα από τις απεικονίσεις των δεικτών NDWI και NBR δεν είναι δυνατόν να εντοπιστούν σημεία ενεργής φωτιάς ( εικόνες 2c και 2d ). <br /> <br /> Περίπτωση 2 : Η φωτιά στις 25 Απριλίου 2007<br /> [[Εικόνα:K6i3zot.jpg | thumb| left|Eικόνα 3:''' Εικόνες από την πολιτεία Georgia στις 25 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική φωτογραφία 3α τραβήχτηκε στις 25 Απριλίου, ώρα 16,30. Όπως είναι αναμενόμενο ο δείκτης NMDI ( εικόνα 3b ) εντόπισε με σαφήνεια τα σημεία πυρκαγιάς από τα υπόλοιπα. Μερικά ενεργά σημεία φωτιάς εντοπίστηκαν και από τον NBR ( εικόνα 3d ), αλλά τα περισσότερα δεν εντοπίστηκαν ούτε από τον NBR ούτε από τον NDWI ( εικόνα 3c ).<br /> <br /> Περίπτωση 3 : Η φωτιά στις 29 Απριλίου 2007<br /> [[Εικόνα:K6i4zot.jpg | thumb| right|Eικόνα 4:''' Εικόνες από την πολιτεία Georgia στις 29 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική εικόνα 4 α προέρχεται από την ίδια περιοχή στις 29 Απριλίου και ώρα 16,05. Τα δύο μεγάλα μέτωπα της πυρκαγιάς έχουν εντοπιστεί από το δείκτη NMDI ( τα κόκκινα σημάδια της εικόνας 4b ). Οι εικόνες που παρουσιάζονται από τους άλλους δύο δείκτες είναι ανάλογες των δύο άλλων ημερών ( εικόνα 4c, d ). Μάλιστα στην περίπτωση του NBR ο καπνός απεικονίστηκε με βαθύ πράσινο χρώμα όπως η πυκνή βλάστηση. Ο δείκτης NDWI αποδεικνύεται ανίκανος στον εντοπισμό ενεργών πυρκαγιών.<br /> [[Εικόνα:K6p2zot.jpg | thumb| left|Πίνακας 1:''' Σύγκριση του δείκτη NMDI και των αποτελεσμάτων του συστήματος MODIS.''']]<br /> Για το δείκτη NMDI μόνο ακολούθησε στατιστική ανάλυση για την περαιτέρω αξιολόγηση της ικανότητάς του. Στον πίνακα διαχρονικών αλλαγών ( πίνακας 1 ), περιέχεται η σύγκριση του δείκτη και των αποτελεσμάτων του συστήματος MODIS. Με α χαρακτηρίζεται ο σωστός εντοπισμός πυρκαγιάς, με d ο σωστός μη εντοπισμός πυρκαγιάς, με b ο αριθμός πυρκαγιών που όμως δεν εντοπίστηκαν και τέλος με c ο λάθος εντοπισμός πυρκαγιάς.[[Εικόνα:K6p3zot.jpg | thumb| left|Πίνακας 2:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Georgia).''']] Τέλος στον πίνακα 2 συνοψίζονται τα αποτελέσματα εντοπισμού πυρκαγιάς του δείκτη αυτού. Τα αποτελέσματα δείχνουν ακρίβεια σχεδόν 100%, πιθανότητα λάθος συναγερμού περίπου 0%, ενώ η μέση ικανότητα εντοπισμού πυρκαγιάς είναι 80%.<br /> <br /> 3.2 Οι φωτιές στην Ελλάδα<br /> <br /> Περίπτωση 1 : Η φωτιά στις 23 Αυγούστου 2007<br /> [[Εικόνα:K6i5zot.jpg | thumb| left|Eικόνα 5:''' Εικόνες από την Ελλάδα στις 23 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Στην εικόνα 5 βλέπουμε την δορυφορική εικόνα του MODIS και τις απεικονίσεις των δεικτών NMDI, NDWI και NBR, όπου με κόκκινο χρώμα διακρίνονται τα φλεγόμενα σημεία. Ο δείκτης NMDI προσφέρει την καλύτερη απεικόνιση η οποία συμφωνεί σε μέγιστο βαθμό με την δορυφορική εικόνα. Στις άλλες δύο απεικονίσεις μόνο ένα μικρό ποσοστό των φλεγόμενων περιοχών έχει εντοπιστεί.<br /> <br /> Περίπτωση 2 : Η φωτιά στις 24 Αυγούστου 2007<br /> [[Εικόνα:K6i6zot.jpg | thumb| right|Eικόνα 6:''' Εικόνες από την Ελλάδα στις 24 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Στην δορυφορική εικόνα 6 α εντοπίζονται πέντε σημεία πυρκαγιάς. Ακριβώς την ίδια εικόνα για τις περιοχές και το μέγεθος των πυρκαγιών, παρέχει η απεικόνιση 6b, χωρίς να παραλείπει τις δύο μικρότερες φωτιές στην Πελοπόννησο. Αντίθετα μόνο δύο σημεία φωτιάς υπάρχουν στην εικόνα 6c, ενώ στην 6d παρέχονται με μικρή ακρίβεια όλα τα σημεία που καίει η φωτιά.<br /> <br /> Περίπτωση 3 : Η φωτιά στις 25 Αυγούστου 2007<br /> [[Εικόνα:K6i7zot.jpg | thumb| left|Eικόνα 7:''' Εικόνες από την Ελλάδα στις 25 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Ανάλογη είναι η κατάσταση στην περίπτωση αυτή με τις προηγούμενες δύο περιπτώσεις. Η εικόνα 7 περιέχει τις απεικονίσεις αυτής της περίπτωσης.<br /> [[Εικόνα:K6p4zot.jpg | thumb| left|Πίνακας 3:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Ελλάδας).''']]<br /> Η στατιστική ανάλυση ( πίνακας 3 ), για τον δείκτη NMDI φανερώνει 100% συνολική ακρίβεια, λιγότερο από 1% εσφαλμένων συναγερμών φωτιάς και 75% ικανότητα εντοπισμού πυρκαγιάς.<br /> <br /> 4. Σύνοψη και αποτελέσματα<br /> <br /> Ο δείκτης NMDI απέδειξε την υψηλότερη απόδοση και διακριτική ικανότητα σε σχέση με τους NDWI και NBR. Σε όλες τις περιπτώσεις ο δείκτης αυτός εντόπισε με μεγάλη ακρίβεια τα σημεία των πυρκαγιών. Σε σύγκριση με τον ενεργό χάρτη πυρκαγιάς, ανάλυσης 250 m, του MODIS, η εικόνα με ανάλυση 1 km του NMDI περιέχει περίπου τις ίδιες ακριβείς πληροφορίες των εστιών πυρκαγιάς, του σχήματός τους και της έκτασής τους. <br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CE%AE%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%BA%CE%B1%CE%BD%CE%BF%CE%BD%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%B9%CE%B7%CE%BC%CE%AD%CE%BD%CE%BF%CF%85,_%CF%80%CE%BF%CE%BB%CF%85%CE%BA%CE%B1%CE%BD%CE%B1%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_(_NMDI_),_%CE%B1%CF%80%CF%8C_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AD%CF%82_%CE%BC%CE%B5%CF%84%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82 2011-01-14T17:40:10Z

<p>Kzotalis: New page: '''Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), απ...</p> <hr /> <div>'''Εντοπισμός δασικής πυρκαγιάς με τη χρήση κανονικοποιημένου, πολυκαναλικού δείκτη ξηρασίας ( NMDI ), από δορυφορικές μετρήσεις'''<br /> <br /> '''Multispectral and multiscale remote sensing data for archaeological prospecting in an alpine alluvial plain'''<br /> <br /> '''Pietro Alessandro Brivio*, Monica Pepe, Roberto Tomasoni'''<br /> <br /> '''Remote Sensing Department, IRRS-CNR, Via Bassini 15, 20133 Milan, Italy'''<br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Οι δορυφορικοί φασματικοί δέκτες χρησιμοποιούνται για τον υπολογισμό της υγρασίας της βλάστησης και τον εντοπισμό ενεργών πυρκαγιών, αλλά και της έντασής τους. <br /> Ο πιο δημοφιλής δείκτης βλαστικής υγρασίας είναι ο κανονικοποιημένος δείκτης διαφοράς νερού NDWI, που ορίζεται ως ο λόγος του εγγύς υπέρυθρου καναλιού ( NIR ) επικεντρωμένου στα 0,86 μm και του μικροκυματικού υπέρυθρου καναλιού ( SWIR ) στα 1,64 μm. Επίσης υπάρχει ο κανονικοποιημένος δείκτης πυρκαγιάς NBR, που συνδυάζει το NIR κανάλι στα 0,8 μm και το SWIR κανάλι στα 2,1μm. Τέλος ο κανονικοποιημένος πολυκαναλικός δείκτης ξηρότητας NMDI χρησιμοποιεί τη διαφορά μεταξύ δύο καναλιών απορροφητικών στο υγρό νερό ( 1,64 μm και 2,13 μm ), για τον εντοπισμό της υγρασίας στη βλάστηση. Ο δείκτης αυτός αναμένεται να παρέχει ακριβέστερες μετρήσεις από τους δύο άλλους.<br /> Σκοπός της μελέτης είναι η σύγκριση της ικανότητας των δεικτών αυτών στον εντοπισμό πυρκαγιών σε δύο περιοχές. Για την αξιολόγηση των δεικτών χρησιμοποιούνται δεδομένα του δορυφορικού συστήματος MODIS.<br /> <br /> 2. Περιοχή μελέτης και δεδομένα<br /> <br /> 2.1 Περιοχή μελέτης<br /> <br /> Αρχικά μελετήθηκε μία πυρκαγιά που ξέσπασε στις 16/4/2007 στα σύνορα των πολιτειών Georgia και Florida των ΗΠΑ ( http://landsat.gsfc.nasa.gov/images/archive/e0009.html, http://eobadmin.gsfc.nasa.gov/NaturalHazards/natural_hazards_v2.php3?img_id=14241 ). Επίσης εξετάζεται και μία σειρά πυρκαγιών που ξεκίνησαν στις 23/8/2007 στην Ελλάδα ( Πελοπόννησος και Νότια Εύβοια ).<br /> <br /> 2.2 Δορυφορικά δεδομένα<br /> <br /> Τα δεδομένα προέρχονται από τα συστήματα :<br /> * MODIS L1B ( MOD 02, 1 km, version 5 )<br /> * MODIS L1A ( MOD 03, 1km, version 5 )<br /> * MOD 14 ( 1 km, version 5 )<br /> <br /> Η ανακλαστικότητα από τα κανάλια 1,2, 6 και 7 του MODIS, χρησιμοποιούνται για την εξαγωγή των δεικτών NMDI, NDWI και NBR. Επίσης οι εικόνες των ενεργών πυρκαγιών του MODIS με 250 m χωρική ανάλυση, καθώς και το προϊόν Active Fire Mask, χρησιμοποιούνται για την αξιολόγηση των δεικτών.<br /> <br /> 2.3 Μέθοδος για τον εντοπισμό πυρκαγιάς με χρήση των δεικτών<br /> [[Εικόνα:K6i1zot.jpg | thumb| left|Eικόνα 1:''' Διάγραμμα ροής της διαδικασίας χρήσης του NMDI στον εντοπισμό ενεργών πυρκαγιών.''']] <br /> Οι δείκτες NDWI και NBR είναι αρνητικά συσχετισμένοι με την δριμύτητα της ξηρασίας, άρα μπορούν να χρησιμοποιηθούν για την εξακρίβωση της υγρασίας της βλάστησης. ‘Οσο χαμηλότερες είναι οι τιμές τους τόσο ξηρότερη είναι η βλάστηση. Ο δείκτης NMDI έχει αποδείξει ότι είναι ένας καλός δείκτης της ξηρασίας, τόσο της βλάστησης όσο και του χώματος. Για το λόγο αυτό ο δείκτης αυτός θεωρείται ότι δίνει ακριβέστερα στοιχεία για την ξηρασία και την κατάσταση των πυρκαγιών, από τους άλλους δύο δείκτες, δεδομένου μάλιστα ότι το χώμα εκτίθεται με την καύση της βλάστησης. Στην εικόνα 1 υπάρχει το διάγραμμα ροής για την εφαρμογή του NMDI στην απεικόνιση της ξηρότητας του εδάφους και της βλάστησης. Οι τιμές που παίρνει ο δείκτης για την βλάστηση είναι μεταξύ 0 και 1. Τιμές από 0,4 έως 0,6 σημαίνουν μέτρια υγρασία βλάστησης, μεγαλύτερες του 0,6 αντιπροσωπεύουν πολύ υγρή βλάστηση, ενώ μικρότερες του 0,4 υποδηλώνουν ξηρή βλάστηση. Η συμπεριφορά του δείκτη για το χώμα είναι αντίθετη. Το πιθανό εύρος τιμών είναι 0 έως 1 με τιμές μεταξύ 0,7 και 0,9 να δείχνουν ξηρό χώμα, μεταξύ 0,3 και 0,5 μετρίως υγρό χώμα και τέλος μικρότερες του 0,3 να υποδεικνύουν εξαιρετικά υγρό χώμα.<br /> <br /> 3. Δοκιμή δεικτών και σχολιασμός των αποτελεσμάτων<br /> <br /> 3.1 Πυρκαγιές στην Georgia<br /> <br /> Περίπτωση 1 : Η φωτιά στις 17 Απριλίου 2007<br /> [[Εικόνα:K6i2zot.jpg | thumb| right|Eικόνα 2:''' Εικόνες από την πολιτεία Georgia στις 17 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών (πηγή: Rapid Response Project), (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η εικόνα 2α προέρχεται από το σύστημα Terra Modis στις 17 Απριλίου και ώρα 15,40. Με κόκκινο φαίνονται τα σημεία όπου εντοπίστηκαν πυρκαγιές. Ο δείκτης NMDI ( εικόνα 2b ), φανερώνει τα ίδια σημεία πυρκαγιάς με τη δορυφορική εικόνα. Στα σημεία της ενεργής φωτιάς ο δείκτης αυτός εμφανίζει χαμηλές τιμές ανακλαστικότητας ( 0,2 ), ενώ στα σημεία που δεν υπάρχει φωτιά οι τιμές είναι μεγαλύτερες του 0,5. Η διαφορά αυτή, τονίζει τα φλεγόμενα σημεία από τα υπόλοιπα με ακρίβεια παρόμοια με την εικόνα του δορυφόρου. Αντίθετα από τις απεικονίσεις των δεικτών NDWI και NBR δεν είναι δυνατόν να εντοπιστούν σημεία ενεργής φωτιάς ( εικόνες 2c και 2d ). <br /> <br /> Περίπτωση 2 : Η φωτιά στις 25 Απριλίου 2007<br /> [[Εικόνα:K6i3zot.jpg | thumb| left|Eικόνα 3:''' Εικόνες από την πολιτεία Georgia στις 25 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική φωτογραφία 3α τραβήχτηκε στις 25 Απριλίου, ώρα 16,30. Όπως είναι αναμενόμενο ο δείκτης NMDI ( εικόνα 3b ) εντόπισε με σαφήνεια τα σημεία πυρκαγιάς από τα υπόλοιπα. Μερικά ενεργά σημεία φωτιάς εντοπίστηκαν και από τον NBR ( εικόνα 3d ), αλλά τα περισσότερα δεν εντοπίστηκαν ούτε από τον NBR ούτε από τον NDWI ( εικόνα 3c ).<br /> <br /> Περίπτωση 3 : Η φωτιά στις 29 Απριλίου 2007<br /> [[Εικόνα:K6i4zot.jpg | thumb| right|Eικόνα 4:''' Εικόνες από την πολιτεία Georgia στις 29 Απριλίου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Η δορυφορική εικόνα 4 α προέρχεται από την ίδια περιοχή στις 29 Απριλίου και ώρα 16,05. Τα δύο μεγάλα μέτωπα της πυρκαγιάς έχουν εντοπιστεί από το δείκτη NMDI ( τα κόκκινα σημάδια της εικόνας 4b ). Οι εικόνες που παρουσιάζονται από τους άλλους δύο δείκτες είναι ανάλογες των δύο άλλων ημερών ( εικόνα 4c, d ). Μάλιστα στην περίπτωση του NBR ο καπνός απεικονίστηκε με βαθύ πράσινο χρώμα όπως η πυκνή βλάστηση. Ο δείκτης NDWI αποδεικνύεται ανίκανος στον εντοπισμό ενεργών πυρκαγιών.<br /> [[Εικόνα:K6p2zot.jpg | thumb| left|Πίνακας 2:''' Σύγκριση του δείκτη NMDI και των αποτελεσμάτων του συστήματος MODIS.''']]<br /> Για το δείκτη NMDI μόνο ακολούθησε στατιστική ανάλυση για την περαιτέρω αξιολόγηση της ικανότητάς του. Στον πίνακα διαχρονικών αλλαγών ( πίνακας 2 ), περιέχεται η σύγκριση του δείκτη και των αποτελεσμάτων του συστήματος MODIS. Με α χαρακτηρίζεται ο σωστός εντοπισμός πυρκαγιάς, με d ο σωστός μη εντοπισμός πυρκαγιάς, με b ο αριθμός πυρκαγιών που όμως δεν εντοπίστηκαν και τέλος με c ο λάθος εντοπισμός πυρκαγιάς.[[Εικόνα:K6p3zot.jpg | thumb| left|Πίνακας 3:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Georgia).''']] Τέλος στον πίνακα 3 συνοψίζονται τα αποτελέσματα εντοπισμού πυρκαγιάς του δείκτη αυτού. Τα αποτελέσματα δείχνουν ακρίβεια σχεδόν 100%, πιθανότητα λάθος συναγερμού περίπου 0%, ενώ η μέση ικανότητα εντοπισμού πυρκαγιάς είναι 80%.<br /> <br /> 3.2 Οι φωτιές στην Ελλάδα<br /> <br /> Περίπτωση 1 : Η φωτιά στις 23 Αυγούστου 2007<br /> [[Εικόνα:K6i5zot.jpg | thumb| left|Eικόνα 5:''' Εικόνες από την Ελλάδα στις 23 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']] <br /> Στην εικόνα 5 βλέπουμε την δορυφορική εικόνα του MODIS και τις απεικονίσεις των δεικτών NMDI, NDWI και NBR, όπου με κόκκινο χρώμα διακρίνονται τα φλεγόμενα σημεία. Ο δείκτης NMDI προσφέρει την καλύτερη απεικόνιση η οποία συμφωνεί σε μέγιστο βαθμό με την δορυφορική εικόνα. Στις άλλες δύο απεικονίσεις μόνο ένα μικρό ποσοστό των φλεγόμενων περιοχών έχει εντοπιστεί.<br /> <br /> Περίπτωση 2 : Η φωτιά στις 24 Αυγούστου 2007<br /> [[Εικόνα:K6i6zot.jpg | thumb| right|Eικόνα 6:''' Εικόνες από την Ελλάδα στις 24 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Στην δορυφορική εικόνα 6 α εντοπίζονται πέντε σημεία πυρκαγιάς. Ακριβώς την ίδια εικόνα για τις περιοχές και το μέγεθος των πυρκαγιών, παρέχει η απεικόνιση 6b, χωρίς να παραλείπει τις δύο μικρότερες φωτιές στην Πελοπόννησο. Αντίθετα μόνο δύο σημεία φωτιάς υπάρχουν στην εικόνα 6c, ενώ στην 6d παρέχονται με μικρή ακρίβεια όλα τα σημεία που καίει η φωτιά.<br /> <br /> Περίπτωση 3 : Η φωτιά στις 25 Αυγούστου 2007<br /> [[Εικόνα:K6i7zot.jpg | thumb| left|Eικόνα 7:''' Εικόνες από την Ελλάδα στις 25 Αυγούστου 2007: (a) χάρτης ενεργών πυρκαγιών, (b) δείκτης NMDI, (c) δείκτης NDWI και (d) δείκτης NBR.''']]<br /> Ανάλογη είναι η κατάσταση στην περίπτωση αυτή με τις προηγούμενες δύο περιπτώσεις. Η εικόνα 7 περιέχει τις απεικονίσεις αυτής της περίπτωσης.<br /> [[Εικόνα:K6p4zot.jpg | thumb| left|Πίνακας 4:''' Σύγκριση των αποτελεσμάτων εντοπισμού ενεργών πυρκαγιών, μέσω του δείκτη NMDI και του συστήματος MODIS (για την περίπτωση της Ελλάδας).''']]<br /> Η στατιστική ανάλυση ( πίνακας 4 ), για τον δείκτη NMDI φανερώνει 100% συνολική ακρίβεια, λιγότερο από 1% εσφαλμένων συναγερμών φωτιάς και 75% ικανότητα εντοπισμού πυρκαγιάς.<br /> <br /> 4. Σύνοψη και αποτελέσματα<br /> <br /> Ο δείκτης NMDI απέδειξε την υψηλότερη απόδοση και διακριτική ικανότητα σε σχέση με τους NDWI και NBR. Σε όλες τις περιπτώσεις ο δείκτης αυτός εντόπισε με μεγάλη ακρίβεια τα σημεία των πυρκαγιών. Σε σύγκριση με τον ενεργό χάρτη πυρκαγιάς, ανάλυσης 250 m, του MODIS, η εικόνα με ανάλυση 1 km του NMDI περιέχει περίπου τις ίδιες ακριβείς πληροφορίες των εστιών πυρκαγιάς, του σχήματός τους και της έκτασής τους. <br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6p4zot.jpg 2011-01-14T17:30:27Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6p3zot.jpg 2011-01-14T17:30:13Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6p2zot.jpg 2011-01-14T17:30:02Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6p1zot.jpg 2011-01-14T17:29:44Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i7zot.jpg 2011-01-14T17:29:28Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i6zot.jpg 2011-01-14T17:29:10Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i5zot.jpg 2011-01-14T17:28:54Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i4zot.jpg 2011-01-14T17:28:38Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i3zot.jpg 2011-01-14T17:28:20Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i2zot.jpg 2011-01-14T17:28:07Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K6i1zot.jpg 2011-01-14T17:27:55Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%96%CF%8E%CF%84%CE%B1%CE%BB%CE%B7%CF%82_%CE%9A%CF%8E%CE%BD%CF%83%CF%84%CE%B1%CE%BD%CF%84%CE%B9%CE%BD%CE%BF%CF%82 2011-01-14T16:46:59Z

<p>Kzotalis: </p> <hr /> <div>* [[Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.]]<br /> * [[Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική]]<br /> * [[Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας]]<br /> * [[Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα]]<br /> * [[Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας]]<br /> * [[Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%BA%CE%BF%CE%B9%CF%84%CE%AC%CF%83%CE%BC%CE%B1%CF%84%CE%B1_%CE%AC%CE%BD%CE%B8%CF%81%CE%B1%CE%BA%CE%B1_%CF%83%CF%84%CE%B7%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_Raniganj_%CF%84%CE%B7%CF%82_%CE%99%CE%BD%CE%B4%CE%AF%CE%B1%CF%82 2011-01-14T16:45:43Z

<p>Kzotalis: </p> <hr /> <div>'''Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας'''<br /> <br /> '''Application of remote sensing to identify coalfires in the Raniganj Coalbelt, India'''<br /> <br /> '''Prasun K Gangopadhyay, Kuntala Lahiri-Dutt, Kanika Saha'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Η τηλεπισκόπηση μπορεί να δώσει μία καλή συνοπτική εικόνα σε περιπτώσεις όπως οι φωτιές σε δάση ή ορυχεία. Η θερμική τηλεπισκόπηση χρησιμοποιεί μήκη κύματος 3-5 μm και 8-12 μm, από την περιοχή 3-60 μm που ανήκουν στα θερμικά υπέρυθρα μήκη κύματος.<br /> Μέχρι το 1960 για τον εντοπισμό υπόγειων πυρκαγιών σε άνθρακα, χρησιμοποιούνταν οι μετρήσεις θερμοκρασίας με γεωτρήσεις, με τις οποίες ήταν αδύνατη η συλλογή αρκετών στοιχείων για μεγάλες περιοχές. Από αυτήν την περίοδο και μετά τα εναέρια και διαστημικά δεδομένα, διευκόλυναν τον εντοπισμό και την καταγραφή τέτοιων πυρκαγιών.<br /> Στη μελέτη αυτή για τον εντοπισμό θερμοκρασιακών μεταβολών του εδάφους που οφείλονται σε πυρκαγιές κοιτασμάτων άνθρακα, χρησιμοποιείται πειραματικά ο δείκτης NDVI και δεδομένα του Landsat 5.<br /> <br /> 2. Περιοχή μελέτης<br /> [[Εικόνα:K5i1zot.jpg | thumb| left|Eικόνα 1:''' Η περιοχή μελέτης, Raniganj Coalbelt, India ''']]<br /> Η ζώνη άνθρακα Raniganj, κατέχει μία περιοχή 1260 τ.χλμ, και βρίσκεται 250 χλμ βορειοδυτικά της Kolkata, πρωτεύουσας της Δυτικής Βεγγάλης. Το μεγαλύτερο τμήμα αυτής της περιοχής βρίσκεται στην περιοχή Burdwan, την οποία και θα μελετήσουμε ( εικόνα 1 ).<br /> <br /> 3. Μεθοδολογία<br /> <br /> Για τη μελέτη αυτή χρησιμοποιήθηκαν δεδομένα του Landsat 5 Thematic Mapper και συγκεκριμένα των καναλιών 3, 4 και 6 της 30ης Απριλίου 1997.<br /> <br /> 3.1 Προεπεξεργασία των δεδομένων του Landsat TM<br /> <br /> Για την μείωση των επιδράσεων της ατμόσφαιρας στο κανάλι 3 και 4, χρησιμοποιήθηκε το ATCOR 2.<br /> <br /> 3.2 Επεξεργασία των δεδομένων<br /> <br /> Τα ατμοσφαιρικά διορθωμένα κόκκινο και υπέρυθρο κανάλια ( 3 και 4 ), χρησιμοποιήθηκαν για τον υπολογισμό του δείκτη NDVI, για τον υπολογισμό των επιφανειακών εκπομπών. Το κανάλι 6 ( θερμικό υπέρυθρο ), χρησιμοποιήθηκε για τον υπολογισμό της φωτεινότητας της θερμοκρασίας με την ακόλουθη μέθοδο :<br /> * Οι ψηφιακές τιμές του θερμικού καναλιού μετατράπηκαν σε φασματική ακτινοβολία<br /> * Υπολογισμός της ακτινοβολούμενης θερμοκρασίας<br /> * Χρήση του δείκτη βλάστησης NDVI, για την ενίσχυση των χαρακτηριστικών της βλάστησης<br /> * Υπολογισμός του δείκτη NDVI ενός μικτού pixel, για τον υπολογισμό των εκπομπών<br /> <br /> Μετά από αυτή τη διαδικασία, οι ψηφιακές τιμές του καναλιού 6 μετασχηματίστηκαν σε θερμοκρασίες. Με την εφαρμογή κατάλληλων διορθώσεων δημιουργήθηκε ο θερμικός χάρτης εδάφους της περιοχής και εντοπίστηκαν οι φωτιές στα ορυχεία. Η θερμοκρασία των διαφόρων τύπων γεωκάλυψης, εξαρτάται από αυτό τον τύπο.<br /> <br /> 3.3 Επί τόπου τρόποι μετρήσεων<br /> <br /> Για τον υπολογισμό της θερμοκρασίας των διάφορων επιφανειών χρησιμοποιήθηκε ένα θερμόμετρο ακτινοβολίας Raytek. Το θερμοκρασιακό εύρος λειτουργίας του είναι 32-760 oC, η φασματική κάλυψή του είναι 8-14 mm και η εκπομπή μπορεί να προσδιοριστεί με ακρίβεια 0,01.<br /> <br /> 4. Αποτελέσματα<br /> [[Εικόνα:K5i2zot.jpg | thumb| right|Eικόνα 2:''' Χάρτης θερμοκρασιακής επιφανειακής πυκνότητα, με τις περιοχές υψηλής θερμοκρασία. ''']]<br /> Οι διάφορες θερμοκρασιακές ζώνες της υπό εξέταση περιοχής, εμφανίζονται στην εικόνα 2. Η εικόνα δείχνει πέντε θερμικές ζώνες, 4 από τις οποίες είναι σε διαφορετικούς τόνους του γκρι. Τα έντονα λευκά σημάδια δείχνουν υψηλές θερμοκρασίες που οφείλονται σε υπέργειες και υπόγειες φωτιές άνθρακα. Η περιοχή χωρίζεται στις εξής πέντε κατηγορίες :<br /> <br /> 1. Περιοχές με έντονες θερμοκρασιακές ανωμαλίες ( λευκό χρώμα )<br /> <br /> 2. Περιοχές με ροή θερμοκρασίας από αυτές τις ανωμαλίες, καθώς και κατοικημένες περιοχές ( ανοιχτό γκρι )<br /> <br /> 3. Οι περιβάλλουσες περιοχές ( μέσο γκρι )<br /> <br /> 4. Αγροτική γη με βλάστηση ( σκούρο γκρι )<br /> <br /> 5. Υδατικές περιοχές ( μαύρο )<br /> [[Εικόνα:K5i3zot.jpg | thumb| left|Eικόνα 3:''' Καπνός βγαίνει, λόγω φωτιάς σε κοίτασμα άνθρακα, απο ρηχή ρωγμή σε επιφάνεια που έχει μερικώς υποχωρήσει. ''']]<br /> Ενδεικτικά αναφέρεται ότι πάνω από το νερό η θερμοκρασία είναι 12-22 oC, πάνω από τη βλάστηση 21-26 oC, πάνω από τις άγονες εκτάσεις 29-38 oC, πάνω από τις κατοικημένες περιοχές 28-34 oC, στους βάλτους 28-32 oC, στα ορυχεία 35-38 oC, ενώ σε κάποια σημεία στα κοιτάσματα άνθρακα η θερμοκρασία φτάνει από 50-68 oC ( εικόνα 3 ).<br /> [[Εικόνα:K5i4zot.jpg | thumb| right|Eικόνα 4:''' Τοποθεσίες πυρκαγιών σε επιφανειακά κοιτάσματα άνθρακα, σε σχέση με τις τοπικές γεωλογικές και εδάφικές συνθήκες. ''']]<br /> Ο τελικός χάρτης επιφανειακών θερμοκρασιών παρουσιάζει τις περιοχές που έχουν επηρεαστεί από πυρκαγιά σε κοιτάσματα άνθρακα ( εικόνα 4 ), σε σχέση με τη γεωλογική μορφή της περιοχής και πληροφορίες εδάφους.<br /> <br /> 5. Συμπεράσματα<br /> <br /> Από το 1960 η τηλεπισκόπηση χρησιμοποιείται ως αξιόπιστο εργαλείο για τον εντοπισμό και την καταγραφή πυρκαγιών σε κοιτάσματα άνθρακα. Η παρούσα μελέτη αποδεικνύει ότι τα θερμικά δεδομένα του Landsat 5 μπορούν να χρησιμοποιηθούν για την αποτελεσματική καταγραφή των θερμοκρασιακών ανωμαλιών για την ποσοτική μελέτη τέτοιων πυρκαγιών. Σε κάποιες περιπτώσεις όμως αναμένονται μικρές ανακρίβειες στις θερμοκρασίες, κάτι που οφείλεται στα χαμηλής ανάλυσης δεδομένα.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%BA%CE%BF%CE%B9%CF%84%CE%AC%CF%83%CE%BC%CE%B1%CF%84%CE%B1_%CE%AC%CE%BD%CE%B8%CF%81%CE%B1%CE%BA%CE%B1_%CF%83%CF%84%CE%B7%CE%BD_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_Raniganj_%CF%84%CE%B7%CF%82_%CE%99%CE%BD%CE%B4%CE%AF%CE%B1%CF%82 2011-01-14T16:36:53Z

<p>Kzotalis: New page: '''Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της...</p> <hr /> <div>'''Εφαρμογή της τηλεπισκόπησης για τον εντοπισμό πυρκαγιών σε κοιτάσματα άνθρακα στην περιοχή Raniganj της Ινδίας'''<br /> <br /> '''Application of remote sensing to identify coalfires in the Raniganj Coalbelt, India'''<br /> <br /> '''Prasun K Gangopadhyay, Kuntala Lahiri-Dutt, Kanika Saha'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Η τηλεπισκόπηση μπορεί να δώσει μία καλή συνοπτική εικόνα σε περιπτώσεις όπως οι φωτιές σε δάση ή ορυχεία. Η θερμική τηλεπισκόπηση χρησιμοποιεί μήκη κύματος 3-5 μm και 8-12 μm, από την περιοχή 3-60 μm που ανήκουν στα θερμικά υπέρυθρα μήκη κύματος.<br /> Μέχρι το 1960 για τον εντοπισμό υπόγειων πυρκαγιών σε άνθρακα, χρησιμοποιούνταν οι μετρήσεις θερμοκρασίας με γεωτρήσεις, με τις οποίες ήταν αδύνατη η συλλογή αρκετών στοιχείων για μεγάλες περιοχές. Από αυτήν την περίοδο και μετά τα εναέρια και διαστημικά δεδομένα, διευκόλυναν τον εντοπισμό και την καταγραφή τέτοιων πυρκαγιών.<br /> Στη μελέτη αυτή για τον εντοπισμό θερμοκρασιακών μεταβολών του εδάφους που οφείλονται σε πυρκαγιές κοιτασμάτων άνθρακα, χρησιμοποιείται πειραματικά ο δείκτης NDVI και δεδομένα του Landsat 5.<br /> <br /> 2. Περιοχή μελέτης<br /> <br /> Η ζώνη άνθρακα Raniganj, κατέχει μία περιοχή 1260 τ.χλμ, και βρίσκεται 250 χλμ βορειοδυτικά της Kolkata, πρωτεύουσας της Δυτικής Βεγγάλης. Το μεγαλύτερο τμήμα αυτής της περιοχής βρίσκεται στην περιοχή Burdwan, την οποία και θα μελετήσουμε ( εικόνα 1 ).<br /> <br /> 3. Μεθοδολογία<br /> <br /> Για τη μελέτη αυτή χρησιμοποιήθηκαν δεδομένα του Landsat 5 Thematic Mapper και συγκεκριμένα των καναλιών 3, 4 και 6 της 30ης Απριλίου 1997.<br /> <br /> 3.1 Προεπεξεργασία των δεδομένων του Landsat TM<br /> <br /> Για την μείωση των επιδράσεων της ατμόσφαιρας στο κανάλι 3 και 4, χρησιμοποιήθηκε το ATCOR 2.<br /> <br /> 3.2 Επεξεργασία των δεδομένων<br /> <br /> Τα ατμοσφαιρικά διορθωμένα κόκκινο και υπέρυθρο κανάλια ( 3 και 4 ), χρησιμοποιήθηκαν για τον υπολογισμό του δείκτη NDVI, για τον υπολογισμό των επιφανειακών εκπομπών. Το κανάλι 6 ( θερμικό υπέρυθρο ), χρησιμοποιήθηκε για τον υπολογισμό της φωτεινότητας της θερμοκρασίας με την ακόλουθη μέθοδο :<br /> * Οι ψηφιακές τιμές του θερμικού καναλιού μετατράπηκαν σε φασματική ακτινοβολία<br /> * Υπολογισμός της ακτινοβολούμενης θερμοκρασίας<br /> * Χρήση του δείκτη βλάστησης NDVI, για την ενίσχυση των χαρακτηριστικών της βλάστησης<br /> * Υπολογισμός του δείκτη NDVI ενός μικτού pixel, για τον υπολογισμό των εκπομπών<br /> <br /> Μετά από αυτή τη διαδικασία, οι ψηφιακές τιμές του καναλιού 6 μετασχηματίστηκαν σε θερμοκρασίες. Με την εφαρμογή κατάλληλων διορθώσεων δημιουργήθηκε ο θερμικός χάρτης εδάφους της περιοχής και εντοπίστηκαν οι φωτιές στα ορυχεία. Η θερμοκρασία των διαφόρων τύπων γεωκάλυψης, εξαρτάται από αυτό τον τύπο.<br /> <br /> 3.3 Επί τόπου τρόποι μετρήσεων<br /> <br /> Για τον υπολογισμό της θερμοκρασίας των διάφορων επιφανειών χρησιμοποιήθηκε ένα θερμόμετρο ακτινοβολίας Raytek. Το θερμοκρασιακό εύρος λειτουργίας του είναι 32-760 oC, η φασματική κάλυψή του είναι 8-14 mm και η εκπομπή μπορεί να προσδιοριστεί με ακρίβεια 0,01.<br /> <br /> 4. Αποτελέσματα<br /> <br /> Οι διάφορες θερμοκρασιακές ζώνες της υπό εξέταση περιοχής, εμφανίζονται στην εικόνα 2. Η εικόνα δείχνει πέντε θερμικές ζώνες, 4 από τις οποίες είναι σε διαφορετικούς τόνους του γκρι. Τα έντονα λευκά σημάδια δείχνουν υψηλές θερμοκρασίες που οφείλονται σε υπέργειες και υπόγειες φωτιές άνθρακα. Η περιοχή χωρίζεται στις εξής πέντε κατηγορίες :<br /> <br /> 1. Περιοχές με έντονες θερμοκρασιακές ανωμαλίες ( λευκό χρώμα )<br /> <br /> 2. Περιοχές με ροή θερμοκρασίας από αυτές τις ανωμαλίες, καθώς και κατοικημένες περιοχές ( ανοιχτό γκρι )<br /> <br /> 3. Οι περιβάλλουσες περιοχές ( μέσο γκρι )<br /> <br /> 4. Αγροτική γη με βλάστηση ( σκούρο γκρι )<br /> <br /> 5. Υδατικές περιοχές ( μαύρο )<br /> <br /> Ενδεικτικά αναφέρεται ότι πάνω από το νερό η θερμοκρασία είναι 12-22 oC, πάνω από τη βλάστηση 21-26 oC, πάνω από τις άγονες εκτάσεις 29-38 oC, πάνω από τις κατοικημένες περιοχές 28-34 oC, στους βάλτους 28-32 oC, στα ορυχεία 35-38 oC, ενώ σε κάποια σημεία στα κοιτάσματα άνθρακα η θερμοκρασία φτάνει από 50-68 oC ( εικόνα 3 ).<br /> Ο τελικός χάρτης επιφανειακών θερμοκρασιών παρουσιάζει τις περιοχές που έχουν επηρεαστεί από πυρκαγιά σε κοιτάσματα άνθρακα ( εικόνα 4 ), σε σχέση με τη γεωλογική μορφή της περιοχής και πληροφορίες εδάφους.<br /> <br /> 5. Συμπεράσματα<br /> <br /> Από το 1960 η τηλεπισκόπηση χρησιμοποιείται ως αξιόπιστο εργαλείο για τον εντοπισμό και την καταγραφή πυρκαγιών σε κοιτάσματα άνθρακα. Η παρούσα μελέτη αποδεικνύει ότι τα θερμικά δεδομένα του Landsat 5 μπορούν να χρησιμοποιηθούν για την αποτελεσματική καταγραφή των θερμοκρασιακών ανωμαλιών για την ποσοτική μελέτη τέτοιων πυρκαγιών. Σε κάποιες περιπτώσεις όμως αναμένονται μικρές ανακρίβειες στις θερμοκρασίες, κάτι που οφείλεται στα χαμηλής ανάλυσης δεδομένα.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K5i4zot.jpg 2011-01-14T16:06:13Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K5i3zot.jpg 2011-01-14T16:06:00Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K5i2zot.jpg 2011-01-14T16:05:47Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K5i1zot.jpg 2011-01-14T16:05:33Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%96%CF%8E%CF%84%CE%B1%CE%BB%CE%B7%CF%82_%CE%9A%CF%8E%CE%BD%CF%83%CF%84%CE%B1%CE%BD%CF%84%CE%B9%CE%BD%CE%BF%CF%82 2011-01-14T16:03:06Z

<p>Kzotalis: </p> <hr /> <div>* [[Δορυφορική τηλεπισκόπηση καταστροφών, που προκαλούνται από σεισμούς, ηφαίστεια, πλημμύρες, κατολισθήσεις και πλημμύρες ακτογραμμών.]]<br /> * [[Πόλεις από το Διάστημα : πιθανές εφαρμογές της τηλεπισκόπησης στην αστική περιβαλλοντική έρευνα και στρατηγική]]<br /> * [[Παρακολούθηση κατολισθήσεων από τηλεσκοπικές οπτικές εικόνες : η περίπτωση της πόλης Tessina της Ιταλίας]]<br /> * [[Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα]]<br /> * [[Πολυφασματικά και πολυκαναλικά τηλεπισκοπικά δεδομένα για αρχαιολογική έρευνα σε μία Αλπική αλλουβιανή πεδιάδα]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BD%CE%B7%CF%83%CE%AF%CE%B4%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%BF%CF%8D_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%84%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BC%CE%B7%CF%84%CF%81%CE%BF%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CE%BA%CE%AE_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CF%84%CE%B7%CF%82_Shangai_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1 2011-01-14T16:01:51Z

<p>Kzotalis: </p> <hr /> <div>'''Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα'''<br /> <br /> '''Remote sensing evaluation of urban heat island and its spatial pattern of the Shanghai metropolitan area, China'''<br /> <br /> '''Juan-juan Li, Xiang-rong Wang, Xin-jun Wang, Wei-chun Ma, Hao Zhang''' <br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Ένα αστικό πρόβλημα με όλο και αυξανόμενο ενδιαφέρον είναι αυτό των θερμικών νησίδων ( UHI ), που συνδέεται άμεσα με την ανθρώπινη δραστηριότητα. Το φαινόμενο αυτό δημιουργείται όταν η θερμοκρασία διαφοροποιείται αρκετά μεταξύ των πόλεων και των αγροτικών περιοχών που τις περιβάλλουν, με υψηλότερες θερμοκρασίες στις πυκνοδομημένες πόλεις. Τα τελευταία χρόνια δορυφορικά συστήματα όπως τα ITOS-I, VHRR, HCMM, Landsat TM, Landsat ETM+ και MODIS χρησιμοποιούνται για την μέτρηση της επιφανειακής θερμοκρασίας σε μεγάλες κλίμακες. <br /> Στην Κίνα η περιοχή του ποταμού Yangtze, είναι μία από τις ταχύτερα αναπτυσσόμενες και πυκνότερα κατοικημένες. Η Shangai είναι η κινητήρια και κύρια μεγαλούπολη αυτής της περιοχής και προσφέρεται για την μελέτη του φαινομένου των θερμικών νησίδων. Η μελέτη αυτή θα γίνει με τη συνδυαστική χρήση δεδομένων τηλεπισκόπισης και γεωγραφικών συστημάτων παρακολούθησης, για την περίοδο 1997 έως 2004.<br /> <br /> 2. Δεδομένα και μέθοδοι<br /> <br /> 2.1 Περιοχή μελέτης<br /> [[Εικόνα:K4i1zot.jpg | thumb| left|Eικόνα 1:''' Η γεωγραφική θέση της περιοχής της Shanghai. ''']]<br /> Η Shangai ( εικόνα 1 ) έχει βόρειο υποτροπικό μουσωνικό κλίμα, με μέση ετήσια θερμοκρασία 15 oC. Οι μέσες υψηλές θερμοκρασίες της είναι 28 oC ενώ οι χαμηλές είναι 4 oC. Η μέση ετήσια βροχόπτωση είναι 1000-1200 mm. Η Shangai από το 1990 και μετά γνωρίζει μία πρωτοφανή ανάπτυξη.<br /> <br /> 2.2 Προσδιορισμός των χρήσεων και της κάλυψης γης ( LULC )<br /> <br /> Προκειμένου να εξακριβωθούν οι επιπτώσεις από τις ανθρώπινες δραστηριότητες στην περιοχή, χρειάζεται ταξινόμηση της κάλυψης γης. Γι αυτό χρησιμοποιήθηκαν δεδομένα του Landsat TM από την 11/4/1997 και την 19/7/2004. Τα δεδομένα αυτά επεξεργάσθηκαν με τον αλγόριθμο της πλησιέστερης γειτονίας, ώστε να διατηρηθούν οι αρχικές τιμές φωτεινότητας των pixel. Το πρόγραμμα που χρησιμοποιήθηκε είναι το GEOSTAR 1. Σύμφωνα με την προκαθορισμένη ταξινόμηση δημιουργήθηκαν έξι κατηγορίες κάλυψης γης και δύο ψευδοχρωματικές απεικονίσεις με συνδυσμό των καναλιών 5, 4 και 3. Η επιβλεπόμενη εξαγωγή υπογραφών με τον αλγόριθμο μέγιστης πιθανοφάνειας, χρησιμοποιήθηκε για ταξινόμηση των εικόνων. Επιπλέον για κάθε κατηγορία, επιλέχθηκαν τουλάχιστον 50 δείγματα, ώστε να ελεγχθεί η ακρίβεια των ταξινομημένων χαρτών. Τέλος οι χρήσεις γης επαναταξινομήθηκαν, ώστε να απλοποιηθεί η μελέτη εκπομπών. Έτσι οι κατηγορίες μειώθηκαν από 6 σε 4, η περιοχή βλάστησης ( δάσος, καλλιέργειες, θάμνοι ), νερό, η δομημένη περιοχή και η γυμνή γη.<br /> <br /> 2.3 Ανάκτηση των επιφανειακών θερμοκρασιών ( LST )<br /> <br /> Ένα τετραγωνικό μοντέλο χρησιμοποιήθηκε για την μετατροπή των ψηφιακών τιμών του θερμικού υπέρυθρου καναλιού ( TIR ) του Landsat TM, σε θερμοκρασιακές ακτινοβολίες. Κάθε μία από τις περιοχές συνδέθηκε με μία τιμή εκπομπής. Οι τιμές εκπομπής εξαρτώνται από το είδος της περιοχής και καθορίστηκαν σε 0,95 για τη βλάστηση, 0,923 για τα κτίρια, 0,92 για το γυμνό έδαφος και 0,9925 για το νερό.<br /> <br /> 2.4 Εντοπισμός της χωρικής ετερογένειας της επιφανειακής θερμότητας<br /> <br /> Οι χρήσεις γης διαφέρουν σημαντικά μεταξύ αστικών και αγροτικών περιοχών. Ετσι τόσο οι τύποι, όσο και οι επιφανειακές θερμοκρασίες εξαρτώνται από το χώρο. Στο σημείο αυτό χρησιμοποιήθηκαν διαγράμματα συσχετισμού και διαφοροποίησης για την ποσοτικοποίηση του βαθμού στον οποίο τα δείγματα παρουσιάζουν χωρικό αυτοσυσχετισμό και η απόσταση στην οποία υπήρχε συσχετισμός.<br /> <br /> 3. Αποτελέσματα<br /> <br /> 3.1 Οι χρήσεις γης στην Shangai<br /> [[Εικόνα:K4i2zot.jpg | thumb| right|Eικόνα 2:''' Χάρτης χρήσεων γης (LULC) της Shanghai στις 11 Απριλίου 1997. ''']][[Εικόνα:K4i3zot.jpg | thumb| right|Eικόνα 3:''' Χάρτης χρήσεων γης (LULC) της Shanghai στις 19 Ιουλίου 2004. ''']]<br /> Στις εικόνες 2 και 3 παρουσιάζονται οι διαφορετικοί τύποι χρήσεων γης κατά την εξεταζόμενη περίοδο. Το 1997 τα σύνορα μεταξύ των κεντρικών αστικών περιοχών και των περιφερειακών πόλεων, είναι ξεκάθαρα. Σε αντίθεση το 2004 τόσο η κεντρική αστική περιοχή, όσο και οι προάστιες πόλεις, έχουν αυξηθεί σε έκταση.<br /> <br /> 3.2 Χωρική και χρονική κατανομή του φαινομένου των θερμικών νησίδων<br /> [[Εικόνα:K4p1zot.jpg | thumb| left|Πίνακας 1:''' Περιγραφικά στατιστικά στοιχεία της εδαφικής θερμοκρασίας το 1997 (LST1997) και το 2004 (LST2004). ''']][[Εικόνα:K4i4zot.jpg | thumb| left|Eικόνα 4:''' Χωρική εναλλαγή της εδαφικής θερμοκρασίας στη Shanghai το 1997 (LST1997). ''']][[Εικόνα:K4i5zot.jpg | thumb| left|Eικόνα 5:''' Χωρική εναλλαγή της εδαφικής θερμοκρασίας στη Shanghai το 2004 (LST2004). ''']]<br /> Τα χαρακτηριστικά των επιφανειακών θερμοκρασιών περιέχονται στον πίνακα 1. Στις εικόνες 4 και 5 φαίνεται η εξάπλωση των θερμικών νησίδων για την εξεταζόμενη περίοδο. Το 1997 οι περιοχές με την υψηλότερη ακτινοβολούσα θερμοκρασία, βρίσκονται κυρίως στα κέντρα της κεντρικής πόλης και των μικρότερων πόλεων που την περιβάλλουν και φαίνεται να συνδέονται γραμμικά μεταξύ τους μέσω των κεντρικών οδικών δικτύων. Το 2004 όμως, οι θερμικές νησίδες εξαπλώθηκαν δραματικά από το εσωτερικό δίκτυο των αυτοκινητόδρομων στο εξωτερικό δίκτυο που συνδέει τα προάστια και τις γύρω πόλεις, που παλιότερα χαρακτηρίζονταν από υψηλότερες θερμοκρασίες μόνο στα κέντρα τους.<br /> <br /> 3.3 Σχέση κάλυψης γης και θερμικών νησίδων<br /> [[Εικόνα:K4p2zot.jpg | thumb| right|Πίνακας 2:''' Μέση εδαφική θερμοκρασία σε συνάρτηση με την κάλυψη γης. ''']]<br /> Η μεταβολή των θερμικών νησίδων συνδέεται με διάφορες παραμέτρους όπως οι αλλαγές στις χρήσεις γης, η γεωμετρία της αστικής επιφάνειας, η εποχή, το κλίμα, τα μετεωρολογικά δεδομένα κλπ. Λόγω των περιορισμών των τηλεσκοπικών δεδομένων θα επικεντρωθούμε μόνο στον παράγοντα των χρήσεων και καλύψεων γης. Τα ποσοτικά δεδομένα του πίνακα 2, δείχνουν τη μέση θερμοκρασία της επιφάνειας για κάθε τύπο γεωκάλυψης. Καθαρά φαίνεται και για τις δύο ημερομηνίες, οι δομημένες περιοχές έχουν τις υψηλότερες θερμοκρασίες, ενώ ακολουθούν οι περιοχές με γυμνό έδαφος.<br /> <br /> 4. Συμπεράσματα<br /> <br /> Τις τελευταίες δεκαετίες οι τηλεπισκοπικές μετρήσεις των επιφανειακών θερμοκρασιών, χρησιμοποιούνται για την μελέτη του φαινομένου των θερμικών νησίδων, με χρήση των θερμικών υπέρυθρων δεδομένων δεκτών όπως ο NOAA AVHRR, Landsat TM και ΕΤΜ+ και ο MODIS. Τα δεδομένα αυτά παρέχουν μεγάλη χωρική κάλυψη, αλλά μικρή θερμοκρασιακή ανάλυση. Ακόμα κάποιες φορές διαφέρουν σημαντικά μεταξύ τους. Έτσι λοιπόν η διαφορά της ώρας, της ανάλυσης, των δεκτών και άλλων πολλών παραγόντων, μπορούν να κάνουν τη δυναμική και το φαινόμενο των θερμικών νησίδων να παρουσιάζεται ιδιαίτερα πολύπλοκο.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BD%CE%B7%CF%83%CE%AF%CE%B4%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%BF%CF%8D_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%84%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BC%CE%B7%CF%84%CF%81%CE%BF%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CE%BA%CE%AE_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CF%84%CE%B7%CF%82_Shangai_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1 2011-01-14T16:00:56Z

<p>Kzotalis: </p> <hr /> <div>'''Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα'''<br /> <br /> '''Remote sensing evaluation of urban heat island and its spatial pattern of the Shanghai metropolitan area, China'''<br /> <br /> '''Juan-juan Li, Xiang-rong Wang, Xin-jun Wang, Wei-chun Ma, Hao Zhang''' <br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Ένα αστικό πρόβλημα με όλο και αυξανόμενο ενδιαφέρον είναι αυτό των θερμικών νησίδων ( UHI ), που συνδέεται άμεσα με την ανθρώπινη δραστηριότητα. Το φαινόμενο αυτό δημιουργείται όταν η θερμοκρασία διαφοροποιείται αρκετά μεταξύ των πόλεων και των αγροτικών περιοχών που τις περιβάλλουν, με υψηλότερες θερμοκρασίες στις πυκνοδομημένες πόλεις. Τα τελευταία χρόνια δορυφορικά συστήματα όπως τα ITOS-I, VHRR, HCMM, Landsat TM, Landsat ETM+ και MODIS χρησιμοποιούνται για την μέτρηση της επιφανειακής θερμοκρασίας σε μεγάλες κλίμακες. <br /> Στην Κίνα η περιοχή του ποταμού Yangtze, είναι μία από τις ταχύτερα αναπτυσσόμενες και πυκνότερα κατοικημένες. Η Shangai είναι η κινητήρια και κύρια μεγαλούπολη αυτής της περιοχής και προσφέρεται για την μελέτη του φαινομένου των θερμικών νησίδων. Η μελέτη αυτή θα γίνει με τη συνδυαστική χρήση δεδομένων τηλεπισκόπισης και γεωγραφικών συστημάτων παρακολούθησης, για την περίοδο 1997 έως 2004.<br /> <br /> 2. Δεδομένα και μέθοδοι<br /> <br /> 2.1 Περιοχή μελέτης<br /> [[Εικόνα:K4i1zot.jpg | thumb| left|Eικόνα 1:''' Η γεωγραφική θέση της περιοχής της Shanghai. ''']]<br /> Η Shangai ( εικόνα 1 ) έχει βόρειο υποτροπικό μουσωνικό κλίμα, με μέση ετήσια θερμοκρασία 15 oC. Οι μέσες υψηλές θερμοκρασίες της είναι 28 oC ενώ οι χαμηλές είναι 4 oC. Η μέση ετήσια βροχόπτωση είναι 1000-1200 mm. Η Shangai από το 1990 και μετά γνωρίζει μία πρωτοφανή ανάπτυξη.<br /> <br /> 2.2 Προσδιορισμός των χρήσεων και της κάλυψης γης ( LULC )<br /> <br /> Προκειμένου να εξακριβωθούν οι επιπτώσεις από τις ανθρώπινες δραστηριότητες στην περιοχή, χρειάζεται ταξινόμηση της κάλυψης γης. Γι αυτό χρησιμοποιήθηκαν δεδομένα του Landsat TM από την 11/4/1997 και την 19/7/2004. Τα δεδομένα αυτά επεξεργάσθηκαν με τον αλγόριθμο της πλησιέστερης γειτονίας, ώστε να διατηρηθούν οι αρχικές τιμές φωτεινότητας των pixel. Το πρόγραμμα που χρησιμοποιήθηκε είναι το GEOSTAR 1. Σύμφωνα με την προκαθορισμένη ταξινόμηση δημιουργήθηκαν έξι κατηγορίες κάλυψης γης και δύο ψευδοχρωματικές απεικονίσεις με συνδυσμό των καναλιών 5, 4 και 3. Η επιβλεπόμενη εξαγωγή υπογραφών με τον αλγόριθμο μέγιστης πιθανοφάνειας, χρησιμοποιήθηκε για ταξινόμηση των εικόνων. Επιπλέον για κάθε κατηγορία, επιλέχθηκαν τουλάχιστον 50 δείγματα, ώστε να ελεγχθεί η ακρίβεια των ταξινομημένων χαρτών. Τέλος οι χρήσεις γης επαναταξινομήθηκαν, ώστε να απλοποιηθεί η μελέτη εκπομπών. Έτσι οι κατηγορίες μειώθηκαν από 6 σε 4, η περιοχή βλάστησης ( δάσος, καλλιέργειες, θάμνοι ), νερό, η δομημένη περιοχή και η γυμνή γη.<br /> <br /> 2.3 Ανάκτηση των επιφανειακών θερμοκρασιών ( LST )<br /> <br /> Ένα τετραγωνικό μοντέλο χρησιμοποιήθηκε για την μετατροπή των ψηφιακών τιμών του θερμικού υπέρυθρου καναλιού ( TIR ) του Landsat TM, σε θερμοκρασιακές ακτινοβολίες. Κάθε μία από τις περιοχές συνδέθηκε με μία τιμή εκπομπής. Οι τιμές εκπομπής εξαρτώνται από το είδος της περιοχής και καθορίστηκαν σε 0,95 για τη βλάστηση, 0,923 για τα κτίρια, 0,92 για το γυμνό έδαφος και 0,9925 για το νερό.<br /> <br /> 2.4 Εντοπισμός της χωρικής ετερογένειας της επιφανειακής θερμότητας<br /> <br /> Οι χρήσεις γης διαφέρουν σημαντικά μεταξύ αστικών και αγροτικών περιοχών. Ετσι τόσο οι τύποι, όσο και οι επιφανειακές θερμοκρασίες εξαρτώνται από το χώρο. Στο σημείο αυτό χρησιμοποιήθηκαν διαγράμματα συσχετισμού και διαφοροποίησης για την ποσοτικοποίηση του βαθμού στον οποίο τα δείγματα παρουσιάζουν χωρικό αυτοσυσχετισμό και η απόσταση στην οποία υπήρχε συσχετισμός.<br /> <br /> 3. Αποτελέσματα<br /> <br /> 3.1 Οι χρήσεις γης στην Shangai<br /> [[Εικόνα:K4i2zot.jpg | thumb| right|Eικόνα 2:''' Χάρτης χρήσεων γης (LULC) της Shanghai στις 11 Απριλίου 1997. ''']][[Εικόνα:K4i3zot.jpg | thumb| right|Eικόνα 3:''' Χάρτης χρήσεων γης (LULC) της Shanghai στις 19 Ιουλίου 2004. ''']]<br /> Στις εικόνες 2 και 3 παρουσιάζονται οι διαφορετικοί τύποι χρήσεων γης κατά την εξεταζόμενη περίοδο. Το 1997 τα σύνορα μεταξύ των κεντρικών αστικών περιοχών και των περιφερειακών πόλεων, είναι ξεκάθαρα. Σε αντίθεση το 2004 τόσο η κεντρική αστική περιοχή, όσο και οι προάστιες πόλεις, έχουν αυξηθεί σε έκταση.<br /> <br /> 3.2 Χωρική και χρονική κατανομή του φαινομένου των θερμικών νησίδων<br /> [[Εικόνα:K4p1zot.jpg | thumb| left|Πίνακας 1:''' Περιγραφικά στατιστικά στοιχεία της εδαφικής θερμοκρασίας το 1997 (LST1997) και το 2004 (LST2004). ''']][[Εικόνα:K4i4zot.jpg | thumb| left|Eικόνα 4:''' Χωρική εναλλαγή της εδαφικής θερμοκρασίας στη Shanghai το 1997 (LST1997). ''']][[Εικόνα:K4i5zot.jpg | thumb| left|Eικόνα 5:''' Χωρική εναλλαγή της εδαφικής θερμοκρασίας στη Shanghai το 2004 (LST2004). ''']]<br /> Τα χαρακτηριστικά των επιφανειακών θερμοκρασιών περιέχονται στον πίνακα 1. Στις εικόνες 4 και 5 φαίνεται η εξάπλωση των θερμικών νησίδων για την εξεταζόμενη περίοδο. Το 1997 οι περιοχές με την υψηλότερη ακτινοβολούσα θερμοκρασία, βρίσκονται κυρίως στα κέντρα της κεντρικής πόλης και των μικρότερων πόλεων που την περιβάλλουν και φαίνεται να συνδέονται γραμμικά μεταξύ τους μέσω των κεντρικών οδικών δικτύων. Το 2004 όμως, οι θερμικές νησίδες εξαπλώθηκαν δραματικά από το εσωτερικό δίκτυο των αυτοκινητόδρομων στο εξωτερικό δίκτυο που συνδέει τα προάστια και τις γύρω πόλεις, που παλιότερα χαρακτηρίζονταν από υψηλότερες θερμοκρασίες μόνο στα κέντρα τους.<br /> <br /> 3.3 Σχέση κάλυψης γης και θερμικών νησίδων<br /> [[Εικόνα:K7p2zot.jpg | thumb| right|Πίνακας 2:''' Μέση εδαφική θερμοκρασία σε συνάρτηση με την κάλυψη γης. ''']]<br /> Η μεταβολή των θερμικών νησίδων συνδέεται με διάφορες παραμέτρους όπως οι αλλαγές στις χρήσεις γης, η γεωμετρία της αστικής επιφάνειας, η εποχή, το κλίμα, τα μετεωρολογικά δεδομένα κλπ. Λόγω των περιορισμών των τηλεσκοπικών δεδομένων θα επικεντρωθούμε μόνο στον παράγοντα των χρήσεων και καλύψεων γης. Τα ποσοτικά δεδομένα του πίνακα 2, δείχνουν τη μέση θερμοκρασία της επιφάνειας για κάθε τύπο γεωκάλυψης. Καθαρά φαίνεται και για τις δύο ημερομηνίες, οι δομημένες περιοχές έχουν τις υψηλότερες θερμοκρασίες, ενώ ακολουθούν οι περιοχές με γυμνό έδαφος.<br /> <br /> 4. Συμπεράσματα<br /> <br /> Τις τελευταίες δεκαετίες οι τηλεπισκοπικές μετρήσεις των επιφανειακών θερμοκρασιών, χρησιμοποιούνται για την μελέτη του φαινομένου των θερμικών νησίδων, με χρήση των θερμικών υπέρυθρων δεδομένων δεκτών όπως ο NOAA AVHRR, Landsat TM και ΕΤΜ+ και ο MODIS. Τα δεδομένα αυτά παρέχουν μεγάλη χωρική κάλυψη, αλλά μικρή θερμοκρασιακή ανάλυση. Ακόμα κάποιες φορές διαφέρουν σημαντικά μεταξύ τους. Έτσι λοιπόν η διαφορά της ώρας, της ανάλυσης, των δεκτών και άλλων πολλών παραγόντων, μπορούν να κάνουν τη δυναμική και το φαινόμενο των θερμικών νησίδων να παρουσιάζεται ιδιαίτερα πολύπλοκο.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B8%CE%B5%CF%81%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BD%CE%B7%CF%83%CE%AF%CE%B4%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%BF%CF%8D_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%84%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%BC%CE%B7%CF%84%CF%81%CE%BF%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CE%BA%CE%AE_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE_%CF%84%CE%B7%CF%82_Shangai_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1 2011-01-14T15:53:37Z

<p>Kzotalis: New page: '''Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική π...</p> <hr /> <div>'''Τηλεπισκοπική αξιολόγηση των θερμικών νησίδων και του χωρικού σχεδιασμού τους στην μητροπολιτική περιοχή της Shangai στην Κίνα'''<br /> <br /> '''Remote sensing evaluation of urban heat island and its spatial pattern of the Shanghai metropolitan area, China'''<br /> <br /> '''Juan-juan Li, Xiang-rong Wang, Xin-jun Wang, Wei-chun Ma, Hao Zhang''' <br /> <br /> '''Πηγή: Science Direct'''<br /> <br /> 1. Εισαγωγή<br /> <br /> Ένα αστικό πρόβλημα με όλο και αυξανόμενο ενδιαφέρον είναι αυτό των θερμικών νησίδων ( UHI ), που συνδέεται άμεσα με την ανθρώπινη δραστηριότητα. Το φαινόμενο αυτό δημιουργείται όταν η θερμοκρασία διαφοροποιείται αρκετά μεταξύ των πόλεων και των αγροτικών περιοχών που τις περιβάλλουν, με υψηλότερες θερμοκρασίες στις πυκνοδομημένες πόλεις. Τα τελευταία χρόνια δορυφορικά συστήματα όπως τα ITOS-I, VHRR, HCMM, Landsat TM, Landsat ETM+ και MODIS χρησιμοποιούνται για την μέτρηση της επιφανειακής θερμοκρασίας σε μεγάλες κλίμακες. <br /> Στην Κίνα η περιοχή του ποταμού Yangtze, είναι μία από τις ταχύτερα αναπτυσσόμενες και πυκνότερα κατοικημένες. Η Shangai είναι η κινητήρια και κύρια μεγαλούπολη αυτής της περιοχής και προσφέρεται για την μελέτη του φαινομένου των θερμικών νησίδων. Η μελέτη αυτή θα γίνει με τη συνδυαστική χρήση δεδομένων τηλεπισκόπισης και γεωγραφικών συστημάτων παρακολούθησης, για την περίοδο 1997 έως 2004.<br /> <br /> 2. Δεδομένα και μέθοδοι<br /> <br /> 2.1 Περιοχή μελέτης<br /> [[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' λεζάντα ''']]<br /> Η Shangai ( εικόνα 1 ) έχει βόρειο υποτροπικό μουσωνικό κλίμα, με μέση ετήσια θερμοκρασία 15 oC. Οι μέσες υψηλές θερμοκρασίες της είναι 28 oC ενώ οι χαμηλές είναι 4 oC. Η μέση ετήσια βροχόπτωση είναι 1000-1200 mm. Η Shangai από το 1990 και μετά γνωρίζει μία πρωτοφανή ανάπτυξη.<br /> <br /> 2.2 Προσδιορισμός των χρήσεων και της κάλυψης γης ( LULC )<br /> <br /> Προκειμένου να εξακριβωθούν οι επιπτώσεις από τις ανθρώπινες δραστηριότητες στην περιοχή, χρειάζεται ταξινόμηση της κάλυψης γης. Γι αυτό χρησιμοποιήθηκαν δεδομένα του Landsat TM από την 11/4/1997 και την 19/7/2004. Τα δεδομένα αυτά επεξεργάσθηκαν με τον αλγόριθμο της πλησιέστερης γειτονίας, ώστε να διατηρηθούν οι αρχικές τιμές φωτεινότητας των pixel. Το πρόγραμμα που χρησιμοποιήθηκε είναι το GEOSTAR 1. Σύμφωνα με την προκαθορισμένη ταξινόμηση δημιουργήθηκαν έξι κατηγορίες κάλυψης γης και δύο ψευδοχρωματικές απεικονίσεις με συνδυσμό των καναλιών 5, 4 και 3. Η επιβλεπόμενη εξαγωγή υπογραφών με τον αλγόριθμο μέγιστης πιθανοφάνειας, χρησιμοποιήθηκε για ταξινόμηση των εικόνων. Επιπλέον για κάθε κατηγορία, επιλέχθηκαν τουλάχιστον 50 δείγματα, ώστε να ελεγχθεί η ακρίβεια των ταξινομημένων χαρτών. Τέλος οι χρήσεις γης επαναταξινομήθηκαν, ώστε να απλοποιηθεί η μελέτη εκπομπών. Έτσι οι κατηγορίες μειώθηκαν από 6 σε 4, η περιοχή βλάστησης ( δάσος, καλλιέργειες, θάμνοι ), νερό, η δομημένη περιοχή και η γυμνή γη.<br /> <br /> 2.3 Ανάκτηση των επιφανειακών θερμοκρασιών ( LST )<br /> <br /> Ένα τετραγωνικό μοντέλο χρησιμοποιήθηκε για την μετατροπή των ψηφιακών τιμών του θερμικού υπέρυθρου καναλιού ( TIR ) του Landsat TM, σε θερμοκρασιακές ακτινοβολίες. Κάθε μία από τις περιοχές συνδέθηκε με μία τιμή εκπομπής. Οι τιμές εκπομπής εξαρτώνται από το είδος της περιοχής και καθορίστηκαν σε 0,95 για τη βλάστηση, 0,923 για τα κτίρια, 0,92 για το γυμνό έδαφος και 0,9925 για το νερό.<br /> <br /> 2.4 Εντοπισμός της χωρικής ετερογένειας της επιφανειακής θερμότητας<br /> <br /> Οι χρήσεις γης διαφέρουν σημαντικά μεταξύ αστικών και αγροτικών περιοχών. Ετσι τόσο οι τύποι, όσο και οι επιφανειακές θερμοκρασίες εξαρτώνται από το χώρο. Στο σημείο αυτό χρησιμοποιήθηκαν διαγράμματα συσχετισμού και διαφοροποίησης για την ποσοτικοποίηση του βαθμού στον οποίο τα δείγματα παρουσιάζουν χωρικό αυτοσυσχετισμό και η απόσταση στην οποία υπήρχε συσχετισμός.<br /> <br /> 3. Αποτελέσματα<br /> <br /> 3.1 Οι χρήσεις γης στην Shangai<br /> [[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' λεζάντα ''']][[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' λεζάντα ''']]<br /> Στις εικόνες 2 και 3 παρουσιάζονται οι διαφορετικοί τύποι χρήσεων γης κατά την εξεταζόμενη περίοδο. Το 1997 τα σύνορα μεταξύ των κεντρικών αστικών περιοχών και των περιφερειακών πόλεων, είναι ξεκάθαρα. Σε αντίθεση το 2004 τόσο η κεντρική αστική περιοχή, όσο και οι προάστιες πόλεις, έχουν αυξηθεί σε έκταση.<br /> <br /> 3.2 Χωρική και χρονική κατανομή του φαινομένου των θερμικών νησίδων<br /> [[Εικόνα:K7ik1zot.jpg | thumb| right|Πίνακας 1:''' λεζάντα ''']][[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' λεζάντα ''']][[Εικόνα:K7ik1zot.jpg | thumb| right|Eικόνα 1:''' λεζάντα ''']]<br /> Τα χαρακτηριστικά των επιφανειακών θερμοκρασιών περιέχονται στον πίνακα 1. Στις εικόνες 4 και 5 φαίνεται η εξάπλωση των θερμικών νησίδων για την εξεταζόμενη περίοδο. Το 1997 οι περιοχές με την υψηλότερη ακτινοβολούσα θερμοκρασία, βρίσκονται κυρίως στα κέντρα της κεντρικής πόλης και των μικρότερων πόλεων που την περιβάλλουν και φαίνεται να συνδέονται γραμμικά μεταξύ τους μέσω των κεντρικών οδικών δικτύων. Το 2004 όμως, οι θερμικές νησίδες εξαπλώθηκαν δραματικά από το εσωτερικό δίκτυο των αυτοκινητόδρομων στο εξωτερικό δίκτυο που συνδέει τα προάστια και τις γύρω πόλεις, που παλιότερα χαρακτηρίζονταν από υψηλότερες θερμοκρασίες μόνο στα κέντρα τους.<br /> <br /> 3.3 Σχέση κάλυψης γης και θερμικών νησίδων<br /> [[Εικόνα:K7ik1zot.jpg | thumb| right|Πίνακας 2:''' λεζάντα ''']]<br /> Η μεταβολή των θερμικών νησίδων συνδέεται με διάφορες παραμέτρους όπως οι αλλαγές στις χρήσεις γης, η γεωμετρία της αστικής επιφάνειας, η εποχή, το κλίμα, τα μετεωρολογικά δεδομένα κλπ. Λόγω των περιορισμών των τηλεσκοπικών δεδομένων θα επικεντρωθούμε μόνο στον παράγοντα των χρήσεων και καλύψεων γης. Τα ποσοτικά δεδομένα του πίνακα 2, δείχνουν τη μέση θερμοκρασία της επιφάνειας για κάθε τύπο γεωκάλυψης. Καθαρά φαίνεται και για τις δύο ημερομηνίες, οι δομημένες περιοχές έχουν τις υψηλότερες θερμοκρασίες, ενώ ακολουθούν οι περιοχές με γυμνό έδαφος.<br /> <br /> 4. Συμπεράσματα<br /> <br /> Τις τελευταίες δεκαετίες οι τηλεπισκοπικές μετρήσεις των επιφανειακών θερμοκρασιών, χρησιμοποιούνται για την μελέτη του φαινομένου των θερμικών νησίδων, με χρήση των θερμικών υπέρυθρων δεδομένων δεκτών όπως ο NOAA AVHRR, Landsat TM και ΕΤΜ+ και ο MODIS. Τα δεδομένα αυτά παρέχουν μεγάλη χωρική κάλυψη, αλλά μικρή θερμοκρασιακή ανάλυση. Ακόμα κάποιες φορές διαφέρουν σημαντικά μεταξύ τους. Έτσι λοιπόν η διαφορά της ώρας, της ανάλυσης, των δεκτών και άλλων πολλών παραγόντων, μπορούν να κάνουν τη δυναμική και το φαινόμενο των θερμικών νησίδων να παρουσιάζεται ιδιαίτερα πολύπλοκο.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K4p2zot.jpg 2011-01-14T15:53:22Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:K4p1zot.jpg 2011-01-14T15:53:10Z

<p>Kzotalis: </p> <hr /> <div></div>

Kzotalis