RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Εντοπισμός αντικειμένου από δορυφορικές εικόνες με τη χρήση του μοντέλου «Διαίρει και βασίλευε»

2016-01-11T18:10:33Z

Lampraki Stamatina:

[[category:Χαρτογραφία]]

[[Εικόνα: System.png|thumb|right| Εικόνα 1. Η βασική ροή του αλγορίθμου]]
[[Εικόνα: Detection.png|thumb|right| Εικόνα 2. Εντοπισμός αντικειμένου]] ‎
[[Εικόνα: Command.png|thumb|right| Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους]] ‎

<big>'''Εισαγωγή'''</big>

Ο εντοπισμός αντικειμένων στον ωκεανό, όπως συντρίμια πλοίων, αεροπλάνων, επιπλέοντα container και άλλα αντικείμενα, προτείνεται να γίνει με τη μέθοδο του «διαίρει και βασίλευε». Ο προτεινόμενος αλγόριθμος προσφέρει βαθύτερη ανάλυση επειδή χρησιμοποιεί τρεις γνωστές προσεγγίσεις, την αντικειμενοστραφή ανάλυση, την ανάλυση με βάση τα pixel και την ανάλυση με βάση το σχήμα.

<big>'''Προτεινόμενο μοντέλο'''</big>

Έπειτα από ένα ατύχημα ενός αεροπλάνου ή πλοίου είναι δύσκολο να εντοπιστούν τα συντρίμια λόγω του μεγέθους των ωκεανών. Η λύση εντοπίζεται στις δορυφορικές εικόνες, αλλά οι υφιστάμενες τεχνολογίες δεν είναι αποτελεσματικές στον εντοπισμό και στην ταυτοποίηση των αντικειμένων. Ο εντοπισμός των επιπλέοντων αντικειμένων μπορεί να γίνει είτε μέσω των pixel είτε μέσω των χαρακτηριστικών ενός αντικειμένου. Έπειτα από τον εντοπισμό σειρά έχει η ταυτοποίηση. Πολλά αντικείμενα επιπλέουν στον ωκεανό, μέσω της αντικειμενοστραφούς προσέγγισης και της προσέγγισης των χρωματικών χαρακτηριστικών τα αντικείμενα μπορούν να εντοπιστούν και να ταυτοποιηθούν.

<big>'''Αλγόριθμος'''</big>

Υποθέσεις:

1. Όλες οι εικόνες είναι εικόνες SAR

2. Όλες οι εικόνες είναι υωηλής ανάλυσης

3. Όλες οι εικόνες είναι λήψεις ωκεανού

4. Οι εικόνες δεν περιέχουν θόρυβο, όπως σύννεφα

5. Όλες οι εικόνες είναι έγχρωμες

Ροή Αλγορίθμου (Εικόνα 1):

1. Φόρτωση εικόνας

2. Κατακερματισμός εικόνας σε τμήματα που περιέχουν αντικείμενα προς έλεγχο (Εικόνα 2)

3. Για κάθε τμήμα:

- Σχήμα αντικειμένου

- Χρώμα αντικειμένου

- Ταυτοποίηση αντικειμένου μέσω σχήματος και χρώματος (Εικόνα 3)

4. Εάν το αποτέλεσμα είναι σωστό το αντικείμενο καταχωρείται ως ταυτοποιημένο

5. Εάν όχι δεν υπάρχουν τα στοιχεία για να ταυτοποιηθεί

6. Επανάληψη από βήμα 3 μέχρι να αναλυθούν όλα τα τμήματα της εικόνας

<big>'''Αποτελέσματα'''</big>

Ο συγκεκριμένος αλγόριθμος αποδεικνύεται αποτελεσματικός σε ποσοστό 95% σε εικόνες που περιέχουν πλοία, βάρκες, αεροπλάνα, συντρίμια, νησιά και θαλάσσια ρεύματα. Η εφαρμογή έγινε για 20 εικόνες και από τα 30 άγνωστα αντικείμεν, με επιτυχία ταυτοποιήθηκαν τα 29.

Πηγή: ''SSRG International Journal of Computer Science and Engineering (SSRG-IJCSE) – volume1 issue10 Dec 2014, «Object Detection from the Satellite Images Using Divide and Conquer Model», Lakhwinder Kaur, Guru Kashi University Er.Vinod Kumar Sharma (Assistant professor, Guru Kashi University''

Εντοπισμός αντικειμένου από δορυφορικές εικόνες με τη χρήση του μοντέλου «Διαίρει και βασίλευε»

2015-12-11T16:39:43Z

Lampraki Stamatina:

[[category:Χαρτογραφία]]

[[Εικόνα: System.png|thumb|right| Εικόνα 1. Η βασική ροή του αλγορίθμου]]
[[Εικόνα: Detection.png|thumb|right| Εικόνα 2. Εντοπισμός αντικειμένου]] ‎
[[Εικόνα: Command.png|thumb|right| Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους]] ‎

<big>'''Εισαγωγή'''</big>

Ο εντοπισμός αντικειμένων στον ωκεανό, όπως συντρίμια πλοίων, αεροπλάνων, επιπλέοντα container και άλλα αντικείμενα, προτίνεται να γίνει με τη μέθοδο του «διαίρει και βασίλευε». Ο προτινόμενος αλγόριθμος προσφέρει βαθύτερη ανάλυση επειδή χρησιμοποιεί τρεις γνωστές προσεγγίσεις, την αντικειμενοστραφή ανάλυση, την ανάλυση με βάση τα pixel και την ανάλυση με βάση το σχήμα.

<big>'''Προτινόμενο μοντέλο'''</big>

Έπειτα από ένα ατύχημα ενός αεροπλάνου ή πλοίου είναι δύσκολο να εντοπιστούν τα συντρίμια λόγω του μεγέθους των ωκεανών. Η λύση εντοπίζεται στις δορυφορικές εικόνες, αλλά οι υφιστάμενες τεχνολογίες δεν είναι αποτελεσματικές στον εντοπισμό και στην ταυτοποίηση των αντικειμένων. Ο εντοπισμός των επιπλέοντων αντικειμένων μπορεί να γίνει είτε μέσω των pixel είτε μέσω των χαρακτηριστικών ενός αντικειμένου. Έπειτα από τον εντοπισμό σειρά έχει η ταυτοποίηση. Πολλά αντικείμενα επιπλέουν στον ωκεανό, μέσω της αντικειμενοστραφούς προσέγγισης και της προσέγγισης των χρωματικών χαρακτηριστικών τα αντικείμενα μπορούν να εντοπιστούν και να ταυτοποιηθούν.

<big>'''Αλγόριθμος'''</big>

Υποθέσεις:

1. Όλες οι εικόνες είναι εικόνες SAR

2. Όλες οι εικόνες είναι υωηλής ανάλυσης

3. Όλες οι εικόνες είναι λήψεις ωκεανού

4. Οι εικόνες δεν περιέχουν θόρυβο, όπως σύννεφα

5. Όλες οι εικόνες είναι έγχρωμες

Ροή Αλγορίθμου (Εικόνα 1):

1. Φόρτωση εικόνας

2. Κατακερματισμός εικόνας σε τμήματα που περιέχουν αντικείμενα προς έλεγχο (Εικόνα 2)

3. Για κάθε τμήμα:

- Σχήμα αντικειμένου

- Χρώμα αντικειμένου

- Ταυτοποίηση αντικειμένου μέσω σχήματος και χρώματος (Εικόνα 3)

4. Εάν το αποτέλεσμα είναι σωστό το αντικείμενο καταχωρείται ως ταυτοποιημένο

5. Εάν όχι δεν υπάρχουν τα στοιχεία για να ταυτοποιηθεί

6. Επανάληψη από βήμα 3 μέχρι να αναλυθούν όλα τα τμήματα της εικόνας

<big>'''Αποτελέσματα'''</big>

Ο συγκεκριμένος αλγόριθμος αποδεικνύεται αποτελεσματικός σε ποσοστό 95% σε εικόνες που περιέχουν πλοία, βάρκες, αεροπλάνα, συντρίμια, νησιά και θαλάσσια ρεύματα. Η εφαρμογή έγινε για 20 εικόνες και από τα 30 άγνωστα αντικείμεν, με επιτυχία ταυτοποιήθηκαν τα 29.

Πηγή: ''SSRG International Journal of Computer Science and Engineering (SSRG-IJCSE) – volume1 issue10 Dec 2014, «Object Detection from the Satellite Images Using Divide and Conquer Model», Lakhwinder Kaur, Guru Kashi University Er.Vinod Kumar Sharma (Assistant professor, Guru Kashi University''

Εντοπισμός αντικειμένου από δορυφορικές εικόνες με τη χρήση του μοντέλου «Διαίρει και βασίλευε»

2015-12-11T16:38:40Z

Lampraki Stamatina: Νέα σελίδα με 'category:Περιβαλλοντικές Επιπτώσεις [[Εικόνα: System.png|thumb|right| Εικόνα 1. Η βασική ροή του αλγορίθμο...'

[[category:Περιβαλλοντικές Επιπτώσεις]]

[[Εικόνα: System.png|thumb|right| Εικόνα 1. Η βασική ροή του αλγορίθμου]]
[[Εικόνα: Detection.png|thumb|right| Εικόνα 2. Εντοπισμός αντικειμένου]] ‎
[[Εικόνα: Command.png|thumb|right| Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους]] ‎

<big>'''Εισαγωγή'''</big>

Ο εντοπισμός αντικειμένων στον ωκεανό, όπως συντρίμια πλοίων, αεροπλάνων, επιπλέοντα container και άλλα αντικείμενα, προτίνεται να γίνει με τη μέθοδο του «διαίρει και βασίλευε». Ο προτινόμενος αλγόριθμος προσφέρει βαθύτερη ανάλυση επειδή χρησιμοποιεί τρεις γνωστές προσεγγίσεις, την αντικειμενοστραφή ανάλυση, την ανάλυση με βάση τα pixel και την ανάλυση με βάση το σχήμα.

<big>'''Προτινόμενο μοντέλο'''</big>

Έπειτα από ένα ατύχημα ενός αεροπλάνου ή πλοίου είναι δύσκολο να εντοπιστούν τα συντρίμια λόγω του μεγέθους των ωκεανών. Η λύση εντοπίζεται στις δορυφορικές εικόνες, αλλά οι υφιστάμενες τεχνολογίες δεν είναι αποτελεσματικές στον εντοπισμό και στην ταυτοποίηση των αντικειμένων. Ο εντοπισμός των επιπλέοντων αντικειμένων μπορεί να γίνει είτε μέσω των pixel είτε μέσω των χαρακτηριστικών ενός αντικειμένου. Έπειτα από τον εντοπισμό σειρά έχει η ταυτοποίηση. Πολλά αντικείμενα επιπλέουν στον ωκεανό, μέσω της αντικειμενοστραφούς προσέγγισης και της προσέγγισης των χρωματικών χαρακτηριστικών τα αντικείμενα μπορούν να εντοπιστούν και να ταυτοποιηθούν.

<big>'''Αλγόριθμος'''</big>

Υποθέσεις:

1. Όλες οι εικόνες είναι εικόνες SAR

2. Όλες οι εικόνες είναι υωηλής ανάλυσης

3. Όλες οι εικόνες είναι λήψεις ωκεανού

4. Οι εικόνες δεν περιέχουν θόρυβο, όπως σύννεφα

5. Όλες οι εικόνες είναι έγχρωμες

Ροή Αλγορίθμου (Εικόνα 1):

1. Φόρτωση εικόνας

2. Κατακερματισμός εικόνας σε τμήματα που περιέχουν αντικείμενα προς έλεγχο (Εικόνα 2)

3. Για κάθε τμήμα:

- Σχήμα αντικειμένου

- Χρώμα αντικειμένου

- Ταυτοποίηση αντικειμένου μέσω σχήματος και χρώματος (Εικόνα 3)

4. Εάν το αποτέλεσμα είναι σωστό το αντικείμενο καταχωρείται ως ταυτοποιημένο

5. Εάν όχι δεν υπάρχουν τα στοιχεία για να ταυτοποιηθεί

6. Επανάληψη από βήμα 3 μέχρι να αναλυθούν όλα τα τμήματα της εικόνας

<big>'''Αποτελέσματα'''</big>

Ο συγκεκριμένος αλγόριθμος αποδεικνύεται αποτελεσματικός σε ποσοστό 95% σε εικόνες που περιέχουν πλοία, βάρκες, αεροπλάνα, συντρίμια, νησιά και θαλάσσια ρεύματα. Η εφαρμογή έγινε για 20 εικόνες και από τα 30 άγνωστα αντικείμεν, με επιτυχία ταυτοποιήθηκαν τα 29.

Πηγή: ''SSRG International Journal of Computer Science and Engineering (SSRG-IJCSE) – volume1 issue10 Dec 2014, «Object Detection from the Satellite Images Using Divide and Conquer Model», Lakhwinder Kaur, Guru Kashi University Er.Vinod Kumar Sharma (Assistant professor, Guru Kashi University''

Αρχείο:Command.png

2015-12-11T16:38:32Z

Lampraki Stamatina: Εικόνα 3. Εκτέλεση υπολογισμών

Εικόνα 3. Εκτέλεση υπολογισμών

Αρχείο:Detection.png

2015-12-11T16:37:56Z

Lampraki Stamatina: Εικόνα 2. Εντοπισμός αντικειμένου

Εικόνα 2. Εντοπισμός αντικειμένου

Αρχείο:System.png

2015-12-11T16:37:23Z

Lampraki Stamatina: Εικόνα 1. Η βασική ροή του αλγορίθμου

Εικόνα 1. Η βασική ροή του αλγορίθμου

Ανάκτηση παραμέτρων νεφοκάλυψης από πολυφασματικές δορυφορικές εικόνες

2015-12-11T16:23:33Z

Lampraki Stamatina: Νέα σελίδα με 'category:Μετεωρολογικοί δορυφόροι [[Εικόνα: Cluster.png|thumb|right| Εικόνα 1. Η επιλογή των συστάδων στο δ...'

[[category:Μετεωρολογικοί δορυφόροι]]

[[Εικόνα: Cluster.png|thumb|right| Εικόνα 1. Η επιλογή των συστάδων στο δισδιάστατο ιστόγραμμα του ορατού φάσματος και των 11μm.]]
[[Εικόνα: Cloud_Temp.png|thumb|right| Εικόνα 2. Οι πιθανές τιμές των δ και Tc σε σχέση με μία δεδομένη θερμοκρασία φωτεινότητας στο κανάλι των 11μm και για δύο δεδομένες τιμές ανακλαστικότητας στο κανάλι του ορατού φάσματος.]] ‎
[[Εικόνα: Cor.png|thumb|right| Εικόνα 3. Διορθωμένη δορυφορική εικόνα από το κανάλι του ορατού φάσματος από τον THIROS-N AVHRR ]] ‎

<big>'''Εισαγωγή'''</big>

Περιγράφεται μία τεχνική για την εξαγωγή παραμέτρων νεφοκάλυψης μέσω της ραδιομετρικής ανάλυσης πολυφασματικών δορυφορικών εικόνων. Χρησιμοποιώντας τρία κανάλια (ορατό, 3.7 μm και 11 μm) από το AVHRR (Advanced Very High Resolution Radiometer) των δορυφόρων πολικής τροχιάς του NOAA.

Από την πρώτη μετάδοση δορυφορικής εικόνας έχει αναπτυχθεί ένα αυξανόμενο ενδιαφέρον για αξιοποίηση των διαστημικών πλατφόρμων ώστε να συλλεχθούν δεδομένα νεφοκάλυψης και να αναπτυχθούν βάσεις δεδομένων κλιματολογίας νεφών. Η πρώτη επιτυχημένη προσπάθεια εξαγωγής «ποσότητας νέφους» από δορυφορικές εικόνες έγινε από τον Arking (1965). Οι τεχνικές ανάκτησης παραμέτρων νεφοκάλυψης μπορούν να χωριστούν σε δύο γενικές κατηγορίες: 1) αυτές που μέσω μίας οριακής τιμής ακτινοβολίας εντοπίζουν τα pixel στα οποία υπάρχει νέφος και 2) αυτές που στηρίζονται στην αναγνώριση συστάδων νεφών στον πολυφασματικό χώρο που δημιουργείται από ένα ή περισσότερα κανάλια.

Η πρώτη τεχνική αντιμετωπίζει κάθε pixel ανεξάρτητα και θεωρεί ότι ένα pixel είτε είναι απόλυτα νεφελώδες είτε καθαρό από νέφος. Η συγκεκριμένη τεχνική επειδή αντιμετωπίζει το κάθε pixel ανεξάρτητα συνοδεύεται και από απλούστερη επεξεργασία δεδομένων. Επίσης, επιτρέπει την αυστηρή εφαρμογή των συναρτήσεων ραδιομετρικής ανάλυσης, οι οποίες συνδέουν άμεσα τις ραδιομετρικές ιδιότητες του νέφους με με τα ποσοστά ακτινοβολίας που μετρούνται σε κάθε κανάλι. Τα μειονεκτήματα της συγκεκριμένης μεθόδου εντοπίζονται στο γεγονός ότι για κάθε pixel θεωρείται ότι το ποσοστό νεφοκάλυψης (f) είναι είτε 0 είτε 1, με το σημαντικότερο πρόβλημα να να είναι η εξάρτηση των αποτελεσμάτων από την ανάλυση της δορυφορικής εικόνας. Όσο μεγαλύτερη επιφάνεια της πραγματικότητας καλύπτει ένα pixel τόσο πιο πιθανό είναι το ποσοστό νεφοκάλυψής του να μην είναι στην πραγματικότητα ούτε 0 ούτε 1.

Η δεύτερη τεχνική στοχεύει στην ανάλυση των νεφών που καλύπτουν μόνο ένα μέρος του οπτικού πεδίου. Εάν οι μάζες νεφών είναι γενικά μεγαλύτερες από τα pixel και οι ακτινοβολίες των νεφών και της επιφάνειας της γης είναι σχετικά ομοιόμορφες, τότε εκείνα τα pixel για τα οποία f = 0 ή 1 θα τείνουν να σχηματίζουν ένα σύμπλεγμα στο πολυδιάστατο διάγραμμα διασποράς, ενώ τα pixel με 0 < f < 1 θα διασπείρονται. Μόλις εντοπιστούν οι συστάδες νεφών ο καθορισμός του f και άλλων παραμέτρων ακτινοβολίας εξαρτόνται από τα διαθέσιμα κανάλια και τις τεχνικές που θα χρησιμοποιηθούν.

Στην παρούσα μελέτη συνδυάζονται τα βέλτιστα χαρακτηριστικά των δύο παραπάνω τεχνικών αξιοποιόντας τις εξισώσεις μετάδοσης της ακτινοβολίας, όπως παρουσιάζονται στην πρώτη μέθοδο και την αναγνώριση των συστάδων μέσω του δισδιάστατου ιστογράμματος διασποράς στο ορατό και στο κανάλι 11μm.

<big>'''Θεωρία'''</big>

Με τη θεώρηση ότι μέσα στο οπτικό πεδίο υπάρχει μόνο ένας τύπος νέφους, έχοντας οριζόντια και κάθετα ομοιόμορφη θερμοκρασία και οπτικές ιδιότητες καθώς και ομοιόμορφα επιφανειακά χαρακτηριστικά (επιφανειακή θερμοκρασία και ανακλαστικότητα) και με την απλοποίηση ότι η ανακλαστικότητα των νεφών εξαρτάται από τις τέσσερις παρακάτω παραμέτρους:

f ποσοστό νεφοκάλυψης

δ οπτικό πάχος του νέφους στο εκάστοτε μήκος κύματος

Tc θερμοκρασία νέφους

M μικροφυσικό μοντέλο των σωματιδίων του νέφους

Καταλήγουμε σε εξισώσεις περιγραφής του νέφους.

<big>'''Αλγόριθμος'''</big>

Αρχικά επιλέγονται pixel στα οποία δεν εμφανίζεται τμήμα νέφους, ορίζεται το μικροφυσικό μοντέλο των σωματιδίων του νέφους, επιλέγονται οι συστάδες νεφών από το δισδιάστατο ιστόγραμμα διασποράς και τέλος εφαρμόζεται η τεχνική της «μέγιστης ομαδοποίησης» για να καθοριστούν οι τιμές των τεσσάρων προαναφερθέντων παραμέτρων.

<big>'''Σύνοψη'''</big>

Τρία κανάλια χρησιμοποιούνται για την εξαγωγή των τεσσάρων χαρακτηριστικών/ παραμέτρων του νέφους (ορατό, 11μm και 3,7μm). Η φυσική ομαδοποίηση των pixel σε ένα διάγραμμα διασποράς της ανακλαστικότητας στο ορατό και στο κανάλι των 11μm χρησιμοποιείται για τον καθορισμό των τεσσάρων χαρακτηριστικών ενός νέφους (Εικόνα 1). Το κανάλι των 3,7μm χρησιμοποιείται ανεξάρτητα από την παραπάνω διαδικασία για να καθοριστεί το μικροφυσικό μοντέλο των σωματιδίων του νέφους.

Πηγή: ''Retrieval of Cloud Cover Parameters from Multispectral Satellite Images
Albert Arking and Jeffrey D. Childs, 1985''

Αρχείο:Cor.png

2015-12-11T16:20:01Z

Lampraki Stamatina: Εικόνα 3. Διορθωμένη δορυφορική εικόνα από το κανάλι του ορατού φάσματος από τον THIROS-N AVHRR

Εικόνα 3. Διορθωμένη δορυφορική εικόνα από το κανάλι του ορατού φάσματος από τον THIROS-N AVHRR

Αρχείο:Cloud Temp.png

2015-12-11T16:19:03Z

Lampraki Stamatina: Εικόνα 2. Οι πιθανές τιμές των δ και Tc σε σχέση με μία δεδομένη θερμοκρασία φωτεινότητας στο κανάλι των 11μm και για δύο δεδομένες τιμές ανακλ�

Εικόνα 2. Οι πιθανές τιμές των δ και Tc σε σχέση με μία δεδομένη θερμοκρασία φωτεινότητας στο κανάλι των 11μm και για δύο δεδομένες τιμές ανακλαστικότητας στο κανάλι του ορατού φάσματος.

Αρχείο:Cluster.png

2015-12-11T16:17:56Z

Lampraki Stamatina: Εικόνα 1. Η επιλογή των συστάδων στο δισδιάστατο ιστόγραμμα του ορατού φάσματος και των 11μm.

Εικόνα 1. Η επιλογή των συστάδων στο δισδιάστατο ιστόγραμμα του ορατού φάσματος και των 11μm.

Ενσωμάτωση υδρογεωλογικών παραγόντων για την αναγνώριση πιθανών ζωνών υπογείων υδάτων με τη χρήση τεχνικών τηλεπισκόπησης και GIS

2015-12-11T16:08:42Z

Lampraki Stamatina: Νέα σελίδα με 'category:Υδατικοί Πόροι Εικόνα 1. Χάρτης πυκνότητας φωτογραμμώσεων [[Ει...'

[[category:Υδατικοί Πόροι]]

[[Εικόνα: Density.png|thumb|right| Εικόνα 1. Χάρτης πυκνότητας φωτογραμμώσεων]]
[[Εικόνα: Slope.png|thumb|right| Εικόνα 2. Χάρτης κλίσης εδάφους]] ‎
[[Εικόνα: Density_2.png|thumb|right| Εικόνα 3. Χάρτης πυκνότητας αποστράγγισης]] ‎
[[Εικόνα: Groundwater.png|thumb|right| Εικόνα 4. Χάρτης πιθανών ζωνών υπογείων υδάτων]]

<big>'''Εισαγωγή'''</big>

Τα δεδομένα της τηλεπισκόπησης μπορούν να χρησιμοποιηθούν σαν εργαλείο για την αναγνώριση ζωνών υπόγειων και επιφανειακών υδάτων. Τέσσερα χαρακτηριστικά (γεωμορφολογικές μονάδες, κλίση, υδρογραφική πυκνότητα και πυκνότητα φωτογραμμώσεων) που υποδεικνύουν την παρουσία υπόγειων υδάτων εξήχθησαν και ενσωματώθηκαν στη μελέτη για τον εντοπισμό των πιθανών ζωνών Δημιουργήθηκαν θεματικοί χάρτες στους οποίους απεικονίζονται τα παραπάνω χαρακτηριστικά, δώθηκαν τα αντίστοιχα βάρη ανάλογα με την σημασία του κάθε χαρακτηριστικού στην παρουσία υπόγειων υδάτων και εξήχθει ο τελικός χάρτης που παρουσιάζει περιοχές με τις αντίστοιχες πιθανότητες ύπαρξης ζωνών υπόγειων υδάτων.

Τα υπόγεια ύδατα είναι συγκεντρώσεις νερού που εντοπίζονται στον κενό χώρο μεταξύ των πετρωμάτων. Λειτουργούν ως αγωγοί για τη μεταφορά των υδάτων και ως δεξαμενές για την αποθήκευσή τους. Ο εντοπισμός της θέσης τους γίνεται στην παρούσα μελέτη με έμμεσα χαρακτηριστικά, για παράδειγμα γεωλογικά, γεωμορφολογικά, υδρολογικά κλπ, σε συνδυασμό με την επιστήμη της τηλεπισκόπησης.

<big>'''Η μελέτη'''</big>

Γεωλογικά η περιοχή μελέτης εντοπίζεται στη λεκάνη Vindhyan στην κεντρική Ινδία.

Τα δεδομένα που χρησιμοποιήθηκαν είναι: Δεδομένα υψομέτρου ανάλυσης 90 μέτρων από την αποστολή Shuttle Radar Topography Mission, Ψηφιακά Υψομετρικά Μοντέλα Εδάφους, δορυφορικές εικόνες Landsat, καθώς και τοπογραφικοί χάρτες και δεδομένα επίγειων ελέγχων από την τοπογραφική υπηρεσία της Ινδίας.

- Υδρογεωμορφολογική ανάλυση: Η οριοθέτηση και χαρτογράφηση των γεωσχηματισμών των σχηματισμών απορροής και των δομικών χαρακτηριστικών της περιοχής μπορούν να δώσουν έναν δείκτη βαρύτητας για την πιθανότητα ύπαρξης ζωνών υπόγειων υδάτων.

- Φωτογραμμώσεις: Οι φωτογραμμώσεις ορίζονται ως τα ευθεία ή σχεδόν καμπύλα χαρακτηριστικά σε μία εικόνα. Μπορεί να είναι ανθρωπογενή, όπως δρόμοι ή γέφυρες, ή φυσικές δομές, όπως γεωλογικοί σχηματισμοί, υδρολογικό δίκτυο κλπ. Προηγούμενες μελέτες υποδεικνύουν στενή σχέση μεταξύ φωτογραμμώσεων και ζωνών υπογείων υδάτων. Η περιοχή μελέτης χωρίστηκε σε ζώνες ενός τετραγωνικού χιλιομέτρου στις οποίες μετρήθηκε το συνολικό μήκος των φωτογραμμώσεων. Οι τιμές αυτές συνδυάστηκαν για τη δημιουργία ενός χάρτη ισοϋψών (Εικόνα 1).

- Κλίσεις: Η κλίση του εδάφους αποτελεί βασική ένδειξη παρουσίας υπόγειων υδάτων, διότι η διαδικασία διήθησης είναι αντιστρόφως ανάλογη της κλίσης του εδάφους. Ο χάρτης κλίσεων βασίστηκε στο Ψηφιακό Υψομετρικό Μοντέλο Εδάφους (DEM) (Εικόνα 2). Οι κλίσεις κυμαίνονται από 0 έως 24 μοίρες, στις περιοχές μεγάλης κλίσης παρατηρείται μεγαλύτερο ποσοστό απορροής των επιφανειακών υδατων παρά διήθησης.

- Πυκνότητα αποστάγγισης: Ο χάρτης πυκνότητας αποστράγγισης δημιουργήθηκε με αντίστοιχο τρόπο με το χάρτη φωτογραμμώσεων, χωρίζοντας την περιοχή μελέτης σε περιοχές ενός τετραγωνικού χιλιομέτρου. Σε κάθε περιοχή μετρήθηκε το συνολικό μήκος των ρεμάτων και εξήχθει ένας χάρτης ισοϋψών που παρουσιάζει την πυκνότητα του δικτύου αποστράγγισης. (Εικόνα 3)

<big>'''Χαρτογράφηση πιθανότητας ύπαρξης ζωνών υπογείων υδάτων'''</big>

Σε κάθε έναν από τους παραπάνω χάρτες δώθηκε το αντίστοιχο βάρος, ανάλογα με την σημασία του εκάστοτε χαρακτηριστικού στην πιθανότητα ύπαρξης ζώνης υπόγειων υδάτων. Οι χάρτες συνδυάστηκαν και σε συνάρτηση με το βάρος τους δημιούργησαν τον τελικό χάρτη. Οι πιθανές ζώνες υπόγειων υδάτων χωρίστηκαν σε πέντε κατηγορίες με βάση την πιθανότητα ύπαρξής τους (Εικόνα 4). Η ανάλυση έδειξε ότι οι ζώνες πολύ υψηλής πιθανότητας καταλαμβάνουν μόλις το 1% της περιοχής μελέτης.

Πηγή: ''Journal of Geosciences and Geomatics, 2014, Vol. 2, No. 1, 11-16, "Integration of Hydrogeological Factors for Identification of Groundwater Potential Zones Using Remote Sensing and GIS Techniques", Lazarus G. Ndatuwong, G. S. Yadav
''

Αρχείο:Groundwater.png

2015-12-11T16:07:14Z

Lampraki Stamatina: Εικόνα 4. Χάρτης πιθανών ζωνών υπογείων υδάτων

Εικόνα 4. Χάρτης πιθανών ζωνών υπογείων υδάτων

Αρχείο:Density 2.png

2015-12-11T16:06:27Z

Lampraki Stamatina: Εικόνα 3. Χάρτης πυκνότητας αποστράγγισης

Εικόνα 3. Χάρτης πυκνότητας αποστράγγισης

Αρχείο:Slope.png

2015-12-11T16:05:50Z

Lampraki Stamatina: Εικόνα 2. Χάρτης κλίσης εδάφους

Εικόνα 2. Χάρτης κλίσης εδάφους

Αρχείο:Density.png

2015-12-11T16:05:06Z

Lampraki Stamatina: Εικόνα 1. Χάρτης πυκνότητας φωτογραμμώσεων

Εικόνα 1. Χάρτης πυκνότητας φωτογραμμώσεων

Αναγνώριση ορυκτών με τη χρήση πολυφασματικών δορυφορικών δεδομένων. Η περίπτωση του Σουλτανάτου του Ομάν

2015-12-11T15:55:36Z

Lampraki Stamatina: Νέα σελίδα με 'category:Γεωλογία – Εδαφολογία [[Εικόνα: Reflection Diagram.png|thumb|right| Εικόνα 1. Καμπύλες ανακλαστικότητα...'

[[category:Γεωλογία – Εδαφολογία]]

[[Εικόνα: Reflection Diagram.png|thumb|right| Εικόνα 1. Καμπύλες ανακλαστικότητας των βασικών ορυκτών και πετρωμάτων]]
[[Εικόνα: 831.png|thumb|right| Εικόνα 2. Ψευδοχρωματική εικόνα των καναλιών 8, 3 και 1]] ‎
[[Εικόνα: SAM.png|thumb|right| Εικόνα 3. Αποτέλεσμα ταξινόμησης SAM]]

<big>'''Εισαγωγή'''</big>

Στην παρούσα μελέτη παρουσιάζεται η χρησιμότητα των πολυφασματικών εικόνων στην αναγνώριση ορυκτών, στα πετρώματα των περιοχών Rusayl και Al Jafnayn, του Σουλτανάτου του Ομάν. Η μελέτη της φασματικής απορρόφησης των πετρωμάτων και των ορυκτών, στα κανάλια του ορατού, του κοντινού υπέρυθρου και του υπέρυθρου μικρού μήκους κύματος του ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) και με τη χρήση της μεθόδου επιβλεπόμενης ταξινόμησης SAM (Spectral Angle Mapper), παρείχε πληροφορίες σχετικά με την ύπαρξη ορυκτών και πετρωμάτων στις συγκεκριμένες περιοχές.

<big>'''Τα φασματικά χαρακτηριστικά των πετρωμάτων και των ορυκτών'''</big>

Τα ορυκτά των πετρωμάτων έχουν μοναδικά χαρακτηριστικά ανακλαστικότητας και δημιουργούν φασματικές υπογραφές (Εικόνα 1). Εφόσον το ποσοστό απορρόφησης της ηλεκτρομαγνητικής ακτινοβολίας είναι συγκεκριμένο για κάθε ορυκτό, μπορούμε να εντοπίσουμε και το ποσοστό περιεκτικότητάς του σε κάθε πέτρωμα.

<big>'''Δορυφορικά δεδομένα'''</big>

Τα δεδομένα του ASTER χρησιμοποιούνται συχνά για τον εντοπισμό πυριτικών και ανθρακικών πετρωμάτων, καθώς και για ηφαιστειακές μελέτες. Για τη συγκεκριμένη μελέτη χρησιμοποιήθηκαν δορυφορικές εικόνες σε μορφή TIF και εφαρμόστηκε ραδιομετρική και γεωμετρική διόρθωση.

<big>'''Μεθοδολογία'''</big>

Αρχικά οι βασικοί τύποι πετρωμάτων διαχωρίστηκαν μέσω ψευδοχρωματικής εικόνας με χρήση των καναλιών 8 (2,295 – 2,365 μm), 3 (0,78 – 0,86 μm) και 1 (0,52 – 0,60 μm) (Εικόνα 2). Το κανάλι 8 χρησιμοιήθηκε για να αναδείξει τα ανθρακικά πετρώματα και τους φέροντες ασβεστολιθικούς σχηματισμούς και τα κανάλια 1 και 3 για να αναδείξουν τα φέροντα σίδηρο πυριτικά πετρώματα.
Με τη μέθοδο ταξινόμησης της φασματικής γωνίας (SAM), έγινε ο διαχωρισμός των πετρωμάτων και των ορυκτών. (Εικόνα 3)

<big>'''Αποτελέσματα'''</big>

Αφού έγιναν επιτόπιοι έλεγχοι και εργαστηριακές αναλύσεις στα πετρώματα τις περιοχής, αυτά διασταυρώθηκαν με τα αποτελέσματα της ταξινόμησης και επιβεβαιώθηκαν τα ταξινομηθέντα πετρώματα και ορυκτά. Οπότε, η συγκεκριμένη μέθοδος θα μπορούσε να εφαρμοστεί σε δυσπρόσιτες περιοχές έντονου αναγλύφου, όπου η δειγματοληψία θα ήταν δύσκολη.

Πηγή: ''SQU Journal for Science, 2014, 19(2), "Recognition of minerals using multispectral remote sensing data: A case study in Sultanate of Oman", Sankaran Rajendran and Sobhi Nasir''

Αρχείο:SAM.png

2015-12-11T15:49:01Z

Lampraki Stamatina: Εικόνα 3. Αποτέλεσμα ταξινόμησης SAM

Εικόνα 3. Αποτέλεσμα ταξινόμησης SAM

Αρχείο:Reflection Diagram.png

2015-12-11T15:48:39Z

Lampraki Stamatina: Εικόνα 1. Καμπύλες ανακλαστικότητας των βασικών ορυκτών και πετρωμάτων

Εικόνα 1. Καμπύλες ανακλαστικότητας των βασικών ορυκτών και πετρωμάτων

Αρχείο:831.png

2015-12-11T15:48:16Z

Lampraki Stamatina: Εικόνα 2. Ψευδοχρωματική εικόνα των καναλιών 8, 3 και 1

Εικόνα 2. Ψευδοχρωματική εικόνα των καναλιών 8, 3 και 1

Η συμβολή των δεδομένων του LANDSAT TM στην ανίχνευση αστικών νησίδων θερμότητας, η περίπτωση της Casablanca

2015-12-11T15:37:48Z

Lampraki Stamatina:

[[category:Περιβαλλοντικές Επιπτώσεις]]

[[Εικόνα: Temperature.png|thumb|right| Εικόνα 1. Η θερμοκρασία εδάφους στην Casablanca]]
[[Εικόνα: Heat Islands.png|thumb|right| Εικόνα 2. Σχηματισμός νησίδων θερμότητας]] ‎
[[Εικόνα: Graph.png|thumb|right| Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους]] ‎

<big>'''Εισαγωγή'''</big>

Η Casablanca, η κύρια μητρόπολη του Morocco συγκεντρώνει πάνω από το 46% του ενεργού πληθυσμού και θεωρείται ως η πόλη που πλήττεται περισσότερο από την αύξηση της θερμοκρασίας. Αντικείμενο της μελέτης είναι η εκτίμηση της θερμοκρασίας του εδάφους, ώστε να αξιολογηθεί η συμβολή της βλάστησης στη μείωσή της. Για τον εντοπισμό των νησίδων θερμότητας χρησιμοποιήθηκαν δορυφορικές εικόνες LANDSAT 5 TM.

<big>'''Μέθοδος'''</big>

Η διαδικασία χωρίστηκε σε τρία τμήματα:

- Στο πρώτο γίνεται εκτίμηση των εκπομπών θερμότητας του εδάφος, μέσω του δείκτη NDVI. Ο δείκτης αυτός χρησιμοποιείται ευρέως για τη μελέτη και τη χαρτογράφηση της χλωρίδας. Στηρίζεται στην απορρόφηση της κόκκινης ακτινοβολίας από τη χλωροφύλλη (TM 3) και στη σχέση του μέσου υπέρυθρου με την πυκνότητα της πράσινης βλάστησης (TM 4).

- Στο δεύτερο υπολογίζεται η φωτεινότητα της θερμοκρασίας, η λεγόμενη θερμοκρασία της επιφάνειας. Η εκπεμπικότητα είναι η χαρακτηριστική ιδιότητα των αντικειμένων να εκπέμπουν ακτινοβολία. Μπορεί να υπολογιστεί σε συνάρτηση με τον δείκτη NDVI με τους εξής τρόπους:

ε = 1.0094 + 0.0047ln(NDVI)

ή

ε = ενPν + εs(1-Pν)+dε

, όπου

ε η εκπεμπικότητα

εν η εκπεμπικότητα της βλάστησης

εs η εκπεμπικότητα του χώματος

Pν η αναλογία της βλάστησης η οποία υπολογίζεται από την εξίσωση Pν = [(NDVI – NDVImin) / (NDVImax – NDVImin)]2

- Στο τρίτο, με τη χρήση ενός μονοφασματικού αλγόριθμου ανακτόνται οι θερμοκρασίες του εδάφους. (Εικόνα 1)

Με βάση τα παραπάνω γίνεται ο διαχωρισμός των θερμών και των δροσερών νησίδων (Εικόνα 2).

<big>'''Συμπεράσματα'''</big>

Ο σχηματισμός θερμών νησίδων απειλεί το μέλλον των οικισμών του Morocco και ειδικότερα της οικονομίας της μητρόπολης, της Casablanca. Τα αποτελέσματα της παρούσας μελέτης δείχνουν ότι οι νησίδες υψηλής θερμότητας βρίσκονται σε περιοχές με πολλά ορυκτά και περισσότερο έντονα στις βιομηχανικές περιοχές, στις παραγκουπόλεις, στις μεγάλες κτιριακές συγκεντρώσεις και στα parking. Οι λόγοι είναι οι θερμικές ιδιότητες των υλικών που δομούν τις περιοχές αυτές, η μορφολογία της πόλης και οι ανθρωπογενείς δραστηριότητες. Το φαινόμενο των θερμών νησίδων στις πόλεις πρέπει να αντιμετωπιστεί με αντίστοιχες ψυχρές νησίδες (νησίδες βλάστησης) (Εικόνα 3), ώστε να αποφευχθεί η περαιτέρω αύξηση της θερμοκρασίας και τα προβλήματα υγείας που αυτή συνεπάγεται.

Πηγή: ''Journal of Geographic Information System, 2012, 4, 20-26, "Contribution of Landsat TM Data for the Detection of Urban Heat Islands Areas Case of Casablanca", Hassan Rhinane, Atika Hilali, Hicham Bahi, Aziza Berrada, Faculty of Sciences Ain Chock, University Hassan II, Casablanca, Morocco
''

Η συμβολή των δεδομένων του LANDSAT TM στην ανίχνευση αστικών νησίδων θερμότητας, η περίπτωση της Casablanca

2015-12-11T15:35:04Z

Lampraki Stamatina: Νέα σελίδα με ' Εικόνα 1. Η θερμοκρασία εδάφους στην Casablanca [[Εικόνα: Heat Islands.png|thumb|right| ...'

[[Εικόνα: Temperature.png|thumb|right| Εικόνα 1. Η θερμοκρασία εδάφους στην Casablanca]]
[[Εικόνα: Heat Islands.png|thumb|right| Εικόνα 2. Σχηματισμός νησίδων θερμότητας]] ‎
[[Εικόνα: Graph.png|thumb|right| Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους]] ‎

<big>'''Εισαγωγή'''</big>

Η Casablanca, η κύρια μητρόπολη του Morocco συγκεντρώνει πάνω από το 46% του ενεργού πληθυσμού και θεωρείται ως η πόλη που πλήττεται περισσότερο από την αύξηση της θερμοκρασίας. Αντικείμενο της μελέτης είναι η εκτίμηση της θερμοκρασίας του εδάφους, ώστε να αξιολογηθεί η συμβολή της βλάστησης στη μείωσή της. Για τον εντοπισμό των νησίδων θερμότητας χρησιμοποιήθηκαν δορυφορικές εικόνες LANDSAT 5 TM.

<big>'''Μέθοδος'''</big>

Η διαδικασία χωρίστηκε σε τρία τμήματα:

- Στο πρώτο γίνεται εκτίμηση των εκπομπών θερμότητας του εδάφος, μέσω του δείκτη NDVI. Ο δείκτης αυτός χρησιμοποιείται ευρέως για τη μελέτη και τη χαρτογράφηση της χλωρίδας. Στηρίζεται στην απορρόφηση της κόκκινης ακτινοβολίας από τη χλωροφύλλη (TM 3) και στη σχέση του μέσου υπέρυθρου με την πυκνότητα της πράσινης βλάστησης (TM 4).

- Στο δεύτερο υπολογίζεται η φωτεινότητα της θερμοκρασίας, η λεγόμενη θερμοκρασία της επιφάνειας. Η εκπεμπικότητα είναι η χαρακτηριστική ιδιότητα των αντικειμένων να εκπέμπουν ακτινοβολία. Μπορεί να υπολογιστεί σε συνάρτηση με τον δείκτη NDVI με τους εξής τρόπους:

ε = 1.0094 + 0.0047ln(NDVI)

ή

ε = ενPν + εs(1-Pν)+dε

, όπου

ε η εκπεμπικότητα

εν η εκπεμπικότητα της βλάστησης

εs η εκπεμπικότητα του χώματος

Pν η αναλογία της βλάστησης η οποία υπολογίζεται από την εξίσωση Pν = [(NDVI – NDVImin) / (NDVImax – NDVImin)]2

- Στο τρίτο, με τη χρήση ενός μονοφασματικού αλγόριθμου ανακτόνται οι θερμοκρασίες του εδάφους. (Εικόνα 1)

Με βάση τα παραπάνω γίνεται ο διαχωρισμός των θερμών και των δροσερών νησίδων (Εικόνα 2).

<big>'''Συμπεράσματα'''</big>

Ο σχηματισμός θερμών νησίδων απειλεί το μέλλον των οικισμών του Morocco και ειδικότερα της οικονομίας της μητρόπολης, της Casablanca. Τα αποτελέσματα της παρούσας μελέτης δείχνουν ότι οι νησίδες υψηλής θερμότητας βρίσκονται σε περιοχές με πολλά ορυκτά και περισσότερο έντονα στις βιομηχανικές περιοχές, στις παραγκουπόλεις, στις μεγάλες κτιριακές συγκεντρώσεις και στα parking. Οι λόγοι είναι οι θερμικές ιδιότητες των υλικών που δομούν τις περιοχές αυτές, η μορφολογία της πόλης και οι ανθρωπογενείς δραστηριότητες. Το φαινόμενο των θερμών νησίδων στις πόλεις πρέπει να αντιμετωπιστεί με αντίστοιχες ψυχρές νησίδες (νησίδες βλάστησης) (Εικόνα 3), ώστε να αποφευχθεί η περαιτέρω αύξηση της θερμοκρασίας και τα προβλήματα υγείας που αυτή συνεπάγεται.

Πηγή: ''Journal of Geographic Information System, 2012, 4, 20-26, "Contribution of Landsat TM Data for the Detection of Urban Heat Islands Areas Case of Casablanca", Hassan Rhinane, Atika Hilali, Hicham Bahi, Aziza Berrada, Faculty of Sciences Ain Chock, University Hassan II, Casablanca, Morocco
''

Αρχείο:Temperature.png

2015-12-11T15:28:20Z

Lampraki Stamatina: Εικόνα 1. Η θερμοκρασία εδάφους στην Casablanca

Εικόνα 1. Η θερμοκρασία εδάφους στην Casablanca

Αρχείο:Heat Islands.png

2015-12-11T15:25:20Z

Lampraki Stamatina: Εικόνα 2. Σχηματισμός νησίδων θερμότητας

Εικόνα 2. Σχηματισμός νησίδων θερμότητας

Αρχείο:Graph.png

2015-12-11T15:24:03Z

Lampraki Stamatina: ανέβασμα νέας έκδοσης του "Αρχείο:Graph.png": Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους

Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους

Αρχείο:Graph.png

2015-12-11T15:09:45Z

Lampraki Stamatina: Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους

Εικόνα 3. Γράφημα συσχέτισης φυτοκάλυψης και επιφανειακού ψύχους

Λαμπράκη Σταματίνα

2015-12-11T14:51:18Z

Lampraki Stamatina: Νέα σελίδα με '* [[Η συμβολή των δεδομένων του LANDSAT TM στην ανίχνευση αστικών νησίδων θερμότητας, η περίπτωση τ...'

* [[Η συμβολή των δεδομένων του LANDSAT TM στην ανίχνευση αστικών νησίδων θερμότητας, η περίπτωση της Casablanca]]

* [[Αναγνώριση ορυκτών με τη χρήση πολυφασματικών δορυφορικών δεδομένων. Η περίπτωση του Σουλτανάτου του Ομάν]]

* [[Ενσωμάτωση υδρογεωλογικών παραγόντων για την αναγνώριση πιθανών ζωνών υπογείων υδάτων με τη χρήση τεχνικών τηλεπισκόπησης και GIS]]

* [[Ανάκτηση παραμέτρων νεφοκάλυψης από πολυφασματικές δορυφορικές εικόνες]]

* [[Εντοπισμός αντικειμένου από δορυφορικές εικόνες με τη χρήση του μοντέλου «Διαίρει και βασίλευε»]]

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