RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Λεκάκης Μιχάλης

2026-02-24T00:33:28Z

MICHAIL LEKAKIS:

[[Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών]]

[[Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις]]

[[Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων]]

[[Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)]]

[[Η φασματική ποικιλότητα ως δείκτης παρακολούθησης για την αρχική πρόοδο της οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο]]

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

Λεκάκης Μιχάλης

2026-02-24T00:33:13Z

MICHAIL LEKAKIS:

[[Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών]]

[[Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις]]

[[Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων]]

[[Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)]]

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

Χρήστης:MICHAIL LEKAKIS

2026-02-24T00:30:17Z

MICHAIL LEKAKIS:

Λεκάκης Μιχάλης

2026-02-24T00:29:49Z

MICHAIL LEKAKIS:

Λεκάκης Μιχάλης

2026-02-24T00:29:29Z

MICHAIL LEKAKIS:

[[Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών]]

[[Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις]]

[[Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων]]

[[Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)]]

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

Λεκάκης Μιχάλης

2026-02-24T00:28:25Z

MICHAIL LEKAKIS:

Αρχείο:5.bhta.png

2026-02-24T00:27:51Z

MICHAIL LEKAKIS: Πίνακας 1: Χρονοσειρές που χρησιμοποιούνται για την ανάλυση

Πίνακας 1: Χρονοσειρές που χρησιμοποιούνται για την ανάλυση

Η φασματική ποικιλότητα ως δείκτης παρακολούθησης για την αρχική πρόοδο της οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο

2026-02-24T00:27:07Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Spectral diversity tracks initial restoration progress in the Eastern Amazon''

'''Μεταφρασμένος τίτλος''' ''Η φασματική ποικιλότητα ως δείκτης παρακολούθησης για την αρχική πρόοδο της οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο''

'''Συγγραφείς:''' Larissa Ranielle da Silva Parente, Priscila Sanjuan de Medeiros-Sarmento, Yorranna Kelly Rossy Da Silva, Paula Godinho Ribeiro, Silvio Junio Ramos, Cecílio Frois Caldeira and Markus Gastauer

'''Δημοσιεύθηκε:''' Frontiers in Environmental Science 13 (2025) 1546771

'''Σύνδεσμος πρωτότυπου κειμένου:''' [ https://doi.org/10.3389/fenvs.2025.1546771]

'''Λέξεις-Κλειδιά:''' '' Τηλεπισκόπηση, διαδοχική δυναμική (successional dynamics), βιοποικιλότητα, Καραχάς (Carajas), Sentinel''

'''1. Εισαγωγή'''

Η αποκατάσταση υποβαθμισμένων οικοσυστημάτων, ιδιαίτερα σε περιοχές εξόρυξης και αποψίλωσης, αποτελεί κρίσιμη πρόκληση για τη διατήρηση της βιοποικιλότητας και τη βιώσιμη διαχείριση των φυσικών πόρων.

Η παρακολούθηση της προόδου των έργων αποκατάστασης είναι απαραίτητη τόσο για την αξιολόγηση της αποτελεσματικότητας των παρεμβάσεων όσο και για τη συμμόρφωση με περιβαλλοντικές πολιτικές. Παραδοσιακά, η αξιολόγηση της οικολογικής ανάκαμψης βασίζεται σε επιτόπιες δειγματοληψίες, οι οποίες απαιτούν σημαντικό χρόνο, εξειδικευμένο προσωπικό και υψηλό οικονομικό κόστος. Για τον λόγο αυτό, αναζητούνται εναλλακτικές ή συμπληρωματικές μέθοδοι που να επιτρέπουν ταχύτερη και ευρύτερης κλίμακας παρακολούθηση.

Η μελέτη εξετάζει τη δυνατότητα χρήσης της φασματικής ποικιλότητας (spectral diversity) ως εργαλείου εκτίμησης της προόδου οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο. Συγκεκριμένα, αξιολογείται η σχέση μεταξύ δεικτών φασματικής ποικιλότητας που προκύπτουν από δορυφορικές εικόνες και του Δείκτη Αποκατάστασης (Restoration Index – RI), ενός σύνθετου δείκτη που συνδυάζει δομικά και συνθετικά χαρακτηριστικά της βλάστησης, όπως ο πλούτος ειδών, η βασική επιφάνεια και η κάλυψη κόμης.

Στόχος είναι να διερευνηθεί κατά πόσο οι φασματικές μετρήσεις μπορούν να λειτουργήσουν ως αξιόπιστος και οικονομικά αποδοτικός δείκτης της οικολογικής ανάκαμψης.

'''2. Μεθοδολογία'''

Η έρευνα πραγματοποιήθηκε σε επτά περιοχές στην πολιτεία Pará στον Ανατολικό Αμαζόνιο, οι οποίες περιλάμβαναν τέσσερις περιοχές αντιστάθμισης και τρεις περιοχές αποκατάστασης εξορυκτικών δραστηριοτήτων. Οι περιοχές αντιπροσώπευαν διαφορετικά στάδια διαδοχής και ανάκαμψης, επιτρέποντας τη σύγκριση μεταξύ πρώιμων και πιο ώριμων φάσεων αποκατάστασης.

Ο Δείκτης Αποκατάστασης (RI) υπολογίστηκε βάσει επιτόπιων δεδομένων βλάστησης, τα οποία ενσωμάτωναν ποσοτικά και ποιοτικά χαρακτηριστικά της χλωρίδας. Παράλληλα, χρησιμοποιήθηκαν δορυφορικές εικόνες από τον αισθητήρα Sentinel-2, οι οποίες προσφέρουν υψηλή χωρική και φασματική ανάλυση. Μέσω του πακέτου BiodivMapR στο λογισμικό R, υπολογίστηκαν διάφοροι δείκτες φασματικής ποικιλότητας, όπως ο φασματικός πλούτος (spectral richness), ο δείκτης Shannon, ο δείκτης Rao’s Q και δείκτες λειτουργικής σύνθεσης.

Στη συνέχεια πραγματοποιήθηκαν στατιστικές αναλύσεις συσχέτισης και γραμμικής παλινδρόμησης μεταξύ των φασματικών δεικτών και του RI, με σκοπό τον εντοπισμό των ισχυρότερων σχέσεων. Επιπλέον, σε δύο περιοχές πραγματοποιήθηκαν επαναλαμβανόμενες επιτόπιες καταγραφές σε διαφορετικές χρονικές στιγμές, ώστε να αξιολογηθεί η χρονική ευαισθησία των φασματικών μετρήσεων. Τέλος, εξετάστηκε η επίδραση της εποχικότητας μέσω σύγκρισης εικόνων διαφορετικών μηνών, προκειμένου να διαπιστωθεί η σταθερότητα των δεικτών.

[[Αρχείο:5.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής για την επεξεργασία των εικόνων του Sentinel-2, υπολογίζοντας την φασματική ποικιλότητα και αναλύοντας τις συσχετίσεις με τα δεδομένα πεδίου]]

[[Αρχείο:5.bhta.png | right | thumb | Πίνακας 1: Χρονοσειρές που χρησιμοποιούνται για την ανάλυση]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα έδειξαν ότι μεταξύ των φασματικών μετρικών που εξετάστηκαν, ο φασματικός πλούτος και ο φασματικός δείκτης Shannon παρουσίασαν τις ισχυρότερες συσχετίσεις με τον Δείκτη Αποκατάστασης. Η γραμμική παλινδρόμηση έδειξε ότι κάθε αύξηση του RI κατά 1% αντιστοιχεί σε αύξηση 0,0198 μονάδων στον φασματικό πλούτο. Με βάση το μοντέλο, για επίπεδο αποκατάστασης 70%, ο προβλεπόμενος φασματικός πλούτος ανέρχεται σε 2,29, προσφέροντας ένα πρακτικό σημείο αναφοράς για την αξιολόγηση της προόδου αποκατάστασης.

Παρότι στις περιοχές που επανεξετάστηκαν δεν παρατηρήθηκαν στατιστικά σημαντικές αυξήσεις στον φασματικό πλούτο μεταξύ των δύο απογραφών, οι διαφορές μεταξύ διαδοχικών σταδίων αποκατάστασης αποτυπώθηκαν επαρκώς σε όλα τα διαθέσιμα σύνολα δεδομένων. Αυτό υποδηλώνει ότι οι φασματικοί δείκτες είναι ιδιαίτερα κατάλληλοι για τη διάκριση μεταξύ διαφορετικών επιπέδων οικολογικής ανάκαμψης, ακόμη και αν δεν καταγράφουν άμεσα μικρές βραχυπρόθεσμες μεταβολές.

Επιπλέον, η σύγκριση εικόνων από διαφορετικούς μήνες έδειξε μέτρια αλλά σταθερή συσχέτιση των φασματικών δεικτών, γεγονός που υποστηρίζει τη σχετική ανθεκτικότητά τους έναντι εποχικών διαφοροποιήσεων. Η διαπίστωση αυτή ενισχύει την αξιοπιστία της μεθόδου για εφαρμογή σε μακροχρόνια και μεγάλης κλίμακας προγράμματα παρακολούθησης.

Συνολικά, η μελέτη καταδεικνύει ότι η φασματική ποικιλότητα αποτελεί ένα χρήσιμο, οικονομικά αποδοτικό και διαφανές εργαλείο για την παρακολούθηση της αποκατάστασης οικοσυστημάτων. Αν και δεν αντικαθιστά πλήρως τις επιτόπιες μετρήσεις, μπορεί να λειτουργήσει συμπληρωματικά, μειώνοντας το κόστος και αυξάνοντας τη συχνότητα αξιολόγησης. Η ενσωμάτωση δορυφορικών δεδομένων στη διαδικασία αποκατάστασης ενισχύει τη δυνατότητα έγκαιρης λήψης αποφάσεων και βελτιστοποίησης των παρεμβάσεων, ιδιαίτερα σε εκτεταμένες και δυσπρόσιτες περιοχές όπως ο Αμαζόνιος.

[[category:Δασοπονία, Δασική διαχείριση]]

Αρχείο:5.alfa.png

2026-02-24T00:25:59Z

MICHAIL LEKAKIS: Εικόνα 1: Διάγραμμα ροής για την επεξεργασία των εικόνων του Sentinel-2, υπολογίζοντας την φασματική ποικιλότητα και αναλύοντας τις συσχετίσεις

Εικόνα 1: Διάγραμμα ροής για την επεξεργασία των εικόνων του Sentinel-2, υπολογίζοντας την φασματική ποικιλότητα και αναλύοντας τις συσχετίσεις με τα δεδομένα πεδίου

Η φασματική ποικιλότητα ως δείκτης παρακολούθησης για την αρχική πρόοδο της οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο

2026-02-24T00:25:35Z

MICHAIL LEKAKIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Spectral diversity tracks initial restoration progress in the Eastern Amazon'' '''Μεταφρασμένος τίτλος''' ''...'

'''Πρωτότυπος τίτλος:''' ''Spectral diversity tracks initial restoration progress in the Eastern Amazon''

'''Μεταφρασμένος τίτλος''' ''Η φασματική ποικιλότητα ως δείκτης παρακολούθησης για την αρχική πρόοδο της οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο''

'''Συγγραφείς:''' Larissa Ranielle da Silva Parente, Priscila Sanjuan de Medeiros-Sarmento, Yorranna Kelly Rossy Da Silva, Paula Godinho Ribeiro, Silvio Junio Ramos, Cecílio Frois Caldeira and Markus Gastauer

'''Δημοσιεύθηκε:''' Frontiers in Environmental Science 13 (2025) 1546771

'''Σύνδεσμος πρωτότυπου κειμένου:''' [ https://doi.org/10.3389/fenvs.2025.1546771]

'''Λέξεις-Κλειδιά:''' '' Τηλεπισκόπηση, διαδοχική δυναμική (successional dynamics), βιοποικιλότητα, Καραχάς (Carajas), Sentinel''

'''1. Εισαγωγή'''

Η αποκατάσταση υποβαθμισμένων οικοσυστημάτων, ιδιαίτερα σε περιοχές εξόρυξης και αποψίλωσης, αποτελεί κρίσιμη πρόκληση για τη διατήρηση της βιοποικιλότητας και τη βιώσιμη διαχείριση των φυσικών πόρων.

Η παρακολούθηση της προόδου των έργων αποκατάστασης είναι απαραίτητη τόσο για την αξιολόγηση της αποτελεσματικότητας των παρεμβάσεων όσο και για τη συμμόρφωση με περιβαλλοντικές πολιτικές. Παραδοσιακά, η αξιολόγηση της οικολογικής ανάκαμψης βασίζεται σε επιτόπιες δειγματοληψίες, οι οποίες απαιτούν σημαντικό χρόνο, εξειδικευμένο προσωπικό και υψηλό οικονομικό κόστος. Για τον λόγο αυτό, αναζητούνται εναλλακτικές ή συμπληρωματικές μέθοδοι που να επιτρέπουν ταχύτερη και ευρύτερης κλίμακας παρακολούθηση.

Η μελέτη εξετάζει τη δυνατότητα χρήσης της φασματικής ποικιλότητας (spectral diversity) ως εργαλείου εκτίμησης της προόδου οικολογικής αποκατάστασης στον Ανατολικό Αμαζόνιο. Συγκεκριμένα, αξιολογείται η σχέση μεταξύ δεικτών φασματικής ποικιλότητας που προκύπτουν από δορυφορικές εικόνες και του Δείκτη Αποκατάστασης (Restoration Index – RI), ενός σύνθετου δείκτη που συνδυάζει δομικά και συνθετικά χαρακτηριστικά της βλάστησης, όπως ο πλούτος ειδών, η βασική επιφάνεια και η κάλυψη κόμης.

Στόχος είναι να διερευνηθεί κατά πόσο οι φασματικές μετρήσεις μπορούν να λειτουργήσουν ως αξιόπιστος και οικονομικά αποδοτικός δείκτης της οικολογικής ανάκαμψης.

'''2. Μεθοδολογία'''

Η έρευνα πραγματοποιήθηκε σε επτά περιοχές στην πολιτεία Pará στον Ανατολικό Αμαζόνιο, οι οποίες περιλάμβαναν τέσσερις περιοχές αντιστάθμισης και τρεις περιοχές αποκατάστασης εξορυκτικών δραστηριοτήτων. Οι περιοχές αντιπροσώπευαν διαφορετικά στάδια διαδοχής και ανάκαμψης, επιτρέποντας τη σύγκριση μεταξύ πρώιμων και πιο ώριμων φάσεων αποκατάστασης.

Ο Δείκτης Αποκατάστασης (RI) υπολογίστηκε βάσει επιτόπιων δεδομένων βλάστησης, τα οποία ενσωμάτωναν ποσοτικά και ποιοτικά χαρακτηριστικά της χλωρίδας. Παράλληλα, χρησιμοποιήθηκαν δορυφορικές εικόνες από τον αισθητήρα Sentinel-2, οι οποίες προσφέρουν υψηλή χωρική και φασματική ανάλυση. Μέσω του πακέτου BiodivMapR στο λογισμικό R, υπολογίστηκαν διάφοροι δείκτες φασματικής ποικιλότητας, όπως ο φασματικός πλούτος (spectral richness), ο δείκτης Shannon, ο δείκτης Rao’s Q και δείκτες λειτουργικής σύνθεσης.

Στη συνέχεια πραγματοποιήθηκαν στατιστικές αναλύσεις συσχέτισης και γραμμικής παλινδρόμησης μεταξύ των φασματικών δεικτών και του RI, με σκοπό τον εντοπισμό των ισχυρότερων σχέσεων. Επιπλέον, σε δύο περιοχές πραγματοποιήθηκαν επαναλαμβανόμενες επιτόπιες καταγραφές σε διαφορετικές χρονικές στιγμές, ώστε να αξιολογηθεί η χρονική ευαισθησία των φασματικών μετρήσεων. Τέλος, εξετάστηκε η επίδραση της εποχικότητας μέσω σύγκρισης εικόνων διαφορετικών μηνών, προκειμένου να διαπιστωθεί η σταθερότητα των δεικτών.

[[Αρχείο:5.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής για την επεξεργασία των εικόνων του Sentinel-2, υπολογίζοντας την φασματική ποικιλότητα και αναλύοντας τις συσχετίσεις με τα δεδομένα πεδίου]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα έδειξαν ότι μεταξύ των φασματικών μετρικών που εξετάστηκαν, ο φασματικός πλούτος και ο φασματικός δείκτης Shannon παρουσίασαν τις ισχυρότερες συσχετίσεις με τον Δείκτη Αποκατάστασης. Η γραμμική παλινδρόμηση έδειξε ότι κάθε αύξηση του RI κατά 1% αντιστοιχεί σε αύξηση 0,0198 μονάδων στον φασματικό πλούτο. Με βάση το μοντέλο, για επίπεδο αποκατάστασης 70%, ο προβλεπόμενος φασματικός πλούτος ανέρχεται σε 2,29, προσφέροντας ένα πρακτικό σημείο αναφοράς για την αξιολόγηση της προόδου αποκατάστασης.

Παρότι στις περιοχές που επανεξετάστηκαν δεν παρατηρήθηκαν στατιστικά σημαντικές αυξήσεις στον φασματικό πλούτο μεταξύ των δύο απογραφών, οι διαφορές μεταξύ διαδοχικών σταδίων αποκατάστασης αποτυπώθηκαν επαρκώς σε όλα τα διαθέσιμα σύνολα δεδομένων. Αυτό υποδηλώνει ότι οι φασματικοί δείκτες είναι ιδιαίτερα κατάλληλοι για τη διάκριση μεταξύ διαφορετικών επιπέδων οικολογικής ανάκαμψης, ακόμη και αν δεν καταγράφουν άμεσα μικρές βραχυπρόθεσμες μεταβολές.

Επιπλέον, η σύγκριση εικόνων από διαφορετικούς μήνες έδειξε μέτρια αλλά σταθερή συσχέτιση των φασματικών δεικτών, γεγονός που υποστηρίζει τη σχετική ανθεκτικότητά τους έναντι εποχικών διαφοροποιήσεων. Η διαπίστωση αυτή ενισχύει την αξιοπιστία της μεθόδου για εφαρμογή σε μακροχρόνια και μεγάλης κλίμακας προγράμματα παρακολούθησης.

Συνολικά, η μελέτη καταδεικνύει ότι η φασματική ποικιλότητα αποτελεί ένα χρήσιμο, οικονομικά αποδοτικό και διαφανές εργαλείο για την παρακολούθηση της αποκατάστασης οικοσυστημάτων. Αν και δεν αντικαθιστά πλήρως τις επιτόπιες μετρήσεις, μπορεί να λειτουργήσει συμπληρωματικά, μειώνοντας το κόστος και αυξάνοντας τη συχνότητα αξιολόγησης. Η ενσωμάτωση δορυφορικών δεδομένων στη διαδικασία αποκατάστασης ενισχύει τη δυνατότητα έγκαιρης λήψης αποφάσεων και βελτιστοποίησης των παρεμβάσεων, ιδιαίτερα σε εκτεταμένες και δυσπρόσιτες περιοχές όπως ο Αμαζόνιος.

[[category:Δασοπονία, Δασική διαχείριση]]

Λεκάκης Μιχάλης

2026-02-24T00:00:48Z

MICHAIL LEKAKIS:

[[Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών]]

[[Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις]]

[[Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων]]

[[Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)]]

[[]]

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

Αρχείο:4.alfa.png

2026-02-23T23:59:49Z

MICHAIL LEKAKIS: Εικόνα 3:Παραδείγματα και προοπτική στεγών για μετατροπή σε πράσινες στέγες

Εικόνα 3:Παραδείγματα και προοπτική στεγών για μετατροπή σε πράσινες στέγες

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:59:21Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

[[Αρχείο:4.gamma.png | right | thumb | Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες ]]

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[Αρχείο:4.alfa.png | right | thumb | Εικόνα 3:Παραδείγματα και προοπτική στεγών για μετατροπή σε πράσινες στέγες ]]

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:59:13Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

[[Αρχείο:4.gamma.png | right | thumb | Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες ]]

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:57:16Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

[[Αρχείο:4.gamma.png | right | thumb | Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες ]]

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:56:36Z

MICHAIL LEKAKIS:

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:56:21Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

[[Αρχείο:4.gamma.png | right | thumb | Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες ]]

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:54:41Z

MICHAIL LEKAKIS:

Αρχείο:4.gamma.png

2026-02-23T23:53:25Z

MICHAIL LEKAKIS: Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκε

Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:53:09Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

[[Αρχείο:4.gamma.png | right | thumb | Εικόνα 2: Παράδειγματα δεδομένων στεγών στην βάση GreenRoof. Η πρώτη σειρά αναφέρεται σε εικόνες τηλεπισκόπησης, ενώ η δεύτερη δημιουργεί "μάσκες" για τον προσδιορισμό της προοπτικής για πράσινες στέγες ]]

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Αρχείο:4.bhta.png

2026-02-23T23:50:04Z

MICHAIL LEKAKIS: Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof

Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:49:38Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

[[Αρχείο:4.bhta.png | right | thumb | Εικόνα 1: Γεωγραφική κατανομή τεσσάρων ευρωπαϊκών πόλεων στην βάση δεδομένων GreenRoof]]

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)

2026-02-23T23:48:01Z

MICHAIL LEKAKIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS'' '''Μεταφρασμένος τίτλος''' ...'

'''Πρωτότυπος τίτλος:''' ''Identification of the potential for roof greening using remote sensing and GIS''

'''Μεταφρασμένος τίτλος''' ''Εντοπισμός της δυνατότητας για πράσινες στέγες με χρήση τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS)''

'''Συγγραφείς:''' Qingyu Li, Hannes Taubenbock, Xiao Xiang Zhu

'''Δημοσιεύθηκε:''' Cities 159 (2025) 105782

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.cities.2025.105782]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πράσινες στέγες, βαθιά μάθηση, αστική θερμική νησίδα''

===1. Εισαγωγή===

Η ταχεία αστικοποίηση των τελευταίων δεκαετιών έχει οδηγήσει σε σημαντικές περιβαλλοντικές προκλήσεις, όπως η αύξηση της θερμοκρασίας και η ένταση της θερμικής νησίδας, η μείωση των χώρων πρασίνου και η επιβάρυνση των συστημάτων απορροής όμβριων υδάτων. Οι πράσινες στέγες (green roofs) προτείνονται ως μια βιώσιμη λύση για την ενίσχυση του αστικού πρασίνου χωρίς την ανάγκη επιπλέον ελεύθερου εδάφους. Συμβάλλουν στη βελτίωση του μικροκλίματος, στη μείωση της ενεργειακής κατανάλωσης των κτιρίων, στην απορρόφηση διοξειδίου του άνθρακα και στη διαχείριση των όμβριων υδάτων.

Το άρθρο εξετάζει τη δυνατότητα εντοπισμού κατάλληλων στεγών ως πράσινες στέγες μέσω της αξιοποίησης τεχνολογιών τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Στόχος της μελέτης είναι η ανάπτυξη μιας μεθοδολογίας που επιτρέπει τον εντοπισμό και την αξιολόγηση του δυναμικού «πρασίνισης» στεγών σε αστικές περιοχές με συστηματικό, αξιόπιστο και επαναλήψιμο τρόπο. Η καινοτομία της έρευνας έγκειται στη συνδυαστική χρήση δορυφορικών δεδομένων, ψηφιακών μοντέλων επιφάνειας και χωρικής ανάλυσης, ώστε να ξεπεραστούν οι περιορισμοί των παραδοσιακών μεθόδων επιτόπιας καταγραφής.

===2. Μεθοδολογία===

Η μεθοδολογία της έρευνας βασίζεται στη συστηματική συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, με στόχο τον εντοπισμό και την ποσοτική εκτίμηση της δυνατότητας εγκατάστασης πράσινων στεγών σε αστικό περιβάλλον. Η προσέγγιση ακολουθεί μια πολυεπίπεδη διαδικασία που συνδυάζει τεχνικές τηλεπισκόπησης, ανάλυση ψηφιακών μοντέλων επιφάνειας και προηγμένα εργαλεία Γεωγραφικών Συστημάτων Πληροφοριών (GIS).

====Συλλογή και προεπεξεργασία γεωχωρικών δεδομένων====

Αρχικά, συλλέγονται δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης, όπως δορυφορικές εικόνες ή αεροφωτογραφίες, καθώς και δεδομένα LiDAR όπου είναι διαθέσιμα. Τα δεδομένα αυτά χρησιμοποιούνται για την ακριβή αποτύπωση του αστικού ιστού και την εξαγωγή των κτιριακών περιγραμμάτων.

Η προεπεξεργασία περιλαμβάνει:
<blockquote>-Γεωαναφορά και ορθοαναγωγή εικόνων</blockquote>
<blockquote>-Ατμοσφαιρική διόρθωση (όπου απαιτείται)</blockquote>
<blockquote>-Φιλτράρισμα θορύβου</blockquote>
<blockquote>-Ενοποίηση (mosaicking) και περικοπή στην περιοχή μελέτης</blockquote>

Στη συνέχεια, δημιουργούνται Ψηφιακά Μοντέλα Επιφάνειας (DSM) και Ψηφιακά Μοντέλα Εδάφους (DTM). Από τη διαφορά DSM–DTM παράγεται το Ψηφιακό Μοντέλο Ύψους Κτιρίων (nDSM), το οποίο επιτρέπει τον υπολογισμό του πραγματικού ύψους των κατασκευών και τη σαφή διάκριση των στεγών από το έδαφος.

====Εξαγωγή γεωμετρικών χαρακτηριστικών στεγών====

Με χρήση αλγορίθμων ταξινόμησης (object-based image analysis – OBIA ή supervised classification), εντοπίζονται και οριοθετούνται οι κτιριακές επιφάνειες.

Για κάθε στέγη υπολογίζονται:
<blockquote>-Κλίση (slope) μέσω ανάλυσης κλίσεων στο DSM
</blockquote>
<blockquote>-Προσανατολισμός (aspect)</blockquote>
<blockquote>-Εμβαδόν επιφάνειας</blockquote>
<blockquote>-Ύψος κτιρίου</blockquote>
<blockquote>-Τύπος στέγης (επίπεδη, δίρριχτη, πολύρριχτη)</blockquote>

Η κλίση υπολογίζεται σε μοίρες και ταξινομείται σε κατηγορίες καταλληλότητας, καθώς οι επίπεδες ή ελαφρώς κεκλιμένες στέγες (<15°–20°) θεωρούνται γενικά πιο κατάλληλες για εγκατάσταση πράσινων στεγών.

====Ανάλυση ηλιακής ακτινοβολίας και σκίασης====

Ακολουθεί ανάλυση ηλιακού δυναμικού με χρήση εργαλείων GIS (solar radiation models). Υπολογίζεται η ετήσια και εποχική ηλιακή ακτινοβολία, η διάρκεια ηλιοφάνειας και οι επιδράσεις σκίασης από γειτονικά κτίρια ή φυσικά εμπόδια.

Η σκίαση προσομοιώνεται βάσει του DSM και της τροχιάς του ήλιου, λαμβάνοντας υπόψη τη γεωγραφική θέση και την εποχικότητα. Οι επιφάνειες με ανεπαρκή ηλιακή έκθεση αποκλείονται ή κατατάσσονται σε χαμηλότερη κατηγορία καταλληλότητας.

====4. Πολυκριτηριακή ανάλυση καταλληλότητας====

Η αξιολόγηση της καταλληλότητας πραγματοποιείται μέσω πολυκριτηριακής ανάλυσης (Multi-Criteria Decision Analysis – MCDA). Τα βασικά κριτήρια περιλαμβάνουν (α) Κλίση στέγης, (β) Εμβαδόν διαθέσιμης επιφάνειας, (γ) Προσανατολισμό, (δ) Ηλιακή ακτινοβολία, (ε) Σκίαση, (στ) Στατική επάρκεια (όπου υπάρχουν διαθέσιμα δεδομένα)

Σε κάθε κριτήριο αποδίδεται συντελεστής βαρύτητας, είτε ισοβαρώς είτε μέσω μεθόδων όπως Analytic Hierarchy Process (AHP). Το τελικό αποτέλεσμα είναι ένας χάρτης καταλληλότητας με κατηγορίες (π.χ. υψηλή, μέτρια, χαμηλή καταλληλότητα).

====Υπολογισμός διαθέσιμου δυναμικού====

Μετά τον διαχωρισμό κατάλληλων και ακατάλληλων επιφανειών, υπολογίζεται το συνολικό διαθέσιμο εμβαδόν (m²), το ποσοστό κάλυψης επί του συνολικού αστικού ιστού και η χωρική κατανομή του δυναμικού ανά γειτονιά ή διοικητική ενότητα. Προαιρετικά, μπορεί να εκτιμηθεί το περιβαλλοντικό όφελος (μείωση αστικής θερμικής νησίδας, συγκράτηση όμβριων υδάτων, δέσμευση CO₂).

====Αυτοματοποιημένες διαδικασίες και επαναληψιμότητα====

Η μεθοδολογία βασίζεται σε αυτοματοποιημένες ροές εργασίας (geoprocessing workflows), οι οποίες υλοποιούνται σε περιβάλλον GIS (π.χ. Model Builder ή Python scripts). Η αυτοματοποίηση μειώνει το ανθρώπινο σφάλμα, αυξάνει την ακρίβεια και τη συνέπεια, επιτρέπει εφαρμογή σε μεγάλη κλίμακα και διασφαλίζει αναπαραγωγιμότητα. Η διαδικασία μπορεί να προσαρμοστεί σε διαφορετικές πόλεις, μεταβάλλοντας τα όρια κλίσης, τα κατώφλια εμβαδού ή τους συντελεστές βαρύτητας, ώστε να ανταποκρίνεται σε τοπικές κλιματικές, πολεοδομικές και τεχνικές συνθήκες.

====Έλεγχος ακρίβειας και επικύρωση====

Η αξιοπιστία των αποτελεσμάτων ελέγχεται μέσω επιτόπιων ελέγχων (ground truthing), σύγκρισης με διαθέσιμα αρχιτεκτονικά σχέδια και υπολογισμού δεικτών ακρίβειας ταξινόμησης (overall accuracy, kappa coefficient). Η διαδικασία αυτή διασφαλίζει ότι τα παραγόμενα χωρικά δεδομένα αντανακλούν με ακρίβεια την πραγματική κατάσταση του δομημένου περιβάλλοντος.

===3. Αποτελέσματα===

Τα αποτελέσματα της μελέτης καταδεικνύουν ότι σημαντικό ποσοστό των αστικών στεγών διαθέτει τεχνικά χαρακτηριστικά κατάλληλα για μετατροπή σε πράσινη στέγη. Μέσω της ανάλυσης GIS, προσδιορίστηκε με ακρίβεια το συνολικό εμβαδόν των επιφανειών που πληρούν τα κριτήρια κλίσης και μεγέθους. Διαπιστώθηκε ότι οι επίπεδες στέγες μεγάλου εμβαδού συγκεντρώνονται κυρίως σε εμπορικές και βιομηχανικές περιοχές, γεγονός που δημιουργεί σημαντικές δυνατότητες παρεμβάσεων μεγάλης κλίμακας.

Επιπλέον, η ανάλυση της ηλιακής ακτινοβολίας έδειξε ότι πολλές από τις επιλεγμένες στέγες δέχονται επαρκή ηλιακή ενέργεια, στοιχείο που ευνοεί την ανάπτυξη φυτικής βλάστησης. Ωστόσο, εντοπίστηκαν και περιοχές με αυξημένες σκιάσεις, όπου απαιτείται προσαρμογή του τύπου φυτεύσεων.

Η έρευνα επιβεβαιώνει ότι η αξιοποίηση της τηλεπισκόπησης και των GIS αποτελεί αποτελεσματικό εργαλείο για τον στρατηγικό σχεδιασμό αστικών πράσινων υποδομών. Τα αποτελέσματα μπορούν να υποστηρίξουν τη λήψη αποφάσεων από δημοτικές αρχές και πολεοδόμους, παρέχοντας ποσοτικά δεδομένα για τον σχεδιασμό πολιτικών βιώσιμης ανάπτυξης.

Συνολικά, η μελέτη αναδεικνύει τη σημασία της τεχνολογίας στη βιώσιμη αστική διαχείριση. Η εφαρμογή της προτεινόμενης μεθοδολογίας μπορεί να συμβάλει ουσιαστικά στη μείωση της θερμικής νησίδας, στη βελτίωση της ενεργειακής απόδοσης των κτιρίων και στην ενίσχυση της βιοποικιλότητας. Παράλληλα, δημιουργεί ένα πλαίσιο για μελλοντικές έρευνες που θα μπορούσαν να ενσωματώσουν οικονομικές και κοινωνικές παραμέτρους, προσφέροντας μια ολοκληρωμένη προσέγγιση στην αξιολόγηση του δυναμικού πράσινων στεγών.

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Λεκάκης Μιχάλης

2026-02-23T23:31:57Z

MICHAIL LEKAKIS:

Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων

2026-02-23T23:29:40Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Efficiency of using remote sensing to monitor algal and cyanobacterial blooms in continental aquatic environments''

'''Μεταφρασμένος τίτλος''' ''Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε ηπειρωτικά υδάτινα περιβάλλοντα''

'''Συγγραφείς:''' Guilherme Luiz Rissate, Elisa Parreira Darim, Gilson de Souza Ferreira Neto, Manuel Eduardo Ferreira, Fernanda Melo Carneiro

'''Δημοσιεύθηκε:''' Science of the Total Environment 1010 (2026) 181130

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.scitotenv.2025.181130 ]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Ατμοσφαιρική διόρθωση, δορυφόροι, χλωροφύλλη, φυτοπλαγκτόν, ευτροφισμός''

===1. Εισαγωγή===

Η παρακολούθηση των ανθίσεων φυκών (algal blooms) σε θαλάσσια και εσωτερικά ύδατα αποτελεί κρίσιμο ζήτημα για τη δημόσια υγεία, τη βιοποικιλότητα και τη διαχείριση υδατικών πόρων. Οι επιβλαβείς ανθίσεις φυκών (Harmful Algal Blooms – HABs) συνδέονται με την παραγωγή τοξινών, τη μείωση του διαλυμένου οξυγόνου και σοβαρές οικολογικές και οικονομικές επιπτώσεις, ιδίως σε περιοχές υδατοκαλλιέργειας και τουρισμού. Η κλιματική αλλαγή και ο ευτροφισμός έχουν εντείνει τη συχνότητα και την ένταση των φαινομένων αυτών, καθιστώντας αναγκαία την ανάπτυξη αξιόπιστων συστημάτων έγκαιρης προειδοποίησης.

Η μελέτη αυτή εξετάζει συστηματικά την αποτελεσματικότητα της τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων. Μέσω μετα-ανάλυσης (meta – analysis) μεγάλου αριθμού δημοσιευμένων εργασιών, αξιολογείται η ακρίβεια των δορυφορικών και αερομεταφερόμενων μεθόδων, συγκρίνονται διαφορετικοί αισθητήρες και αναδεικνύονται οι παράγοντες που επηρεάζουν την απόδοση των μοντέλων. Η έρευνα αυτή συμβάλλει στη σύνθεση της υπάρχουσας γνώσης και στη διαμόρφωση κατευθυντήριων γραμμών για μελλοντικές εφαρμογές.

Σκοπός του άρθρου είναι η ποσοτική αξιολόγηση, μέσω μετα-ανάλυσης, της αποτελεσματικότητας και αξιοπιστίας των τεχνικών τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε θαλάσσια και εσωτερικά ύδατα.

===2. Μεθοδολογία===

Η παρούσα μελέτη βασίστηκε σε συστηματική ανασκόπηση και μετα-ανάλυση της διεθνούς βιβλιογραφίας σχετικά με την εφαρμογή της τηλεπισκόπησης για την ανίχνευση και ποσοτική εκτίμηση ανθίσεων φυκών σε ηπειρωτικά υδάτινα σώματα. Η μεθοδολογική προσέγγιση ακολούθησε τις κατευθυντήριες οδηγίες PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (βλ. '''Εικόνα 1''', διασφαλίζοντας διαφάνεια, αναπαραγωγιμότητα και συστηματικότητα στη διαδικασία επιλογής και αξιολόγησης των μελετών.

[[Αρχείο:3.alfalfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής PRISMA για την ανάλυση της βιβλιογραφίας ]]

====Στρατηγική αναζήτησης και επιλογή μελετών====

Η αναζήτηση της βιβλιογραφίας πραγματοποιήθηκε σε διεθνείς επιστημονικές βάσεις δεδομένων (π.χ. Web of Science, Scopus), χρησιμοποιώντας συνδυασμούς λέξεων-κλειδιών που σχετίζονται με την τηλεπισκόπηση, τη χλωροφύλλη-a, τις ανθίσεις φυκών/κυανοβακτηρίων και τα εσωτερικά υδάτινα σώματα. Η χρονική περίοδος κάλυψε δημοσιεύσεις από τις αρχές της δορυφορικής παρατήρησης γης (δεκαετία 1970) έως και το 2021.

Η διαδικασία επιλογής περιλάμβανε τέσσερα στάδια (α) Ταυτοποίηση των δυνητικά σχετικών άρθρων (β) Αφαίρεση διπλοεγγραφών (γ) Έλεγχο τίτλου και περίληψης βάσει προκαθορισμένων κριτηρίων (δ) Πλήρη αξιολόγηση κειμένου για την τελική ένταξη.

Τα κριτήρια ένταξης (PICO framework) περιλάμβαναν:
<blockquote>-Population (Πληθυσμός): Λίμνες, ταμιευτήρες και ποτάμια (εξαιρέθηκαν θαλάσσια και μεταβατικά ύδατα).</blockquote>
<blockquote>-Intervention (Παρέμβαση): Εκτίμηση συγκέντρωσης χλωροφύλλης-a μέσω δορυφορικών ή εναέριων δεδομένων.</blockquote>
<blockquote>-Comparator (Σύγκριση): Επιτόπιες (in situ) μετρήσεις χλωροφύλλης-a.</blockquote>
<blockquote>-Outcome (Έκβαση): Ποσοτικοί δείκτες απόδοσης (r, R², RMSE) και διαθέσιμο μέγεθος δείγματος (Ν).</blockquote>

Αποκλείστηκαν μελέτες που δεν παρείχαν επαρκή στατιστικά στοιχεία, δεν ανέφεραν τον τύπο αισθητήρα ή δεν βασίζονταν σε ποσοτική βαθμονόμηση/επικύρωση μοντέλων.

====Εξαγωγή και κατηγοριοποίηση δεδομένων====

Από κάθε επιλεγμένη μελέτη συλλέχθηκαν πληροφορίες σχετικά με (α) τον τύπο αισθητήρα: πολυφασματικός ή υπερφασματικός, (β) την πλατφόρμα καταγραφής: δορυφόρος ή UAV, (γ) την χωρική ανάλυση: χαμηλή (>30 m), μέση (5–30 m), υψηλή (<5 m), (δ) την αλγοριθμική προσέγγιση: εμπειρικά μοντέλα, ημι-αναλυτικά μοντέλα, μοντέλα μηχανικής μάθησης, (ε) τον τύπο υδάτινου σώματος: λεντικό (λίμνες, ταμιευτήρες) ή λωτικό (ποτάμια), (στ) την κλιματική ζώνη: τροπική, εύκρατη, ψυχρή ή άνυδρη, (ζ) την μέθοδο ατμοσφαιρικής διόρθωσης, δεδομένης της καθοριστικής επίδρασής της στην ποιότητα του σήματος.

Σημειώνεται πως ιδιαίτερη έμφαση δόθηκε στη σύγκριση ευρέως χρησιμοποιούμενων δορυφορικών αποστολών, όπως οι: Landsat 8, Sentinel-2, MODIS. Οι αποστολές αυτές επιλέχθηκαν λόγω της ευρείας εφαρμογής τους στην εκτίμηση συγκεντρώσεων χλωροφύλλης-a και φυκοκυανίνης, της ελεύθερης πρόσβασης στα δεδομένα και της διαφορετικής χωρικής και φασματικής ανάλυσης που προσφέρουν.

====Στατιστική επεξεργασία και μετα-ανάλυση====

Οι συντελεστές συσχέτισης (r) μετατράπηκαν σε τιμές Fisher’s Z, ώστε να εξασφαλιστεί κανονικότητα και συγκρισιμότητα μεταξύ μελετών. Το βάρος κάθε μελέτης υπολογίστηκε ως το αντίστροφο της διακύμανσης, δίνοντας μεγαλύτερη βαρύτητα σε μελέτες με μεγαλύτερο δείγμα.

Για την εκτίμηση της συνολικής επίδρασης χρησιμοποιήθηκε πολυεπίπεδο μοντέλο τυχαίων επιδράσεων (three-level random effects model), ώστε να ληφθεί υπόψη η εξάρτηση πολλαπλών αποτελεσμάτων από την ίδια μελέτη.

Η ετερογένεια αξιολογήθηκε μέσω των δεικτών Q και I². Σε περιπτώσεις υψηλής ετερογένειας εφαρμόστηκαν: (α) Ανάλυση υποομάδων (subgroup analysis), (β) Μετα-παλινδρόμηση (meta-regression)

ώστε να διερευνηθεί η επίδραση παραγόντων όπως: η χωρική ανάλυση, ο τύπος αλγορίθμου, η μέθοδος ατμοσφαιρικής διόρθωσης, ο τύπος υδάτινου σώματος, η κλιματική ζώνη

====Έλεγχος μεροληψίας και αξιοπιστία====

Η πιθανή μεροληψία δημοσίευσης εξετάστηκε με διάγραμμα χοάνης (funnel plot), έλεγχο Egger και μέθοδο trim-and-fill. Επιπλέον, υπολογίστηκε ο δείκτης fail-safe number (FSN), ώστε να εκτιμηθεί ο αριθμός υποθετικών μη δημοσιευμένων μελετών που θα απαιτούνταν για την ανατροπή της στατιστικής σημαντικότητας των αποτελεσμάτων.

====Παράγοντες που εξετάστηκαν ως πηγές αβεβαιότητας====

Ιδιαίτερη έμφαση δόθηκε στην ανάλυση παραγόντων που επηρεάζουν την ακρίβεια των μοντέλων, όπως:η θολότητα και συγκέντρωση αιωρούμενων σωματιδίων, η παρουσία διαλυμένης οργανικής ύλης, η φασματική επικάλυψη χλωροφύλλης και φυκοκυανίνης, η εποχικότητα και θερμική στρωμάτωση, οι περιορισμοί χωρικής και χρονικής ανάλυσης.

Η ολοκληρωμένη αυτή μεθοδολογική προσέγγιση επέτρεψε τη συστηματική σύγκριση διαφορετικών τεχνολογιών, αλγορίθμων και περιβαλλοντικών συνθηκών, παρέχοντας μια αξιόπιστη και ποσοτικά τεκμηριωμένη αξιολόγηση της αποτελεσματικότητας της τηλεπισκόπησης στην παρακολούθηση ανθίσεων φυκών.

===3. Αποτελέσματα===

Τα αποτελέσματα της μετα-ανάλυσης καταδεικνύουν ότι η τηλεπισκόπηση αποτελεί αξιόπιστο εργαλείο για την παρακολούθηση ανθίσεων φυκών, με υψηλές τιμές συντελεστή προσδιορισμού (R²) σε πολλές περιπτώσεις, ιδιαίτερα όταν εφαρμόζονται μοντέλα μηχανικής μάθησης. Οι πολυφασματικοί αισθητήρες, όπως εκείνοι των Sentinel-2 και Landsat 8, εμφανίζουν ικανοποιητική απόδοση στην εκτίμηση χλωροφύλλης-a σε καθαρά ή μέτρια θολά ύδατα.

Ωστόσο, σε υδάτινα σώματα με υψηλή συγκέντρωση αιωρούμενων στερεών ή οργανικής ύλης, η ακρίβεια μειώνεται λόγω φασματικής παρεμβολής. Σε αυτές τις περιπτώσεις, τα υπερφασματικά δεδομένα παρουσιάζουν βελτιωμένη ικανότητα διάκρισης, αν και η περιορισμένη διαθεσιμότητα και το υψηλότερο κόστος περιορίζουν την επιχειρησιακή τους εφαρμογή.

Η ανάλυση δείχνει επίσης ότι τα μοντέλα μηχανικής μάθησης (π.χ. Random Forest, Neural Networks) υπερτερούν των απλών εμπειρικών μοντέλων, καθώς διαχειρίζονται καλύτερα τη μη γραμμικότητα των σχέσεων μεταξύ φασματικών τιμών και βιοφυσικών παραμέτρων. Επιπλέον, η συνδυαστική χρήση δορυφορικών δεδομένων με επιτόπιες μετρήσεις βελτιώνει σημαντικά την αξιοπιστία των αποτελεσμάτων.

Ένα σημαντικό εύρημα είναι ότι η απόδοση των μοντέλων διαφέρει ανάλογα με τον τύπο υδάτινου σώματος. Οι λίμνες εμφανίζουν συνήθως υψηλότερη ακρίβεια σε σύγκριση με τις παράκτιες περιοχές, όπου η παρουσία θαλάσσιων ρευμάτων και σύνθετων οπτικών ιδιοτήτων δυσχεραίνει την ανάλυση. Παράλληλα, η χωρική ανάλυση παίζει καθοριστικό ρόλο: αισθητήρες με υψηλότερη χωρική ανάλυση επιτρέπουν καλύτερη αποτύπωση τοπικών ανθίσεων.

Συνολικά, η ανάλυση επιβεβαιώνει ότι η τηλεπισκόπηση είναι αποτελεσματικό και οικονομικά αποδοτικό εργαλείο για την παρακολούθηση ανθίσεων φυκών σε μεγάλη κλίμακα. Παρά τα υφιστάμενα τεχνικά όρια, οι εξελίξεις στην τεχνητή νοημοσύνη, στη συγχώνευση δεδομένων και στους νέους υπερφασματικούς αισθητήρες αναμένεται να ενισχύσουν περαιτέρω την ακρίβεια και την επιχειρησιακή αξιοποίηση των συστημάτων έγκαιρης προειδοποίησης.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]
[[category:Υδατικοί Πόροι]]

Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων

2026-02-23T23:29:20Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Efficiency of using remote sensing to monitor algal and cyanobacterial blooms in continental aquatic environments''

'''Μεταφρασμένος τίτλος''' ''Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε ηπειρωτικά υδάτινα περιβάλλοντα''

'''Συγγραφείς:''' Guilherme Luiz Rissate, Elisa Parreira Darim, Gilson de Souza Ferreira Neto, Manuel Eduardo Ferreira, Fernanda Melo Carneiro

'''Δημοσιεύθηκε:''' Science of the Total Environment 1010 (2026) 181130

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.scitotenv.2025.181130 ]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Ατμοσφαιρική διόρθωση, δορυφόροι, χλωροφύλλη, φυτοπλαγκτόν, ευτροφισμός''

===1. Εισαγωγή===

Η παρακολούθηση των ανθίσεων φυκών (algal blooms) σε θαλάσσια και εσωτερικά ύδατα αποτελεί κρίσιμο ζήτημα για τη δημόσια υγεία, τη βιοποικιλότητα και τη διαχείριση υδατικών πόρων. Οι επιβλαβείς ανθίσεις φυκών (Harmful Algal Blooms – HABs) συνδέονται με την παραγωγή τοξινών, τη μείωση του διαλυμένου οξυγόνου και σοβαρές οικολογικές και οικονομικές επιπτώσεις, ιδίως σε περιοχές υδατοκαλλιέργειας και τουρισμού. Η κλιματική αλλαγή και ο ευτροφισμός έχουν εντείνει τη συχνότητα και την ένταση των φαινομένων αυτών, καθιστώντας αναγκαία την ανάπτυξη αξιόπιστων συστημάτων έγκαιρης προειδοποίησης.

Η μελέτη αυτή εξετάζει συστηματικά την αποτελεσματικότητα της τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων. Μέσω μετα-ανάλυσης (meta – analysis) μεγάλου αριθμού δημοσιευμένων εργασιών, αξιολογείται η ακρίβεια των δορυφορικών και αερομεταφερόμενων μεθόδων, συγκρίνονται διαφορετικοί αισθητήρες και αναδεικνύονται οι παράγοντες που επηρεάζουν την απόδοση των μοντέλων. Η έρευνα αυτή συμβάλλει στη σύνθεση της υπάρχουσας γνώσης και στη διαμόρφωση κατευθυντήριων γραμμών για μελλοντικές εφαρμογές.

Σκοπός του άρθρου είναι η ποσοτική αξιολόγηση, μέσω μετα-ανάλυσης, της αποτελεσματικότητας και αξιοπιστίας των τεχνικών τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε θαλάσσια και εσωτερικά ύδατα.

===2. Μεθοδολογία===

Η παρούσα μελέτη βασίστηκε σε συστηματική ανασκόπηση και μετα-ανάλυση της διεθνούς βιβλιογραφίας σχετικά με την εφαρμογή της τηλεπισκόπησης για την ανίχνευση και ποσοτική εκτίμηση ανθίσεων φυκών σε ηπειρωτικά υδάτινα σώματα. Η μεθοδολογική προσέγγιση ακολούθησε τις κατευθυντήριες οδηγίες PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (βλ. '''Εικόνα 1''', διασφαλίζοντας διαφάνεια, αναπαραγωγιμότητα και συστηματικότητα στη διαδικασία επιλογής και αξιολόγησης των μελετών.

[[Αρχείο:3.alfalfa.png | right | thumb |Εικόνα 1: Διάγραμμα ροής PRISMA για την ανάλυση της βιβλιογραφίας]]

====Στρατηγική αναζήτησης και επιλογή μελετών====

Η αναζήτηση της βιβλιογραφίας πραγματοποιήθηκε σε διεθνείς επιστημονικές βάσεις δεδομένων (π.χ. Web of Science, Scopus), χρησιμοποιώντας συνδυασμούς λέξεων-κλειδιών που σχετίζονται με την τηλεπισκόπηση, τη χλωροφύλλη-a, τις ανθίσεις φυκών/κυανοβακτηρίων και τα εσωτερικά υδάτινα σώματα. Η χρονική περίοδος κάλυψε δημοσιεύσεις από τις αρχές της δορυφορικής παρατήρησης γης (δεκαετία 1970) έως και το 2021.

Η διαδικασία επιλογής περιλάμβανε τέσσερα στάδια (α) Ταυτοποίηση των δυνητικά σχετικών άρθρων (β) Αφαίρεση διπλοεγγραφών (γ) Έλεγχο τίτλου και περίληψης βάσει προκαθορισμένων κριτηρίων (δ) Πλήρη αξιολόγηση κειμένου για την τελική ένταξη.

Τα κριτήρια ένταξης (PICO framework) περιλάμβαναν:
<blockquote>-Population (Πληθυσμός): Λίμνες, ταμιευτήρες και ποτάμια (εξαιρέθηκαν θαλάσσια και μεταβατικά ύδατα).</blockquote>
<blockquote>-Intervention (Παρέμβαση): Εκτίμηση συγκέντρωσης χλωροφύλλης-a μέσω δορυφορικών ή εναέριων δεδομένων.</blockquote>
<blockquote>-Comparator (Σύγκριση): Επιτόπιες (in situ) μετρήσεις χλωροφύλλης-a.</blockquote>
<blockquote>-Outcome (Έκβαση): Ποσοτικοί δείκτες απόδοσης (r, R², RMSE) και διαθέσιμο μέγεθος δείγματος (Ν).</blockquote>

Αποκλείστηκαν μελέτες που δεν παρείχαν επαρκή στατιστικά στοιχεία, δεν ανέφεραν τον τύπο αισθητήρα ή δεν βασίζονταν σε ποσοτική βαθμονόμηση/επικύρωση μοντέλων.

====Εξαγωγή και κατηγοριοποίηση δεδομένων====

Από κάθε επιλεγμένη μελέτη συλλέχθηκαν πληροφορίες σχετικά με (α) τον τύπο αισθητήρα: πολυφασματικός ή υπερφασματικός, (β) την πλατφόρμα καταγραφής: δορυφόρος ή UAV, (γ) την χωρική ανάλυση: χαμηλή (>30 m), μέση (5–30 m), υψηλή (<5 m), (δ) την αλγοριθμική προσέγγιση: εμπειρικά μοντέλα, ημι-αναλυτικά μοντέλα, μοντέλα μηχανικής μάθησης, (ε) τον τύπο υδάτινου σώματος: λεντικό (λίμνες, ταμιευτήρες) ή λωτικό (ποτάμια), (στ) την κλιματική ζώνη: τροπική, εύκρατη, ψυχρή ή άνυδρη, (ζ) την μέθοδο ατμοσφαιρικής διόρθωσης, δεδομένης της καθοριστικής επίδρασής της στην ποιότητα του σήματος.

Σημειώνεται πως ιδιαίτερη έμφαση δόθηκε στη σύγκριση ευρέως χρησιμοποιούμενων δορυφορικών αποστολών, όπως οι: Landsat 8, Sentinel-2, MODIS. Οι αποστολές αυτές επιλέχθηκαν λόγω της ευρείας εφαρμογής τους στην εκτίμηση συγκεντρώσεων χλωροφύλλης-a και φυκοκυανίνης, της ελεύθερης πρόσβασης στα δεδομένα και της διαφορετικής χωρικής και φασματικής ανάλυσης που προσφέρουν.

====Στατιστική επεξεργασία και μετα-ανάλυση====

Οι συντελεστές συσχέτισης (r) μετατράπηκαν σε τιμές Fisher’s Z, ώστε να εξασφαλιστεί κανονικότητα και συγκρισιμότητα μεταξύ μελετών. Το βάρος κάθε μελέτης υπολογίστηκε ως το αντίστροφο της διακύμανσης, δίνοντας μεγαλύτερη βαρύτητα σε μελέτες με μεγαλύτερο δείγμα.

Για την εκτίμηση της συνολικής επίδρασης χρησιμοποιήθηκε πολυεπίπεδο μοντέλο τυχαίων επιδράσεων (three-level random effects model), ώστε να ληφθεί υπόψη η εξάρτηση πολλαπλών αποτελεσμάτων από την ίδια μελέτη.

Η ετερογένεια αξιολογήθηκε μέσω των δεικτών Q και I². Σε περιπτώσεις υψηλής ετερογένειας εφαρμόστηκαν: (α) Ανάλυση υποομάδων (subgroup analysis), (β) Μετα-παλινδρόμηση (meta-regression)

ώστε να διερευνηθεί η επίδραση παραγόντων όπως: η χωρική ανάλυση, ο τύπος αλγορίθμου, η μέθοδος ατμοσφαιρικής διόρθωσης, ο τύπος υδάτινου σώματος, η κλιματική ζώνη

====Έλεγχος μεροληψίας και αξιοπιστία====

Η πιθανή μεροληψία δημοσίευσης εξετάστηκε με διάγραμμα χοάνης (funnel plot), έλεγχο Egger και μέθοδο trim-and-fill. Επιπλέον, υπολογίστηκε ο δείκτης fail-safe number (FSN), ώστε να εκτιμηθεί ο αριθμός υποθετικών μη δημοσιευμένων μελετών που θα απαιτούνταν για την ανατροπή της στατιστικής σημαντικότητας των αποτελεσμάτων.

====Παράγοντες που εξετάστηκαν ως πηγές αβεβαιότητας====

Ιδιαίτερη έμφαση δόθηκε στην ανάλυση παραγόντων που επηρεάζουν την ακρίβεια των μοντέλων, όπως:η θολότητα και συγκέντρωση αιωρούμενων σωματιδίων, η παρουσία διαλυμένης οργανικής ύλης, η φασματική επικάλυψη χλωροφύλλης και φυκοκυανίνης, η εποχικότητα και θερμική στρωμάτωση, οι περιορισμοί χωρικής και χρονικής ανάλυσης.

Η ολοκληρωμένη αυτή μεθοδολογική προσέγγιση επέτρεψε τη συστηματική σύγκριση διαφορετικών τεχνολογιών, αλγορίθμων και περιβαλλοντικών συνθηκών, παρέχοντας μια αξιόπιστη και ποσοτικά τεκμηριωμένη αξιολόγηση της αποτελεσματικότητας της τηλεπισκόπησης στην παρακολούθηση ανθίσεων φυκών.

===3. Αποτελέσματα===

Τα αποτελέσματα της μετα-ανάλυσης καταδεικνύουν ότι η τηλεπισκόπηση αποτελεί αξιόπιστο εργαλείο για την παρακολούθηση ανθίσεων φυκών, με υψηλές τιμές συντελεστή προσδιορισμού (R²) σε πολλές περιπτώσεις, ιδιαίτερα όταν εφαρμόζονται μοντέλα μηχανικής μάθησης. Οι πολυφασματικοί αισθητήρες, όπως εκείνοι των Sentinel-2 και Landsat 8, εμφανίζουν ικανοποιητική απόδοση στην εκτίμηση χλωροφύλλης-a σε καθαρά ή μέτρια θολά ύδατα.

Ωστόσο, σε υδάτινα σώματα με υψηλή συγκέντρωση αιωρούμενων στερεών ή οργανικής ύλης, η ακρίβεια μειώνεται λόγω φασματικής παρεμβολής. Σε αυτές τις περιπτώσεις, τα υπερφασματικά δεδομένα παρουσιάζουν βελτιωμένη ικανότητα διάκρισης, αν και η περιορισμένη διαθεσιμότητα και το υψηλότερο κόστος περιορίζουν την επιχειρησιακή τους εφαρμογή.

Η ανάλυση δείχνει επίσης ότι τα μοντέλα μηχανικής μάθησης (π.χ. Random Forest, Neural Networks) υπερτερούν των απλών εμπειρικών μοντέλων, καθώς διαχειρίζονται καλύτερα τη μη γραμμικότητα των σχέσεων μεταξύ φασματικών τιμών και βιοφυσικών παραμέτρων. Επιπλέον, η συνδυαστική χρήση δορυφορικών δεδομένων με επιτόπιες μετρήσεις βελτιώνει σημαντικά την αξιοπιστία των αποτελεσμάτων.

Ένα σημαντικό εύρημα είναι ότι η απόδοση των μοντέλων διαφέρει ανάλογα με τον τύπο υδάτινου σώματος. Οι λίμνες εμφανίζουν συνήθως υψηλότερη ακρίβεια σε σύγκριση με τις παράκτιες περιοχές, όπου η παρουσία θαλάσσιων ρευμάτων και σύνθετων οπτικών ιδιοτήτων δυσχεραίνει την ανάλυση. Παράλληλα, η χωρική ανάλυση παίζει καθοριστικό ρόλο: αισθητήρες με υψηλότερη χωρική ανάλυση επιτρέπουν καλύτερη αποτύπωση τοπικών ανθίσεων.

Συνολικά, η ανάλυση επιβεβαιώνει ότι η τηλεπισκόπηση είναι αποτελεσματικό και οικονομικά αποδοτικό εργαλείο για την παρακολούθηση ανθίσεων φυκών σε μεγάλη κλίμακα. Παρά τα υφιστάμενα τεχνικά όρια, οι εξελίξεις στην τεχνητή νοημοσύνη, στη συγχώνευση δεδομένων και στους νέους υπερφασματικούς αισθητήρες αναμένεται να ενισχύσουν περαιτέρω την ακρίβεια και την επιχειρησιακή αξιοποίηση των συστημάτων έγκαιρης προειδοποίησης.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]
[[category:Υδατικοί Πόροι]]

Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων

2026-02-23T23:28:59Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Efficiency of using remote sensing to monitor algal and cyanobacterial blooms in continental aquatic environments''

'''Μεταφρασμένος τίτλος''' ''Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε ηπειρωτικά υδάτινα περιβάλλοντα''

'''Συγγραφείς:''' Guilherme Luiz Rissate, Elisa Parreira Darim, Gilson de Souza Ferreira Neto, Manuel Eduardo Ferreira, Fernanda Melo Carneiro

'''Δημοσιεύθηκε:''' Science of the Total Environment 1010 (2026) 181130

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.scitotenv.2025.181130 ]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Ατμοσφαιρική διόρθωση, δορυφόροι, χλωροφύλλη, φυτοπλαγκτόν, ευτροφισμός''

===1. Εισαγωγή===

Η παρακολούθηση των ανθίσεων φυκών (algal blooms) σε θαλάσσια και εσωτερικά ύδατα αποτελεί κρίσιμο ζήτημα για τη δημόσια υγεία, τη βιοποικιλότητα και τη διαχείριση υδατικών πόρων. Οι επιβλαβείς ανθίσεις φυκών (Harmful Algal Blooms – HABs) συνδέονται με την παραγωγή τοξινών, τη μείωση του διαλυμένου οξυγόνου και σοβαρές οικολογικές και οικονομικές επιπτώσεις, ιδίως σε περιοχές υδατοκαλλιέργειας και τουρισμού. Η κλιματική αλλαγή και ο ευτροφισμός έχουν εντείνει τη συχνότητα και την ένταση των φαινομένων αυτών, καθιστώντας αναγκαία την ανάπτυξη αξιόπιστων συστημάτων έγκαιρης προειδοποίησης.

Η μελέτη αυτή εξετάζει συστηματικά την αποτελεσματικότητα της τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων. Μέσω μετα-ανάλυσης (meta – analysis) μεγάλου αριθμού δημοσιευμένων εργασιών, αξιολογείται η ακρίβεια των δορυφορικών και αερομεταφερόμενων μεθόδων, συγκρίνονται διαφορετικοί αισθητήρες και αναδεικνύονται οι παράγοντες που επηρεάζουν την απόδοση των μοντέλων. Η έρευνα αυτή συμβάλλει στη σύνθεση της υπάρχουσας γνώσης και στη διαμόρφωση κατευθυντήριων γραμμών για μελλοντικές εφαρμογές.

Σκοπός του άρθρου είναι η ποσοτική αξιολόγηση, μέσω μετα-ανάλυσης, της αποτελεσματικότητας και αξιοπιστίας των τεχνικών τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε θαλάσσια και εσωτερικά ύδατα.

===2. Μεθοδολογία===

Η παρούσα μελέτη βασίστηκε σε συστηματική ανασκόπηση και μετα-ανάλυση της διεθνούς βιβλιογραφίας σχετικά με την εφαρμογή της τηλεπισκόπησης για την ανίχνευση και ποσοτική εκτίμηση ανθίσεων φυκών σε ηπειρωτικά υδάτινα σώματα. Η μεθοδολογική προσέγγιση ακολούθησε τις κατευθυντήριες οδηγίες PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (βλ. '''Εικόνα 1''', διασφαλίζοντας διαφάνεια, αναπαραγωγιμότητα και συστηματικότητα στη διαδικασία επιλογής και αξιολόγησης των μελετών.

====Στρατηγική αναζήτησης και επιλογή μελετών====

Η αναζήτηση της βιβλιογραφίας πραγματοποιήθηκε σε διεθνείς επιστημονικές βάσεις δεδομένων (π.χ. Web of Science, Scopus), χρησιμοποιώντας συνδυασμούς λέξεων-κλειδιών που σχετίζονται με την τηλεπισκόπηση, τη χλωροφύλλη-a, τις ανθίσεις φυκών/κυανοβακτηρίων και τα εσωτερικά υδάτινα σώματα. Η χρονική περίοδος κάλυψε δημοσιεύσεις από τις αρχές της δορυφορικής παρατήρησης γης (δεκαετία 1970) έως και το 2021.

Η διαδικασία επιλογής περιλάμβανε τέσσερα στάδια (α) Ταυτοποίηση των δυνητικά σχετικών άρθρων (β) Αφαίρεση διπλοεγγραφών (γ) Έλεγχο τίτλου και περίληψης βάσει προκαθορισμένων κριτηρίων (δ) Πλήρη αξιολόγηση κειμένου για την τελική ένταξη.

Τα κριτήρια ένταξης (PICO framework) περιλάμβαναν:
<blockquote>-Population (Πληθυσμός): Λίμνες, ταμιευτήρες και ποτάμια (εξαιρέθηκαν θαλάσσια και μεταβατικά ύδατα).</blockquote>
<blockquote>-Intervention (Παρέμβαση): Εκτίμηση συγκέντρωσης χλωροφύλλης-a μέσω δορυφορικών ή εναέριων δεδομένων.</blockquote>
<blockquote>-Comparator (Σύγκριση): Επιτόπιες (in situ) μετρήσεις χλωροφύλλης-a.</blockquote>
<blockquote>-Outcome (Έκβαση): Ποσοτικοί δείκτες απόδοσης (r, R², RMSE) και διαθέσιμο μέγεθος δείγματος (Ν).</blockquote>

Αποκλείστηκαν μελέτες που δεν παρείχαν επαρκή στατιστικά στοιχεία, δεν ανέφεραν τον τύπο αισθητήρα ή δεν βασίζονταν σε ποσοτική βαθμονόμηση/επικύρωση μοντέλων.

====Εξαγωγή και κατηγοριοποίηση δεδομένων====

Από κάθε επιλεγμένη μελέτη συλλέχθηκαν πληροφορίες σχετικά με (α) τον τύπο αισθητήρα: πολυφασματικός ή υπερφασματικός, (β) την πλατφόρμα καταγραφής: δορυφόρος ή UAV, (γ) την χωρική ανάλυση: χαμηλή (>30 m), μέση (5–30 m), υψηλή (<5 m), (δ) την αλγοριθμική προσέγγιση: εμπειρικά μοντέλα, ημι-αναλυτικά μοντέλα, μοντέλα μηχανικής μάθησης, (ε) τον τύπο υδάτινου σώματος: λεντικό (λίμνες, ταμιευτήρες) ή λωτικό (ποτάμια), (στ) την κλιματική ζώνη: τροπική, εύκρατη, ψυχρή ή άνυδρη, (ζ) την μέθοδο ατμοσφαιρικής διόρθωσης, δεδομένης της καθοριστικής επίδρασής της στην ποιότητα του σήματος.

Σημειώνεται πως ιδιαίτερη έμφαση δόθηκε στη σύγκριση ευρέως χρησιμοποιούμενων δορυφορικών αποστολών, όπως οι: Landsat 8, Sentinel-2, MODIS. Οι αποστολές αυτές επιλέχθηκαν λόγω της ευρείας εφαρμογής τους στην εκτίμηση συγκεντρώσεων χλωροφύλλης-a και φυκοκυανίνης, της ελεύθερης πρόσβασης στα δεδομένα και της διαφορετικής χωρικής και φασματικής ανάλυσης που προσφέρουν.

====Στατιστική επεξεργασία και μετα-ανάλυση====

Οι συντελεστές συσχέτισης (r) μετατράπηκαν σε τιμές Fisher’s Z, ώστε να εξασφαλιστεί κανονικότητα και συγκρισιμότητα μεταξύ μελετών. Το βάρος κάθε μελέτης υπολογίστηκε ως το αντίστροφο της διακύμανσης, δίνοντας μεγαλύτερη βαρύτητα σε μελέτες με μεγαλύτερο δείγμα.

Για την εκτίμηση της συνολικής επίδρασης χρησιμοποιήθηκε πολυεπίπεδο μοντέλο τυχαίων επιδράσεων (three-level random effects model), ώστε να ληφθεί υπόψη η εξάρτηση πολλαπλών αποτελεσμάτων από την ίδια μελέτη.

Η ετερογένεια αξιολογήθηκε μέσω των δεικτών Q και I². Σε περιπτώσεις υψηλής ετερογένειας εφαρμόστηκαν: (α) Ανάλυση υποομάδων (subgroup analysis), (β) Μετα-παλινδρόμηση (meta-regression)

ώστε να διερευνηθεί η επίδραση παραγόντων όπως: η χωρική ανάλυση, ο τύπος αλγορίθμου, η μέθοδος ατμοσφαιρικής διόρθωσης, ο τύπος υδάτινου σώματος, η κλιματική ζώνη

====Έλεγχος μεροληψίας και αξιοπιστία====

Η πιθανή μεροληψία δημοσίευσης εξετάστηκε με διάγραμμα χοάνης (funnel plot), έλεγχο Egger και μέθοδο trim-and-fill. Επιπλέον, υπολογίστηκε ο δείκτης fail-safe number (FSN), ώστε να εκτιμηθεί ο αριθμός υποθετικών μη δημοσιευμένων μελετών που θα απαιτούνταν για την ανατροπή της στατιστικής σημαντικότητας των αποτελεσμάτων.

====Παράγοντες που εξετάστηκαν ως πηγές αβεβαιότητας====

Ιδιαίτερη έμφαση δόθηκε στην ανάλυση παραγόντων που επηρεάζουν την ακρίβεια των μοντέλων, όπως:η θολότητα και συγκέντρωση αιωρούμενων σωματιδίων, η παρουσία διαλυμένης οργανικής ύλης, η φασματική επικάλυψη χλωροφύλλης και φυκοκυανίνης, η εποχικότητα και θερμική στρωμάτωση, οι περιορισμοί χωρικής και χρονικής ανάλυσης.

Η ολοκληρωμένη αυτή μεθοδολογική προσέγγιση επέτρεψε τη συστηματική σύγκριση διαφορετικών τεχνολογιών, αλγορίθμων και περιβαλλοντικών συνθηκών, παρέχοντας μια αξιόπιστη και ποσοτικά τεκμηριωμένη αξιολόγηση της αποτελεσματικότητας της τηλεπισκόπησης στην παρακολούθηση ανθίσεων φυκών.

===3. Αποτελέσματα===

Τα αποτελέσματα της μετα-ανάλυσης καταδεικνύουν ότι η τηλεπισκόπηση αποτελεί αξιόπιστο εργαλείο για την παρακολούθηση ανθίσεων φυκών, με υψηλές τιμές συντελεστή προσδιορισμού (R²) σε πολλές περιπτώσεις, ιδιαίτερα όταν εφαρμόζονται μοντέλα μηχανικής μάθησης. Οι πολυφασματικοί αισθητήρες, όπως εκείνοι των Sentinel-2 και Landsat 8, εμφανίζουν ικανοποιητική απόδοση στην εκτίμηση χλωροφύλλης-a σε καθαρά ή μέτρια θολά ύδατα.

Ωστόσο, σε υδάτινα σώματα με υψηλή συγκέντρωση αιωρούμενων στερεών ή οργανικής ύλης, η ακρίβεια μειώνεται λόγω φασματικής παρεμβολής. Σε αυτές τις περιπτώσεις, τα υπερφασματικά δεδομένα παρουσιάζουν βελτιωμένη ικανότητα διάκρισης, αν και η περιορισμένη διαθεσιμότητα και το υψηλότερο κόστος περιορίζουν την επιχειρησιακή τους εφαρμογή.

Η ανάλυση δείχνει επίσης ότι τα μοντέλα μηχανικής μάθησης (π.χ. Random Forest, Neural Networks) υπερτερούν των απλών εμπειρικών μοντέλων, καθώς διαχειρίζονται καλύτερα τη μη γραμμικότητα των σχέσεων μεταξύ φασματικών τιμών και βιοφυσικών παραμέτρων. Επιπλέον, η συνδυαστική χρήση δορυφορικών δεδομένων με επιτόπιες μετρήσεις βελτιώνει σημαντικά την αξιοπιστία των αποτελεσμάτων.

Ένα σημαντικό εύρημα είναι ότι η απόδοση των μοντέλων διαφέρει ανάλογα με τον τύπο υδάτινου σώματος. Οι λίμνες εμφανίζουν συνήθως υψηλότερη ακρίβεια σε σύγκριση με τις παράκτιες περιοχές, όπου η παρουσία θαλάσσιων ρευμάτων και σύνθετων οπτικών ιδιοτήτων δυσχεραίνει την ανάλυση. Παράλληλα, η χωρική ανάλυση παίζει καθοριστικό ρόλο: αισθητήρες με υψηλότερη χωρική ανάλυση επιτρέπουν καλύτερη αποτύπωση τοπικών ανθίσεων.

Συνολικά, η ανάλυση επιβεβαιώνει ότι η τηλεπισκόπηση είναι αποτελεσματικό και οικονομικά αποδοτικό εργαλείο για την παρακολούθηση ανθίσεων φυκών σε μεγάλη κλίμακα. Παρά τα υφιστάμενα τεχνικά όρια, οι εξελίξεις στην τεχνητή νοημοσύνη, στη συγχώνευση δεδομένων και στους νέους υπερφασματικούς αισθητήρες αναμένεται να ενισχύσουν περαιτέρω την ακρίβεια και την επιχειρησιακή αξιοποίηση των συστημάτων έγκαιρης προειδοποίησης.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]
[[category:Υδατικοί Πόροι]]

Αρχείο:3.alfalfa.png

2026-02-23T23:27:33Z

MICHAIL LEKAKIS: Εικόνα 1: Διάγραμμα ροής PRISMA για την ανάλυση της βιβλιογραφίας

Εικόνα 1: Διάγραμμα ροής PRISMA για την ανάλυση της βιβλιογραφίας

Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων

2026-02-23T23:27:12Z

MICHAIL LEKAKIS:

Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων

2026-02-23T23:23:57Z

MICHAIL LEKAKIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Efficiency of using remote sensing to monitor algal and cyanobacterial blooms in continental aquatic environments'' '''Μετα...'

'''Πρωτότυπος τίτλος:''' ''Efficiency of using remote sensing to monitor algal and cyanobacterial blooms in continental aquatic environments''

'''Μεταφρασμένος τίτλος''' ''Αποτελεσματικότητα της χρήσης της τηλεπισκόπησης για την παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε ηπειρωτικά υδάτινα περιβάλλοντα''

'''Συγγραφείς:''' Guilherme Luiz Rissate, Elisa Parreira Darim, Gilson de Souza Ferreira Neto, Manuel Eduardo Ferreira, Fernanda Melo Carneiro

'''Δημοσιεύθηκε:''' Science of the Total Environment 1010 (2026) 181130

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.scitotenv.2025.181130 ]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Ατμοσφαιρική διόρθωση, δορυφόροι, χλωροφύλλη, φυτοπλαγκτόν, ευτροφισμός''

===1. Εισαγωγή===

Η παρακολούθηση των ανθίσεων φυκών (algal blooms) σε θαλάσσια και εσωτερικά ύδατα αποτελεί κρίσιμο ζήτημα για τη δημόσια υγεία, τη βιοποικιλότητα και τη διαχείριση υδατικών πόρων. Οι επιβλαβείς ανθίσεις φυκών (Harmful Algal Blooms – HABs) συνδέονται με την παραγωγή τοξινών, τη μείωση του διαλυμένου οξυγόνου και σοβαρές οικολογικές και οικονομικές επιπτώσεις, ιδίως σε περιοχές υδατοκαλλιέργειας και τουρισμού. Η κλιματική αλλαγή και ο ευτροφισμός έχουν εντείνει τη συχνότητα και την ένταση των φαινομένων αυτών, καθιστώντας αναγκαία την ανάπτυξη αξιόπιστων συστημάτων έγκαιρης προειδοποίησης.

Η μελέτη αυτή εξετάζει συστηματικά την αποτελεσματικότητα της τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων. Μέσω μετα-ανάλυσης (meta – analysis) μεγάλου αριθμού δημοσιευμένων εργασιών, αξιολογείται η ακρίβεια των δορυφορικών και αερομεταφερόμενων μεθόδων, συγκρίνονται διαφορετικοί αισθητήρες και αναδεικνύονται οι παράγοντες που επηρεάζουν την απόδοση των μοντέλων. Η έρευνα αυτή συμβάλλει στη σύνθεση της υπάρχουσας γνώσης και στη διαμόρφωση κατευθυντήριων γραμμών για μελλοντικές εφαρμογές.

Σκοπός του άρθρου είναι η ποσοτική αξιολόγηση, μέσω μετα-ανάλυσης, της αποτελεσματικότητας και αξιοπιστίας των τεχνικών τηλεπισκόπησης στην ανίχνευση και παρακολούθηση ανθίσεων φυκών και κυανοβακτηρίων σε θαλάσσια και εσωτερικά ύδατα.

===2. Μεθοδολογία===

Η παρούσα μελέτη βασίστηκε σε συστηματική ανασκόπηση και μετα-ανάλυση της διεθνούς βιβλιογραφίας σχετικά με την εφαρμογή της τηλεπισκόπησης για την ανίχνευση και ποσοτική εκτίμηση ανθίσεων φυκών σε ηπειρωτικά υδάτινα σώματα. Η μεθοδολογική προσέγγιση ακολούθησε τις κατευθυντήριες οδηγίες PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), διασφαλίζοντας διαφάνεια, αναπαραγωγιμότητα και συστηματικότητα στη διαδικασία επιλογής και αξιολόγησης των μελετών.

====Στρατηγική αναζήτησης και επιλογή μελετών====

Η αναζήτηση της βιβλιογραφίας πραγματοποιήθηκε σε διεθνείς επιστημονικές βάσεις δεδομένων (π.χ. Web of Science, Scopus), χρησιμοποιώντας συνδυασμούς λέξεων-κλειδιών που σχετίζονται με την τηλεπισκόπηση, τη χλωροφύλλη-a, τις ανθίσεις φυκών/κυανοβακτηρίων και τα εσωτερικά υδάτινα σώματα. Η χρονική περίοδος κάλυψε δημοσιεύσεις από τις αρχές της δορυφορικής παρατήρησης γης (δεκαετία 1970) έως και το 2021.

Η διαδικασία επιλογής περιλάμβανε τέσσερα στάδια (α) Ταυτοποίηση των δυνητικά σχετικών άρθρων (β) Αφαίρεση διπλοεγγραφών (γ) Έλεγχο τίτλου και περίληψης βάσει προκαθορισμένων κριτηρίων (δ) Πλήρη αξιολόγηση κειμένου για την τελική ένταξη.

Τα κριτήρια ένταξης (PICO framework) περιλάμβαναν:
<blockquote>-Population (Πληθυσμός): Λίμνες, ταμιευτήρες και ποτάμια (εξαιρέθηκαν θαλάσσια και μεταβατικά ύδατα).</blockquote>
<blockquote>-Intervention (Παρέμβαση): Εκτίμηση συγκέντρωσης χλωροφύλλης-a μέσω δορυφορικών ή εναέριων δεδομένων.</blockquote>
<blockquote>-Comparator (Σύγκριση): Επιτόπιες (in situ) μετρήσεις χλωροφύλλης-a.</blockquote>
<blockquote>-Outcome (Έκβαση): Ποσοτικοί δείκτες απόδοσης (r, R², RMSE) και διαθέσιμο μέγεθος δείγματος (Ν).</blockquote>

Αποκλείστηκαν μελέτες που δεν παρείχαν επαρκή στατιστικά στοιχεία, δεν ανέφεραν τον τύπο αισθητήρα ή δεν βασίζονταν σε ποσοτική βαθμονόμηση/επικύρωση μοντέλων.

====Εξαγωγή και κατηγοριοποίηση δεδομένων====

Από κάθε επιλεγμένη μελέτη συλλέχθηκαν πληροφορίες σχετικά με (α) τον τύπο αισθητήρα: πολυφασματικός ή υπερφασματικός, (β) την πλατφόρμα καταγραφής: δορυφόρος ή UAV, (γ) την χωρική ανάλυση: χαμηλή (>30 m), μέση (5–30 m), υψηλή (<5 m), (δ) την αλγοριθμική προσέγγιση: εμπειρικά μοντέλα, ημι-αναλυτικά μοντέλα, μοντέλα μηχανικής μάθησης, (ε) τον τύπο υδάτινου σώματος: λεντικό (λίμνες, ταμιευτήρες) ή λωτικό (ποτάμια), (στ) την κλιματική ζώνη: τροπική, εύκρατη, ψυχρή ή άνυδρη, (ζ) την μέθοδο ατμοσφαιρικής διόρθωσης, δεδομένης της καθοριστικής επίδρασής της στην ποιότητα του σήματος.

Σημειώνεται πως ιδιαίτερη έμφαση δόθηκε στη σύγκριση ευρέως χρησιμοποιούμενων δορυφορικών αποστολών, όπως οι: Landsat 8, Sentinel-2, MODIS. Οι αποστολές αυτές επιλέχθηκαν λόγω της ευρείας εφαρμογής τους στην εκτίμηση συγκεντρώσεων χλωροφύλλης-a και φυκοκυανίνης, της ελεύθερης πρόσβασης στα δεδομένα και της διαφορετικής χωρικής και φασματικής ανάλυσης που προσφέρουν.

====Στατιστική επεξεργασία και μετα-ανάλυση====

Οι συντελεστές συσχέτισης (r) μετατράπηκαν σε τιμές Fisher’s Z, ώστε να εξασφαλιστεί κανονικότητα και συγκρισιμότητα μεταξύ μελετών. Το βάρος κάθε μελέτης υπολογίστηκε ως το αντίστροφο της διακύμανσης, δίνοντας μεγαλύτερη βαρύτητα σε μελέτες με μεγαλύτερο δείγμα.

Για την εκτίμηση της συνολικής επίδρασης χρησιμοποιήθηκε πολυεπίπεδο μοντέλο τυχαίων επιδράσεων (three-level random effects model), ώστε να ληφθεί υπόψη η εξάρτηση πολλαπλών αποτελεσμάτων από την ίδια μελέτη.

Η ετερογένεια αξιολογήθηκε μέσω των δεικτών Q και I². Σε περιπτώσεις υψηλής ετερογένειας εφαρμόστηκαν: (α) Ανάλυση υποομάδων (subgroup analysis), (β) Μετα-παλινδρόμηση (meta-regression)

ώστε να διερευνηθεί η επίδραση παραγόντων όπως: η χωρική ανάλυση, ο τύπος αλγορίθμου, η μέθοδος ατμοσφαιρικής διόρθωσης, ο τύπος υδάτινου σώματος, η κλιματική ζώνη

====Έλεγχος μεροληψίας και αξιοπιστία====

Η πιθανή μεροληψία δημοσίευσης εξετάστηκε με διάγραμμα χοάνης (funnel plot), έλεγχο Egger και μέθοδο trim-and-fill. Επιπλέον, υπολογίστηκε ο δείκτης fail-safe number (FSN), ώστε να εκτιμηθεί ο αριθμός υποθετικών μη δημοσιευμένων μελετών που θα απαιτούνταν για την ανατροπή της στατιστικής σημαντικότητας των αποτελεσμάτων.

====Παράγοντες που εξετάστηκαν ως πηγές αβεβαιότητας====

Ιδιαίτερη έμφαση δόθηκε στην ανάλυση παραγόντων που επηρεάζουν την ακρίβεια των μοντέλων, όπως:η θολότητα και συγκέντρωση αιωρούμενων σωματιδίων, η παρουσία διαλυμένης οργανικής ύλης, η φασματική επικάλυψη χλωροφύλλης και φυκοκυανίνης, η εποχικότητα και θερμική στρωμάτωση, οι περιορισμοί χωρικής και χρονικής ανάλυσης.

Η ολοκληρωμένη αυτή μεθοδολογική προσέγγιση επέτρεψε τη συστηματική σύγκριση διαφορετικών τεχνολογιών, αλγορίθμων και περιβαλλοντικών συνθηκών, παρέχοντας μια αξιόπιστη και ποσοτικά τεκμηριωμένη αξιολόγηση της αποτελεσματικότητας της τηλεπισκόπησης στην παρακολούθηση ανθίσεων φυκών.

===3. Αποτελέσματα===

Τα αποτελέσματα της μετα-ανάλυσης καταδεικνύουν ότι η τηλεπισκόπηση αποτελεί αξιόπιστο εργαλείο για την παρακολούθηση ανθίσεων φυκών, με υψηλές τιμές συντελεστή προσδιορισμού (R²) σε πολλές περιπτώσεις, ιδιαίτερα όταν εφαρμόζονται μοντέλα μηχανικής μάθησης. Οι πολυφασματικοί αισθητήρες, όπως εκείνοι των Sentinel-2 και Landsat 8, εμφανίζουν ικανοποιητική απόδοση στην εκτίμηση χλωροφύλλης-a σε καθαρά ή μέτρια θολά ύδατα.

Ωστόσο, σε υδάτινα σώματα με υψηλή συγκέντρωση αιωρούμενων στερεών ή οργανικής ύλης, η ακρίβεια μειώνεται λόγω φασματικής παρεμβολής. Σε αυτές τις περιπτώσεις, τα υπερφασματικά δεδομένα παρουσιάζουν βελτιωμένη ικανότητα διάκρισης, αν και η περιορισμένη διαθεσιμότητα και το υψηλότερο κόστος περιορίζουν την επιχειρησιακή τους εφαρμογή.

Η ανάλυση δείχνει επίσης ότι τα μοντέλα μηχανικής μάθησης (π.χ. Random Forest, Neural Networks) υπερτερούν των απλών εμπειρικών μοντέλων, καθώς διαχειρίζονται καλύτερα τη μη γραμμικότητα των σχέσεων μεταξύ φασματικών τιμών και βιοφυσικών παραμέτρων. Επιπλέον, η συνδυαστική χρήση δορυφορικών δεδομένων με επιτόπιες μετρήσεις βελτιώνει σημαντικά την αξιοπιστία των αποτελεσμάτων.

Ένα σημαντικό εύρημα είναι ότι η απόδοση των μοντέλων διαφέρει ανάλογα με τον τύπο υδάτινου σώματος. Οι λίμνες εμφανίζουν συνήθως υψηλότερη ακρίβεια σε σύγκριση με τις παράκτιες περιοχές, όπου η παρουσία θαλάσσιων ρευμάτων και σύνθετων οπτικών ιδιοτήτων δυσχεραίνει την ανάλυση. Παράλληλα, η χωρική ανάλυση παίζει καθοριστικό ρόλο: αισθητήρες με υψηλότερη χωρική ανάλυση επιτρέπουν καλύτερη αποτύπωση τοπικών ανθίσεων.

Συνολικά, η ανάλυση επιβεβαιώνει ότι η τηλεπισκόπηση είναι αποτελεσματικό και οικονομικά αποδοτικό εργαλείο για την παρακολούθηση ανθίσεων φυκών σε μεγάλη κλίμακα. Παρά τα υφιστάμενα τεχνικά όρια, οι εξελίξεις στην τεχνητή νοημοσύνη, στη συγχώνευση δεδομένων και στους νέους υπερφασματικούς αισθητήρες αναμένεται να ενισχύσουν περαιτέρω την ακρίβεια και την επιχειρησιακή αξιοποίηση των συστημάτων έγκαιρης προειδοποίησης.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]
[[category:Υδατικοί Πόροι]]

Λεκάκης Μιχάλης

2026-02-23T23:08:49Z

MICHAIL LEKAKIS:

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T23:08:03Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια.

Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη.

Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

[[Αρχείο:2.bhta.png | right | thumb | Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα]]

'''3. Αποτελέσματα'''

Η ανάλυση δείχνει ότι από το 2014 και έπειτα παρατηρείται εκθετική αύξηση των δημοσιεύσεων στον τομέα της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), με κυρίαρχες χώρες την Κίνα και τις Ηνωμένες Πολιτείες. Οι βασικοί θεματικοί άξονες περιλαμβάνουν τα μικροπλαστικά, τη θαλάσσια περιβαλλοντική υγεία και τη ρύπανση, επιβεβαιώνοντας ότι το πεδίο συνδέεται άμεσα με ζητήματα οικολογικής βιωσιμότητας.

Τα αποτελέσματα καταδεικνύουν ότι η τηλεπισκόπηση μπορεί να εντοπίσει επιφανειακές συγκεντρώσεις μακροπλαστικών με υψηλή ακρίβεια, ιδιαίτερα όταν συνδυάζεται με τεχνικές μηχανικής μάθησης. Η χρήση φασματικών χαρακτηριστικών επιτρέπει τη διάκριση πλαστικών από άλλα επιπλέοντα υλικά, όπως φύκια ή αφρό. Ωστόσο, η ανίχνευση μικροπλαστικών και νανοπλαστικών παραμένει πρόκληση λόγω περιορισμών χωρικής ανάλυσης και παρεμβολών από τη θολότητα του νερού.

Επιπλέον, τα δεδομένα δείχνουν μετάβαση από απλές φασματικές προσεγγίσεις σε σύνθετα μοντέλα τεχνητής νοημοσύνης μετά το 2020. Η ενσωμάτωση αλγορίθμων τεχνητής νοημοσύνης βελτιώνει την ακρίβεια ταξινόμησης και επιτρέπει την επεξεργασία μεγάλων όγκων δεδομένων σε σχεδόν πραγματικό χρόνο. Παράλληλα, η ανάπτυξη βάσεων δεδομένων και διεθνών πλατφορμών ενισχύει τη διαφάνεια και τη συγκρισιμότητα αποτελεσμάτων.

Συνολικά, η έρευνα αναδεικνύει ότι η τηλεπισκόπηση αποτελεί ένα ισχυρό εργαλείο για την παρακολούθηση της πλαστικής ρύπανσης σε μεγάλη κλίμακα, αλλά απαιτείται περαιτέρω τεχνολογική βελτίωση για την ακριβή ανίχνευση μικρότερων σωματιδίων και την ολοκληρωμένη εκτίμηση οικολογικού κινδύνου. Ο συνδυασμός δορυφορικών δεδομένων, επιτόπιων μετρήσεων και προηγμένων μοντέλων ανάλυσης διαμορφώνει το μέλλον της περιβαλλοντικής διαχείρισης υδάτινων πόρων.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

[[category:Υδατικοί Πόροι]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T23:01:20Z

MICHAIL LEKAKIS:

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T23:00:53Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

[[Αρχείο:2.bhta.png | right | thumb | Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα]]

'''3. Αποτελέσματα'''

Η ανάλυση δείχνει ότι από το 2014 και έπειτα παρατηρείται εκθετική αύξηση των δημοσιεύσεων στον τομέα της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), με κυρίαρχες χώρες την Κίνα και τις Ηνωμένες Πολιτείες. Οι βασικοί θεματικοί άξονες περιλαμβάνουν τα μικροπλαστικά, τη θαλάσσια περιβαλλοντική υγεία και τη ρύπανση, επιβεβαιώνοντας ότι το πεδίο συνδέεται άμεσα με ζητήματα οικολογικής βιωσιμότητας.

Τα αποτελέσματα καταδεικνύουν ότι η τηλεπισκόπηση μπορεί να εντοπίσει επιφανειακές συγκεντρώσεις μακροπλαστικών με υψηλή ακρίβεια, ιδιαίτερα όταν συνδυάζεται με τεχνικές μηχανικής μάθησης. Η χρήση φασματικών χαρακτηριστικών επιτρέπει τη διάκριση πλαστικών από άλλα επιπλέοντα υλικά, όπως φύκια ή αφρό. Ωστόσο, η ανίχνευση μικροπλαστικών και νανοπλαστικών παραμένει πρόκληση λόγω περιορισμών χωρικής ανάλυσης και παρεμβολών από τη θολότητα του νερού.

Επιπλέον, τα δεδομένα δείχνουν μετάβαση από απλές φασματικές προσεγγίσεις σε σύνθετα μοντέλα τεχνητής νοημοσύνης μετά το 2020. Η ενσωμάτωση αλγορίθμων τεχνητής νοημοσύνης βελτιώνει την ακρίβεια ταξινόμησης και επιτρέπει την επεξεργασία μεγάλων όγκων δεδομένων σε σχεδόν πραγματικό χρόνο. Παράλληλα, η ανάπτυξη βάσεων δεδομένων και διεθνών πλατφορμών ενισχύει τη διαφάνεια και τη συγκρισιμότητα αποτελεσμάτων.

Συνολικά, η έρευνα αναδεικνύει ότι η τηλεπισκόπηση αποτελεί ένα ισχυρό εργαλείο για την παρακολούθηση της πλαστικής ρύπανσης σε μεγάλη κλίμακα, αλλά απαιτείται περαιτέρω τεχνολογική βελτίωση για την ακριβή ανίχνευση μικρότερων σωματιδίων και την ολοκληρωμένη εκτίμηση οικολογικού κινδύνου. Ο συνδυασμός δορυφορικών δεδομένων, επιτόπιων μετρήσεων και προηγμένων μοντέλων ανάλυσης διαμορφώνει το μέλλον της περιβαλλοντικής διαχείρισης υδάτινων πόρων.

[[category:Υδατικοί Πόροι]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:59:57Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:59:37Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

[[Αρχείο: 2.bhta.png | right | thumb | Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:59:17Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

[[Αρχείο: | right | thumb |Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Αρχείο:2.bhta.png

2026-02-23T22:57:01Z

MICHAIL LEKAKIS: Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα

Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:56:46Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

[[Αρχείο:2.bhta.png | right | thumb | Εικόνα 2: Αριθμός δημοσιεύσεων στον τομέα της έρευνας της τηλεπισκόπησης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS), ανά χώρα]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:55:46Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.jenvman.2024.123815]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η ευρεία χρήση του πλαστικού, σε συνδυασμό με τη μεγάλη ανθεκτικότητά του στη φυσική αποδόμηση, έχει οδηγήσει στη συσσώρευση μακροπλαστικών, μικροπλαστικών και νανοπλαστικών σε ωκεανούς, θάλασσες, λίμνες και ποτάμια. Οι επιπτώσεις αφορούν τόσο τα υδάτινα οικοσυστήματα όσο και την ανθρώπινη υγεία, καθώς τα πλαστικά εισέρχονται στην τροφική αλυσίδα και μεταφέρονται σε μεγάλες αποστάσεις μέσω υδρολογικών και ατμοσφαιρικών διεργασιών.
Παραδοσιακά, η παρακολούθηση της πλαστικής ρύπανσης βασιζόταν σε επιτόπια δειγματοληψία και εργαστηριακές αναλύσεις (π.χ. FTIR), οι οποίες παρέχουν υψηλή ακρίβεια αλλά περιορισμένη χωρική κάλυψη. Η εμφάνιση της τηλεπισκόπησης προσέφερε νέες δυνατότητες, επιτρέποντας συγχρονισμένες παρατηρήσεις μεγάλης κλίμακας με χαμηλότερο κόστος και αυξημένη συχνότητα. Η παρούσα μελέτη συνοψίζει την εξέλιξη της εφαρμογής της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (Marine and Inland Water Plastics Remote Sensing – MIWPRS).

[[Αρχείο:2.alfa.png | right | thumb | Εικόνα 1: Διάγραμμα ροής έρευνας της τηλεπισκόπησης στην παρακολούθηση της ρύπανσης πλαστικών σε θαλάσσια και εσωτερικά ύδατα (MIWPRS)]]

Σκοπός της παρούσας ανάλυσης είναι η παρουσίαση της μεθοδολογικής προσέγγισης και των βασικών αποτελεσμάτων της σύγχρονης έρευνας στον τομέα αυτό.

'''2. Μεθοδολογία'''

Η ερευνητική προσέγγιση βασίζεται σε βιβλιομετρική και τεχνολογική ανάλυση της επιστημονικής παραγωγής της τελευταίας δεκαετίας. Τα δεδομένα αντλήθηκαν από τη βάση Web of Science για την περίοδο 2014–2023, με θεματική αναζήτηση που συνδύαζε όρους σχετικούς με πλαστικά, υδάτινα περιβάλλοντα και τηλεπισκόπηση. Συνολικά αναλύθηκαν 415–429 δημοσιεύσεις, αποτυπώνοντας τη ραγδαία αύξηση του ενδιαφέροντος μετά το 2018.

Για τη βιβλιομετρική χαρτογράφηση χρησιμοποιήθηκε το λογισμικό CiteSpace, το οποίο επιτρέπει την ανάλυση συν-εμφάνισης λέξεων-κλειδιών (keywords), δικτύων συνεργασίας χωρών και χρονικής εξέλιξης θεματικών πεδίων. Μέσω ανάλυσης συστάδων (cluster analysis) και χρονογραμμών (timeline analysis), εντοπίστηκαν οι βασικές ερευνητικές κατευθύνσεις, όπως τα μικροπλαστικά, η θαλάσσια ρύπανση και οι τεχνικές μηχανικής μάθησης (machine learning).

Όσον αφορά τις τεχνικές ανίχνευσης, αξιοποιούνται πολυφασματικά και υπερφασματικά δεδομένα από δορυφόρους όπως οι Landsat 8 και Sentinel-2, καθώς και δεδομένα από μη επανδρωμένα αεροσκάφη (UAVs) και επίγειους αισθητήρες. Οι μέθοδοι επεξεργασίας περιλαμβάνουν φασματικούς δείκτες (π.χ. Plastic Index), παλινδρομικά μοντέλα, καθώς και αλγορίθμους/μέθοδοι μηχανικής μάθησης όπως είναι οι Random Forest, Support Vector Machines και Συνελικτικά Νευρωνικά Δίκτυα (CNN).

Ιδιαίτερη έμφαση δίνεται στη συγχώνευση πολυπηγών δεδομένων (space–air–ground integration), η οποία ενισχύει την ακρίβεια ανίχνευσης και επιτρέπει τη μοντελοποίηση της χωρικής και χρονικής μετακίνησης των πλαστικών. Παράλληλα, αναπτύσσονται υδροδυναμικά μοντέλα για την προσομοίωση της μεταφοράς πλαστικών μέσω ρευμάτων και ποτάμιων ροών.

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:51:11Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού, παχύφυτου φυτού με υψηλή ικανότητα δέσμευσης άνθρακα και σημαντική αξία για τη βόσκηση της άγριας πανίδας. Η περιοχή χαρακτηρίζεται από ημι-άνυδρο κλίμα και έντονα φαινόμενα υποβάθμισης λόγω υπερβόσκησης, γεγονός που την καθιστά ιδανική περίπτωση μελέτης για την αξιολόγηση της αποτελεσματικότητας παρεμβάσεων οικολογικής αποκατάστασης.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής, ως ένδειξη παραγωγικότητας και διαθεσιμότητας πράσινης βιομάζας (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης, η οποία συνδέεται με την κάλυψη του εδάφους και τη μείωση της επιφανειακής απορροής (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης, της πράσινης βιομάζας και της δομής της βλάστησης. Τα δεδομένα αυτά χρησιμοποιήθηκαν για τη βαθμονόμηση και επικύρωση μοντέλων συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (όπως NBR, BSI, IRECI) και των μετρούμενων οικοσυστημικών υπηρεσιών. Οι δείκτες επιλέχθηκαν λόγω της ικανότητάς τους να αποτυπώνουν μεταβολές στη φυτική ζωτικότητα, στη γυμνή επιφάνεια εδάφους και στη φωτοσυνθετική δραστηριότητα.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), επιτρέποντας τη διάκριση των επιδράσεων της αποκατάστασης από τη φυσική διακύμανση του οικοσυστήματος. Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης: αριθμό και χωρική κατανομή σημείων ελέγχου, ενδοετήσια επιλογή εικόνων, περίοδο αναφοράς και επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI έναντι Sentinel-2 MSI).

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα αναλύθηκαν στο περιβάλλον Google Earth Engine, επιτρέποντας πολυετή χρονοσειρά (2000–2020) και συνεπή επεξεργασία. Επιπλέον, εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση ISODATA για τον διαχωρισμό συστάδων βλάστησης με διαφορετικό αρχικό επίπεδο υποβάθμισης, διασφαλίζοντας ότι η αξιολόγηση των παρεμβάσεων λαμβάνει υπόψη την προϋπάρχουσα οικολογική κατάσταση κάθε θέσης

[[Αρχείο:1.alfa.png | right | thumb | Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις

2026-02-23T22:50:48Z

MICHAIL LEKAKIS: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges'' '''Μεταφρασ...'

'''Πρωτότυπος τίτλος:''' ''Remote sensing research on plastics in marine and inland water: Development, opportunities and challenges''

'''Μεταφρασμένος τίτλος''' ''Έρευνα μέσω της τηλεπισκόπησης για τα πλαστικά σε θαλάσσια και εσωτερικά ύδατα: Εξέλιξη, ευκαιρίες και προκλήσεις''

'''Συγγραφείς:''' Zhixiong Chen, Wei Si, Verner Carl Johnson, Saheed Adeyinka Oke, Shuting Wang, Xinlin Lv, Mou Leong Tan, Fei Zhang

'''Δημοσιεύθηκε:''' Journal of Environmental Management 373 (2025) 123815

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Πλαστικά, Υδάτινοι πόροι, Ρύπανση Υδάτινων Πόρων''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού, παχύφυτου φυτού με υψηλή ικανότητα δέσμευσης άνθρακα και σημαντική αξία για τη βόσκηση της άγριας πανίδας. Η περιοχή χαρακτηρίζεται από ημι-άνυδρο κλίμα και έντονα φαινόμενα υποβάθμισης λόγω υπερβόσκησης, γεγονός που την καθιστά ιδανική περίπτωση μελέτης για την αξιολόγηση της αποτελεσματικότητας παρεμβάσεων οικολογικής αποκατάστασης.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής, ως ένδειξη παραγωγικότητας και διαθεσιμότητας πράσινης βιομάζας (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης, η οποία συνδέεται με την κάλυψη του εδάφους και τη μείωση της επιφανειακής απορροής (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης, της πράσινης βιομάζας και της δομής της βλάστησης. Τα δεδομένα αυτά χρησιμοποιήθηκαν για τη βαθμονόμηση και επικύρωση μοντέλων συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (όπως NBR, BSI, IRECI) και των μετρούμενων οικοσυστημικών υπηρεσιών. Οι δείκτες επιλέχθηκαν λόγω της ικανότητάς τους να αποτυπώνουν μεταβολές στη φυτική ζωτικότητα, στη γυμνή επιφάνεια εδάφους και στη φωτοσυνθετική δραστηριότητα.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), επιτρέποντας τη διάκριση των επιδράσεων της αποκατάστασης από τη φυσική διακύμανση του οικοσυστήματος. Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης: αριθμό και χωρική κατανομή σημείων ελέγχου, ενδοετήσια επιλογή εικόνων, περίοδο αναφοράς και επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI έναντι Sentinel-2 MSI).

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα αναλύθηκαν στο περιβάλλον Google Earth Engine, επιτρέποντας πολυετή χρονοσειρά (2000–2020) και συνεπή επεξεργασία. Επιπλέον, εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση ISODATA για τον διαχωρισμό συστάδων βλάστησης με διαφορετικό αρχικό επίπεδο υποβάθμισης, διασφαλίζοντας ότι η αξιολόγηση των παρεμβάσεων λαμβάνει υπόψη την προϋπάρχουσα οικολογική κατάσταση κάθε θέσης

[[Αρχείο:1.alfa.png | right | thumb | Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Υδατικοί Πόροι]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:47:45Z

MICHAIL LEKAKIS:

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού, παχύφυτου φυτού με υψηλή ικανότητα δέσμευσης άνθρακα και σημαντική αξία για τη βόσκηση της άγριας πανίδας. Η περιοχή χαρακτηρίζεται από ημι-άνυδρο κλίμα και έντονα φαινόμενα υποβάθμισης λόγω υπερβόσκησης, γεγονός που την καθιστά ιδανική περίπτωση μελέτης για την αξιολόγηση της αποτελεσματικότητας παρεμβάσεων οικολογικής αποκατάστασης.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής, ως ένδειξη παραγωγικότητας και διαθεσιμότητας πράσινης βιομάζας (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης, η οποία συνδέεται με την κάλυψη του εδάφους και τη μείωση της επιφανειακής απορροής (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης, της πράσινης βιομάζας και της δομής της βλάστησης. Τα δεδομένα αυτά χρησιμοποιήθηκαν για τη βαθμονόμηση και επικύρωση μοντέλων συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (όπως NBR, BSI, IRECI) και των μετρούμενων οικοσυστημικών υπηρεσιών. Οι δείκτες επιλέχθηκαν λόγω της ικανότητάς τους να αποτυπώνουν μεταβολές στη φυτική ζωτικότητα, στη γυμνή επιφάνεια εδάφους και στη φωτοσυνθετική δραστηριότητα.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), επιτρέποντας τη διάκριση των επιδράσεων της αποκατάστασης από τη φυσική διακύμανση του οικοσυστήματος. Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης: αριθμό και χωρική κατανομή σημείων ελέγχου, ενδοετήσια επιλογή εικόνων, περίοδο αναφοράς και επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI έναντι Sentinel-2 MSI).

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα αναλύθηκαν στο περιβάλλον Google Earth Engine, επιτρέποντας πολυετή χρονοσειρά (2000–2020) και συνεπή επεξεργασία. Επιπλέον, εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση ISODATA για τον διαχωρισμό συστάδων βλάστησης με διαφορετικό αρχικό επίπεδο υποβάθμισης, διασφαλίζοντας ότι η αξιολόγηση των παρεμβάσεων λαμβάνει υπόψη την προϋπάρχουσα οικολογική κατάσταση κάθε θέσης

[[Αρχείο:1.alfa.png | right | thumb | Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:41:52Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού, παχύφυτου φυτού με υψηλή ικανότητα δέσμευσης άνθρακα και σημαντική αξία για τη βόσκηση της άγριας πανίδας. Η περιοχή χαρακτηρίζεται από ημι-άνυδρο κλίμα και έντονα φαινόμενα υποβάθμισης λόγω υπερβόσκησης, γεγονός που την καθιστά ιδανική περίπτωση μελέτης για την αξιολόγηση της αποτελεσματικότητας παρεμβάσεων οικολογικής αποκατάστασης.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής, ως ένδειξη παραγωγικότητας και διαθεσιμότητας πράσινης βιομάζας (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης, η οποία συνδέεται με την κάλυψη του εδάφους και τη μείωση της επιφανειακής απορροής (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης, της πράσινης βιομάζας και της δομής της βλάστησης. Τα δεδομένα αυτά χρησιμοποιήθηκαν για τη βαθμονόμηση και επικύρωση μοντέλων συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (όπως NBR, BSI, IRECI) και των μετρούμενων οικοσυστημικών υπηρεσιών. Οι δείκτες επιλέχθηκαν λόγω της ικανότητάς τους να αποτυπώνουν μεταβολές στη φυτική ζωτικότητα, στη γυμνή επιφάνεια εδάφους και στη φωτοσυνθετική δραστηριότητα.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), επιτρέποντας τη διάκριση των επιδράσεων της αποκατάστασης από τη φυσική διακύμανση του οικοσυστήματος. Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης: αριθμό και χωρική κατανομή σημείων ελέγχου, ενδοετήσια επιλογή εικόνων, περίοδο αναφοράς και επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI έναντι Sentinel-2 MSI).

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα αναλύθηκαν στο περιβάλλον Google Earth Engine, επιτρέποντας πολυετή χρονοσειρά (2000–2020) και συνεπή επεξεργασία. Επιπλέον, εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση ISODATA για τον διαχωρισμό συστάδων βλάστησης με διαφορετικό αρχικό επίπεδο υποβάθμισης, διασφαλίζοντας ότι η αξιολόγηση των παρεμβάσεων λαμβάνει υπόψη την προϋπάρχουσα οικολογική κατάσταση κάθε θέσης

[[Αρχείο:1.alfa.png | right | thumb | Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Αρχείο:1.alfa.png

2026-02-23T22:37:00Z

MICHAIL LEKAKIS: Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης

Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:36:30Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού και ιδιαίτερα εύγευστου φυτού για την άγρια πανίδα.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης και της πράσινης βιομάζας. Στη συνέχεια αναπτύχθηκαν μοντέλα συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (π.χ. NBR, BSI, IRECI) και των μετρούμενων υπηρεσιών.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα επεξεργάστηκαν μέσω Google Earth Engine και υπολογίστηκαν οι αντίστοιχοι δείκτες βλάστησης. Επιπλέον, χρησιμοποιήθηκε ταξινόμηση ISODATA για τον προσδιορισμό συστάδων βλάστησης με διαφορετικά επίπεδα υποβάθμισης πριν την παρέμβαση.

[[Αρχείο:1.alfa.png | right | thumb | Εικόνα 2: Διάγραμμα ροής ελέγχου παρεμβάσεων αποκατάστασης μέσω τηλεπισκόπησης]]

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:34:24Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού και ιδιαίτερα εύγευστου φυτού για την άγρια πανίδα.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης και της πράσινης βιομάζας. Στη συνέχεια αναπτύχθηκαν μοντέλα συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (π.χ. NBR, BSI, IRECI) και των μετρούμενων υπηρεσιών.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα επεξεργάστηκαν μέσω Google Earth Engine και υπολογίστηκαν οι αντίστοιχοι δείκτες βλάστησης. Επιπλέον, χρησιμοποιήθηκε ταξινόμηση ISODATA για τον προσδιορισμό συστάδων βλάστησης με διαφορετικά επίπεδα υποβάθμισης πριν την παρέμβαση.

'''3. Αποτελέσματα'''

Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:33:52Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''

Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού και ιδιαίτερα εύγευστου φυτού για την άγρια πανίδα.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης και της πράσινης βιομάζας. Στη συνέχεια αναπτύχθηκαν μοντέλα συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (π.χ. NBR, BSI, IRECI) και των μετρούμενων υπηρεσιών.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα επεξεργάστηκαν μέσω Google Earth Engine και υπολογίστηκαν οι αντίστοιχοι δείκτες βλάστησης. Επιπλέον, χρησιμοποιήθηκε ταξινόμηση ISODATA για τον προσδιορισμό συστάδων βλάστησης με διαφορετικά επίπεδα υποβάθμισης πριν την παρέμβαση.

'''3. Αποτελέσματα'''
Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:33:36Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''
Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού και ιδιαίτερα εύγευστου φυτού για την άγρια πανίδα.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης και της πράσινης βιομάζας. Στη συνέχεια αναπτύχθηκαν μοντέλα συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (π.χ. NBR, BSI, IRECI) και των μετρούμενων υπηρεσιών.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα επεξεργάστηκαν μέσω Google Earth Engine και υπολογίστηκαν οι αντίστοιχοι δείκτες βλάστησης. Επιπλέον, χρησιμοποιήθηκε ταξινόμηση ISODATA για τον προσδιορισμό συστάδων βλάστησης με διαφορετικά επίπεδα υποβάθμισης πριν την παρέμβαση.

'''3. Αποτελέσματα'''
Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Οικολογία]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:32:22Z

MICHAIL LEKAKIS:

= Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης =

'''Πρωτότυπος τίτλος:''' ''How remote sensing choices influence ecosystem services monitoring and evaluation results of ecological restoration interventions''

'''Μεταφρασμένος τίτλος''' ''Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών σε παρεμβάσεις οικολογικής αποκατάστασης''

'''Συγγραφείς:''' Trinidad del Río-Mena, Louise Willemen, Anton Vrieling, Andy Nelson

'''Δημοσιεύθηκε:''' ''MDPI Open Access Journals'', Ecosystem Services 64 (2023) 101565

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://doi.org/10.1016/j.ecoser.2023.101565]

'''Λέξεις-Κλειδιά:''' ''Τηλεπισκόπηση, Οικοσυστημικές υπηρεσίες, Οικολογική αποκατάσταση, Παρακολούθηση και αξιολόγηση, Δείκτες βλάστησης''

'''1. Εισαγωγή'''

Η υποβάθμιση του παγκόσμιου περιβάλλοντος (εδάφη, αέρας, υδάτινοι πόροι) αποτελεί μία από τις σημαντικότερες περιβαλλοντικές προκλήσεις του 21ου αιώνα, επηρεάζοντας άμεσα τη βιοποικιλότητα, τη σταθερότητα των οικοσυστημάτων και την ανθρώπινη ευημερία. Στο πλαίσιο της «Δεκαετίας των Ηνωμένων Εθνών για την Αποκατάσταση των Οικοσυστημάτων» (2021–2030), η οικολογική αποκατάσταση αναγνωρίζεται ως βασική στρατηγική για την αντιστροφή της περιβαλλοντικής υποβάθμισης. Ωστόσο, η αποτελεσματικότητα των παρεμβάσεων αποκατάστασης πρέπει να τεκμηριώνεται με αξιόπιστες μεθόδους παρακολούθησης και αξιολόγησης.
Η τηλεπισκόπηση (Remote Sensing – RS), μέσω δορυφορικών δεδομένων όπως των αποστολών Landsat και Sentinel-2, προσφέρει τη δυνατότητα συνεχούς, χωρικά εκτεταμένης και χρονικά επαναλαμβανόμενης παρακολούθησης οικοσυστημικών υπηρεσιών. Παρά τα πλεονεκτήματα αυτά, η πληθώρα διαθέσιμων δεδομένων και μεθοδολογικών επιλογών συνεπάγεται πως πρέπει να ληφθούν κρίσιμες αποφάσεις σχετικά με την επιλογή δεικτών, χρονικών περιόδων, σημείων ελέγχου και αισθητήρων.
Σκοπός του άρθρου είναι η διερεύνηση για το πώς αυτές οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα αξιολόγησης παρεμβάσεων οικολογικής αποκατάστασης, χρησιμοποιώντας ως μελέτη περίπτωσης την περιοχή Baviaanskloof στην Νότια Αφρική.

'''2. Μεθοδολογία'''
Η έρευνα βασίστηκε σε παρεμβάσεις αναβλάστησης που πραγματοποιήθηκαν μεταξύ 2010–2015 στην περιοχή Baviaanskloof (Eastern Cape, Νότια Αφρική), με φύτευση του είδους Portulacaria afra (spekboom), ενός ανθεκτικού και ιδιαίτερα εύγευστου φυτού για την άγρια πανίδα.

[[Αρχείο:1.alfalfa.png | right | thumb | Εικόνα 1: Σημεία αποκατάστασης στην περιοχή Baviaanskloof Hartland Bawarea, Νότια Αφρική]]

Αξιολογήθηκαν δύο οικοσυστημικές υπηρεσίες:
<blockquote>-Παροχή βοσκής (forage provision)</blockquote>
<blockquote>-Πρόληψη διάβρωσης (erosion prevention)</blockquote>

Αρχικά πραγματοποιήθηκαν επιτόπιες μετρήσεις (2017) για την εκτίμηση της φυτοκάλυψης και της πράσινης βιομάζας. Στη συνέχεια αναπτύχθηκαν μοντέλα συσχέτισης μεταξύ δεικτών τηλεπισκόπησης (π.χ. NBR, BSI, IRECI) και των μετρούμενων υπηρεσιών.

Για την αξιολόγηση των παρεμβάσεων εφαρμόστηκε το σχήμα Before-After-Control-Impact (BACI), το οποίο συγκρίνει τις μεταβολές σε περιοχές παρέμβασης και ελέγχου πριν και μετά την εφαρμογή της αποκατάστασης.
Η μελέτη εξέτασε πέντε βασικές επιλογές τηλεπισκόπησης:
-Αριθμός σημείων ελέγχου (20 vs 100 pixels)
-Χωρική κατανομή σημείων ελέγχου
-Ενδοετήσια επιλογή εικόνων (ελάχιστες ή μέγιστες ετήσιες τιμές)
-Επιλογή περιόδου αναφοράς (“before period”)
-Επιλογή δορυφορικού αισθητήρα (Landsat-8 OLI vs Sentinel-2 MSI)

Τα δεδομένα επεξεργάστηκαν μέσω Google Earth Engine και υπολογίστηκαν οι αντίστοιχοι δείκτες βλάστησης. Επιπλέον, χρησιμοποιήθηκε ταξινόμηση ISODATA για τον προσδιορισμό συστάδων βλάστησης με διαφορετικά επίπεδα υποβάθμισης πριν την παρέμβαση.

'''3. Αποτελέσματα'''
Τα αποτελέσματα ανέδειξαν ότι οι επιλογές τηλεπισκόπησης μπορούν να επηρεάσουν σημαντικά την ερμηνεία της επιτυχίας μιας παρέμβασης αποκατάστασης.
Η ενδοετήσια επιλογή εικόνων (μέγιστες vs ελάχιστες τιμές δείκτη) είχε τον ισχυρότερο αντίκτυπο. Σε ορισμένες περιπτώσεις, η χρήση μέγιστων ετήσιων τιμών υποδείκνυε μηδενική ή περιορισμένη επίδραση της αποκατάστασης, ενώ η χρήση ελάχιστων τιμών έδειχνε θετικό αποτέλεσμα. Σε έως και 50% των περιπτώσεων παρατηρήθηκαν αντίθετα συμπεράσματα ανάλογα με την επιλογή αυτή.
Η περίοδος αναφοράς επίσης επηρέασε σημαντικά τα αποτελέσματα. Η σύγκριση μιας μακρινής ιστορικής περιόδου (1989–1990) με μια πιο πρόσφατη (2009–2011) οδήγησε σε διαφορετικές εκτιμήσεις της επίδρασης, καταδεικνύοντας τη σημασία της χρονικής βάσης σύγκρισης.
Αντίθετα, ο αριθμός και η κατανομή σημείων ελέγχου επηρέασαν λιγότερο τα τελικά αποτελέσματα, αν και μεγαλύτερος αριθμός σημείων αύξανε τη στατιστική σταθερότητα.
Όσον αφορά τη σύγκριση αισθητήρων, οι Landsat-8 και Sentinel-2 παρήγαγαν παρόμοιες χρονικές τάσεις στην εκτίμηση της πρόληψης διάβρωσης, αν και οι απόλυτες τιμές διέφεραν ελαφρώς λόγω διαφορετικής χωρικής και φασματικής ανάλυσης.
Σημαντικό εύρημα ήταν ότι οι λιγότερο υποβαθμισμένες περιοχές παρουσίαζαν μεγαλύτερη ευαισθησία στις μεθοδολογικές επιλογές, ενώ οι έντονα υποβαθμισμένες περιοχές εμφάνιζαν πιο σταθερά αποτελέσματα.

Εν κατακλείδι, η μελέτη καταδεικνύει ότι οι μεθοδολογικές επιλογές τηλεπισκόπησης μπορούν να οδηγήσουν ακόμη και σε αντικρουόμενα συμπεράσματα σχετικά με την επιτυχία μιας αποκατάστασης. Επομένως, η διαφάνεια, η τεκμηρίωση και η αιτιολόγηση των επιλογών δεδομένων και ανάλυσης είναι κρίσιμης σημασίας για την ορθή αξιολόγηση των παρεμβάσεων οικολογικής αποκατάστασης.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Πώς οι επιλογές τηλεπισκόπησης επηρεάζουν τα αποτελέσματα παρακολούθησης και αξιολόγησης οικοσυστημικών υπηρεσιών

2026-02-23T22:27:23Z

MICHAIL LEKAKIS: