http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Marios_Stefanidis&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FMarios_Stefanidis 2026-05-19T15:28:39Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%AC%CE%BD%CF%84%CE%BF%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82 2020-01-18T16:00:29Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους'''<br /> <br /> ''Συγγραφείς: Nadine Nicolai-Shaw, Jakob Zscheischler, Martin Hirschi, Lukas Gudmundsson, Sonia I. Seneviratne''<br /> <br /> <br /> [http://dx.doi.org/10.1016/j.rse.2017.06.014]<br /> <br /> [[Αρχείο:Drought calculation methodology.png | thumb | right | Εικόνα 1: Μεθοδολογία υπολογισμού ξηρασίας]]<br /> <br /> [[Αρχείο:parameters.png | thumb | right | Εικόνα 2: Συσχέτιση μεταβλητών]]<br /> <br /> [[Αρχείο:results.png | thumb | right | Εικόνα 3: Αποτελέσματα παραμέτρων]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Παρότι η ξηρασία αποτελεί παγκόσμιο φαινόμενο, πολλές φορές δε λαμβάνεται υπόψη στον υπολογισμό της η εδαφική υγρασία. Εδώ χρησιμοποιείται η δορυφορικά εξαγόμενη εδαφική υγρασία από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος και ποσοτικοποιείται η σχέση μεταξύ αυτής με τη θερμοκρασία, τη βροχόπτωση, την εξατμισοδιαπνοή και τη βλάστηση στο ζενίθ του κύκλου ανάπτυξης των καλλιεργειών. Καίριο ρόλο στην εδαφική υγρασία παίζει η βροχόπτωση, ιδίως κατά τις ξηρές περιόδους όπου υπάρχει έλλειψη δασώδους βλάστησης.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το ακραίο φαινόμενο της ξηρασίας συνδέεται άμεσα με τη βροχόπτωση και την εξατμισοδιαπνοή. Εδώ διερευνόνται τα αποτελέσματα της γεωργικής ξηρασίας, η οποία είναι άμεσα συνδεδεμένη με την εδαφική υγρασία (McWilliam, 1986). Για τον υπολογισμό της εδαφικής υγρασίας χρησιμοποιήθηκαν προϊόντα από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος (CCI-SM) παγκόσμιας κλίμακας, και εξετάζεται η συμμεταβλητότητά του με άλλες κλιματικές παραμέτρους καθώς και με δείκτες βλάστησης κατά τη διάρκεια της κορυφής της καλλιεργητικής περιόδου.<br /> <br /> '''2.Δεδομένα και προεπεξεργασία'''<br /> <br /> ''2.1. Δεδομένα''<br /> <br /> Χρησιμοποιήθηκαν τα τηλεπισκοπικά βασισμένα δεδομένα εδαφικής υγρασίας από την CCI-SM που προέρχονται από το συνεγκατεστημένο σύνολο δεδομένων του διασπορεόμετρου της ζώνης C και από την συνεγκατεστημένη πολυ-συχνότητα ραδιομέτρου για την περίοδο 1992-2014. Η χωρική διακριτική<br /> ικανότητα είναι περίπου 80km. Για την εξατμισοδιαπνοή χρησιμοποιήθηκε το Παγκόσμιο Μοντέλο<br /> Εξάτμισης του Εδάφους του Άμστερνταμ (GLEAM) (Miralles et al., 2011). Τα δεδομένα θερμοκρασίας<br /> και βροχόπτωσης λαμβάνονται από την ΕRΑ, προσωρινώς παγκόσμια ατμοσφαιρική ανανέωση. Ως<br /> υποκατάστατο για τη βλάστηση, χρησιμοποιούμε το Παγκόσμιο απόθεμα μελετών μοντελοποίησης και<br /> χαρτογράφησης (GIMMS) που παράγεται από τον κανονικοποιημένο δείκτη διαφοράς βλάστησης NDVI<br /> από το Προχωρημένου και πολύ υψηλής ανάλυσης ραδιόμετρο του NOAA (AVHRR). Για την κάλυψη<br /> γης χρησιμοποιήθηκαν παγκόσμια δεδομένα ESA CCI ανάλυσης 300m.<br /> <br /> ''2.2. Επιλογή δεδομένων και προετοιμασία''<br /> <br /> Επιπλέον, υπολογίζεται ο δείκτης ξηρασίας SPI (McKee et al., 1993) για κάθε τρίμηνο. Η ακμή της<br /> καλλιεργητικής περιόδου θεωρείται ένα τρίμηνο, και για κάθε τέτοια ακμή υπάρχουν έξι στοιχεία για 23<br /> χρόνια (1992-2014).<br /> <br /> '''3.Μέθοδοι'''<br /> <br /> Αναλύεται η παρέκλιση της μέγιστης θερμοκρασίας, κατακρήμνιση, εξατμισοδιαπνοή και ανωμαλίες της<br /> βλάστησης κατά τη διάρκεια της ξηρασίας της υγρασίας του εδάφους (Adams et al., 2003). Τα βήματα<br /> υπολογισμού των σύνθετων ανωμαλιών ξηρασίας είναι τα ακόλουθα (Εικόνα 1) για κάθε κελί δεδομένων<br /> του NDVI.<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> ''4.1. Σύνθετες ανωμαλίες της ξηρασίας''<br /> <br /> Όλες οι μεταβλητές έχουν υψηλή συσχέτιση με την εδαφική υγρασία (Εικόνα 2). Σε περιοχές με ακραία<br /> εμφάνιση ξηρασίας, οι τιμές είναι αρνητικές.<br /> <br /> Αυτό που εξάγεται είναι ότι για κάθε τύπο βλάστησης η ξηρασία έχει ανάλογη επίπτωση. Ωστόσο, την<br /> μικρότερη την παρουσιάζει στα δάση,τα οποία λόγο του ριζικού τους συστήματος αντλούν υγρασία από<br /> το υπέδαφος. Οι θάμνοι και το γρασίδι φαίνεται να υποφέρουν κάπως περισσότερο από την έλλειψη<br /> εδαφικής υγρασίας. Όλες οι παράμετροι παρουσιάζουν ανάλογα αποτελέσματα (Εικόνα 3).<br /> <br /> '''5. Συζήτηση και συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε ότι η ξηρασία είναι άρρητα συνδεδεμένη με την εδαφική υγρασία. Όλα τα είδη βλάστησης έχουν αρνητικές επιπτώσεις από την έλλειψη εδαφικής υγρασίας που προκύπτει μετά το ξέσπασμα ξηρασίας. Τις μικρότερες επιπτώσεις φαίνεται να έχουν τα δάση. Συμπερασματικά, η μελέτη δείχνει πώς η θερμοκρασία, η βροχόπτωση, η εξατμισοδιαπνοή και η βλάστηση συσχετίζονται με το έλλειμμα της υγρασίας του εδάφους κατά τη διάρκεια της ακμής της καλλιεργητικής περιόδου.<br /> <br /> '''Αναφορές'''<br /> <br /> Adams, J.B., Mann, M.E., Ammann, C.M., 2003. Proxy evidence for an El Nino-like response to volcanic forcing. Nature 426 (6964), 274–278. [http://dx.doi.org/10.1038/nature02101]<br /> <br /> McKee, T.B., Doesken, N.J., Kleist, J., et al. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. vol. 17. American Meteorological Society, Boston, MA, pp. 179–183.<br /> <br /> McWilliam, J.R., 1986. The national and international importance of drought and salinity effects on agricultural production. Funct. Plant Biol. 13, 1–13.<br /> <br /> Miralles, D.G., Holmes, T.R.H., de Jeu, R.A.M., Gash, J.H., Meesters, A.G.C.A., Dolman, A.J., 2011. Global land-surface evaporation estimated from satellite-based observations. Hydrol. Earth Syst. Sci. 15, 453–469. [http://dx.doi.org/10.5194/hess-15-453-2011]<br /> <br /> [[category:Παρακολούθηση εδαφικής υγρασίας, εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CF%87%CE%BF%CE%BD%CE%B4%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82 2020-01-18T15:56:48Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης'''<br /> <br /> ''Συγγραφείς: O. Rojas, A. Vrieling, F. Rembold''<br /> <br /> [https://doi.org/10.1016/j.rse.2010.09.006]<br /> <br /> [[Αρχείο:Flow chart.png | thumb | right | Εικόνα 1: Διάγραμμα ροής]]<br /> <br /> [[Αρχείο:Drought.png | thumb | right | Εικόνα 2: Ποσοστό της γεωργικής έκτασης που επλήγη από την ξηρασία κατά την πρώτη καλλιεργητική περίοδο (VHI&lt;35) από το 1982 έως το 2010 (οι εποχές 1994/95 και 2009/10 δεν είναι πλήρεις)]]<br /> <br /> [[Αρχείο:Probability.png | thumb | right | Εικόνα 3: Πιθανότητα εμφάνισης μεγαλύτερης από 30% (Α) ή άνω του 50% (Β) της γεωργικής έκτασης που επλήγη από την ξηρασία κατά διοικητική μονάδα (1) κατά την πρώτη καλλιεργητική περίοδο (2) κατά τη δεύτερη συγκομιδή]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η ξηρασία αποτελεί μία από τις πιο συνηθισμένες κλιματολογικές καταστροφές κατά μήκος ενός μεγάλου τμήματος της Αφρικανικής ηπείρου, προκαλώντας δυσμενείς συνέπειες στις καλλιέργειες. Η εργασία αυτή συστήνει μια καινοτόμο μέθοδο για τον υπολογισμό της εμπειρικής πιθανότητας ένα ενδεχόμενο ξηρασίας να επηρεάσει ένα σημαντικό μέρος της καλλιεργήσιμης έκτασης σε εθνικό επίπεδο. Χρησιμοποιήθηκε ο δείκτης υγιούς βλάστησης (VHI) από τον ραδιομετρικό δέκτη πολύ υψηλής ανάλυσης (AVHRR) ως κύριο μέσο ανίχνευσης ξηρασίας, σε επίπεδο κάθε χώρας ξεχωριστά. Επιπλέον, χρησιμοποιήθηκε ένα φαινολογικό μοντέλο βασισμένο στη δείκτη NDVI. Ο δείκτης VHI, σύμφωνα με το φαινολογικό μοντέλο, αποδείχθηκε έγκυρος δείκτης ξηρασίας, ενώ είναι υψηλά συσχετισμένος με τα φαινόμενα ξηρασίας στην Αφρική κατά την περίοδο 1981-2009.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία στις Αφρικανικές χώρες έχει προκαλέσει προβλήματα στα υδατικά αποθέματα, στην αγροτική και κτηνοτροφική παραγωγή, ενώ είναι η αιτία για ξεσπάσματα λιμού, επιδημιών και μετατόπισης πληθυσμών (Gommes &amp; Petrassi, 1994). Επομένως, η αναγνώριση και πρόβλεψη της ξηρασίας είναι αναγκαία για τον προγραμματισμό και την αποτελεσματικότητα της διάθεσης των τροφίμων. Ένας περιορισμός αυτής της πρόβλεψης είναι τα ελλιπή βροχομετρικά δεδομένα, αποτέλεσμα των χωρικών κενών που αφήνουν οι αντίστοιχοι σταθμοί της κάθε χώρας. Έτσι, τα δεδομένα αυτά αντικαθιστώνται από αντίστοιχα ατμοσφαιρικά, τα οποία με τη σειρά τους περιέχουν σφάλματα. Τα σφάλματα, αυτά, δεν μπορούν να απαλειφθούν λόγω της έλλειψης επίγειων μετρήσεων. Το πληροφοριακό, αυτό, έλλειμμα έρχονται να καλύψουν τεχνικές που αφορούν άμεσα τις καλλιέργειες<br /> και σχετίζονται με το φύλλωμά τους (Verdin et al., 2005). Μία τέτοια τεχνική είναι ο δείκτης NDVI, ο οποίος αξιοποιεί την ανακλώμενη ακτινοβολία της πράσινης βλάστησης στο κόκκινο και στο εγγύς υπέρυθρο φάσμα της ακτινοβολίας. Ο δείκτης αυτός, επηρεάζεται ακόμα από την εδαφική υγρασία και μπορεί να δημιουργηθεί αξιοποιώντας -δωρεάν- δορυφορικά δεδομένα από δέκτες όπως οι MODIS, SPOT, VEGETATION και από τον AVHRR, ο οποίος αν και έχει την χαμηλότερη χωρική ανάλυση, προσφέρει μεγαλύτερες χρονοσειρές ακόμα και στο θερμικό κανάλι.<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1 Δεδομένα''<br /> <br /> Τα κυρίως δεδομένα είναι οι μακράς διάρκειας χρονοσειρές του NOAA AVHRR και αξιοποιήθηκαν ως:<br /> * Δείκτης υγιούς βλάστησης (VHI) από το κέντρο για Δορυφορικές Εφαρμογές και Έρευνα (STAR) της Εθνικής Περιβαλλοντικής δορυφορικής υπηρεσίας δεδομένων και πληροφοριών (NESDIS) (εβδομαδιαία δεδομένα, 16 χμ ανάλυσης, 1981-2010).<br /> * Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) από τη NASA (δεδομένα ανά 15 ημέρες, 8 χμ ανάλυση, 1981-2010).<br /> Χρησιμοποιήθηκαν δύο επιπλέον πηγές χωρικών δεδομένων: μάσκα καλλιέργειας (FAO και GLC2000) και όρια διοικητικών περιοχών (GAUL).<br /> <br /> ''2.2 Μεθοδολογία''<br /> <br /> ''2.2.1 Δείκτης υγιούς βλάστησης (VHI)''<br /> <br /> Ο δείκτης υγιούς βλάστησης (VHI) (Kogan, 1995) έχει χρησιμοποιηθεί σε διάφορες κλιματολογικές συνθήκες ανά την υφήλιο και συνδυάζει τους δείκτες VCI (Δείκτης Κατάστασης Βλάστησης) και TCI (Δείκτης Κατάστασης Θερμοκρασίας), όπου:<br /> <br /> VCIi = 100*(NDVIi–NDVImin)/(NDVImax–NDVImin) και<br /> <br /> TCIi = 100*(Tmax–Ti)/( Tmax–Tmin).<br /> <br /> Ο VCI χρησιμοποιείται για την ποσοτικοποίηση των επιπτώσεων των καιρικών συνθηκών και ο TCI για την απαλοιφή της ατμοσφαιρικής επίδρασης.<br /> <br /> Έτσι, ο VHI είναι:<br /> <br /> VHIi =w1*VCIi +w2*TCIi, με w1=w2=0.5 και αντιστοιχεί στο βάρος που δίνεται στον κάθε δείκτη.<br /> <br /> ''2.2.2 Μάσκα καλλιέργειας''<br /> <br /> Για τη δημιουργία της μάσκας μελετήθηκαν διάφορες ετήσιες καλλιέργειες σύμφωνα με τον FAΟ και την GLC2000, όπως ρύζι, σιτάρι κ.α.<br /> <br /> ''2.2.3 Προσδιορισμός της βέλτιστης περιόδου ενσωμάτωσης του VHI για τις γεωργικές περιοχές (χρονική συσσωμάτωση)''<br /> <br /> Ο δείκτης VHI υπολογίστηκε για κάθε εβδομάδα σύμφωνα με τον NDVI για τη χρονική περίοδο που ξεκινά από τον Ιούνιο (SOS) και τελειώνει τον Οκτώβριο (EGF=EOS-6 εβδομάδες) κάθε έτους. Αυτή κρίνεται ότι είναι η πιο κρίσιμη περίοδος της ανάπτυξης των καλλιεργειών για το σύνολο της Αφρικής (White et al., 1997). Από τα εβδομαδιαία δεδομένα υπολογίστηκε ο μέσος όρος κάθε έτους.<br /> <br /> ''2.2.4. Γεωγραφική συσσωμάτωση VHI''<br /> <br /> Σύμφωνα με το διάγραμμα ροής (Εικόνα 1) φαίνεται η διαδικασία προσδιορισμού της γεωγραφικής συσσωμάτωσης του VHI. Ιδιαίτερη προσοχή δόθηκε ώστε μόνο όσα pixels καλύπτονται τουλάχιστον κατά 25% από την μάσκα καλλιέργειας και βρίσκονται εντός των διοικητικών περιοχών (Genovese et al., 2001). Τα pixels αυτά πήραν ανάλογες τιμές βάρους.<br /> <br /> ''2.2.5. Χαρτογράφηση πιθανοτήτων''<br /> <br /> Χρησιμοποιήθηκαν δύο αυθαίρετα κατώφλια για τον υπολογισμό της πιθανότητας ξηρασίας, ένα στο 30% και ένα στο 50% (VHI&lt;35) (Εικόνα 2). Αν σε μια διοικητική περιφέρεια το 30% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε περισσότερα αγροτικά νοικοκυριά βιώνουν τις συνέπειες. Αν το 50% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε έχουμε ένα ακραίο ξέσπασμα ξηρασίας με πιθανότητα P.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1 Μάσκα καλλιέργειας, SOS και EGF''<br /> <br /> Γενικά, το φαινολογικό μοντέλο είναι πιο αξιόπιστο για τις ομοιογενείς περιοχές με μικρή υγρή περίοδο. Επιπλέον, το μοντέλο διακρίνει κλιματικά πρότυπα μεταξύ περιοχών με διαφορετικές καλλιέργειες.<br /> <br /> ''3.2 Μέσος όρος VHI για την καλλιεργητική περίοδο και ποσοστό της γεωργικής έκτασης που πλήττεται από την ξηρασία''<br /> <br /> Ο μέσο όρος του VHI υποδεικνύει την εμμονή της ξηρασίας κατά τη διάρκεια της καλλιεργητικής περιόδου. Μάλιστα, ο υπολογισμός του ποσοστού της συνολικής επηρεαζόμενης από την ξηρασία καλλιεργήσιμης έκτασης αναλύει την χωρική επίδραση της ξηρασίας σε υποεθνικό επίπεδο κατά την περίοδο της μεγαλύτερης υδατικής πίεσης. Η σημαντικότερη ξηρασία παρατηρήθηκε στην περιοχή Σαχέλ (Ανατολική Αφρική) το 1984. Άλλα σημαντικά ξεσπάσματα ξηρασίας αποδείχθηκε ότι ήταν αυτές του 1991/92 στη Ν. Αφρική και του 1997 στην Αλγερία και Μαρόκο. Η ανάλυση του ποσοστού της έκτασης που επηρεάζεται από ξηρασία σε διαφορετικές χωρικές κλίμακες (ηπειρωτικό, περιφερειακό, εθνικό, υποεθνικό), δηλώνει την ευελιξία της μεθοδολογίας αυτής, με σκοπό διάφορες διεθνείς επιτροπές να μπορούν να κατανοήσουν αποτελεσματικότερα το φαινόμενο της ξηρασίας, την έντασή του και τους τρόπους αντιμετώπισής του.<br /> <br /> ''3.3Εμπειρικές πιθανότητες σε υποεθνικό επίπεδο.''<br /> <br /> Τα κατώφλια του 30% και 50% μπορούν ανάλογα με την περιοχή και τη μελέτη να μεταβάλλονται συνυπολογίζοντας παράγοντες όπως ο πληθυσμός, η οικονομία κλπ εκτός από τις διοικητικές περιφέρειες (Εικόνα 3).<br /> <br /> '''4. Συζήτηση και συμπεράσματα'''<br /> <br /> Η μεθοδολογία έδωσε δόκιμα αποτελέσματα στην καταγραφή ιστορικών ξηρασιών στην Αφρικανική ήπειρο. Επίσης, έγινε γεωγραφικός προσδιορισμός των πιο ευαίσθητων περιοχών. Σε συνδυασμό με τις αυξητικές τάσεις του πληθυσμού στις Αφρικανικές χώρες, μπορεί να γίνει καλύτερος σχεδιασμός στις καλλιεργητικές στρατηγικές και στη διάθεση του νερού. Ωστόσο, η εργασία αφορά τη γεωργική ξηρασία. Η περαιτέρω ανάλυση ενσωματώνοντας άλλους τομείς, όπως κοινωνία ή οικονομία, αλλά και επιπλέον δείκτες, όπως δεδομένα βροχόπτωσης, μπορεί να δώσουν αποτελέσματα σε ακόμα μικρότερη χωρική κλίμακα, με προσοχή πάντα στις μικρές προσαρμογές που πρέπει να εφαρμοστούν. Έτσι, μπορούν να χρησιμοποιηθούν διαφορετικά κατώφλια ή να ληφθούν υπόψη διάφορες καλλιεργητικές περίοδοι. Τέλος, σε όλα τα ανωτέρω πρέπει να συμπεριληφθεί η κλιματική αλλαγή, η οποία μπορεί να υπολογιστεί, προκαταρκτικά, από το τελικό εξαγόμενο της πιθανότητας της ξηρασίας που προτείνει η εργασία αυτή, ενώ μέσω λεπτομερούς ανάλυσης μπορούν να εφαρμοστούν στρατηγικές για άμβλυνση του φαινομένου, τόσο της ξηρασίας όσο και της κλιματικής αλλαγής.<br /> <br /> '''Αναφορές'''<br /> <br /> Genovese, G., Vignolles, C., Nègre, T., &amp; Passera, G. (2001). A methodology for a combined use of normalized difference vegetation index and CORINE land cover data for crop yield monitoring and forecasting. A case study on Spain. Agronomie, 21(1), 91-111.<br /> <br /> Gommes, R., &amp; Petrassi, F. (1994). Rainfall variability and drought in sub-Saharan Africa since 1960. FAO Agrometeorology Series Working Papers No. 9 100 pp.<br /> <br /> Kogan, F. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15, 91-100.<br /> <br /> Verdin, J., Funk, C., Senay, G., &amp; Choularton, R. (2005). Climate science and famine early warning. Philosophical Transactions of the Royal Society, 360, 2155-2168.<br /> <br /> White, M. A., Thornton, P. E., &amp; Running, S. W. (1997). A continental phenology model for monitoring vegetation responses to inter-annual climatic variability. Global Biogeochemical Cycles, 11(2), 217-234.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%84%CE%B5%CF%86%CE%B1%CE%BD%CE%AF%CE%B4%CE%B7%CF%82_%CE%A1%CE%BF%CF%85%CF%83%CF%83%CE%AD%CF%84%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2020-01-18T15:42:59Z

<p>Marios Stefanidis: </p> <hr /> <div>* [[Channel LANDSAT]]<br /> * [[Peninsula LANDSAT]]<br /> <br /> * [[Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης]]<br /> <br /> * [[Η μελέτη της δυναμικής παρακολούθησης της ξηρασίας ρυζιού στην επαρχία Jiangxi με τηλεπισκόπηση]]<br /> <br /> * [[Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan...]]<br /> <br /> * [[Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους]]<br /> <br /> * [[Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS]]<br /> <br /> * [[Παρακολούθηση της γεωργικής ξηρασίας με χρήση της θερμοκρασίας...]]<br /> <br /> * [[Υπερφασματικοί δείκτες στενής ζώνης και πολυφασματικοί δείκτες ευρείας ζώνης για την τηλεπισκοπική ανίχνευση της εξατμισοδιαπνοής...]]<br /> <br /> <br /> [[category:Φωτοερμηνεία - Τηλεπισκόπηση 2015]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%84%CE%B5%CF%86%CE%B1%CE%BD%CE%AF%CE%B4%CE%B7%CF%82_%CE%A1%CE%BF%CF%85%CF%83%CF%83%CE%AD%CF%84%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2020-01-18T15:41:53Z

<p>Marios Stefanidis: </p> <hr /> <div>* [[Channel LANDSAT]]<br /> * [[Peninsula LANDSAT]]<br /> <br /> * [[Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης]]<br /> <br /> * [[Η μελέτη της δυναμικής παρακολούθησης της ξηρασίας ρυζιού στην επαρχία Jiangxi με τηλεπισκόπηση]]<br /> <br /> * [[Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγώμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)]]<br /> <br /> * [[Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους]]<br /> <br /> * [[Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS]]<br /> <br /> * [[Παρακολούθηση της γεωργικής ξηρασίας με χρήση της θερμοκρασίας επιφάνειας εδάφους και του δείκτη βλάστησης κανονικοποιημένων διαφορών της Ευρωπαϊκής Διαστημικής Υπηρεσίας Sentinel 3A]]<br /> <br /> * [[Υπερφασματικοί δείκτες στενής ζώνης και πολυφασματικοί δείκτες ευρείας ζώνης για την τηλεπισκοπική ανίχνευση της εξατμισοδιαπνοής των καλλιεργειών και των συστατικών τους (διαπνοή και εξάτμιση εδάφους)]]<br /> <br /> <br /> [[category:Φωτοερμηνεία - Τηλεπισκόπηση 2015]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%84%CE%B5%CF%86%CE%B1%CE%BD%CE%AF%CE%B4%CE%B7%CF%82_%CE%A1%CE%BF%CF%85%CF%83%CF%83%CE%AD%CF%84%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2020-01-18T15:39:09Z

<p>Marios Stefanidis: </p> <hr /> <div>* [[Channel LANDSAT]]<br /> * [[Peninsula LANDSAT]]<br /> <br /> [[category:Φωτοερμηνεία - Τηλεπισκόπηση 2015]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%84%CE%B5%CF%86%CE%B1%CE%BD%CE%AF%CE%B4%CE%B7%CF%82_%CE%A1%CE%BF%CF%85%CF%83%CF%83%CE%AD%CF%84%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2020-01-18T15:36:55Z

<p>Marios Stefanidis: </p> <hr /> <div>* [[Channel LANDSAT]]<br /> * [[Peninsula LANDSAT]]<br /> <br /> [[category:Φωτοερμηνεία - Τηλεπισκόπηση 2015]]<br /> [[category:&quot;ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)&quot;]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CE%AF_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CF%83%CF%84%CE%B5%CE%BD%CE%AE%CF%82_%CE%B6%CF%8E%CE%BD%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CE%AF_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CE%B5%CF%85%CF%81%CE%B5%CE%AF%CE%B1%CF%82_%CE%B6%CF%8E%CE%BD%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CE%BE%CE%B1%CF%84%CE%BC%CE%B9%CF%83%CE%BF%CE%B4%CE%B9%CE%B1%CF%80%CE%BD%CE%BF%CE%AE%CF%82... 2020-01-18T15:26:26Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Υπερφασματικοί δείκτες στενής ζώνης και πολυφασματικοί δείκτες ευρείας ζώνης για την τηλεπισκοπική ανίχνευση της εξατμισοδιαπνοής των καλλιεργειών και των συστατικών τους (διαπνοή και εξάτμιση εδάφους)'''<br /> <br /> ''Συγγραφείς: Michael Marshall, Prasad Thenkabail, Trent Biggs, Kirk Post''<br /> <br /> [http://dx.doi.org/10.1016/j.agrformet.2015.12.025]<br /> <br /> [[Αρχείο:Mat.png | thumb | right | Πίνακας 1: Κανάλια ενδιαφέροντος]]<br /> <br /> [[Αρχείο:California.png | thumb | right | Εικόνα 1: Περιοχή μελέτης]]<br /> <br /> [[Αρχείο:Covariance.png | thumb | right | Πίνακας 2: Συσχέτιση δεικτών με ΕΤ, ΕΤc και ΕΤs]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Όσον αφορά τις καλλιεργητικές μεθόδους, η εξατμισοδιαπνοή (ΕΤ) χρησιμοποιείται για την αναγνώριση της ξηρασίας και για τον υπολογισμό των αναγκών των καλλιεργειών σε νερό. Για τον υπολογισμό της χρησιμοποιούνται ευρέως τηλεπισκοπικοί δείκτες, όπως ο NDVI (δείκτης βλάστησης κανονικοποιημένων διαφορών). Στην εργασία αυτή χρησιμοποιούνται μικρομετεωρολογικά και φασματοραδιομετρικά δεδομένα δύο καλλιεργητικών εποχών για βαμβάκι, αραβόσιτο και ορυζώνες στην Καλιφόρνια των ΗΠΑ. Για τις καλλιέργειες αυτές ελέγχθηκε η διασπορά και η συχέτισή τους με την εξατμισοδιαπνοή, την εξάτμιση εδάφους και τη διαπνοή.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η εξατμισοδιαπνοή (ΕΤ) είναι η φυσική διαδικασία απώλειας νερού μέσω εξάτμισης νερού από ελεύθερες επιφάνειες και απώλειες μέσω της διαπνοής των φυτών (Chapin et al., 2011). Η μεγαλύτερη επίπτωση της ΕΤ είναι στις καλλιέργειες, οι οποίες παρουσιάζουν μεγαλύτερες ανάγκες αλλά και απώλειες εξαιτίας της κλιματικής αλλαγής. Η τηλεπισκόπηση σκοπεύει στον υπολογισμό της ΕΤ για μεγάλες εκτάσεις μέσω μοντέλων που χρησιμοποιούν την δυνητική εξατμισοδιαπνοή ΡΕΤ (Allen et al., 1998). Ταυτόχρονα, χρησιμοποιούνται δείκτες που σχετίζονται με τις καλλιέργειες, όπως ο NDVI ο SAVI και ο EVI. H υπερφασματική τηλεπισκόπηση, λόγω της μεγάλης κατάτμησης του φάσματος, ανιχνεύει διάφορες λειτουργίες των φυτών.<br /> <br /> '''2.Μέθοδοι'''<br /> <br /> ''2.1.Περιοχή μελέτης''<br /> <br /> Η περιοχή που εξετάζεται είναι η κεντρική πεδιάδα της Καλιφόρνια για τα έτη 2011, 2012 όπου<br /> συλλέχθηκαν μικρομετεωρολογικά, φασματοραδιομετρικά και βιοφυσικά δεδομένα.<br /> <br /> ''2.2.Φασματοραδιομετρικά δεδομένα και επεξεργασίες''<br /> <br /> Η συλλογή δεδομένων έγινε μέσω αναλυτικών φασματικών συσκευών (ASD) για τα κανάλια 1-7<br /> (Πίνακας 1) για τη περιοχή μελέτης (Εικόνα 1). Εντός αυτών των καναλιών, εκτός από δεδομένα για τις καλλιέργειες, ανακτώνται δεδομένα και άλλα<br /> στοιχεία, όπως νερό, διοξείδιο του άνθρακα κλπ ως αποτέλεσμα της μεγάλης κατάτμησης του φάσματος<br /> (Thenkabail et al., 2000).<br /> <br /> ''2.3.Άλλα βιοφυσικά στοιχεία, μικρομετεωρολογικά δεδομένα και επεξεργασίες''<br /> <br /> Χρήσιμα στοιχεία όπως ύψος καλλιεργειών και η αθροιστική παράμετρος θόλου καλλιέργειας, καθώς και<br /> διάφορα μετεωρολογικές παράμετροι, όπως θερμοκρασία, ταχύτητα ανέμου και ροή ενέργειας αποκτήθηκαν από μετεωρολογικούς σταθμούς και επίγειες μετρήσεις. Η ΕΤ υπολογίστηκε για τις δύο καλλιεργητικές εποχές με τις μεθόδους συνδιασποράς (EC) και επιφανειακής ανανέωσης (SR) παρουσιάζοντας υψηλή συσχέτιση (συντελεστής συσχέτισης R2=0.97). Στη συνέχεια η ΕΤ διαχωρίστηκε τηλεπισκοπικά σε εδαφική εξάτμιση (ΕΤc) και διαπνοή (ΕΤs) (Blyth and Harding, 2011).<br /> <br /> ''2.4.Δείκτες βλάστησης και αξιολόγηση''<br /> <br /> Χρησιμοποιήθηκε ένα μεγάλο πλήθος πολυφασματικών και υπερφασματικών δεικτών, καθένας από τους οποίους χρησιμοποιεί διαφορετικά δεδομένα, από ανάκλαση χλωροφύλλης έως και συγκέντρωση αζώτου.<br /> <br /> '''3.Αποτελέσματα'''<br /> <br /> Οι ισχυρότερες μετρήσεις της ΕΤ σε υπερφασματικά κανάλια έγιναν στο άκρως κόκκινο και μπλε κανάλι, της ΕΤc στο άκρως κόκκινο και ΕΤs στο εγγύς υπέρυθρο. Αν και έγιναν διάφοροι συνδυασμοί υπερφασματικών καναλιών για την ΕΤ, στα προαναφερθέντα παρατηρήθηκε η υψηλότερη συσχέτιση. Αντίστοιχα πρότυπα έδειξαν τα αποτελέσματα των πολυφασματικών δεκτών. Κύριος πολυφασματικός δέκτης είναι ο MODIS και συγκεκριμένα για την ΕΤ το κόκκινο και μπλε κανάλι του δέκτη αυτού. Αυτό που εξετάστηκε, συνεπώς, είναι η συσχέτιση των ήδη γνωστών δεικτών με τις ET, ETc και ETs (Πίνακας 2).<br /> <br /> Για τη ΕΤ και ETs ισχυρότερη συσχέτιση παρατηρήθηκε κατά διερευνητική ανάλυση, ενώ για την ΕΤc υψηλότερη συσχέτιση παρατηρήθηκε με τον NDVI από πολυφασματικούς δείκτες και με τον HNDVI από υπερφασματικούς.<br /> <br /> '''4.Συζήτηση'''<br /> <br /> Από τους διάφορους δείκτες που χρησιμοποιήθηκαν, πιο αδύναμος αποδείχτηκε ο NDVI για τον υπολογισμό της ET, καθώς αφήνει το μεγαλύτερο RMS (τετραγωνικό σφάλμα). Το καλύτερο αποτέλεσμα έδωσε ο δείκτης VARI, ο οποίος δεν εξαρτάται από το είδος της καλλιέργειας, αλλά από το ορατό φως. Επιπλέον, οι ίδιοι δείκτες έδωσαν καλύτερα αποτελέσματα για την ETc, ενώ ταυτόχρονα χειρότερα αποτελέσματα για την ETs. Η διακύμανση αυτή οφείλεται κυρίως στο ότι στο εγγύς υπέρυθρο σκεδάζεται ικανό μέρος της ακτινοβολίας που αφορά το υδατικό αποτύπωμα των φυτών και του εδάφους. Για το λόγο αυτό, το καλύτερο και πιο αξιόπιστο κανάλι σε όλες τις περιπτώσεις αποδείχτηκε ότι ήταν το μπλε, καθώς οι αντίστοιχοι δείκτες που βασίζονται σε αυτό είχαν υψηλή συσχέτιση.<br /> <br /> '''5.Συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε πως δείκτες με βάση την υπερφασματική αναλογία, αντίστοιχοι με τους πολυφασματικούς δείκτες ευρείας ζώνης, είναι ικανοί να μοντελοποιήσουν την ΕΤ και τις δύο βασικές παραμέτρους της (ΕΤc, ETs). Αν και ο πιο ευρέως γνωστός δείκτης, ο ΝDVI, είναι γενικά αρκετά ικανός από μόνος του, ορισμένοι άλλοι δείκτες έρχονται να γεφυρώσουν το χάσμα που αυτός αφήνει.<br /> <br /> '''Αναφορές'''<br /> <br /> Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop evapotranspiration –Guidelines for computing crop water requirements (No. 56). FAO – Food andAgriculture Organization of the United Nations, Rome, Italy.<br /> <br /> Blyth, E., Harding, R.J., 2011. Methods to separate observed globalevapotranspiration into the interception, transpiration and soil surfaceevaporation components. Hydrol. Process. 25, 4063–4068. <br /> <br /> Chapin, F.S., Matson, P.A., Vitousek, P., 2011. Principles of Terrestrial Ecosystem Ecology. Springer Science &amp; Business Media.<br /> <br /> Thenkabail, P.S., Smith, R.B., De Pauw, E., 2000. Hyperspectral vegetation indicesand their relationships with agricultural crop characteristics. Remote Sens.Environ. 71, 158–182.<br /> <br /> [[category:Υπολογισμός της εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CE%AF_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CF%83%CF%84%CE%B5%CE%BD%CE%AE%CF%82_%CE%B6%CF%8E%CE%BD%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CE%AF_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CE%B5%CF%85%CF%81%CE%B5%CE%AF%CE%B1%CF%82_%CE%B6%CF%8E%CE%BD%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CE%BE%CE%B1%CF%84%CE%BC%CE%B9%CF%83%CE%BF%CE%B4%CE%B9%CE%B1%CF%80%CE%BD%CE%BF%CE%AE%CF%82... 2020-01-18T15:18:06Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Υπερφασματικοί δείκτες στενής ζώνης και πολυφασματικοί δείκτες ευρείας ζώνης για την τηλε...'</p> <hr /> <div>'''Υπερφασματικοί δείκτες στενής ζώνης και πολυφασματικοί δείκτες ευρείας ζώνης για την τηλεπισκοπική ανίχνευση της εξατμισοδιαπνοής των καλλιεργειών και των συστατικών τους (διαπνοή και εξάτμιση εδάφους)'''<br /> <br /> ''Συγγραφείς: Michael Marshall, Prasad Thenkabail, Trent Biggs, Kirk Post''<br /> <br /> [http://dx.doi.org/10.1016/j.agrformet.2015.12.025]<br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Όσον αφορά τις καλλιεργητικές μεθόδους, η εξατμισοδιαπνοή (ΕΤ) χρησιμοποιείται για την αναγνώριση της ξηρασίας και για τον υπολογισμό των αναγκών των καλλιεργειών σε νερό. Για τον υπολογισμό της χρησιμοποιούνται ευρέως τηλεπισκοπικοί δείκτες, όπως ο NDVI (δείκτης βλάστησης κανονικοποιημένων διαφορών). Στην εργασία αυτή χρησιμοποιούνται μικρομετεωρολογικά και φασματοραδιομετρικά δεδομένα δύο καλλιεργητικών εποχών για βαμβάκι, αραβόσιτο και ορυζώνες στην Καλιφόρνια των ΗΠΑ. Για τις καλλιέργειες αυτές ελέγχθηκε η διασπορά και η συχέτισή τους με την εξατμισοδιαπνοή, την εξάτμιση εδάφους και τη διαπνοή.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η εξατμισοδιαπνοή (ΕΤ) είναι η φυσική διαδικασία απώλειας νερού μέσω εξάτμισης νερού από ελεύθερες επιφάνειες και απώλειες μέσω της διαπνοής των φυτών (Chapin et al., 2011). Η μεγαλύτερη επίπτωση της ΕΤ είναι στις καλλιέργειες, οι οποίες παρουσιάζουν μεγαλύτερες ανάγκες αλλά και απώλειες εξαιτίας της κλιματικής αλλαγής. Η τηλεπισκόπηση σκοπεύει στον υπολογισμό της ΕΤ για μεγάλες εκτάσεις μέσω μοντέλων που χρησιμοποιούν την δυνητική εξατμισοδιαπνοή ΡΕΤ (Allen et al., 1998). Ταυτόχρονα, χρησιμοποιούνται δείκτες που σχετίζονται με τις καλλιέργειες, όπως ο NDVI ο SAVI και ο EVI. H υπερφασματική τηλεπισκόπηση, λόγω της μεγάλης κατάτμησης του φάσματος, ανιχνεύει διάφορες λειτουργίες των φυτών.<br /> <br /> '''2.Μέθοδοι'''<br /> <br /> ''2.1.Περιοχή μελέτης''<br /> <br /> Η περιοχή που εξετάζεται είναι η κεντρική πεδιάδα της Καλιφόρνια για τα έτη 2011, 2012 όπου<br /> συλλέχθηκαν μικρομετεωρολογικά, φασματοραδιομετρικά και βιοφυσικά δεδομένα.<br /> <br /> ''2.2.Φασματοραδιομετρικά δεδομένα και επεξεργασίες''<br /> <br /> Η συλλογή δεδομένων έγινε μέσω αναλυτικών φασματικών συσκευών (ASD) για τα κανάλια 1-7<br /> (Πίνακας 1) για τη περιοχή μελέτης (Εικόνα 1). Εντός αυτών των καναλιών, εκτός από δεδομένα για τις καλλιέργειες, ανακτώνται δεδομένα και άλλα<br /> στοιχεία, όπως νερό, διοξείδιο του άνθρακα κλπ ως αποτέλεσμα της μεγάλης κατάτμησης του φάσματος<br /> (Thenkabail et al., 2000).<br /> <br /> ''2.3.Άλλα βιοφυσικά στοιχεία, μικρομετεωρολογικά δεδομένα και επεξεργασίες''<br /> <br /> Χρήσιμα στοιχεία όπως ύψος καλλιεργειών και η αθροιστική παράμετρος θόλου καλλιέργειας, καθώς και<br /> διάφορα μετεωρολογικές παράμετροι, όπως θερμοκρασία, ταχύτητα ανέμου και ροή ενέργειας αποκτήθηκαν από μετεωρολογικούς σταθμούς και επίγειες μετρήσεις. Η ΕΤ υπολογίστηκε για τις δύο καλλιεργητικές εποχές με τις μεθόδους συνδιασποράς (EC) και επιφανειακής ανανέωσης (SR) παρουσιάζοντας υψηλή συσχέτιση (συντελεστής συσχέτισης R2=0.97). Στη συνέχεια η ΕΤ διαχωρίστηκε τηλεπισκοπικά σε εδαφική εξάτμιση (ΕΤc) και διαπνοή (ΕΤs) (Blyth and Harding, 2011).<br /> <br /> ''2.4.Δείκτες βλάστησης και αξιολόγηση''<br /> <br /> Χρησιμοποιήθηκε ένα μεγάλο πλήθος πολυφασματικών και υπερφασματικών δεικτών, καθένας από τους οποίους χρησιμοποιεί διαφορετικά δεδομένα, από ανάκλαση χλωροφύλλης έως και συγκέντρωση αζώτου.<br /> <br /> '''3.Αποτελέσματα'''<br /> <br /> Οι ισχυρότερες μετρήσεις της ΕΤ σε υπερφασματικά κανάλια έγιναν στο άκρως κόκκινο και μπλε κανάλι, της ΕΤc στο άκρως κόκκινο και ΕΤs στο εγγύς υπέρυθρο. Αν και έγιναν διάφοροι συνδυασμοί υπερφασματικών καναλιών για την ΕΤ, στα προαναφερθέντα παρατηρήθηκε η υψηλότερη συσχέτιση. Αντίστοιχα πρότυπα έδειξαν τα αποτελέσματα των πολυφασματικών δεκτών. Κύριος πολυφασματικός δέκτης είναι ο MODIS και συγκεκριμένα για την ΕΤ το κόκκινο και μπλε κανάλι του δέκτη αυτού. Αυτό που εξετάστηκε, συνεπώς, είναι η συσχέτιση των ήδη γνωστών δεικτών με τις ET, ETc και ETs (Πίνακας 2).<br /> <br /> Για τη ΕΤ και ETs ισχυρότερη συσχέτιση παρατηρήθηκε κατά διερευνητική ανάλυση, ενώ για την ΕΤc υψηλότερη συσχέτιση παρατηρήθηκε με τον NDVI από πολυφασματικούς δείκτες και με τον HNDVI από υπερφασματικούς.<br /> <br /> '''4.Συζήτηση'''<br /> <br /> Από τους διάφορους δείκτες που χρησιμοποιήθηκαν, πιο αδύναμος αποδείχτηκε ο NDVI για τον υπολογισμό της ET, καθώς αφήνει το μεγαλύτερο RMS (τετραγωνικό σφάλμα). Το καλύτερο αποτέλεσμα έδωσε ο δείκτης VARI, ο οποίος δεν εξαρτάται από το είδος της καλλιέργειας, αλλά από το ορατό φως. Επιπλέον, οι ίδιοι δείκτες έδωσαν καλύτερα αποτελέσματα για την ETc, ενώ ταυτόχρονα χειρότερα αποτελέσματα για την ETs. Η διακύμανση αυτή οφείλεται κυρίως στο ότι στο εγγύς υπέρυθρο σκεδάζεται ικανό μέρος της ακτινοβολίας που αφορά το υδατικό αποτύπωμα των φυτών και του εδάφους. Για το λόγο αυτό, το καλύτερο και πιο αξιόπιστο κανάλι σε όλες τις περιπτώσεις αποδείχτηκε ότι ήταν το μπλε, καθώς οι αντίστοιχοι δείκτες που βασίζονται σε αυτό είχαν υψηλή συσχέτιση.<br /> <br /> '''5.Συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε πως δείκτες με βάση την υπερφασματική αναλογία, αντίστοιχοι με τους πολυφασματικούς δείκτες ευρείας ζώνης, είναι ικανοί να μοντελοποιήσουν την ΕΤ και τις δύο βασικές παραμέτρους της (ΕΤc, ETs). Αν και ο πιο ευρέως γνωστός δείκτης, ο ΝDVI, είναι γενικά αρκετά ικανός από μόνος του, ορισμένοι άλλοι δείκτες έρχονται να γεφυρώσουν το χάσμα που αυτός αφήνει.<br /> <br /> '''Αναφορές'''<br /> <br /> Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop evapotranspiration –Guidelines for computing crop water requirements (No. 56). FAO – Food andAgriculture Organization of the United Nations, Rome, Italy.<br /> <br /> Blyth, E., Harding, R.J., 2011. Methods to separate observed globalevapotranspiration into the interception, transpiration and soil surfaceevaporation components. Hydrol. Process. 25, 4063–4068. <br /> <br /> Chapin, F.S., Matson, P.A., Vitousek, P., 2011. Principles of Terrestrial Ecosystem Ecology. Springer Science &amp; Business Media.<br /> <br /> Thenkabail, P.S., Smith, R.B., De Pauw, E., 2000. Hyperspectral vegetation indicesand their relationships with agricultural crop characteristics. Remote Sens.Environ. 71, 158–182.<br /> <br /> [[category:Υπολογισμός της εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Covariance.png 2020-01-18T15:10:25Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:California.png 2020-01-18T15:09:51Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Mat.png 2020-01-18T15:09:38Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82... 2020-01-18T15:02:28Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Παρακολούθηση της γεωργικής ξηρασίας με χρήση της θερμοκρασίας επιφάνειας εδάφους και του ...'</p> <hr /> <div>'''Παρακολούθηση της γεωργικής ξηρασίας με χρήση της θερμοκρασίας επιφάνειας εδάφους και του δείκτη βλάστησης κανονικοποιημένων διαφορών της Ευρωπαϊκής Διαστημικής Υπηρεσίας Sentinel 3A'''<br /> <br /> ''Συγγραφείς: Xingbang Hu, Huazhong Ren, Kevin Tansey, Yitong Zheng, Darren Ghent, Xufang Liu, Lei Yan''<br /> <br /> [https://doi.org/10.1016/j.agrformet.2019.107707]<br /> <br /> [[Αρχείο:kalypsh.png | thumb | right | Εικόνα 1: Χάρτης κάλυψης γής τηε πεδιάδας Hetao]]<br /> <br /> [[Αρχείο:VTCI.png | thumb | right | Εικόνα 2α, β, γ, δ, ε: LST, NDVI, VTCI, ιστόγραμμα VTCI, διάγραμμα διασποράς NDVI για τις 28 Ιουλίου 2017]]<br /> <br /> [[Αρχείο:VTCI2.png | thumb | right | Εικόνα 3: VTCI διαφορές για τις 12 Αυγούστου]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Επειδή η γεωργική ξηρασία είναι ένα αρκετά επιβλαβές φαινόμενο, τα τελευταία χρόνια δίνεται ιδιαίτερη έμφαση στην παρακολούθησή της μέσω δορυφορικών απεικονίσεων. Στην εργασία αυτή, χρησιμοποιούνται προϊόντα του νέου δέκτη Sentinel-3A, της ΕSA, για τον υπολογισμό του δείκτη κατάστασης θερμοκρασίας βλάστησης (VTCI). Αρχικά, γίνεται η συσχέτιση της θερμοκρασίας επιφάνειας εδάφους LST (από τον δέκτη MODIS) με τον δείκτη βλάστησης κανονικοποιημένων διαφορών (NDVI), για να αποδειχτεί ότι ο VTCI είναι αξιόπιστος, ενώ αναφέρεται σε θερμούς μήνες όπου οι LST και NDVI παρουσιάζουν αρνητική αυτοσυσχέτιση. Η περιοχή μελέτης είναι η πεδιάδα Hetao της Εσωτερικής Μογγολίας στην Κίνα.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία, δηλαδή η περίοδος με έλλειμμα εδαφικής υγρασίας, σχετίζεται με τις καλλιέργειες και με οικονομικές απώλειες, κυρίως στις αναπτυσσόμενες χώρες (Wilhite, 2005). Γενικά, η ξηρασία μελετάται μέσω διαφόρων δεικτών που σχετίζονται κυρίως με τη βροχόπτωση,. Ωστόσο, επειδή αυτοί οι δείκτες παρουσιάζουν διάφορα προβλήματα, εισάγονται δορυφορικές μέθοδοι παρακολούθησης του φαινομένου. Η τηλεπισκόπηση δίνει αποτελέσματα για μεγάλες εκτάσεις, με καλή χωρική ανάλυση και σε σύντομο χρονικό διάστημα, κυρίως μέσω του NDVI ο οποίος ξεχωρίζει τις καλλιέργειες από το έδαφος και υποδεικνύει τυχόν ασθένειες του φυτού (Pettorelli et al., 2005). Το ραδιόμετρο θερμοκρασίας<br /> θαλάσσης και εδάφους (SLSTR) του Sentinel 3A χρησιμοποιείται για να υπολογιστεί ο VTCI και να συγκριθεί με τα αντίστοιχα αποτελέσματα του MODIS.<br /> <br /> '''2.Περιοχή μελέτης και δεδομένα'''<br /> <br /> ''2.1. Πεδιάδα Hetao''<br /> <br /> Η περιοχή αυτή επιλέχθηκε διότι έχει χαμηλή βροχόπτωση και είναι επιρρεπής σε ξηραντικά φαινόμενα λόγω του ερημικού κλίματός της. Παρόλα αυτά, θεωρείται μία από τις σημαντικές καλλιεργητικές περιοχές της Κίνας (Guo et al., 2008) (Εικόνα 1) [http://www.globallandcover.com/GLC30Download/index.aspx].<br /> <br /> ''2.2.Δεδομένα εικόνων''<br /> <br /> Ο NDVI υπολογίστηκε χρησιμοποιώντας το κόκκινο και εγγύς υπέρυθρο κανάλι του SLSTR, αφού προηγήθηκε ατμοσφαιρική διόρθωση της εικόνας. Οι ημερομηνίες ενδιαφέροντος είναι 28 Ιουλίου, 12 και 18 Αυγούστου του 2017. Η μόνη περίοδος βροχόπτωσης είναι το διάστημα μεταξύ 28 Ιουλίου και 12 Αυγούστου.<br /> <br /> '''3.Μέθοδος παρακολούθησης γεωργικής ξηρασίας'''<br /> <br /> ''3.1.Ανάλυση συσχέτισης LST-NDVI''<br /> <br /> Σαν αναφορά χρησιμοποιήθηκαν οι τιμές LST και NDVI του MODIS, επειδή έχουν χρησιμοποιηθεί πολλάκις στο παρελθόν με πολύ αξιόπιστα αποτελέσματα. Το αποτέλεσμα είναι οι δύο αυτοί δείκτες να παρουσιάζουν αρνητική συσχέτιση τον Απρίλιο και τους καλοκαιρινούς μήνες, όπου η ηλιακή ακτινοβολία έχει υψηλές τιμές και επηρεάζει τις καλλιέργειες.<br /> <br /> ''3.2.Μέθοδος VTCI για παρακολούθηση της γεωργικής ξηρασίας''<br /> <br /> Ο δείκτης VTCI υπολογίζεται ως εξής: VTCI=(LSTNDVIi,max-LSTNDVIi)/(LSTNDVIi,max-LSTNDVIi,min), όπου LSTNDVIi,max = a + b·NDVIi and LSTNDVIi,min = a′ + b′·NDVIi, με a, b, a’, b’ οι συντελεστές των γραμμικών εξισώσεων των διασπορών των LSTNDVIi,max και LSTNDVIi,min. Όσο μικρότερη η τιμή του VTCI τόσο πιο έντονη είναι η ξηρασία. Πιο συγκεκριμένα, οι τιμές ταξινομούνται ως εξής: 0.0 &lt; VTCI ≤ 0.2 (ακραία ξηρό), 0.2 &lt; VTCI ≤ 0.4 (ξηρό), 0.4 &lt; VTCI ≤ 0.6 (ισόρροπο), 0.6 &lt; VTCI ≤ 0.8 (υγρό), και 0.8 &lt; VTCI ≤ 1.0 (πολύ υγρό) (Wang et al. 2004). Ακολουθούν τα αποτελέσματα για τις 28 Ιουλίου (Εικόνα 2α, β, γ, δ, ε).<br /> <br /> '''4.Αποτελέσματα παρακολούθησης γεωργικής ξηρασίας και ανάλυση'''<br /> <br /> ''4.1.Χρονική συμπεριφορά του VTCI από τον Sentinel-3A SLSTR''<br /> <br /> Υπολογίστηκαν οι διαφορές αποτελεσμάτων του Sentinel 3A για τις 28 Ιουλίου και 12 Αυγούστου. Η διαφορά ήταν κυρίως θετική, το οποίο υποδηλώνει ότι το φαινόμενο της ξηρασίας εξασθένησε ανάμεσα στις δύο ημερομηνίες.<br /> <br /> ''4.2.Σύγκριση χρησιμοποιώντας προϊόντα MODIS LST και προϊόντα ανάκλασης επιφανείας''<br /> <br /> Ταυτόχρονα με τα αποτελέσματα του Sentinel 3A, όμοια αποτελέσματα εξήχθησαν και από τον MODIS. Έτσι ανάμεσα στους δύο δέκτες υπολογίστηκαν οι διαφορές τους (Εικόνα 3). Η καλλιεργούμενη περιοχή έδωσε διαφορές από -0,1-0,1, πράγμα που σημαίνει υψηλή ομοιότητα στα αποτελέσματα.<br /> <br /> '''5.Συζήτηση και συμπέρασμα'''<br /> <br /> Ο συνδυασμός του LST και NDVI, καθώς και ο δείκτης VTCI μπορούν να δώσουν ικανοποιητικότατα<br /> αποτελέσματα όσον αφορά την ξηρασία, κυρίως σε περιοχές φτωχές σε επίγεια δεδομένα όπου δεν<br /> μπορούν να εφαρμοστούν οι κλασσικοί δείκτες ξηρασίας. Η σύγκριση των αποτελεσμάτων μεταξύ<br /> Sentinel και MODIS ήταν ο καθοριστικός παράγοντας επιτυχίας της μελέτης, καθώς για καλλιεργήσιμες<br /> εκτάσεις παρατηρούνται παρόμοια αποτελέσματα.<br /> <br /> '''Αναφορές'''<br /> <br /> Guo, H., Yang, S., Tang, X., Li, Y., Shen, Z., 2008. Groundwater geochemistry and its implications for<br /> arsenic mobilization in shallow aquifers of the Hetao basin, Inner Mongolia. Sci. Total Environ. 393 (1),<br /> 131–144.<br /> <br /> Pettorelli, N., Vik, J.O., Mysterud, A., Gaillard, J.M., Tucker, C.J., Stenseth, N.C., 2005. Using the<br /> satellite-derived NDVI to assess ecological responses to environmental.<br /> <br /> Wang, C., Qi, S., Niu, Z., Wang, J., 2004. Evaluating soil moisture status in China using the temperaturevegetation<br /> dryness index (TVDI). Can. J. Remote Sens. 30 (5), 671–679.<br /> <br /> Wilhite, D.A., 2005. Drought and Water Crises: Science, Technology, and Management Issues 86. CRC<br /> Press, pp. 432.<br /> <br /> <br /> <br /> [[category:Υπολογισμός του δείκτη φυλλώματος της βλάστησης]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:VTCI2.png 2020-01-18T14:51:33Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:VTCI.png 2020-01-18T14:51:23Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Kalypsh.png 2020-01-18T14:51:10Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:48:16Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> [[Αρχείο:Diagrammata.png | thumb | right | Εικόνα 1: Συσχέτιση δεδομένων]]<br /> <br /> [[Αρχείο:Fytopl.png | thumb | right | Εικόνα 2: Έναρξη θερινής άνθισης]]<br /> <br /> [[Αρχείο:Fytopla.png | thumb | right | Εικόνα 3: 8 από τα 11 φαινολογικά στοιχεία]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1. Περιοχή μελέτης και επί τόπου δεδομένα''<br /> <br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> <br /> ''2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών''<br /> <br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> <br /> ''2.3. Εξαγωγή χαρακτηριστικών φαινολογίας''<br /> <br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> <br /> ''2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας''<br /> <br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1. TIMESAT εξομάλυνση και παραμετροποίηση''<br /> <br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> <br /> ''3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης''<br /> <br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003. 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> '''4. Συζήτηση'''<br /> <br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> <br /> '''5.Συμπεράσματα'''<br /> <br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> <br /> '''Αναφορές'''<br /> <br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> <br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> <br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> <br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> <br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fytopla.png 2020-01-18T14:47:35Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fytopl.png 2020-01-18T14:47:17Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:45:40Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> [[Αρχείο:Diagrammata.png | thumb | right | Εικόνα 1: Συσχέτιση δεδομένων]]<br /> <br /> [[Αρχείο:1.png | thumb | right | Εικόνα 2: Έναρξη θερινής άνθισης]]<br /> <br /> [[Αρχείο:2.png | thumb | right | Εικόνα 3: 8 από τα 11 φαινολογικά στοιχεία]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1. Περιοχή μελέτης και επί τόπου δεδομένα''<br /> <br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> <br /> ''2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών''<br /> <br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> <br /> ''2.3. Εξαγωγή χαρακτηριστικών φαινολογίας''<br /> <br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> <br /> ''2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας''<br /> <br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1. TIMESAT εξομάλυνση και παραμετροποίηση''<br /> <br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> <br /> ''3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης''<br /> <br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003. 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> '''4. Συζήτηση'''<br /> <br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> <br /> '''5.Συμπεράσματα'''<br /> <br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> <br /> '''Αναφορές'''<br /> <br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> <br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> <br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> <br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> <br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:44:09Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> [[Αρχείο:Diagrammata.png | thumb | right | Εικόνα 1: Συσχέτιση δεδομένων]]<br /> <br /> [[Αρχείο:111.png | thumb | right | Εικόνα 2: Έναρξη θερινής άνθισης]]<br /> <br /> [[Αρχείο:222.png | thumb | right | Εικόνα 3: 8 από τα 11 φαινολογικά στοιχεία]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1. Περιοχή μελέτης και επί τόπου δεδομένα''<br /> <br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> <br /> ''2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών''<br /> <br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> <br /> ''2.3. Εξαγωγή χαρακτηριστικών φαινολογίας''<br /> <br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> <br /> ''2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας''<br /> <br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1. TIMESAT εξομάλυνση και παραμετροποίηση''<br /> <br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> <br /> ''3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης''<br /> <br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003. 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> '''4. Συζήτηση'''<br /> <br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> <br /> '''5.Συμπεράσματα'''<br /> <br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> <br /> '''Αναφορές'''<br /> <br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> <br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> <br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> <br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> <br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:43:46Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> [[Αρχείο:Diagrammata.png | thumb | right | Εικόνα 1: Συσχέτιση δεδομένων]]<br /> [[Αρχείο:111.png | thumb | right | Εικόνα 2: Έναρξη θερινής άνθισης]]<br /> [[Αρχείο:222.png | thumb | right | Εικόνα 3: 8 από τα 11 φαινολογικά στοιχεία]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1. Περιοχή μελέτης και επί τόπου δεδομένα''<br /> <br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> <br /> ''2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών''<br /> <br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> <br /> ''2.3. Εξαγωγή χαρακτηριστικών φαινολογίας''<br /> <br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> <br /> ''2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας''<br /> <br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1. TIMESAT εξομάλυνση και παραμετροποίηση''<br /> <br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> <br /> ''3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης''<br /> <br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003. 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> '''4. Συζήτηση'''<br /> <br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> <br /> '''5.Συμπεράσματα'''<br /> <br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> <br /> '''Αναφορές'''<br /> <br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> <br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> <br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> <br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> <br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:42:10Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> [[Αρχείο:Diagrammata.png | thumb | right | Εικόνα 1: Συσχέτιση δεδομένων]]<br /> [[Αρχείο:1.png | thumb | right | Εικόνα 2: Έναρξη θερινής άνθισης]]<br /> [[Αρχείο:2.png | thumb | right | Εικόνα 3: 8 από τα 11 φαινολογικά στοιχεία]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1. Περιοχή μελέτης και επί τόπου δεδομένα''<br /> <br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> <br /> ''2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών''<br /> <br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> <br /> ''2.3. Εξαγωγή χαρακτηριστικών φαινολογίας''<br /> <br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> <br /> ''2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας''<br /> <br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> <br /> '''3. Αποτελέσματα'''<br /> <br /> ''3.1. TIMESAT εξομάλυνση και παραμετροποίηση''<br /> <br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> <br /> ''3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης''<br /> <br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003. 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> '''4. Συζήτηση'''<br /> <br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> <br /> '''5.Συμπεράσματα'''<br /> <br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> <br /> '''Αναφορές'''<br /> <br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> <br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> <br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> <br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> <br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:2.png 2020-01-18T14:23:22Z

<p>Marios Stefanidis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:2.png&amp;quot;</p> <hr /> <div>Σχήµα_3._Η_λιµνοθάλασσα_των_Κορισσίων,_µε_τους_Τοµείς_(1-3)._Τοµέας_1_(Π3,Π1,Π8),_τοµέας_2_(Π8,Π6,Π5)_και_τοµέας_3_(Π4,Π7)</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:1.png 2020-01-18T14:23:11Z

<p>Marios Stefanidis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:1.png&amp;quot;</p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Diagrammata.png 2020-01-18T14:22:59Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CF%86%CF%85%CF%84%CE%BF%CF%80%CE%BB%CE%B1%CE%B3%CE%BA%CF%84%CE%BF%CF%8D_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Balaton_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_10_%CE%AD%CF%84%CE%B7_%CF%80%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_MERIS 2020-01-18T14:22:42Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 1...'</p> <hr /> <div>'''Δορυφορική τηλεπισκόπηση της φαινολογίας του φυτοπλαγκτού στη λίμνη Balaton χρησιμοποιώντας 10 έτη παρατηρήσεων MERIS'''<br /> <br /> ''Συγγραφείς: S.C.J. Palmer, D. Odermatt, P.D. Hunter, C. Brockmann, M. Présing, H. Balzter, V.R. Tótha''<br /> <br /> [http://dx.doi.org/10.1016/j.rse.2014.11.021]<br /> <br /> ΠΕΡΙΛΗΨΗ<br /> Η παρακολούθηση της βιομάζας του φυτοπλαγκτόν στις λίμνες είναι πολύ σημαντική επειδή επηρεάζει την ποιότητά της. Η εργασία αυτή παρακολουθεί τη συγκέντρωση του φυτοπλαγκτόν χρησιμοποιώντας το μέτριας ανάλυσης φασματόμετρο (MERIS). Για την εξαγωγή και χαρτογράφηση των μετρημένων φαινολογίας χρησιμοποιήθηκε το λογισμικό TIMESAT. Επίσης αναδεικνύονται o υψηλός βαθμός χωρικής και χρονικής μεταβλητότητας, καθώς επίσης και οι μεθοδολογικοί περιορισμοί και συσχετισμοί μεταξύ των μετρήσεων φαινολογίας.<br /> 1.Εισαγωγή<br /> Το φυτοπλαγκτόν του γλυκού νερού έχει μικρό κύκλο ζωής. Τα αποτελέσματα του ευτροφισμό, όπως η επιβλαβής ανθίζουσα άλγη, συμβαίνουν συχνότερα με την θέρμανση του πλανήτη (Moss, 2012). Η εποχικότητα της βιομάζας φυτοπλαγκτού, γνωστή ως φαινολογία εποπτεύεται από τον Ευρωπαϊκό Οργανισμό Διαστήματος μέσω του MERIS και έχει συμβάλει σημαντικά στην τηλεπισκόπηση των εσωτερικών υδάτων λόγω της υψηλής φασματικής, χρονικής, ραδιομετρικής και χωρικής του ικανότητας (Palmer et al., 2015).<br /> 2.Υλικά και μέθοδοι<br /> 2.1. Περιοχή μελέτης και επί τόπου δεδομένα<br /> Η εφαρμογή τέθηκε στη λίμνη Balaton της Ουγγαρίας. Το μικρό βάθος της λίμνης σε συνδυασμό με τα θρεπτικά συστατικά που εισέρχονται από τον ποταμό Zala, ευνοούν την ανάπτυξη φυτοπλαγκτού, κυρίως, στο τέλος καλοκαιριού με αρχές φθινοπώρου. Συνεπώς, απαιτείται δειγματοληψία κάθε μήνα. Τα δείγματα παίρνονται από το ΜΕRΙΣ και αναλύονται φασματικά χρησιμοποιώντας φίλτρα Whatman GF/C 1,2μm.<br /> 2.2. MERIS χλωροφύλλη-α χαρτογράφηση και συσσωμάτωση χρονοσειρών<br /> Στα δεδομένα MERIS εφαρμόστηκαν μοντέλα ατμοσφαιρικών διορθώσεων για το Ύψος γραμμής φθορισμού (FLH), καθώς και η διόρθωση ανάκλασης Raleigh χρησιμοποιώντας τα κανάλια 7 (619nm), 8 (681nm), και 9 (709nm) του MERIS. Αρνητικές τιμές FLH σημαίνει άνθιση κυανοβακτηρίων και θετικές τιμές μή ύπαρξη κυανοβακτηρίων. Τα κυανοβακτήρια συνδέονται με το φαινόμενο του ευτροφισμού.<br /> 2.3. Εξαγωγή χαρακτηριστικών φαινολογίας<br /> Μέσω του προγράμματος TIMESAT επιλέχθηκαν οι παράμετροι εξομάλυνσης που χρησιμοποιήθηκαν για τη χαρτογράφηση έντεκα φαινολογικών χαρακτηριστικών. Για μέση συγκέντρωση χλωροφύλλης από 10 mg m−3 και πάνω επιλέχθηκαν για να ορίσουν την έναρξη της άνθισης. Ως τέλος άνθισης ορίστηκε το σημείο όπου μετά από μία ακραία μέγιστη τιμή η συγκέντρωση πέφτει κάτω από 12 mg m−3.<br /> 2.4. Επικύρωση και χαρτογράφηση χαρακτηριστικών φαινολογίας<br /> Τα δεδομένα MERIS είναι από το 2003-2011. Παρήχθησαν χάρτες όλων των χαρακτηριστικών φαινολογίας για κάθε θερινή ανθοφορία από τις χρονοσειρές του MERIS. Επίσης, υπολογίστηκε το ποσοστό που καταλαμβάνει η ανθοφορία επί της λιμναίας επιφάνειας.<br /> 3. Αποτελέσματα<br /> 3.1. TIMESAT εξομάλυνση και παραμετροποίηση<br /> Οι τρεις διαθέσιμες επιλογές για εξομάλυνση στο TIMESAT, δηλαδή η ασύμμετρη Gaussian, διπλή λογιστική και Savitzky-Golay, συγκρίθηκαν για δέκα τυχαία επιλεγμένα εικονοστοιχεία από όλη τη λίμνη, δίνοντας όμοια αποτελέσματα. Ωστόσο, το φιλτράρισμα Savitzky-Golay αποδείχθηκε το καταλληλότερο για παρακολούθηση της δυναμικής των ανθίσεων της φυτομάζας.<br /> 3.2. Φαινολογική μελέτη, χαρτογράφηση, μεταβλητότητα και ανάλυση συσχέτισης<br /> Η συσχέτιση μεταξύ των δεδομένων του MERIS και του TIMESAT έχουν συσχέτιση της τάξης του 0.72&lt;R2&lt;0.84 (Εικόνα 1). Επιπλέον, παρουσιάζεται η αρχή άνθισης κάθε έτους (Εικόνα 2), ενώ η μέση κάλυψη της επιφάνειας της λίμνης από φυτοπλαγκτόν είναι περίπου 56%, με μέγιστη τιμή 77% το 2003.<br /> <br /> 8 από τα 11 φαινολογικά στοιχεία χαρτογραφήθηκαν παρουσιάζοντας σχετικά υψηλή συσχέτιση, έως και 89% (Εικόνα 3).<br /> <br /> 4. Συζήτηση<br /> Οι τεχνικές που χρησιμοποιήθηκαν στη συγκεκριμένη λίμνη δεν μπορούν να χρησιμοποιηθούν σε όλες τις λίμνες του πλανήτη, αφού πρέπει να ληφθούν υπόψη οι τοπικοί παράγοντες. Σε γενικά πλαίσια τα φαινολογικά στοιχεία ποικίλουν, θετικά ή αρνητικά, ανάλογα με την τροφική κλίση (Istvánovics et al., 2007). Σημαντικό αίτιο του ευτροφισμού είναι και τα στοιχεία που μεταφέρουν οι ποταμοί στις λίμνες. Ανασταλτικός παράγοντας είναι τα μικτά εικονοστοιχεία που περιέχουν λίμνη και έδαφος, ενώ καίριο ρόλο παίζει η εξομάλυνση του θορύβου. Το σημαντικότερο εξαγόμενο της εργασίας ήταν η αναγνώριση συγκέντρωσης κυανοβακτηρίων, τα οποία είναι συνδεδεμένα με ευτροφικές συνθήκες (Smith, 2003). Η θερμοκρασία, η διαθεσιμότητα θρεπτικών συστατικών, η πίεση βόσκησης και οι συνθήκες φωτισμού είναι οι οδηγοί της δυναμικής του φυτοπλαγκτού σε λίμνες όπως η Balaton (Winder et al., 2012).<br /> 5.Συμπεράσματα<br /> Η εργασία επικεντρώθηκε στη χαρτογράφηση φαινολογικών στοιχείων φυτοπλαγκτού σε λίμνη χρησιμοποιώντας δορυφορικές απεικονίσεις. Η χωρική κατανομή του φαινομένου του ευτροφισμού παρουσιάσθηκε μέσω της επιφάνειας της λίμνης που αυτό καταλαμβάνει τους καλοκαιρινούς μήνες. Ίσως το πιο σημαντικό δεδομένο της έρευνας είναι η ταυτόχρονη αξιοποίηση δορυφορικών και επιτόπιων δεδομένων.<br /> Αναφορές<br /> Istvánovics, V., Clement, A., Somlyody, L., Specziar, A., G.-Toth, L., &amp; Padisak, J. (2007). Updating water quality targets for shallow Lake Balaton (Hungary), recovering from eutrophication. Hydrobiologia, 581, 305–318.<br /> Moss, B. (2012). Cogs in the endless machine: Lakes, climate change and nutrient cycles: A review. Science of the Total Environment, 434, 130–142.<br /> Palmer, S.C.J., Hunter, P.D., Lankester, T., Hubbard, S., Spyrakos, E., Tyler, A.N., et al.(2015). Validation of Envisat MERIS algorithms for chlorophyll retrieval in a large, turbid and optically-complex shallow lake. Remote Sensing of Environment, 157, 158–169.<br /> Smith, V.H. (2003). Eutrophication of freshwater and coastal marine ecosystems a global problem. Environmental Science and Pollution Research, 10(2), 126–139.<br /> Winder, M., Berger, S.A., Lewandowska, A., Aberle, N., Lengfellner, K., Sommer, U., et al. (2012). Spring phenological responses of marine and freshwater plankton to changing temperature and light conditions. Marine Biology, 159, 2491–2501.<br /> <br /> <br /> [[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%BF_Rajasthan... 2020-01-18T14:07:49Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγόμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)'''<br /> <br /> ''Συγγραφείς: Dipanwita Dutta, Arnab Kundu, N.R. Patel, S.K. Saha, A.R. Siddiqui''<br /> <br /> [https://doi.org/10.1016/j.ejrs.2015.03.006]<br /> <br /> [[Αρχείο:Dr.png | thumb | right | Εικόνα 1: Χωρο-χρονικό (δεκαπενθήμερο) πρότυπο δείκτη κατάστασης βλάστησης για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:SPI.png | thumb | right | Εικόνα 2: Τυποποιημένος δείκτης βροχόπτωσης (SPI) για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:Pin.png | thumb | right | Εικόνα 3: Σύγκριση καλλιεργητικής απόδοσης των ετών 2002, 2003]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η γεωργική ξηρασία αποτελεί παγκόσμιο κλιματικό φαινόμενο. Αν και είναι αναπόφευκτο γεγονός, μπορεί να ελαττωθεί, αν υπάρχουν τα απαραίτητα χωρο-χρονικά δεδομένα των καλλιεργειών. Η εργασία αυτή προσπαθεί να αξιολογήσει την αποτελεσματικότητα της Τηλεπισκόπησης και των ΓΣΠ στην παρακολούθηση των χωροχρονικών αυτών δεδομένων, όπως δεδομένα NOAA-AVHRR NDVI και VCI. Τα δεδομένα εξήχθησαν μέσω του NDVI για την περιοχή Rajastan το έτος 2002, ενώ οι τιμές του VCI συγκρίθηκαν με τον Τυποποιημένο δείκτη βροχόπτωσης SPI και με τους δείκτες ανωμαλιών βροχόπτωσης RAI και ανωμαλιών απόδοσης YAI. Ο συντελεστής συσχέτισής τους ανήλθε στο r&gt;0.75.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία αποτελεί σοβαρό φαινόμενο σε χώρες, όπως η Ινδία, όπου το 68% των κατοίκων ασχολούνται με γεωργικές εργασίες. Στην Ινδία, συγκεκριμένα, η ξηρασία εμφανίζεται στα δυτικά , όπου η έλλειψη βροχόπτωσης και τα ακραία κλιματικά φαινόμενα είναι πιο έντονα. Το 2002-03 η Ινδία ήρθε αντιμέτωπη με ένα άκρως σοβαρό επεισόδιο ξηρασίας από άποψη μεγέθους και χωρικής διασποράς, επηρεάζοντας αρνητικά την γεωργική και ζωική παραγωγή. Έτσι, χρειάζεται ένα καλοσχεδιασμένο πλάνο καταπολέμησης της ξηρασίας, μέσω της χρήσης πολλών καλά διασκορπισμένων μετεωρολογικών σταθμών, αλλά επειδή κάτι τέτοιο σπάνια εφαρμόζεται, χρησιμοποιούνται δορυφορικές απεικονίσεις και εφαρμόζονται οι δείκτες NDVI και VCI (Nicholson and Farrar, 1994). Οι δύο δείκτες έχουν καλή ανάλυση και ακρίβεια, ενώ μελετούν τις ίδιες τις καλλιέργειες. Ταυτόχρονα, ο δείκτης SPI κατηγοριοποιεί την ξηρασία από σχεδόν κανονική (-0,99) έως ακραία (&lt;-2,0). Συνεπώς, γίνεται σύγκριση μεταξύ των SPI και<br /> VCI με αποτέλεσμα να γίνει παρακολούθηση της ξηρασίας, ενώ χρησιμοποιούνται και οι RAI και ΥΑΙ για την απόκλιση της βροχόπτωσης.<br /> <br /> '''2.Περιοχή μελέτης'''<br /> <br /> Το Rajastan βρίσκεται στη Β-Δ Ινδία και αποτελεί την μεγαλύτερη σε έκταση επαρχία της χώρας. Η οροσειρά Aravalli παίζει καθοριστικό ρόλο στη διαμόρφωση του κλίματος, καθώς συγκρατεί στην ανατολική του πλευρά τους μουσώνες που καταφθάνουν από την Αραβία. Έτσι, το μισό Rajastan χαρακτηρίζεται ως υγρό και το άλλο μισό ως ξηρό, καθώς στο υγρό τμήμα συγκεντρώνεται η πλειονότητα των βροχοπτώσεων.<br /> <br /> '''3.Υλικά και μέθοδοι'''<br /> <br /> Ο κυριότερος δείκτης που χρησιμοποιήθηκε στην εργασία είναι ο κανονικοποιημένος δείκτης βλάστησης NDVI, οποίος βασίζεται στο γεγονός ότι η χλωροφύλλη ανακλά πολύ έντονα στο εγγύς υπέρυθρο (NIR), ενώ ταυτόχρονα απορροφά μεγάλο μέρος της κόκκινης ακτινοβολίας (VIS). Ο δείκτης υπολογίζεται από την εξίσωση (1) και παίρνει τιμές από -1 έως 1 (Son et al., 2012).<br /> <br /> NDVI= (NIR-VIS)/(NIR+VIS) (1)<br /> <br /> Επειδή, όμως, ο NDVI δεν λαμβάνει υπόψη τον ατμοσφαιρικό θόρυβο, χρησιμοποιείται ο δείκτης VCI βασιζόμενος σε δεδομένα του NOAA-AVHRR για τα έτη 1984-2003. Ο VCI είναι διορθωμένος από ηφαιστειακά αερολύματα, νεφοκάλυψη και υπολειπόμενη υποβάθμιση αισθητήρα αποδίδοντας αξιόπιστα αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> ''3.1. Δείκτης Κατάστασης Βλάστησης (VCI)''<br /> <br /> Ο δείκτης VCI υπολογίστηκε σύμφωνα με την εξίσωση 2.<br /> <br /> VCI=(NDVIj-NDVImin)/(NDVImax-NDVImin)*100 (2)<br /> <br /> Όπου, NDVImax, NDVImin είναι οι μέγιστες και ελάχιστες τιμές κάθε pixel του κάθε μήνα και j είναι ο δείκτης του εξεταζόμενου μήνα. Τα αποτελέσματα του VCI ταξινομούνται σε κλίμακα όπου από 50-100% έχουμε κανονικές τιμές, 35-50% ξηρασία και &lt;35% ακραία ξηρασία (Kogan, 1995).<br /> <br /> ''3.2. Τυποποιημένος δείκτης βροχόπτωσης (SPI)''<br /> <br /> Ο δείκτης SPI υπολογίζεται σύμφωνα με τη σχέση 3 (Εικόνα 4), όπου α &gt;0 η παράμετρος σχήματος, β&gt;0 η παράμετρος κλίμακας, χ η ποσότητα βροχόπτωσης και Γ(α) η συνάρτηση γάμα.<br /> <br /> [[Αρχείο:G.png | thumb | right| Εικόνα 4: Σχέση 3]] <br /> <br /> ''3.3. Απόδοση ανωμαλίας καλλιέργειας''<br /> <br /> Οι ανωμαλίες καλλιέργειας (YAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 4, όπου Υ η απόδοση καλλιέργειας, μ η μακράς διάρκειας μέση απόδοση και σ η τυπική απόκλιση.<br /> <br /> YAI=(Υ-μ)/σ (4)<br /> <br /> ''3.4. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Οι ανωμαλίες βροχόπτωσης (RAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 5, όπου R η βροχόπτωση, μ η μακράς διάρκειας μέση βροχόπτωση και σ η τυπική απόκλιση.<br /> <br /> RAI=(R-μ)/σ (5)<br /> <br /> '''4.Αποτελέσματα και συζήτηση'''<br /> <br /> ''4.1. NDVI και παρακολούθηση ξηρασίας''<br /> <br /> Ο δείκτης NDVI χρησιμοποιήθηκε για τις περιόδους Ιουλίου-Σεπτεμβρίου των ετών 2002, 2003 με σκοπό να εξεταστεί η υγεία των καλλιεργειών και η χωρική τους μεταβλητότητα. Ο NDVI στις δυτικές (πιο ξηρές) περιοχές είναι μικρότερος σε σχέση με τα ανατολικά, το οποίο επαληθεύεται και με τον VCI αργότερα.<br /> <br /> ''4.2. Παρακολούθηση ξηρασίας μέσω του VCI''<br /> <br /> Όπως φαίνεται στην Εικόνα 1, το έτος 2002 υπήρξε ακραίο φαινόμενο ξηρασίας, κυρίως στο δυτικό Rajastan (χρονικό βήμα 15ήμερο). Το 2003 εμφανίστηκε μικρότερο ξέσπασμα ξηρασίας, με επίκεντρο κυρίως τα δυτικά.<br /> <br /> ''4.3. Παρακολούθηση ξηρασίας μέσω SPI''<br /> <br /> Ο SPI χρησιμοποιήθηκε για τον εντοπισμό της επίπτωσης της μετεωρολογικής ξηρασίας, την ένταση και τη χωρική και χρονική κατανομή της. Επίσης, συγκρίθηκε με τα αποτελέσματα του VCI (Εικόνα 2).<br /> <br /> ''4.4. VCI και SPI στο δεύτερο Ιουλιανό και πρώτο Αυγουστιάτικο δεκαπενθήμερο''<br /> <br /> Η μέση τιμή του VCI είναι &lt;50% για ξηρό έτος, ενώ πολλές περιοχές έχουν &lt;35%, το οποίο υποδεικνύει ακραία ξηρασία. Οι τιμές του SPI είναι και αυτές αρκετά μικρές για την ίδια χρονική περίοδο, ανάμεσα στις τιμές -1 και -2 που υποδηλώνουν ακραία φαινόμενα ξηρασίας. Οι δύο δείκτες, λοιπόν, δείχνουν να συμφωνούν.<br /> <br /> ''4.5. Δεκαπενθήμερο πρότυπο του VCI και του SPI''<br /> <br /> Για να ελεγχθεί η αξιοπιστία των αποτελεσμάτων των δύο δεικτών, πρέπει να γίνει συσχέτιση των τιμών του ξηρού έτους 2002 με το υγρό έτος 2003 και να ελεγχθεί η διαφορά του κάθε δείκτη στα δύο αυτά έτη.<br /> <br /> ''4.6. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Ο δείκτης RAI έδωσε αποτελέσματα ξηρασίας το 2003 και κανονικού έτους το 2003. Συμφωνεί, δηλαδή, με τον VCI.<br /> <br /> ''4.7. VCI και απόδοση σημαντικών βροχοκαλλιεργειών''<br /> <br /> Η απόδοση καλλιέργειας το έτος 2002 ήταν σημαντικά μικρότερη από αυτή του 2003 και μάλιστα για πληθώρα διαφορετικών καλλιεργειών (Εικόνα 3).<br /> <br /> ''4.8. VCI και δείκτης Ανωμαλιών απόδοσης (YAI)''<br /> <br /> O Δείκτης YAI υπολογίστηκε για το έτος 2002 και 2003 και υπολογίστηκε ότι για το 2002 οι τιμές ήταν αρνητικές και για το 2003 θετικές. Άρα, και αυτός ο δείκτης συμφωνεί με τα αποτελέσματα του VCI.<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η εργασία αυτή αναγνώρισε τη χωροχρονική έκταση της γεωργικής ξηρασίας μέσω της σύγκρισης των αποτελεσμάτων μεταξύ του δείκτη VCI, ο οποίος προκύπτει από τον NDVI, και των δεικτών SPI, RAI και YAI. Τα αποτελέσματα ήταν αξιόπιστα, καθώς όλοι οι δείκτες συμφωνούσαν με υψηλό βαθμό συσχέτισης.<br /> <br /> '''Αναφορές'''<br /> <br /> Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Adv. Space Res. 15, 91–100.<br /> <br /> Nicholson, S.E., Farrar, T.J., 1994. The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana: I. NDVI response to rainfall. Remote Sens. Environ. 50, 107–120.<br /> <br /> Son, N.T., Chen, C.F., Chen, C.R., Chang, L.Y., Minh, V.Q., 2012. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. Int. J. Appl. Earth Obs. Geoinf. 18, 417–427.<br /> <br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%BF_Rajasthan... 2020-01-18T14:07:07Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγόμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)'''<br /> <br /> ''Συγγραφείς: Dipanwita Dutta, Arnab Kundu, N.R. Patel, S.K. Saha, A.R. Siddiqui''<br /> <br /> [https://doi.org/10.1016/j.ejrs.2015.03.006]<br /> <br /> [[Αρχείο:Dr.png | thumb | right | Εικόνα 1: Χωρο-χρονικό (δεκαπενθήμερο) πρότυπο δείκτη κατάστασης βλάστησης για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:SPI.png | thumb | right | Εικόνα 2: Τυποποιημένος δείκτης βροχόπτωσης (SPI) για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:Pin.png | thumb | right | Εικόνα 3: Σύγκριση καλλιεργητικής απόδοσης των ετών 2002, 2003]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η γεωργική ξηρασία αποτελεί παγκόσμιο κλιματικό φαινόμενο. Αν και είναι αναπόφευκτο γεγονός, μπορεί να ελαττωθεί, αν υπάρχουν τα απαραίτητα χωρο-χρονικά δεδομένα των καλλιεργειών. Η εργασία αυτή προσπαθεί να αξιολογήσει την αποτελεσματικότητα της Τηλεπισκόπησης και των ΓΣΠ στην παρακολούθηση των χωροχρονικών αυτών δεδομένων, όπως δεδομένα NOAA-AVHRR NDVI και VCI. Τα δεδομένα εξήχθησαν μέσω του NDVI για την περιοχή Rajastan το έτος 2002, ενώ οι τιμές του VCI συγκρίθηκαν με τον Τυποποιημένο δείκτη βροχόπτωσης SPI και με τους δείκτες ανωμαλιών βροχόπτωσης RAI και ανωμαλιών απόδοσης YAI. Ο συντελεστής συσχέτισής τους ανήλθε στο r&gt;0.75.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία αποτελεί σοβαρό φαινόμενο σε χώρες, όπως η Ινδία, όπου το 68% των κατοίκων ασχολούνται με γεωργικές εργασίες. Στην Ινδία, συγκεκριμένα, η ξηρασία εμφανίζεται στα δυτικά , όπου η έλλειψη βροχόπτωσης και τα ακραία κλιματικά φαινόμενα είναι πιο έντονα. Το 2002-03 η Ινδία ήρθε αντιμέτωπη με ένα άκρως σοβαρό επεισόδιο ξηρασίας από άποψη μεγέθους και χωρικής διασποράς, επηρεάζοντας αρνητικά την γεωργική και ζωική παραγωγή. Έτσι, χρειάζεται ένα καλοσχεδιασμένο πλάνο καταπολέμησης της ξηρασίας, μέσω της χρήσης πολλών καλά διασκορπισμένων μετεωρολογικών σταθμών, αλλά επειδή κάτι τέτοιο σπάνια εφαρμόζεται, χρησιμοποιούνται δορυφορικές απεικονίσεις και εφαρμόζονται οι δείκτες NDVI και VCI (Nicholson and Farrar, 1994). Οι δύο δείκτες έχουν καλή ανάλυση και ακρίβεια, ενώ μελετούν τις ίδιες τις καλλιέργειες. Ταυτόχρονα, ο δείκτης SPI κατηγοριοποιεί την ξηρασία από σχεδόν κανονική (-0,99) έως ακραία (&lt;-2,0). Συνεπώς, γίνεται σύγκριση μεταξύ των SPI και<br /> VCI με αποτέλεσμα να γίνει παρακολούθηση της ξηρασίας, ενώ χρησιμοποιούνται και οι RAI και ΥΑΙ για την απόκλιση της βροχόπτωσης.<br /> <br /> '''2.Περιοχή μελέτης'''<br /> <br /> Το Rajastan βρίσκεται στη Β-Δ Ινδία και αποτελεί την μεγαλύτερη σε έκταση επαρχία της χώρας. Η οροσειρά Aravalli παίζει καθοριστικό ρόλο στη διαμόρφωση του κλίματος, καθώς συγκρατεί στην ανατολική του πλευρά τους μουσώνες που καταφθάνουν από την Αραβία. Έτσι, το μισό Rajastan χαρακτηρίζεται ως υγρό και το άλλο μισό ως ξηρό, καθώς στο υγρό τμήμα συγκεντρώνεται η πλειονότητα των βροχοπτώσεων.<br /> <br /> '''3.Υλικά και μέθοδοι'''<br /> <br /> Ο κυριότερος δείκτης που χρησιμοποιήθηκε στην εργασία είναι ο κανονικοποιημένος δείκτης βλάστησης NDVI, οποίος βασίζεται στο γεγονός ότι η χλωροφύλλη ανακλά πολύ έντονα στο εγγύς υπέρυθρο (NIR), ενώ ταυτόχρονα απορροφά μεγάλο μέρος της κόκκινης ακτινοβολίας (VIS). Ο δείκτης υπολογίζεται από την εξίσωση (1) και παίρνει τιμές από -1 έως 1 (Son et al., 2012).<br /> <br /> NDVI= (NIR-VIS)/(NIR+VIS) (1)<br /> <br /> Επειδή, όμως, ο NDVI δεν λαμβάνει υπόψη τον ατμοσφαιρικό θόρυβο, χρησιμοποιείται ο δείκτης VCI βασιζόμενος σε δεδομένα του NOAA-AVHRR για τα έτη 1984-2003. Ο VCI είναι διορθωμένος από ηφαιστειακά αερολύματα, νεφοκάλυψη και υπολειπόμενη υποβάθμιση αισθητήρα αποδίδοντας αξιόπιστα αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> ''3.1. Δείκτης Κατάστασης Βλάστησης (VCI)''<br /> <br /> Ο δείκτης VCI υπολογίστηκε σύμφωνα με την εξίσωση 2.<br /> <br /> VCI=(NDVIj-NDVImin)/(NDVImax-NDVImin)*100 (2)<br /> <br /> Όπου, NDVImax, NDVImin είναι οι μέγιστες και ελάχιστες τιμές κάθε pixel του κάθε μήνα και j είναι ο δείκτης του εξεταζόμενου μήνα. Τα αποτελέσματα του VCI ταξινομούνται σε κλίμακα όπου από 50-100% έχουμε κανονικές τιμές, 35-50% ξηρασία και &lt;35% ακραία ξηρασία (Kogan, 1995).<br /> <br /> ''3.2. Τυποποιημένος δείκτης βροχόπτωσης (SPI)''<br /> <br /> Ο δείκτης SPI υπολογίζεται σύμφωνα με τη σχέση 3, όπου α &gt;0 η παράμετρος σχήματος, β&gt;0 η παράμετρος κλίμακας, χ η ποσότητα βροχόπτωσης και Γ(α) η συνάρτηση γάμα.<br /> <br /> [[Αρχείο:G.png | thumb | right| Σχέση 3: Σχέση 3]] <br /> <br /> ''3.3. Απόδοση ανωμαλίας καλλιέργειας''<br /> <br /> Οι ανωμαλίες καλλιέργειας (YAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 4, όπου Υ η απόδοση καλλιέργειας, μ η μακράς διάρκειας μέση απόδοση και σ η τυπική απόκλιση.<br /> <br /> YAI=(Υ-μ)/σ (4)<br /> <br /> ''3.4. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Οι ανωμαλίες βροχόπτωσης (RAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 5, όπου R η βροχόπτωση, μ η μακράς διάρκειας μέση βροχόπτωση και σ η τυπική απόκλιση.<br /> <br /> RAI=(R-μ)/σ (5)<br /> <br /> '''4.Αποτελέσματα και συζήτηση'''<br /> <br /> ''4.1. NDVI και παρακολούθηση ξηρασίας''<br /> <br /> Ο δείκτης NDVI χρησιμοποιήθηκε για τις περιόδους Ιουλίου-Σεπτεμβρίου των ετών 2002, 2003 με σκοπό να εξεταστεί η υγεία των καλλιεργειών και η χωρική τους μεταβλητότητα. Ο NDVI στις δυτικές (πιο ξηρές) περιοχές είναι μικρότερος σε σχέση με τα ανατολικά, το οποίο επαληθεύεται και με τον VCI αργότερα.<br /> <br /> ''4.2. Παρακολούθηση ξηρασίας μέσω του VCI''<br /> <br /> Όπως φαίνεται στην Εικόνα 1, το έτος 2002 υπήρξε ακραίο φαινόμενο ξηρασίας, κυρίως στο δυτικό Rajastan (χρονικό βήμα 15ήμερο). Το 2003 εμφανίστηκε μικρότερο ξέσπασμα ξηρασίας, με επίκεντρο κυρίως τα δυτικά.<br /> <br /> ''4.3. Παρακολούθηση ξηρασίας μέσω SPI''<br /> <br /> Ο SPI χρησιμοποιήθηκε για τον εντοπισμό της επίπτωσης της μετεωρολογικής ξηρασίας, την ένταση και τη χωρική και χρονική κατανομή της. Επίσης, συγκρίθηκε με τα αποτελέσματα του VCI (Εικόνα 2).<br /> <br /> ''4.4. VCI και SPI στο δεύτερο Ιουλιανό και πρώτο Αυγουστιάτικο δεκαπενθήμερο''<br /> <br /> Η μέση τιμή του VCI είναι &lt;50% για ξηρό έτος, ενώ πολλές περιοχές έχουν &lt;35%, το οποίο υποδεικνύει ακραία ξηρασία. Οι τιμές του SPI είναι και αυτές αρκετά μικρές για την ίδια χρονική περίοδο, ανάμεσα στις τιμές -1 και -2 που υποδηλώνουν ακραία φαινόμενα ξηρασίας. Οι δύο δείκτες, λοιπόν, δείχνουν να συμφωνούν.<br /> <br /> ''4.5. Δεκαπενθήμερο πρότυπο του VCI και του SPI''<br /> <br /> Για να ελεγχθεί η αξιοπιστία των αποτελεσμάτων των δύο δεικτών, πρέπει να γίνει συσχέτιση των τιμών του ξηρού έτους 2002 με το υγρό έτος 2003 και να ελεγχθεί η διαφορά του κάθε δείκτη στα δύο αυτά έτη.<br /> <br /> ''4.6. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Ο δείκτης RAI έδωσε αποτελέσματα ξηρασίας το 2003 και κανονικού έτους το 2003. Συμφωνεί, δηλαδή, με τον VCI.<br /> <br /> ''4.7. VCI και απόδοση σημαντικών βροχοκαλλιεργειών''<br /> <br /> Η απόδοση καλλιέργειας το έτος 2002 ήταν σημαντικά μικρότερη από αυτή του 2003 και μάλιστα για πληθώρα διαφορετικών καλλιεργειών (Εικόνα 3).<br /> <br /> ''4.8. VCI και δείκτης Ανωμαλιών απόδοσης (YAI)''<br /> <br /> O Δείκτης YAI υπολογίστηκε για το έτος 2002 και 2003 και υπολογίστηκε ότι για το 2002 οι τιμές ήταν αρνητικές και για το 2003 θετικές. Άρα, και αυτός ο δείκτης συμφωνεί με τα αποτελέσματα του VCI.<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η εργασία αυτή αναγνώρισε τη χωροχρονική έκταση της γεωργικής ξηρασίας μέσω της σύγκρισης των αποτελεσμάτων μεταξύ του δείκτη VCI, ο οποίος προκύπτει από τον NDVI, και των δεικτών SPI, RAI και YAI. Τα αποτελέσματα ήταν αξιόπιστα, καθώς όλοι οι δείκτες συμφωνούσαν με υψηλό βαθμό συσχέτισης.<br /> <br /> '''Αναφορές'''<br /> <br /> Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Adv. Space Res. 15, 91–100.<br /> <br /> Nicholson, S.E., Farrar, T.J., 1994. The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana: I. NDVI response to rainfall. Remote Sens. Environ. 50, 107–120.<br /> <br /> Son, N.T., Chen, C.F., Chen, C.R., Chang, L.Y., Minh, V.Q., 2012. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. Int. J. Appl. Earth Obs. Geoinf. 18, 417–427.<br /> <br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%BF_Rajasthan... 2020-01-18T14:05:48Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγόμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)'''<br /> <br /> ''Συγγραφείς: Dipanwita Dutta, Arnab Kundu, N.R. Patel, S.K. Saha, A.R. Siddiqui''<br /> <br /> [https://doi.org/10.1016/j.ejrs.2015.03.006]<br /> <br /> [[Αρχείο:Dr.png | thumb | right | Εικόνα 1: Χωρο-χρονικό (δεκαπενθήμερο) πρότυπο δείκτη κατάστασης βλάστησης για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:SPI.png | thumb | right | Εικόνα 2: Τυποποιημένος δείκτης βροχόπτωσης (SPI) για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:Pin.png | thumb | right | Εικόνα 3: Σύγκριση καλλιεργητικής απόδοσης των ετών 2002, 2003]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η γεωργική ξηρασία αποτελεί παγκόσμιο κλιματικό φαινόμενο. Αν και είναι αναπόφευκτο γεγονός, μπορεί να ελαττωθεί, αν υπάρχουν τα απαραίτητα χωρο-χρονικά δεδομένα των καλλιεργειών. Η εργασία αυτή προσπαθεί να αξιολογήσει την αποτελεσματικότητα της Τηλεπισκόπησης και των ΓΣΠ στην παρακολούθηση των χωροχρονικών αυτών δεδομένων, όπως δεδομένα NOAA-AVHRR NDVI και VCI. Τα δεδομένα εξήχθησαν μέσω του NDVI για την περιοχή Rajastan το έτος 2002, ενώ οι τιμές του VCI συγκρίθηκαν με τον Τυποποιημένο δείκτη βροχόπτωσης SPI και με τους δείκτες ανωμαλιών βροχόπτωσης RAI και ανωμαλιών απόδοσης YAI. Ο συντελεστής συσχέτισής τους ανήλθε στο r&gt;0.75.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία αποτελεί σοβαρό φαινόμενο σε χώρες, όπως η Ινδία, όπου το 68% των κατοίκων ασχολούνται με γεωργικές εργασίες. Στην Ινδία, συγκεκριμένα, η ξηρασία εμφανίζεται στα δυτικά , όπου η έλλειψη βροχόπτωσης και τα ακραία κλιματικά φαινόμενα είναι πιο έντονα. Το 2002-03 η Ινδία ήρθε αντιμέτωπη με ένα άκρως σοβαρό επεισόδιο ξηρασίας από άποψη μεγέθους και χωρικής διασποράς, επηρεάζοντας αρνητικά την γεωργική και ζωική παραγωγή. Έτσι, χρειάζεται ένα καλοσχεδιασμένο πλάνο καταπολέμησης της ξηρασίας, μέσω της χρήσης πολλών καλά διασκορπισμένων μετεωρολογικών σταθμών, αλλά επειδή κάτι τέτοιο σπάνια εφαρμόζεται, χρησιμοποιούνται δορυφορικές απεικονίσεις και εφαρμόζονται οι δείκτες NDVI και VCI (Nicholson and Farrar, 1994). Οι δύο δείκτες έχουν καλή ανάλυση και ακρίβεια, ενώ μελετούν τις ίδιες τις καλλιέργειες. Ταυτόχρονα, ο δείκτης SPI κατηγοριοποιεί την ξηρασία από σχεδόν κανονική (-0,99) έως ακραία (&lt;-2,0). Συνεπώς, γίνεται σύγκριση μεταξύ των SPI και<br /> VCI με αποτέλεσμα να γίνει παρακολούθηση της ξηρασίας, ενώ χρησιμοποιούνται και οι RAI και ΥΑΙ για την απόκλιση της βροχόπτωσης.<br /> <br /> '''2.Περιοχή μελέτης'''<br /> <br /> Το Rajastan βρίσκεται στη Β-Δ Ινδία και αποτελεί την μεγαλύτερη σε έκταση επαρχία της χώρας. Η οροσειρά Aravalli παίζει καθοριστικό ρόλο στη διαμόρφωση του κλίματος, καθώς συγκρατεί στην ανατολική του πλευρά τους μουσώνες που καταφθάνουν από την Αραβία. Έτσι, το μισό Rajastan χαρακτηρίζεται ως υγρό και το άλλο μισό ως ξηρό, καθώς στο υγρό τμήμα συγκεντρώνεται η πλειονότητα των βροχοπτώσεων.<br /> <br /> '''3.Υλικά και μέθοδοι'''<br /> <br /> Ο κυριότερος δείκτης που χρησιμοποιήθηκε στην εργασία είναι ο κανονικοποιημένος δείκτης βλάστησης NDVI, οποίος βασίζεται στο γεγονός ότι η χλωροφύλλη ανακλά πολύ έντονα στο εγγύς υπέρυθρο (NIR), ενώ ταυτόχρονα απορροφά μεγάλο μέρος της κόκκινης ακτινοβολίας (VIS). Ο δείκτης υπολογίζεται από την εξίσωση (1) και παίρνει τιμές από -1 έως 1 (Son et al., 2012).<br /> <br /> NDVI= (NIR-VIS)/(NIR+VIS) (1)<br /> <br /> Επειδή, όμως, ο NDVI δεν λαμβάνει υπόψη τον ατμοσφαιρικό θόρυβο, χρησιμοποιείται ο δείκτης VCI βασιζόμενος σε δεδομένα του NOAA-AVHRR για τα έτη 1984-2003. Ο VCI είναι διορθωμένος από ηφαιστειακά αερολύματα, νεφοκάλυψη και υπολειπόμενη υποβάθμιση αισθητήρα αποδίδοντας αξιόπιστα αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> ''3.1. Δείκτης Κατάστασης Βλάστησης (VCI)''<br /> <br /> Ο δείκτης VCI υπολογίστηκε σύμφωνα με την εξίσωση 2.<br /> <br /> VCI=(NDVIj-NDVImin)/(NDVImax-NDVImin)*100 (2)<br /> <br /> Όπου, NDVImax, NDVImin είναι οι μέγιστες και ελάχιστες τιμές κάθε pixel του κάθε μήνα και j είναι ο δείκτης του εξεταζόμενου μήνα. Τα αποτελέσματα του VCI ταξινομούνται σε κλίμακα όπου από 50-100% έχουμε κανονικές τιμές, 35-50% ξηρασία και &lt;35% ακραία ξηρασία (Kogan, 1995).<br /> <br /> ''3.2. Τυποποιημένος δείκτης βροχόπτωσης (SPI)''<br /> <br /> Ο δείκτης SPI υπολογίζεται σύμφωνα με τη σχέση 3, όπου α &gt;0 η παράμετρος σχήματος, β&gt;0 η παράμετρος κλίμακας, χ η ποσότητα βροχόπτωσης και Γ(α) η συνάρτηση γάμα.<br /> <br /> [[Αρχείο:G.png | thumb | right| Σχέση 3]] <br /> <br /> ''3.3. Απόδοση ανωμαλίας καλλιέργειας''<br /> <br /> Οι ανωμαλίες καλλιέργειας (YAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 4, όπου Υ η απόδοση καλλιέργειας, μ η μακράς διάρκειας μέση απόδοση και σ η τυπική απόκλιση.<br /> <br /> YAI=(Υ-μ)/σ (4)<br /> <br /> ''3.4. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Οι ανωμαλίες βροχόπτωσης (RAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 5, όπου R η βροχόπτωση, μ η μακράς διάρκειας μέση βροχόπτωση και σ η τυπική απόκλιση.<br /> <br /> RAI=(R-μ)/σ (5)<br /> <br /> '''4.Αποτελέσματα και συζήτηση'''<br /> <br /> ''4.1. NDVI και παρακολούθηση ξηρασίας''<br /> <br /> Ο δείκτης NDVI χρησιμοποιήθηκε για τις περιόδους Ιουλίου-Σεπτεμβρίου των ετών 2002, 2003 με σκοπό να εξεταστεί η υγεία των καλλιεργειών και η χωρική τους μεταβλητότητα. Ο NDVI στις δυτικές (πιο ξηρές) περιοχές είναι μικρότερος σε σχέση με τα ανατολικά, το οποίο επαληθεύεται και με τον VCI αργότερα.<br /> <br /> ''4.2. Παρακολούθηση ξηρασίας μέσω του VCI''<br /> <br /> Όπως φαίνεται στην Εικόνα 1, το έτος 2002 υπήρξε ακραίο φαινόμενο ξηρασίας, κυρίως στο δυτικό Rajastan (χρονικό βήμα 15ήμερο). Το 2003 εμφανίστηκε μικρότερο ξέσπασμα ξηρασίας, με επίκεντρο κυρίως τα δυτικά.<br /> <br /> ''4.3. Παρακολούθηση ξηρασίας μέσω SPI''<br /> <br /> Ο SPI χρησιμοποιήθηκε για τον εντοπισμό της επίπτωσης της μετεωρολογικής ξηρασίας, την ένταση και τη χωρική και χρονική κατανομή της. Επίσης, συγκρίθηκε με τα αποτελέσματα του VCI (Εικόνα 2).<br /> <br /> ''4.4. VCI και SPI στο δεύτερο Ιουλιανό και πρώτο Αυγουστιάτικο δεκαπενθήμερο''<br /> <br /> Η μέση τιμή του VCI είναι &lt;50% για ξηρό έτος, ενώ πολλές περιοχές έχουν &lt;35%, το οποίο υποδεικνύει ακραία ξηρασία. Οι τιμές του SPI είναι και αυτές αρκετά μικρές για την ίδια χρονική περίοδο, ανάμεσα στις τιμές -1 και -2 που υποδηλώνουν ακραία φαινόμενα ξηρασίας. Οι δύο δείκτες, λοιπόν, δείχνουν να συμφωνούν.<br /> <br /> ''4.5. Δεκαπενθήμερο πρότυπο του VCI και του SPI''<br /> <br /> Για να ελεγχθεί η αξιοπιστία των αποτελεσμάτων των δύο δεικτών, πρέπει να γίνει συσχέτιση των τιμών του ξηρού έτους 2002 με το υγρό έτος 2003 και να ελεγχθεί η διαφορά του κάθε δείκτη στα δύο αυτά έτη.<br /> <br /> ''4.6. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Ο δείκτης RAI έδωσε αποτελέσματα ξηρασίας το 2003 και κανονικού έτους το 2003. Συμφωνεί, δηλαδή, με τον VCI.<br /> <br /> ''4.7. VCI και απόδοση σημαντικών βροχοκαλλιεργειών''<br /> <br /> Η απόδοση καλλιέργειας το έτος 2002 ήταν σημαντικά μικρότερη από αυτή του 2003 και μάλιστα για πληθώρα διαφορετικών καλλιεργειών (Εικόνα 3).<br /> <br /> ''4.8. VCI και δείκτης Ανωμαλιών απόδοσης (YAI)''<br /> <br /> O Δείκτης YAI υπολογίστηκε για το έτος 2002 και 2003 και υπολογίστηκε ότι για το 2002 οι τιμές ήταν αρνητικές και για το 2003 θετικές. Άρα, και αυτός ο δείκτης συμφωνεί με τα αποτελέσματα του VCI.<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η εργασία αυτή αναγνώρισε τη χωροχρονική έκταση της γεωργικής ξηρασίας μέσω της σύγκρισης των αποτελεσμάτων μεταξύ του δείκτη VCI, ο οποίος προκύπτει από τον NDVI, και των δεικτών SPI, RAI και YAI. Τα αποτελέσματα ήταν αξιόπιστα, καθώς όλοι οι δείκτες συμφωνούσαν με υψηλό βαθμό συσχέτισης.<br /> <br /> '''Αναφορές'''<br /> <br /> Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Adv. Space Res. 15, 91–100.<br /> <br /> Nicholson, S.E., Farrar, T.J., 1994. The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana: I. NDVI response to rainfall. Remote Sens. Environ. 50, 107–120.<br /> <br /> Son, N.T., Chen, C.F., Chen, C.R., Chang, L.Y., Minh, V.Q., 2012. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. Int. J. Appl. Earth Obs. Geoinf. 18, 417–427.<br /> <br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%BF_Rajasthan... 2020-01-18T14:05:26Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγόμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)'''<br /> <br /> ''Συγγραφείς: Dipanwita Dutta, Arnab Kundu, N.R. Patel, S.K. Saha, A.R. Siddiqui''<br /> <br /> [https://doi.org/10.1016/j.ejrs.2015.03.006]<br /> <br /> [[Αρχείο:Dr.png | thumb | right | Εικόνα 1: Χωρο-χρονικό (δεκαπενθήμερο) πρότυπο δείκτη κατάστασης βλάστησης για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:SPI.png | thumb | right | Εικόνα 2: Τυποποιημένος δείκτης βροχόπτωσης (SPI) για το έτος ξηρασίας (2002) και το κανονικό έτος (2003)]]<br /> <br /> [[Αρχείο:Pin.png | thumb | right | Εικόνα 3: Σύγκριση καλλιεργητικής απόδοσης των ετών 2002, 2003]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η γεωργική ξηρασία αποτελεί παγκόσμιο κλιματικό φαινόμενο. Αν και είναι αναπόφευκτο γεγονός, μπορεί να ελαττωθεί, αν υπάρχουν τα απαραίτητα χωρο-χρονικά δεδομένα των καλλιεργειών. Η εργασία αυτή προσπαθεί να αξιολογήσει την αποτελεσματικότητα της Τηλεπισκόπησης και των ΓΣΠ στην παρακολούθηση των χωροχρονικών αυτών δεδομένων, όπως δεδομένα NOAA-AVHRR NDVI και VCI. Τα δεδομένα εξήχθησαν μέσω του NDVI για την περιοχή Rajastan το έτος 2002, ενώ οι τιμές του VCI συγκρίθηκαν με τον Τυποποιημένο δείκτη βροχόπτωσης SPI και με τους δείκτες ανωμαλιών βροχόπτωσης RAI και ανωμαλιών απόδοσης YAI. Ο συντελεστής συσχέτισής τους ανήλθε στο r&gt;0.75.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία αποτελεί σοβαρό φαινόμενο σε χώρες, όπως η Ινδία, όπου το 68% των κατοίκων ασχολούνται με γεωργικές εργασίες. Στην Ινδία, συγκεκριμένα, η ξηρασία εμφανίζεται στα δυτικά , όπου η έλλειψη βροχόπτωσης και τα ακραία κλιματικά φαινόμενα είναι πιο έντονα. Το 2002-03 η Ινδία ήρθε αντιμέτωπη με ένα άκρως σοβαρό επεισόδιο ξηρασίας από άποψη μεγέθους και χωρικής διασποράς, επηρεάζοντας αρνητικά την γεωργική και ζωική παραγωγή. Έτσι, χρειάζεται ένα καλοσχεδιασμένο πλάνο καταπολέμησης της ξηρασίας, μέσω της χρήσης πολλών καλά διασκορπισμένων μετεωρολογικών σταθμών, αλλά επειδή κάτι τέτοιο σπάνια εφαρμόζεται, χρησιμοποιούνται δορυφορικές απεικονίσεις και εφαρμόζονται οι δείκτες NDVI και VCI (Nicholson and Farrar, 1994). Οι δύο δείκτες έχουν καλή ανάλυση και ακρίβεια, ενώ μελετούν τις ίδιες τις καλλιέργειες. Ταυτόχρονα, ο δείκτης SPI κατηγοριοποιεί την ξηρασία από σχεδόν κανονική (-0,99) έως ακραία (&lt;-2,0). Συνεπώς, γίνεται σύγκριση μεταξύ των SPI και<br /> VCI με αποτέλεσμα να γίνει παρακολούθηση της ξηρασίας, ενώ χρησιμοποιούνται και οι RAI και ΥΑΙ για την απόκλιση της βροχόπτωσης.<br /> <br /> '''2.Περιοχή μελέτης'''<br /> <br /> Το Rajastan βρίσκεται στη Β-Δ Ινδία και αποτελεί την μεγαλύτερη σε έκταση επαρχία της χώρας. Η οροσειρά Aravalli παίζει καθοριστικό ρόλο στη διαμόρφωση του κλίματος, καθώς συγκρατεί στην ανατολική του πλευρά τους μουσώνες που καταφθάνουν από την Αραβία. Έτσι, το μισό Rajastan χαρακτηρίζεται ως υγρό και το άλλο μισό ως ξηρό, καθώς στο υγρό τμήμα συγκεντρώνεται η πλειονότητα των βροχοπτώσεων.<br /> <br /> '''3.Υλικά και μέθοδοι'''<br /> <br /> Ο κυριότερος δείκτης που χρησιμοποιήθηκε στην εργασία είναι ο κανονικοποιημένος δείκτης βλάστησης NDVI, οποίος βασίζεται στο γεγονός ότι η χλωροφύλλη ανακλά πολύ έντονα στο εγγύς υπέρυθρο (NIR), ενώ ταυτόχρονα απορροφά μεγάλο μέρος της κόκκινης ακτινοβολίας (VIS). Ο δείκτης υπολογίζεται από την εξίσωση (1) και παίρνει τιμές από -1 έως 1 (Son et al., 2012).<br /> <br /> NDVI= (NIR-VIS)/(NIR+VIS) (1)<br /> <br /> Επειδή, όμως, ο NDVI δεν λαμβάνει υπόψη τον ατμοσφαιρικό θόρυβο, χρησιμοποιείται ο δείκτης VCI βασιζόμενος σε δεδομένα του NOAA-AVHRR για τα έτη 1984-2003. Ο VCI είναι διορθωμένος από ηφαιστειακά αερολύματα, νεφοκάλυψη και υπολειπόμενη υποβάθμιση αισθητήρα αποδίδοντας αξιόπιστα αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> ''3.1. Δείκτης Κατάστασης Βλάστησης (VCI)''<br /> <br /> Ο δείκτης VCI υπολογίστηκε σύμφωνα με την εξίσωση 2.<br /> <br /> VCI=(NDVIj-NDVImin)/(NDVImax-NDVImin)*100 (2)<br /> <br /> Όπου, NDVImax, NDVImin είναι οι μέγιστες και ελάχιστες τιμές κάθε pixel του κάθε μήνα και j είναι ο δείκτης του εξεταζόμενου μήνα. Τα αποτελέσματα του VCI ταξινομούνται σε κλίμακα όπου από 50-100% έχουμε κανονικές τιμές, 35-50% ξηρασία και &lt;35% ακραία ξηρασία (Kogan, 1995).<br /> <br /> ''3.2. Τυποποιημένος δείκτης βροχόπτωσης (SPI)''<br /> <br /> Ο δείκτης SPI υπολογίζεται σύμφωνα με τη σχέση 3, όπου α &gt;0 η παράμετρος σχήματος, β&gt;0 η παράμετρος κλίμακας, χ η ποσότητα βροχόπτωσης και Γ(α) η συνάρτηση γάμα.<br /> <br /> [[Αρχείο:G.png | | right| Σχέση 3]] <br /> <br /> ''3.3. Απόδοση ανωμαλίας καλλιέργειας''<br /> <br /> Οι ανωμαλίες καλλιέργειας (YAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 4, όπου Υ η απόδοση καλλιέργειας, μ η μακράς διάρκειας μέση απόδοση και σ η τυπική απόκλιση.<br /> <br /> YAI=(Υ-μ)/σ (4)<br /> <br /> ''3.4. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Οι ανωμαλίες βροχόπτωσης (RAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 5, όπου R η βροχόπτωση, μ η μακράς διάρκειας μέση βροχόπτωση και σ η τυπική απόκλιση.<br /> <br /> RAI=(R-μ)/σ (5)<br /> <br /> '''4.Αποτελέσματα και συζήτηση'''<br /> <br /> ''4.1. NDVI και παρακολούθηση ξηρασίας''<br /> <br /> Ο δείκτης NDVI χρησιμοποιήθηκε για τις περιόδους Ιουλίου-Σεπτεμβρίου των ετών 2002, 2003 με σκοπό να εξεταστεί η υγεία των καλλιεργειών και η χωρική τους μεταβλητότητα. Ο NDVI στις δυτικές (πιο ξηρές) περιοχές είναι μικρότερος σε σχέση με τα ανατολικά, το οποίο επαληθεύεται και με τον VCI αργότερα.<br /> <br /> ''4.2. Παρακολούθηση ξηρασίας μέσω του VCI''<br /> <br /> Όπως φαίνεται στην Εικόνα 1, το έτος 2002 υπήρξε ακραίο φαινόμενο ξηρασίας, κυρίως στο δυτικό Rajastan (χρονικό βήμα 15ήμερο). Το 2003 εμφανίστηκε μικρότερο ξέσπασμα ξηρασίας, με επίκεντρο κυρίως τα δυτικά.<br /> <br /> ''4.3. Παρακολούθηση ξηρασίας μέσω SPI''<br /> <br /> Ο SPI χρησιμοποιήθηκε για τον εντοπισμό της επίπτωσης της μετεωρολογικής ξηρασίας, την ένταση και τη χωρική και χρονική κατανομή της. Επίσης, συγκρίθηκε με τα αποτελέσματα του VCI (Εικόνα 2).<br /> <br /> ''4.4. VCI και SPI στο δεύτερο Ιουλιανό και πρώτο Αυγουστιάτικο δεκαπενθήμερο''<br /> <br /> Η μέση τιμή του VCI είναι &lt;50% για ξηρό έτος, ενώ πολλές περιοχές έχουν &lt;35%, το οποίο υποδεικνύει ακραία ξηρασία. Οι τιμές του SPI είναι και αυτές αρκετά μικρές για την ίδια χρονική περίοδο, ανάμεσα στις τιμές -1 και -2 που υποδηλώνουν ακραία φαινόμενα ξηρασίας. Οι δύο δείκτες, λοιπόν, δείχνουν να συμφωνούν.<br /> <br /> ''4.5. Δεκαπενθήμερο πρότυπο του VCI και του SPI''<br /> <br /> Για να ελεγχθεί η αξιοπιστία των αποτελεσμάτων των δύο δεικτών, πρέπει να γίνει συσχέτιση των τιμών του ξηρού έτους 2002 με το υγρό έτος 2003 και να ελεγχθεί η διαφορά του κάθε δείκτη στα δύο αυτά έτη.<br /> <br /> ''4.6. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Ο δείκτης RAI έδωσε αποτελέσματα ξηρασίας το 2003 και κανονικού έτους το 2003. Συμφωνεί, δηλαδή, με τον VCI.<br /> <br /> ''4.7. VCI και απόδοση σημαντικών βροχοκαλλιεργειών''<br /> <br /> Η απόδοση καλλιέργειας το έτος 2002 ήταν σημαντικά μικρότερη από αυτή του 2003 και μάλιστα για πληθώρα διαφορετικών καλλιεργειών (Εικόνα 3).<br /> <br /> ''4.8. VCI και δείκτης Ανωμαλιών απόδοσης (YAI)''<br /> <br /> O Δείκτης YAI υπολογίστηκε για το έτος 2002 και 2003 και υπολογίστηκε ότι για το 2002 οι τιμές ήταν αρνητικές και για το 2003 θετικές. Άρα, και αυτός ο δείκτης συμφωνεί με τα αποτελέσματα του VCI.<br /> <br /> '''5. Συμπεράσματα'''<br /> <br /> Η εργασία αυτή αναγνώρισε τη χωροχρονική έκταση της γεωργικής ξηρασίας μέσω της σύγκρισης των αποτελεσμάτων μεταξύ του δείκτη VCI, ο οποίος προκύπτει από τον NDVI, και των δεικτών SPI, RAI και YAI. Τα αποτελέσματα ήταν αξιόπιστα, καθώς όλοι οι δείκτες συμφωνούσαν με υψηλό βαθμό συσχέτισης.<br /> <br /> '''Αναφορές'''<br /> <br /> Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Adv. Space Res. 15, 91–100.<br /> <br /> Nicholson, S.E., Farrar, T.J., 1994. The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana: I. NDVI response to rainfall. Remote Sens. Environ. 50, 107–120.<br /> <br /> Son, N.T., Chen, C.F., Chen, C.R., Chang, L.Y., Minh, V.Q., 2012. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. Int. J. Appl. Earth Obs. Geoinf. 18, 417–427.<br /> <br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%BF_Rajasthan... 2020-01-18T14:00:35Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγ...'</p> <hr /> <div>'''Αξιολόγηση της γεωργικής ξηρασίας στο Rajasthan (Ινδία) χρησιμοποιώντας τον τηλεπισκοπικά εξαγόμενο δείκτη κατάστασης βλάστησης (VCI) και τυποποιημένο δείκτη κατακρημνίσεων (SPI)'''<br /> <br /> ''Συγγραφείς: Dipanwita Dutta, Arnab Kundu, N.R. Patel, S.K. Saha, A.R. Siddiqui''<br /> <br /> [https://doi.org/10.1016/j.ejrs.2015.03.006]<br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η γεωργική ξηρασία αποτελεί παγκόσμιο κλιματικό φαινόμενο. Αν και είναι αναπόφευκτο γεγονός, μπορεί να ελαττωθεί, αν υπάρχουν τα απαραίτητα χωρο-χρονικά δεδομένα των καλλιεργειών. Η εργασία αυτή προσπαθεί να αξιολογήσει την αποτελεσματικότητα της Τηλεπισκόπησης και των ΓΣΠ στην παρακολούθηση των χωροχρονικών αυτών δεδομένων, όπως δεδομένα NOAA-AVHRR NDVI και VCI. Τα δεδομένα εξήχθησαν μέσω του NDVI για την περιοχή Rajastan το έτος 2002, ενώ οι τιμές του VCI συγκρίθηκαν με τον Τυποποιημένο δείκτη βροχόπτωσης SPI και με τους δείκτες ανωμαλιών βροχόπτωσης RAI και ανωμαλιών απόδοσης YAI. Ο συντελεστής συσχέτισής τους ανήλθε στο r&gt;0.75.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία αποτελεί σοβαρό φαινόμενο σε χώρες, όπως η Ινδία, όπου το 68% των κατοίκων ασχολούνται με γεωργικές εργασίες. Στην Ινδία, συγκεκριμένα, η ξηρασία εμφανίζεται στα δυτικά , όπου η έλλειψη βροχόπτωσης και τα ακραία κλιματικά φαινόμενα είναι πιο έντονα. Το 2002-03 η Ινδία ήρθε αντιμέτωπη με ένα άκρως σοβαρό επεισόδιο ξηρασίας από άποψη μεγέθους και χωρικής διασποράς, επηρεάζοντας αρνητικά την γεωργική και ζωική παραγωγή. Έτσι, χρειάζεται ένα καλοσχεδιασμένο πλάνο καταπολέμησης της ξηρασίας, μέσω της χρήσης πολλών καλά διασκορπισμένων μετεωρολογικών σταθμών, αλλά επειδή κάτι τέτοιο σπάνια εφαρμόζεται, χρησιμοποιούνται δορυφορικές απεικονίσεις και εφαρμόζονται οι δείκτες NDVI και VCI (Nicholson and Farrar, 1994). Οι δύο δείκτες έχουν καλή ανάλυση και ακρίβεια, ενώ μελετούν τις ίδιες τις καλλιέργειες. Ταυτόχρονα, ο δείκτης SPI κατηγοριοποιεί την ξηρασία από σχεδόν κανονική (-0,99) έως ακραία (&lt;-2,0). Συνεπώς, γίνεται σύγκριση μεταξύ των SPI και<br /> VCI με αποτέλεσμα να γίνει παρακολούθηση της ξηρασίας, ενώ χρησιμοποιούνται και οι RAI και ΥΑΙ για την απόκλιση της βροχόπτωσης.<br /> <br /> '''2.Περιοχή μελέτης'''<br /> <br /> Το Rajastan βρίσκεται στη Β-Δ Ινδία και αποτελεί την μεγαλύτερη σε έκταση επαρχία της χώρας. Η οροσειρά Aravalli παίζει καθοριστικό ρόλο στη διαμόρφωση του κλίματος, καθώς συγκρατεί στην ανατολική του πλευρά τους μουσώνες που καταφθάνουν από την Αραβία. Έτσι, το μισό Rajastan χαρακτηρίζεται ως υγρό και το άλλο μισό ως ξηρό, καθώς στο υγρό τμήμα συγκεντρώνεται η πλειονότητα των βροχοπτώσεων.<br /> <br /> '''3.Υλικά και μέθοδοι'''<br /> <br /> Ο κυριότερος δείκτης που χρησιμοποιήθηκε στην εργασία είναι ο κανονικοποιημένος δείκτης βλάστησης NDVI, οποίος βασίζεται στο γεγονός ότι η χλωροφύλλη ανακλά πολύ έντονα στο εγγύς υπέρυθρο (NIR), ενώ ταυτόχρονα απορροφά μεγάλο μέρος της κόκκινης ακτινοβολίας (VIS). Ο δείκτης υπολογίζεται από την εξίσωση (1) και παίρνει τιμές από -1 έως 1 (Son et al., 2012).<br /> <br /> NDVI= (NIR-VIS)/(NIR+VIS) (1)<br /> <br /> Επειδή, όμως, ο NDVI δεν λαμβάνει υπόψη τον ατμοσφαιρικό θόρυβο, χρησιμοποιείται ο δείκτης VCI βασιζόμενος σε δεδομένα του NOAA-AVHRR για τα έτη 1984-2003. Ο VCI είναι διορθωμένος από ηφαιστειακά αερολύματα, νεφοκάλυψη και υπολειπόμενη υποβάθμιση αισθητήρα αποδίδοντας αξιόπιστα αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> ''3.1. Δείκτης Κατάστασης Βλάστησης (VCI)''<br /> <br /> Ο δείκτης VCI υπολογίστηκε σύμφωνα με την εξίσωση 2.<br /> <br /> VCI=(NDVIj-NDVImin)/(NDVImax-NDVImin)*100 (2)<br /> <br /> Όπου, NDVImax, NDVImin είναι οι μέγιστες και ελάχιστες τιμές κάθε pixel του κάθε μήνα και j είναι ο δείκτης του εξεταζόμενου μήνα. Τα αποτελέσματα του VCI ταξινομούνται σε κλίμακα όπου από 50-100% έχουμε κανονικές τιμές, 35-50% ξηρασία και &lt;35% ακραία ξηρασία (Kogan, 1995).<br /> <br /> ''3.2. Τυποποιημένος δείκτης βροχόπτωσης (SPI)''<br /> <br /> Ο δείκτης SPI υπολογίζεται σύμφωνα με τη σχέση 3, όπου α &gt;0 η παράμετρος σχήματος, β&gt;0 η παράμετρος κλίμακας, χ η ποσότητα βροχόπτωσης και Γ(α) η συνάρτηση γάμα.<br /> <br /> [[Αρχείο:G.png | | left]] (3)<br /> <br /> ''3.3. Απόδοση ανωμαλίας καλλιέργειας''<br /> <br /> Οι ανωμαλίες καλλιέργειας (YAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 4, όπου Υ η απόδοση καλλιέργειας, μ η μακράς διάρκειας μέση απόδοση και σ η τυπική απόκλιση.<br /> <br /> YAI=(Υ-μ)/σ (4)<br /> <br /> ''3.4. Δείκτης ανωμαλίας βροχόπτωσης (RAI)''<br /> <br /> Οι ανωμαλίες βροχόπτωσης (RAI) υπολογίζονται για τα έτη 1983-2004 από την εξίσωση 5, όπου R η βροχόπτωση, μ η μακράς διάρκειας μέση βροχόπτωση και σ η τυπική απόκλιση.<br /> <br /> RAI=(R-μ)/σ (5)<br /> <br /> '''4.Αποτελέσματα και συζήτηση'''<br /> <br /> ''4.1. NDVI και παρακολούθηση ξηρασίας''<br /> <br /> Ο δείκτης NDVI χρησιμοποιήθηκε για τις περιόδους Ιουλίου-Σεπτεμβρίου των ετών 2002, 2003 με σκοπό να εξεταστεί η υγεία των καλλιεργειών και η χωρική τους μεταβλητότητα. Ο NDVI στις δυτικές (πιο ξηρές) περιοχές είναι μικρότερος σε σχέση με τα ανατολικά, το οποίο επαληθεύεται και με τον VCI αργότερα.<br /> <br /> ''4.2. Παρακολούθηση ξηρασίας μέσω του VCI''<br /> <br /> Όπως φαίνεται στην Εικόνα 1, το έτος 2002 υπήρξε ακραίο φαινόμενο ξηρασίας, κυρίως στο δυτικό Rajastan (χρονικό βήμα 15ήμερο). Το 2003 εμφανίστηκε μικρότερο ξέσπασμα ξηρασίας, με επίκεντρο κυρίως τα δυτικά.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pin.png 2020-01-18T13:54:00Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SPI.png 2020-01-18T13:53:48Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Dr.png 2020-01-18T13:53:36Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:G.png 2020-01-18T13:53:24Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CF%85%CE%BD%CE%B1%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangxi_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-01-18T13:45:32Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Η μελέτη της δυναμικής παρακολούθησης της ξηρασίας ρυζιού στην επαρχία Jiangxi με τηλεπισκόπηση'''<br /> <br /> ''Συγγραφείς: Zhang Xiu-Ping, Li Rong-Fang, Lei Sheng, Fu Qun, Wang Xiao-Xiao''<br /> <br /> [https://doi.org/10.1016/j.proenv.2011.09.289]<br /> <br /> [[Αρχείο:Matrix.png | thumb | right | Πίνακας 1: Ταξινόμηση ξηρασίας TD στην επαρχία Jiangxi]]<br /> <br /> [[Αρχείο:Diagramma.png | thumb |right | Εικόνα 1: Εξέλιξη της ημερίας μέγιστης θερμοκρασίας και βροχόπτωσης της επαρχίας Jiangxi]]<br /> <br /> [[Αρχείο:3hrasia.png | thumb | right| Εικόνα 2: Κατανομή της ξηρασίας της επαρχίας Jiangxi]]<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Ο αισθητήρας MODIS χρησιμοποιείται για μεγάλης κλίμακας και μακράς περιόδου παρακολούθηση της ξηρασίας, καθώς προσφέρει υψηλή χρονική και φασματική ανάλυση. Στην εργασία αυτή μελετώνται οι ορυζώνες της επαρχίας Jiangxi στην Κίνα μέσω της χρήσης ενός μοντέλου παρακολούθησης και δεικτών ξηρασίας που προσφέρουν τα δεδομένα του MODIS για την περίοδο 2000-08. Η εργασία έχει μεγάλη σπουδαιότητα στην παρακολούθηση της γεωργικής ξηρασίας των καλλιεργειών ρυζιού της νότιας Κίνας, διότι χρησιμοποιεί επιλεγμένους δείκτες TD και δείκτες κάλυψης σύννεφων μαζί με βροχόπτωση και μέγιστη ημερήσια τιμή της καμπύλης εξέλιξης της θερμοκρασίας.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η επαρχία Jiangxi είναι αρκετά ανεπτυγμένη όσον αφορά τη γεωργία, σε απόδοση ρυζιού ανέρχεται τρίτη σε εθνικό επίπεδο και είναι απαραίτητη για την εθνική επάρκεια τροφίμων. Ωστόσο, είναι ευάλωτη σε ξεσπάσματα ξηρασίας. Μάλιστα, σε τοπικό επίπεδο, αγροτική ξηρασία ξεσπά σχεδόν κάθε χρόνο. Συνεπώς, η τηλεπισκοπική παρατήρηση μπορεί να δώσει δυναμικά αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> '''Οι επιλογές δεικτών ξηρασίας ρυζιού στην Jiangxi'''<br /> <br /> Έχουν δημιουργηθεί διάφοροι μέθοδοι παρακολούθησης της ξηρασίας, οι οποίοι όμως συναντούν δυσκολίες. Για παράδειγμα, ο δείκτης αποθέματος νερού της βλάστησης απαιτεί ξηρό και άγονο έδαφος. Άλλοι δείκτες απαιτούν το συνυπολογισμό της ταχύτητας του ανέμου ή την κατανομή των υδρατμών. Επιπλέον, το μικροκλίμα κάθε περιοχής παίζει σημαντικό ρόλο (Hu Mei, 2008). Ακόμα και ο NDVI, ο οποίος θεωρείται σπουδαίος για την παρατήρηση ξηρασίας, έχει κάποια μειονεκτήματα, τα οποία αφορούν κυρίως το γεγονός ότι η ανάπτυξη της καλλιέργειας κατά τη διάρκεια της ξηρασίας παρουσιάζει κάποια χρονική υστέρηση και συνεπώς η ξηρασία δεν γίνεται άμεσα αντιληπτή. Η συνήθης περίοδος ξεσπάσματος τη ξηρασίας είναι το δίμηνο Ιουλίου-Αυγούστου, το οποίο συμπίπτει με την ισχυρότερη περίοδο ανάπτυξης του ρυζιού. <br /> <br /> ''1 Η σχέση μεταξύ της θερμοκρασίας του θόλου του φυλλώματος και της πίεσης του νερού.''<br /> <br /> Όταν η εδαφική υγρασία είναι χαμηλή το φύλλωμα του φυτού κλείνει τα στόματά του με αποτέλεσμα να μειώνεται η απώλεια λόγω διαπνοής. Έτσι, αυξάνεται η θερμοκρασία του θόλου με αποτέλεσμα το φυτό να παρουσιάζει υδατική πίεση (στρες). Επομένως, η αύξηση της θερμοκρασίας του θόλου του φυλλώματος του ρυζιού αποτελεί τον πρώτο παράγοντα ανίχνευσης της ξηρασίας (Cheng WangDa et al., 2001).<br /> <br /> ''2 Διαφορά θερμοκρασίας μέρας και νύχτας.''<br /> Η επιφανειακή θερμοκρασία είναι καλός παράγοντας ένδειξης της ενεργειακής ισορροπίας της επιφάνειας. Μάλιστα, η μεγάλη διαφορά θερμοκρασίας μεταξύ μέρας και νύχτας οδηγεί στην ταυτόχρονη μείωση της εδαφικής υγρασίας οδηγώντας σε ακραία φαινόμενα ξηρασίας. Πάντως, η μέτρηση της διαφοράς θερμοκρασίας πρέπει να γίνεται σε περιόδους όπου δεν υπάρχει νεφοκάλυψη, η οποία προκαλεί σφάλματα κυρίως στο θερμικό κανάλι.<br /> <br /> ''3 Σύννεφα.''<br /> <br /> Η βροχόπτωση, η οποία παίζει σημαντικό ρόλο στην ανακούφιση μιας περιοχής από την ξηρασία, προέρχεται από τα σύννεφα, τα οποία αποτελούν σημαντική οντότητα για την παρακολούθηση της ξηρασίας, καθώς εκτός από τη βροχόπτωση μειώνουν την προσπίπτουσα ηλιακή ακτινοβολία στην επιφάνεια και συνεπώς την εξατμισοδιαπνοή. Όταν η θερμοκρασία των σύννεφων είναι χαμηλή, σημαίνει ότι πρόκειται να επέλθει βροχόπτωση.<br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> ''Υπόθεση''<br /> <br /> Οι εικόνες MODIS διαθέτουν 36 κανάλια και είναι δωρεάν. Ο δέκτης μπορεί να λάβει 4 εικόνες της ίδιας περιοχής σε μία μέρα, δύο κατά τη διάρκεια της ημέρας και δύο τη νύχτα. Χρησιμοποιήθηκαν συνθετικά προϊόντα θερμοκρασίας της γήινης επιφάνειας διάρκειας 8 ημερών από τον Ιούλιο μέχρι τον Σεπτέμβριο των ετών 2000-08, με χωρική διακριτική ικανότητα της τάξης του 1χμ στα κανάλια 31, 32 για μέρα και νύχτα. Μέσω της ανάλυσης της θερμοκρασίας και της ξηρασίας στις καλλιέργειες ρυζιού, έγινε μια ταξινόμηση κλάσεων έντασης της ξηρασίας με βάση την ένδειξη TD, η οποία είναι η διαφορά μεταξύ μέρας και νύχτας (Πίνακας 1).<br /> <br /> '''Ανάλυση'''<br /> <br /> Το καλοκαίρι του 2003 στη νότια Κίνα ξέσπασε πρωτοφανούς έντασης ξηρασία, η οποία συνεχίστηκε μέχρι και το χειμώνα. Την περίοδο Ιουλίου-Αυγούστου, το 58% της επαρχίας Jiangxi πλήχθηκε από ξηρασία. Έτσι, επιλέχθηκε αυτό το έτος για να αναλυθεί η εξέλιξη της ημερήσιας μέγιστης θερμοκρασίας και βροχόπτωσης (Εικόνα 1).<br /> <br /> Στην Εικόνα 2 φαίνεται η κατανομή της ξηρασίας από τον Ιούλιο μέχρι το Σεπτέμβριο για την επαρχία Jiangxi. Η θερμοκρασία παίρνει μέγιστη τιμή την περίοδο 13-17 Ιουλίου, ενώ μία μικρή βροχόπτωση συνέβει στις 4 Αυγούστου. Μετά τις 14 Αυγούστου η νεφοκάλυψη αυξάνεται με αποτέλεσμα να μειώνεται η επίδραση της ξηρασίας.<br /> <br /> '''Σύνοψη'''<br /> <br /> Μέσω της ανάλυσης της σχέσης μεταξύ της θερμοκρασίας του θόλου του φυλλώματος και τα δεδομένα του δείκτη TD από τον MODIS, αποδείχθηκε ότι ο δείκτης αυτός αποτελεί αξιόπιστο εργαλείο για τον προσδιορισμό της ξηρασίας στην επαρχία Jinagxi.<br /> <br /> Για ακόμη καλύτερα αποτελέσματα, καλό είναι να αποφεύγονται οι εικόνες με σύννεφα. Παρά το γεγονός ότι τα σύννεφα δεν δίνουν πληροφορίες για την επιφάνεια του εδάφους, μέσω κατάλληλης επεξεργασίας, από τη θερμοκρασία των σύννεφων μπορούν να αντληθούν πληροφορίες που αφορούν την επίδραση της ξηρασίας.<br /> <br /> '''Αναφορές'''<br /> <br /> Cheng WangDa, Zhao GuoPing, Yao HaiGen Ect: Application of Canopy Temperature in Screening of Rice Genotypes with Resistance to Drought. Chinese Bulletin of Botany, 2001, 18(1): 70-75<br /> <br /> Hu Mei: The Research on the Drought and Its Influence on the Production of Grain in Jiangxi Province by Remote Sensing: JiangXi: Jiangxi Normal University, 2008<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CF%85%CE%BD%CE%B1%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CF%80%CE%B1%CF%81%CF%87%CE%AF%CE%B1_Jiangxi_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7 2020-01-18T13:44:58Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Η μελέτη της δυναμικής παρακολούθησης της ξηρασίας ρυζιού στην επαρχία Jiangxi με τηλεπισκόπη...'</p> <hr /> <div>'''Η μελέτη της δυναμικής παρακολούθησης της ξηρασίας ρυζιού στην επαρχία Jiangxi με τηλεπισκόπηση'''<br /> <br /> ''Συγγραφείς: Zhang Xiu-Ping, Li Rong-Fang, Lei Sheng, Fu Qun, Wang Xiao-Xiao''<br /> <br /> [https://doi.org/10.1016/j.proenv.2011.09.289]<br /> <br /> [[Αρχείο:Matrix.png | thumb | right | Πίνακας 1: Ταξινόμηση ξηρασίας TD στην επαρχία Jiangxi]]<br /> <br /> [[Αρχείο:Diagramma.png | thumb |right | Εικόνα 1: Εξέλιξη της ημερίας μέγιστης θερμοκρασίας και βροχόπτωσης της επαρχίας Jiangxi]]<br /> <br /> [[Αρχείο:3hrasia.png | thumb | right| Εικόνα 2: Κατανομή της ξηρασίας της επαρχίας Jiangxi]]<br /> <br /> <br /> '''Περίληψη'''<br /> <br /> Ο αισθητήρας MODIS χρησιμοποιείται για μεγάλης κλίμακας και μακράς περιόδου παρακολούθηση της ξηρασίας, καθώς προσφέρει υψηλή χρονική και φασματική ανάλυση. Στην εργασία αυτή μελετώνται οι ορυζώνες της επαρχίας Jiangxi στην Κίνα μέσω της χρήσης ενός μοντέλου παρακολούθησης και δεικτών ξηρασίας που προσφέρουν τα δεδομένα του MODIS για την περίοδο 2000-08. Η εργασία έχει μεγάλη σπουδαιότητα στην παρακολούθηση της γεωργικής ξηρασίας των καλλιεργειών ρυζιού της νότιας Κίνας, διότι χρησιμοποιεί επιλεγμένους δείκτες TD και δείκτες κάλυψης σύννεφων μαζί με βροχόπτωση και μέγιστη ημερήσια τιμή της καμπύλης εξέλιξης της θερμοκρασίας.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η επαρχία Jiangxi είναι αρκετά ανεπτυγμένη όσον αφορά τη γεωργία, σε απόδοση ρυζιού ανέρχεται τρίτη σε εθνικό επίπεδο και είναι απαραίτητη για την εθνική επάρκεια τροφίμων. Ωστόσο, είναι ευάλωτη σε ξεσπάσματα ξηρασίας. Μάλιστα, σε τοπικό επίπεδο, αγροτική ξηρασία ξεσπά σχεδόν κάθε χρόνο. Συνεπώς, η τηλεπισκοπική παρατήρηση μπορεί να δώσει δυναμικά αποτελέσματα παρακολούθησης της ξηρασίας.<br /> <br /> '''Οι επιλογές δεικτών ξηρασίας ρυζιού στην Jiangxi'''<br /> <br /> Έχουν δημιουργηθεί διάφοροι μέθοδοι παρακολούθησης της ξηρασίας, οι οποίοι όμως συναντούν δυσκολίες. Για παράδειγμα, ο δείκτης αποθέματος νερού της βλάστησης απαιτεί ξηρό και άγονο έδαφος. Άλλοι δείκτες απαιτούν το συνυπολογισμό της ταχύτητας του ανέμου ή την κατανομή των υδρατμών. Επιπλέον, το μικροκλίμα κάθε περιοχής παίζει σημαντικό ρόλο (Hu Mei, 2008). Ακόμα και ο NDVI, ο οποίος θεωρείται σπουδαίος για την παρατήρηση ξηρασίας, έχει κάποια μειονεκτήματα, τα οποία αφορούν κυρίως το γεγονός ότι η ανάπτυξη της καλλιέργειας κατά τη διάρκεια της ξηρασίας παρουσιάζει κάποια χρονική υστέρηση και συνεπώς η ξηρασία δεν γίνεται άμεσα αντιληπτή. Η συνήθης περίοδος ξεσπάσματος τη ξηρασίας είναι το δίμηνο Ιουλίου-Αυγούστου, το οποίο συμπίπτει με την ισχυρότερη περίοδο ανάπτυξης του ρυζιού. <br /> <br /> ''1 Η σχέση μεταξύ της θερμοκρασίας του θόλου του φυλλώματος και της πίεσης του νερού.''<br /> <br /> Όταν η εδαφική υγρασία είναι χαμηλή το φύλλωμα του φυτού κλείνει τα στόματά του με αποτέλεσμα να μειώνεται η απώλεια λόγω διαπνοής. Έτσι, αυξάνεται η θερμοκρασία του θόλου με αποτέλεσμα το φυτό να παρουσιάζει υδατική πίεση (στρες). Επομένως, η αύξηση της θερμοκρασίας του θόλου του φυλλώματος του ρυζιού αποτελεί τον πρώτο παράγοντα ανίχνευσης της ξηρασίας (Cheng WangDa et al., 2001).<br /> <br /> ''2 Διαφορά θερμοκρασίας μέρας και νύχτας.''<br /> Η επιφανειακή θερμοκρασία είναι καλός παράγοντας ένδειξης της ενεργειακής ισορροπίας της επιφάνειας. Μάλιστα, η μεγάλη διαφορά θερμοκρασίας μεταξύ μέρας και νύχτας οδηγεί στην ταυτόχρονη μείωση της εδαφικής υγρασίας οδηγώντας σε ακραία φαινόμενα ξηρασίας. Πάντως, η μέτρηση της διαφοράς θερμοκρασίας πρέπει να γίνεται σε περιόδους όπου δεν υπάρχει νεφοκάλυψη, η οποία προκαλεί σφάλματα κυρίως στο θερμικό κανάλι.<br /> <br /> ''3 Σύννεφα.''<br /> <br /> Η βροχόπτωση, η οποία παίζει σημαντικό ρόλο στην ανακούφιση μιας περιοχής από την ξηρασία, προέρχεται από τα σύννεφα, τα οποία αποτελούν σημαντική οντότητα για την παρακολούθηση της ξηρασίας, καθώς εκτός από τη βροχόπτωση μειώνουν την προσπίπτουσα ηλιακή ακτινοβολία στην επιφάνεια και συνεπώς την εξατμισοδιαπνοή. Όταν η θερμοκρασία των σύννεφων είναι χαμηλή, σημαίνει ότι πρόκειται να επέλθει βροχόπτωση.<br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> ''Υπόθεση''<br /> <br /> Οι εικόνες MODIS διαθέτουν 36 κανάλια και είναι δωρεάν. Ο δέκτης μπορεί να λάβει 4 εικόνες της ίδιας περιοχής σε μία μέρα, δύο κατά τη διάρκεια της ημέρας και δύο τη νύχτα. Χρησιμοποιήθηκαν συνθετικά προϊόντα θερμοκρασίας της γήινης επιφάνειας διάρκειας 8 ημερών από τον Ιούλιο μέχρι τον Σεπτέμβριο των ετών 2000-08, με χωρική διακριτική ικανότητα της τάξης του 1χμ στα κανάλια 31, 32 για μέρα και νύχτα. Μέσω της ανάλυσης της θερμοκρασίας και της ξηρασίας στις καλλιέργειες ρυζιού, έγινε μια ταξινόμηση κλάσεων έντασης της ξηρασίας με βάση την ένδειξη TD, η οποία είναι η διαφορά μεταξύ μέρας και νύχτας (Πίνακας 1).<br /> <br /> '''Ανάλυση'''<br /> <br /> Το καλοκαίρι του 2003 στη νότια Κίνα ξέσπασε πρωτοφανούς έντασης ξηρασία, η οποία συνεχίστηκε μέχρι και το χειμώνα. Την περίοδο Ιουλίου-Αυγούστου, το 58% της επαρχίας Jiangxi πλήχθηκε από ξηρασία. Έτσι, επιλέχθηκε αυτό το έτος για να αναλυθεί η εξέλιξη της ημερήσιας μέγιστης θερμοκρασίας και βροχόπτωσης (Εικόνα 1).<br /> <br /> Στην Εικόνα 2 φαίνεται η κατανομή της ξηρασίας από τον Ιούλιο μέχρι το Σεπτέμβριο για την επαρχία Jiangxi. Η θερμοκρασία παίρνει μέγιστη τιμή την περίοδο 13-17 Ιουλίου, ενώ μία μικρή βροχόπτωση συνέβει στις 4 Αυγούστου. Μετά τις 14 Αυγούστου η νεφοκάλυψη αυξάνεται με αποτέλεσμα να μειώνεται η επίδραση της ξηρασίας.<br /> <br /> '''Σύνοψη'''<br /> <br /> Μέσω της ανάλυσης της σχέσης μεταξύ της θερμοκρασίας του θόλου του φυλλώματος και τα δεδομένα του δείκτη TD από τον MODIS, αποδείχθηκε ότι ο δείκτης αυτός αποτελεί αξιόπιστο εργαλείο για τον προσδιορισμό της ξηρασίας στην επαρχία Jinagxi.<br /> <br /> Για ακόμη καλύτερα αποτελέσματα, καλό είναι να αποφεύγονται οι εικόνες με σύννεφα. Παρά το γεγονός ότι τα σύννεφα δεν δίνουν πληροφορίες για την επιφάνεια του εδάφους, μέσω κατάλληλης επεξεργασίας, από τη θερμοκρασία των σύννεφων μπορούν να αντληθούν πληροφορίες που αφορούν την επίδραση της ξηρασίας.<br /> <br /> '''Αναφορές'''<br /> <br /> Cheng WangDa, Zhao GuoPing, Yao HaiGen Ect: Application of Canopy Temperature in Screening of Rice Genotypes with Resistance to Drought. Chinese Bulletin of Botany, 2001, 18(1): 70-75<br /> <br /> Hu Mei: The Research on the Drought and Its Influence on the Production of Grain in Jiangxi Province by Remote Sensing: JiangXi: Jiangxi Normal University, 2008<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:3hrasia.png 2020-01-18T13:33:09Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Diagramma.png 2020-01-18T13:32:58Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Matrix.png 2020-01-18T13:32:47Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CF%87%CE%BF%CE%BD%CE%B4%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82 2020-01-18T13:27:22Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης'''<br /> <br /> ''Συγγραφείς: O. Rojas, A. Vrieling, F. Rembold''<br /> <br /> [https://doi.org/10.1016/j.rse.2010.09.006]<br /> <br /> [[Αρχείο:Flow chart.png | thumb | right | Εικόνα 1: Διάγραμμα ροής]]<br /> <br /> [[Αρχείο:Drought.png | thumb | right | Εικόνα 2: Ποσοστό της γεωργικής έκτασης που επλήγη από την ξηρασία κατά την πρώτη καλλιεργητική περίοδο (VHI&lt;35) από το 1982 έως το 2010 (οι εποχές 1994/95 και 2009/10 δεν είναι πλήρεις)]]<br /> <br /> [[Αρχείο:Probability.png | thumb | right | Εικόνα 3: Πιθανότητα εμφάνισης μεγαλύτερης από 30% (Α) ή άνω του 50% (Β) της γεωργικής έκτασης που επλήγη από την ξηρασία κατά διοικητική μονάδα (1) κατά την πρώτη καλλιεργητική περίοδο (2) κατά τη δεύτερη συγκομιδή]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η ξηρασία αποτελεί μία από τις πιο συνηθισμένες κλιματολογικές καταστροφές κατά μήκος ενός μεγάλου τμήματος της Αφρικανικής ηπείρου, προκαλώντας δυσμενείς συνέπειες στις καλλιέργειες. Η εργασία αυτή συστήνει μια καινοτόμο μέθοδο για τον υπολογισμό της εμπειρικής πιθανότητας ένα ενδεχόμενο ξηρασίας να επηρεάσει ένα σημαντικό μέρος της καλλιεργήσιμης έκτασης σε εθνικό επίπεδο. Χρησιμοποιήθηκε ο δείκτης υγιούς βλάστησης (VHI) από τον ραδιομετρικό δέκτη πολύ υψηλής ανάλυσης (AVHRR) ως κύριο μέσο ανίχνευσης ξηρασίας, σε επίπεδο κάθε χώρας ξεχωριστά. Επιπλέον, χρησιμοποιήθηκε ένα φαινολογικό μοντέλο βασισμένο στη δείκτη NDVI. Ο δείκτης VHI, σύμφωνα με το φαινολογικό μοντέλο, αποδείχθηκε έγκυρος δείκτης ξηρασίας, ενώ είναι υψηλά συσχετισμένος με τα φαινόμενα ξηρασίας στην Αφρική κατά την περίοδο 1981-2009.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία στις Αφρικανικές χώρες έχει προκαλέσει προβλήματα στα υδατικά αποθέματα, στην αγροτική και κτηνοτροφική παραγωγή, ενώ είναι η αιτία για ξεσπάσματα λιμού, επιδημιών και μετατόπισης πληθυσμών (Gommes &amp; Petrassi, 1994). Επομένως, η αναγνώριση και πρόβλεψη της ξηρασίας είναι αναγκαία για τον προγραμματισμό και την αποτελεσματικότητα της διάθεσης των τροφίμων. Ένας περιορισμός αυτής της πρόβλεψης είναι τα ελλιπή βροχομετρικά δεδομένα, αποτέλεσμα των χωρικών κενών που αφήνουν οι αντίστοιχοι σταθμοί της κάθε χώρας. Έτσι, τα δεδομένα αυτά αντικαθιστώνται από αντίστοιχα ατμοσφαιρικά, τα οποία με τη σειρά τους περιέχουν σφάλματα. Τα σφάλματα, αυτά, δεν μπορούν να απαλειφθούν λόγω της έλλειψης επίγειων μετρήσεων. Το πληροφοριακό, αυτό, έλλειμμα έρχονται να καλύψουν τεχνικές που αφορούν άμεσα τις καλλιέργειες<br /> και σχετίζονται με το φύλλωμά τους (Verdin et al., 2005). Μία τέτοια τεχνική είναι ο δείκτης NDVI, ο οποίος αξιοποιεί την ανακλώμενη ακτινοβολία της πράσινης βλάστησης στο κόκκινο και στο εγγύς υπέρυθρο φάσμα της ακτινοβολίας. Ο δείκτης αυτός, επηρεάζεται ακόμα από την εδαφική υγρασία και μπορεί να δημιουργηθεί αξιοποιώντας -δωρεάν- δορυφορικά δεδομένα από δέκτες όπως οι MODIS, SPOT, VEGETATION και από τον AVHRR, ο οποίος αν και έχει την χαμηλότερη χωρική ανάλυση, προσφέρει μεγαλύτερες χρονοσειρές ακόμα και στο θερμικό κανάλι.<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1 Δεδομένα''<br /> <br /> Τα κυρίως δεδομένα είναι οι μακράς διάρκειας χρονοσειρές του NOAA AVHRR και αξιοποιήθηκαν ως:<br /> * Δείκτης υγιούς βλάστησης (VHI) από το κέντρο για Δορυφορικές Εφαρμογές και Έρευνα (STAR) της Εθνικής Περιβαλλοντικής δορυφορικής υπηρεσίας δεδομένων και πληροφοριών (NESDIS) (εβδομαδιαία δεδομένα, 16 χμ ανάλυσης, 1981-2010).<br /> * Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) από τη NASA (δεδομένα ανά 15 ημέρες, 8 χμ ανάλυση, 1981-2010).<br /> Χρησιμοποιήθηκαν δύο επιπλέον πηγές χωρικών δεδομένων: μάσκα καλλιέργειας (FAO και GLC2000) και όρια διοικητικών περιοχών (GAUL).<br /> <br /> ''2.2 Μεθοδολογία''<br /> <br /> ''2.2.1 Δείκτης υγιούς βλάστησης (VHI)''<br /> <br /> Ο δείκτης υγιούς βλάστησης (VHI) (Kogan, 1995) έχει χρησιμοποιηθεί σε διάφορες κλιματολογικές συνθήκες ανά την υφήλιο και συνδυάζει τους δείκτες VCI (Δείκτης Κατάστασης Βλάστησης) και TCI (Δείκτης Κατάστασης Θερμοκρασίας), όπου:<br /> <br /> VCIi = 100*(NDVIi–NDVImin)/(NDVImax–NDVImin) και<br /> <br /> TCIi = 100*(Tmax–Ti)/( Tmax–Tmin).<br /> <br /> Ο VCI χρησιμοποιείται για την ποσοτικοποίηση των επιπτώσεων των καιρικών συνθηκών και ο TCI για την απαλοιφή της ατμοσφαιρικής επίδρασης.<br /> <br /> Έτσι, ο VHI είναι:<br /> <br /> VHIi =w1*VCIi +w2*TCIi, με w1=w2=0.5 και αντιστοιχεί στο βάρος που δίνεται στον κάθε δείκτη.<br /> <br /> ''2.2.2 Μάσκα καλλιέργειας''<br /> <br /> Για τη δημιουργία της μάσκας μελετήθηκαν διάφορες ετήσιες καλλιέργειες σύμφωνα με τον FAΟ και την GLC2000, όπως ρύζι, σιτάρι κ.α.<br /> <br /> ''2.2.3 Προσδιορισμός της βέλτιστης περιόδου ενσωμάτωσης του VHI για τις γεωργικές περιοχές (χρονική συσσωμάτωση)''<br /> <br /> Ο δείκτης VHI υπολογίστηκε για κάθε εβδομάδα σύμφωνα με τον NDVI για τη χρονική περίοδο που ξεκινά από τον Ιούνιο (SOS) και τελειώνει τον Οκτώβριο (EGF=EOS-6 εβδομάδες) κάθε έτους. Αυτή κρίνεται ότι είναι η πιο κρίσιμη περίοδος της ανάπτυξης των καλλιεργειών για το σύνολο της Αφρικής (White et al., 1997). Από τα εβδομαδιαία δεδομένα υπολογίστηκε ο μέσος όρος κάθε έτους.<br /> <br /> ''2.2.4. Γεωγραφική συσσωμάτωση VHI''<br /> <br /> Σύμφωνα με το διάγραμμα ροής (Εικόνα 1) φαίνεται η διαδικασία προσδιορισμού της γεωγραφικής συσσωμάτωσης του VHI. Ιδιαίτερη προσοχή δόθηκε ώστε μόνο όσα pixels καλύπτονται τουλάχιστον κατά 25% από την μάσκα καλλιέργειας και βρίσκονται εντός των διοικητικών περιοχών (Genovese et al., 2001). Τα pixels αυτά πήραν ανάλογες τιμές βάρους.<br /> <br /> ''2.2.5. Χαρτογράφηση πιθανοτήτων''<br /> <br /> Χρησιμοποιήθηκαν δύο αυθαίρετα κατώφλια για τον υπολογισμό της πιθανότητας ξηρασίας, ένα στο 30% και ένα στο 50% (VHI&lt;35) (Εικόνα 2). Αν σε μια διοικητική περιφέρεια το 30% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε περισσότερα αγροτικά νοικοκυριά βιώνουν τις συνέπειες. Αν το 50% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε έχουμε ένα ακραίο ξέσπασμα ξηρασίας με πιθανότητα P.<br /> <br /> '''3.Αποτελέσματα'''<br /> <br /> ''3.1 Μάσκα καλλιέργειας, SOS και EGF''<br /> <br /> Γενικά, το φαινολογικό μοντέλο είναι πιο αξιόπιστο για τις ομοιογενείς περιοχές με μικρή υγρή περίοδο. Επιπλέον, το μοντέλο διακρίνει κλιματικά πρότυπα μεταξύ περιοχών με διαφορετικές καλλιέργειες.<br /> <br /> ''3.2 Μέσος όρος VHI για την καλλιεργητική περίοδο και ποσοστό της γεωργικής έκτασης που πλήττεται από την ξηρασία''<br /> <br /> Ο μέσο όρος του VHI υποδεικνύει την εμμονή της ξηρασίας κατά τη διάρκεια της καλλιεργητικής περιόδου. Μάλιστα, ο υπολογισμός του ποσοστού της συνολικής επηρεαζόμενης από την ξηρασία καλλιεργήσιμης έκτασης αναλύει την χωρική επίδραση της ξηρασίας σε υποεθνικό επίπεδο κατά την περίοδο της μεγαλύτερης υδατικής πίεσης. Η σημαντικότερη ξηρασία παρατηρήθηκε στην περιοχή Σαχέλ (Ανατολική Αφρική) το 1984. Άλλα σημαντικά ξεσπάσματα ξηρασίας αποδείχθηκε ότι ήταν αυτές του 1991/92 στη Ν. Αφρική και του 1997 στην Αλγερία και Μαρόκο. Η ανάλυση του ποσοστού της έκτασης που επηρεάζεται από ξηρασία σε διαφορετικές χωρικές κλίμακες (ηπειρωτικό, περιφερειακό, εθνικό, υποεθνικό), δηλώνει την ευελιξία της μεθοδολογίας αυτής, με σκοπό διάφορες διεθνείς επιτροπές να μπορούν να κατανοήσουν αποτελεσματικότερα το φαινόμενο της ξηρασίας, την έντασή του και τους τρόπους αντιμετώπισής του.<br /> <br /> ''3.3Εμπειρικές πιθανότητες σε υποεθνικό επίπεδο.''<br /> <br /> Τα κατώφλια του 30% και 50% μπορούν ανάλογα με την περιοχή και τη μελέτη να μεταβάλλονται συνυπολογίζοντας παράγοντες όπως ο πληθυσμός, η οικονομία κλπ εκτός από τις διοικητικές περιφέρειες (Εικόνα 3).<br /> <br /> '''4. Συζήτηση και συμπεράσματα'''<br /> <br /> Η μεθοδολογία έδωσε δόκιμα αποτελέσματα στην καταγραφή ιστορικών ξηρασιών στην Αφρικανική ήπειρο. Επίσης, έγινε γεωγραφικός προσδιορισμός των πιο ευαίσθητων περιοχών. Σε συνδυασμό με τις αυξητικές τάσεις του πληθυσμού στις Αφρικανικές χώρες, μπορεί να γίνει καλύτερος σχεδιασμός στις καλλιεργητικές στρατηγικές και στη διάθεση του νερού. Ωστόσο, η εργασία αφορά τη γεωργική ξηρασία. Η περαιτέρω ανάλυση ενσωματώνοντας άλλους τομείς, όπως κοινωνία ή οικονομία, αλλά και επιπλέον δείκτες, όπως δεδομένα βροχόπτωσης, μπορεί να δώσουν αποτελέσματα σε ακόμα μικρότερη χωρική κλίμακα, με προσοχή πάντα στις μικρές προσαρμογές που πρέπει να εφαρμοστούν. Έτσι, μπορούν να χρησιμοποιηθούν διαφορετικά κατώφλια ή να ληφθούν υπόψη διάφορες καλλιεργητικές περίοδοι. Τέλος, σε όλα τα ανωτέρω πρέπει να συμπεριληφθεί η κλιματική αλλαγή, η οποία μπορεί να υπολογιστεί, προκαταρκτικά, από το τελικό εξαγόμενο της πιθανότητας της ξηρασίας που προτείνει η εργασία αυτή, ενώ μέσω λεπτομερούς ανάλυσης μπορούν να εφαρμοστούν στρατηγικές για άμβλυνση του φαινομένου, τόσο της ξηρασίας όσο και της κλιματικής αλλαγής.<br /> <br /> '''Αναφορές'''<br /> <br /> Genovese, G., Vignolles, C., Nègre, T., &amp; Passera, G. (2001). A methodology for a combined use of normalized difference vegetation index and CORINE land cover data for crop yield monitoring and forecasting. A case study on Spain. Agronomie, 21(1), 91-111.<br /> <br /> Gommes, R., &amp; Petrassi, F. (1994). Rainfall variability and drought in sub-Saharan Africa since 1960. FAO Agrometeorology Series Working Papers No. 9 100 pp.<br /> <br /> Kogan, F. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15, 91-100.<br /> <br /> Verdin, J., Funk, C., Senay, G., &amp; Choularton, R. (2005). Climate science and famine early warning. Philosophical Transactions of the Royal Society, 360, 2155-2168.<br /> <br /> White, M. A., Thornton, P. E., &amp; Running, S. W. (1997). A continental phenology model for monitoring vegetation responses to inter-annual climatic variability. Global Biogeochemical Cycles, 11(2), 217-234.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CF%87%CE%BF%CE%BD%CE%B4%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82 2020-01-18T13:26:45Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης'''<br /> <br /> ''Συγγραφείς: O. Rojas, A. Vrieling, F. Rembold''<br /> <br /> [https://doi.org/10.1016/j.rse.2010.09.006]<br /> <br /> [[Αρχείο:Flow chart.png | thumb | right | Εικόνα 1: Διάγραμμα ροής]]<br /> <br /> [[Αρχείο:Drought | thumb | right | Εικόνα 2: Ποσοστό της γεωργικής έκτασης που επλήγη από την ξηρασία κατά την πρώτη καλλιεργητική περίοδο (VHI&lt;35) από το 1982 έως το 2010 (οι εποχές 1994/95 και 2009/10 δεν είναι πλήρεις)]]<br /> <br /> [[Αρχείο:Probability | thumb | right | Εικόνα 3: Πιθανότητα εμφάνισης μεγαλύτερης από 30% (Α) ή άνω του 50% (Β) της γεωργικής έκτασης που επλήγη από την ξηρασία κατά διοικητική μονάδα (1) κατά την πρώτη καλλιεργητική περίοδο (2) κατά τη δεύτερη συγκομιδή]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η ξηρασία αποτελεί μία από τις πιο συνηθισμένες κλιματολογικές καταστροφές κατά μήκος ενός μεγάλου τμήματος της Αφρικανικής ηπείρου, προκαλώντας δυσμενείς συνέπειες στις καλλιέργειες. Η εργασία αυτή συστήνει μια καινοτόμο μέθοδο για τον υπολογισμό της εμπειρικής πιθανότητας ένα ενδεχόμενο ξηρασίας να επηρεάσει ένα σημαντικό μέρος της καλλιεργήσιμης έκτασης σε εθνικό επίπεδο. Χρησιμοποιήθηκε ο δείκτης υγιούς βλάστησης (VHI) από τον ραδιομετρικό δέκτη πολύ υψηλής ανάλυσης (AVHRR) ως κύριο μέσο ανίχνευσης ξηρασίας, σε επίπεδο κάθε χώρας ξεχωριστά. Επιπλέον, χρησιμοποιήθηκε ένα φαινολογικό μοντέλο βασισμένο στη δείκτη NDVI. Ο δείκτης VHI, σύμφωνα με το φαινολογικό μοντέλο, αποδείχθηκε έγκυρος δείκτης ξηρασίας, ενώ είναι υψηλά συσχετισμένος με τα φαινόμενα ξηρασίας στην Αφρική κατά την περίοδο 1981-2009.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία στις Αφρικανικές χώρες έχει προκαλέσει προβλήματα στα υδατικά αποθέματα, στην αγροτική και κτηνοτροφική παραγωγή, ενώ είναι η αιτία για ξεσπάσματα λιμού, επιδημιών και μετατόπισης πληθυσμών (Gommes &amp; Petrassi, 1994). Επομένως, η αναγνώριση και πρόβλεψη της ξηρασίας είναι αναγκαία για τον προγραμματισμό και την αποτελεσματικότητα της διάθεσης των τροφίμων. Ένας περιορισμός αυτής της πρόβλεψης είναι τα ελλιπή βροχομετρικά δεδομένα, αποτέλεσμα των χωρικών κενών που αφήνουν οι αντίστοιχοι σταθμοί της κάθε χώρας. Έτσι, τα δεδομένα αυτά αντικαθιστώνται από αντίστοιχα ατμοσφαιρικά, τα οποία με τη σειρά τους περιέχουν σφάλματα. Τα σφάλματα, αυτά, δεν μπορούν να απαλειφθούν λόγω της έλλειψης επίγειων μετρήσεων. Το πληροφοριακό, αυτό, έλλειμμα έρχονται να καλύψουν τεχνικές που αφορούν άμεσα τις καλλιέργειες<br /> και σχετίζονται με το φύλλωμά τους (Verdin et al., 2005). Μία τέτοια τεχνική είναι ο δείκτης NDVI, ο οποίος αξιοποιεί την ανακλώμενη ακτινοβολία της πράσινης βλάστησης στο κόκκινο και στο εγγύς υπέρυθρο φάσμα της ακτινοβολίας. Ο δείκτης αυτός, επηρεάζεται ακόμα από την εδαφική υγρασία και μπορεί να δημιουργηθεί αξιοποιώντας -δωρεάν- δορυφορικά δεδομένα από δέκτες όπως οι MODIS, SPOT, VEGETATION και από τον AVHRR, ο οποίος αν και έχει την χαμηλότερη χωρική ανάλυση, προσφέρει μεγαλύτερες χρονοσειρές ακόμα και στο θερμικό κανάλι.<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1 Δεδομένα''<br /> <br /> Τα κυρίως δεδομένα είναι οι μακράς διάρκειας χρονοσειρές του NOAA AVHRR και αξιοποιήθηκαν ως:<br /> * Δείκτης υγιούς βλάστησης (VHI) από το κέντρο για Δορυφορικές Εφαρμογές και Έρευνα (STAR) της Εθνικής Περιβαλλοντικής δορυφορικής υπηρεσίας δεδομένων και πληροφοριών (NESDIS) (εβδομαδιαία δεδομένα, 16 χμ ανάλυσης, 1981-2010).<br /> * Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) από τη NASA (δεδομένα ανά 15 ημέρες, 8 χμ ανάλυση, 1981-2010).<br /> Χρησιμοποιήθηκαν δύο επιπλέον πηγές χωρικών δεδομένων: μάσκα καλλιέργειας (FAO και GLC2000) και όρια διοικητικών περιοχών (GAUL).<br /> <br /> ''2.2 Μεθοδολογία''<br /> <br /> ''2.2.1 Δείκτης υγιούς βλάστησης (VHI)''<br /> <br /> Ο δείκτης υγιούς βλάστησης (VHI) (Kogan, 1995) έχει χρησιμοποιηθεί σε διάφορες κλιματολογικές συνθήκες ανά την υφήλιο και συνδυάζει τους δείκτες VCI (Δείκτης Κατάστασης Βλάστησης) και TCI (Δείκτης Κατάστασης Θερμοκρασίας), όπου:<br /> <br /> VCIi = 100*(NDVIi–NDVImin)/(NDVImax–NDVImin) και<br /> <br /> TCIi = 100*(Tmax–Ti)/( Tmax–Tmin).<br /> <br /> Ο VCI χρησιμοποιείται για την ποσοτικοποίηση των επιπτώσεων των καιρικών συνθηκών και ο TCI για την απαλοιφή της ατμοσφαιρικής επίδρασης.<br /> <br /> Έτσι, ο VHI είναι:<br /> <br /> VHIi =w1*VCIi +w2*TCIi, με w1=w2=0.5 και αντιστοιχεί στο βάρος που δίνεται στον κάθε δείκτη.<br /> <br /> ''2.2.2 Μάσκα καλλιέργειας''<br /> <br /> Για τη δημιουργία της μάσκας μελετήθηκαν διάφορες ετήσιες καλλιέργειες σύμφωνα με τον FAΟ και την GLC2000, όπως ρύζι, σιτάρι κ.α.<br /> <br /> ''2.2.3 Προσδιορισμός της βέλτιστης περιόδου ενσωμάτωσης του VHI για τις γεωργικές περιοχές (χρονική συσσωμάτωση)''<br /> <br /> Ο δείκτης VHI υπολογίστηκε για κάθε εβδομάδα σύμφωνα με τον NDVI για τη χρονική περίοδο που ξεκινά από τον Ιούνιο (SOS) και τελειώνει τον Οκτώβριο (EGF=EOS-6 εβδομάδες) κάθε έτους. Αυτή κρίνεται ότι είναι η πιο κρίσιμη περίοδος της ανάπτυξης των καλλιεργειών για το σύνολο της Αφρικής (White et al., 1997). Από τα εβδομαδιαία δεδομένα υπολογίστηκε ο μέσος όρος κάθε έτους.<br /> <br /> ''2.2.4. Γεωγραφική συσσωμάτωση VHI''<br /> <br /> Σύμφωνα με το διάγραμμα ροής (Εικόνα 1) φαίνεται η διαδικασία προσδιορισμού της γεωγραφικής συσσωμάτωσης του VHI. Ιδιαίτερη προσοχή δόθηκε ώστε μόνο όσα pixels καλύπτονται τουλάχιστον κατά 25% από την μάσκα καλλιέργειας και βρίσκονται εντός των διοικητικών περιοχών (Genovese et al., 2001). Τα pixels αυτά πήραν ανάλογες τιμές βάρους.<br /> <br /> ''2.2.5. Χαρτογράφηση πιθανοτήτων''<br /> <br /> Χρησιμοποιήθηκαν δύο αυθαίρετα κατώφλια για τον υπολογισμό της πιθανότητας ξηρασίας, ένα στο 30% και ένα στο 50% (VHI&lt;35) (Εικόνα 2). Αν σε μια διοικητική περιφέρεια το 30% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε περισσότερα αγροτικά νοικοκυριά βιώνουν τις συνέπειες. Αν το 50% της καλλιεργούμενης έκτασης επηρεάζεται από ξηρασία, τότε έχουμε ένα ακραίο ξέσπασμα ξηρασίας με πιθανότητα P.<br /> <br /> '''3.Αποτελέσματα'''<br /> <br /> ''3.1 Μάσκα καλλιέργειας, SOS και EGF''<br /> <br /> Γενικά, το φαινολογικό μοντέλο είναι πιο αξιόπιστο για τις ομοιογενείς περιοχές με μικρή υγρή περίοδο. Επιπλέον, το μοντέλο διακρίνει κλιματικά πρότυπα μεταξύ περιοχών με διαφορετικές καλλιέργειες.<br /> <br /> ''3.2 Μέσος όρος VHI για την καλλιεργητική περίοδο και ποσοστό της γεωργικής έκτασης που πλήττεται από την ξηρασία''<br /> <br /> Ο μέσο όρος του VHI υποδεικνύει την εμμονή της ξηρασίας κατά τη διάρκεια της καλλιεργητικής περιόδου. Μάλιστα, ο υπολογισμός του ποσοστού της συνολικής επηρεαζόμενης από την ξηρασία καλλιεργήσιμης έκτασης αναλύει την χωρική επίδραση της ξηρασίας σε υποεθνικό επίπεδο κατά την περίοδο της μεγαλύτερης υδατικής πίεσης. Η σημαντικότερη ξηρασία παρατηρήθηκε στην περιοχή Σαχέλ (Ανατολική Αφρική) το 1984. Άλλα σημαντικά ξεσπάσματα ξηρασίας αποδείχθηκε ότι ήταν αυτές του 1991/92 στη Ν. Αφρική και του 1997 στην Αλγερία και Μαρόκο. Η ανάλυση του ποσοστού της έκτασης που επηρεάζεται από ξηρασία σε διαφορετικές χωρικές κλίμακες (ηπειρωτικό, περιφερειακό, εθνικό, υποεθνικό), δηλώνει την ευελιξία της μεθοδολογίας αυτής, με σκοπό διάφορες διεθνείς επιτροπές να μπορούν να κατανοήσουν αποτελεσματικότερα το φαινόμενο της ξηρασίας, την έντασή του και τους τρόπους αντιμετώπισής του.<br /> <br /> ''3.3Εμπειρικές πιθανότητες σε υποεθνικό επίπεδο.''<br /> <br /> Τα κατώφλια του 30% και 50% μπορούν ανάλογα με την περιοχή και τη μελέτη να μεταβάλλονται συνυπολογίζοντας παράγοντες όπως ο πληθυσμός, η οικονομία κλπ εκτός από τις διοικητικές περιφέρειες (Εικόνα 3).<br /> <br /> '''4. Συζήτηση και συμπεράσματα'''<br /> <br /> Η μεθοδολογία έδωσε δόκιμα αποτελέσματα στην καταγραφή ιστορικών ξηρασιών στην Αφρικανική ήπειρο. Επίσης, έγινε γεωγραφικός προσδιορισμός των πιο ευαίσθητων περιοχών. Σε συνδυασμό με τις αυξητικές τάσεις του πληθυσμού στις Αφρικανικές χώρες, μπορεί να γίνει καλύτερος σχεδιασμός στις καλλιεργητικές στρατηγικές και στη διάθεση του νερού. Ωστόσο, η εργασία αφορά τη γεωργική ξηρασία. Η περαιτέρω ανάλυση ενσωματώνοντας άλλους τομείς, όπως κοινωνία ή οικονομία, αλλά και επιπλέον δείκτες, όπως δεδομένα βροχόπτωσης, μπορεί να δώσουν αποτελέσματα σε ακόμα μικρότερη χωρική κλίμακα, με προσοχή πάντα στις μικρές προσαρμογές που πρέπει να εφαρμοστούν. Έτσι, μπορούν να χρησιμοποιηθούν διαφορετικά κατώφλια ή να ληφθούν υπόψη διάφορες καλλιεργητικές περίοδοι. Τέλος, σε όλα τα ανωτέρω πρέπει να συμπεριληφθεί η κλιματική αλλαγή, η οποία μπορεί να υπολογιστεί, προκαταρκτικά, από το τελικό εξαγόμενο της πιθανότητας της ξηρασίας που προτείνει η εργασία αυτή, ενώ μέσω λεπτομερούς ανάλυσης μπορούν να εφαρμοστούν στρατηγικές για άμβλυνση του φαινομένου, τόσο της ξηρασίας όσο και της κλιματικής αλλαγής.<br /> <br /> '''Αναφορές'''<br /> <br /> Genovese, G., Vignolles, C., Nègre, T., &amp; Passera, G. (2001). A methodology for a combined use of normalized difference vegetation index and CORINE land cover data for crop yield monitoring and forecasting. A case study on Spain. Agronomie, 21(1), 91-111.<br /> <br /> Gommes, R., &amp; Petrassi, F. (1994). Rainfall variability and drought in sub-Saharan Africa since 1960. FAO Agrometeorology Series Working Papers No. 9 100 pp.<br /> <br /> Kogan, F. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15, 91-100.<br /> <br /> Verdin, J., Funk, C., Senay, G., &amp; Choularton, R. (2005). Climate science and famine early warning. Philosophical Transactions of the Royal Society, 360, 2155-2168.<br /> <br /> White, M. A., Thornton, P. E., &amp; Running, S. W. (1997). A continental phenology model for monitoring vegetation responses to inter-annual climatic variability. Global Biogeochemical Cycles, 11(2), 217-234.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CF%87%CE%BF%CE%BD%CE%B4%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82 2020-01-18T13:20:09Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης'''<br /> <br /> ''Συγγραφείς: O. Rojas, A. Vrieling, F. Rembold''<br /> <br /> [https://doi.org/10.1016/j.rse.2010.09.006]<br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η ξηρασία αποτελεί μία από τις πιο συνηθισμένες κλιματολογικές καταστροφές κατά μήκος ενός μεγάλου τμήματος της Αφρικανικής ηπείρου, προκαλώντας δυσμενείς συνέπειες στις καλλιέργειες. Η εργασία αυτή συστήνει μια καινοτόμο μέθοδο για τον υπολογισμό της εμπειρικής πιθανότητας ένα ενδεχόμενο ξηρασίας να επηρεάσει ένα σημαντικό μέρος της καλλιεργήσιμης έκτασης σε εθνικό επίπεδο. Χρησιμοποιήθηκε ο δείκτης υγιούς βλάστησης (VHI) από τον ραδιομετρικό δέκτη πολύ υψηλής ανάλυσης (AVHRR) ως κύριο μέσο ανίχνευσης ξηρασίας, σε επίπεδο κάθε χώρας ξεχωριστά. Επιπλέον, χρησιμοποιήθηκε ένα φαινολογικό μοντέλο βασισμένο στη δείκτη NDVI. Ο δείκτης VHI, σύμφωνα με το φαινολογικό μοντέλο, αποδείχθηκε έγκυρος δείκτης ξηρασίας, ενώ είναι υψηλά συσχετισμένος με τα φαινόμενα ξηρασίας στην Αφρική κατά την περίοδο 1981-2009.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία στις Αφρικανικές χώρες έχει προκαλέσει προβλήματα στα υδατικά αποθέματα, στην αγροτική και κτηνοτροφική παραγωγή, ενώ είναι η αιτία για ξεσπάσματα λιμού, επιδημιών και μετατόπισης πληθυσμών (Gommes &amp; Petrassi, 1994). Επομένως, η αναγνώριση και πρόβλεψη της ξηρασίας είναι αναγκαία για τον προγραμματισμό και την αποτελεσματικότητα της διάθεσης των τροφίμων. Ένας περιορισμός αυτής της πρόβλεψης είναι τα ελλιπή βροχομετρικά δεδομένα, αποτέλεσμα των χωρικών κενών που αφήνουν οι αντίστοιχοι σταθμοί της κάθε χώρας. Έτσι, τα δεδομένα αυτά αντικαθιστώνται από αντίστοιχα ατμοσφαιρικά, τα οποία με τη σειρά τους περιέχουν σφάλματα. Τα σφάλματα, αυτά, δεν μπορούν να απαλειφθούν λόγω της έλλειψης επίγειων μετρήσεων. Το πληροφοριακό, αυτό, έλλειμμα έρχονται να καλύψουν τεχνικές που αφορούν άμεσα τις καλλιέργειες<br /> και σχετίζονται με το φύλλωμά τους (Verdin et al., 2005). Μία τέτοια τεχνική είναι ο δείκτης NDVI, ο οποίος αξιοποιεί την ανακλώμενη ακτινοβολία της πράσινης βλάστησης στο κόκκινο και στο εγγύς υπέρυθρο φάσμα της ακτινοβολίας. Ο δείκτης αυτός, επηρεάζεται ακόμα από την εδαφική υγρασία και μπορεί να δημιουργηθεί αξιοποιώντας -δωρεάν- δορυφορικά δεδομένα από δέκτες όπως οι MODIS, SPOT, VEGETATION και από τον AVHRR, ο οποίος αν και έχει την χαμηλότερη χωρική ανάλυση, προσφέρει μεγαλύτερες χρονοσειρές ακόμα και στο θερμικό κανάλι.<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1 Δεδομένα''<br /> <br /> Τα κυρίως δεδομένα είναι οι μακράς διάρκειας χρονοσειρές του NOAA AVHRR και αξιοποιήθηκαν ως:<br /> * Δείκτης υγιούς βλάστησης (VHI) από το κέντρο για Δορυφορικές Εφαρμογές και Έρευνα (STAR) της Εθνικής Περιβαλλοντικής δορυφορικής υπηρεσίας δεδομένων και πληροφοριών (NESDIS) (εβδομαδιαία δεδομένα, 16 χμ ανάλυσης, 1981-2010).<br /> * Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) από τη NASA (δεδομένα ανά 15 ημέρες, 8 χμ ανάλυση, 1981-2010).<br /> Χρησιμοποιήθηκαν δύο επιπλέον πηγές χωρικών δεδομένων: μάσκα καλλιέργειας (FAO και GLC2000) και όρια διοικητικών περιοχών (GAUL).<br /> <br /> ''2.2 Μεθοδολογία''<br /> <br /> ''2.2.1 Δείκτης υγιούς βλάστησης (VHI)''<br /> <br /> Ο δείκτης υγιούς βλάστησης (VHI) (Kogan, 1995) έχει χρησιμοποιηθεί σε διάφορες κλιματολογικές συνθήκες ανά την υφήλιο και συνδυάζει τους δείκτες VCI (Δείκτης Κατάστασης Βλάστησης) και TCI (Δείκτης Κατάστασης Θερμοκρασίας), όπου:<br /> <br /> VCIi = 100*(NDVIi–NDVImin)/(NDVImax–NDVImin) και<br /> <br /> TCIi = 100*(Tmax–Ti)/( Tmax–Tmin).<br /> <br /> Ο VCI χρησιμοποιείται για την ποσοτικοποίηση των επιπτώσεων των καιρικών συνθηκών και ο TCI για την απαλοιφή της ατμοσφαιρικής επίδρασης.<br /> <br /> Έτσι, ο VHI είναι:<br /> <br /> VHIi =w1*VCIi +w2*TCIi, με w1=w2=0.5 και αντιστοιχεί στο βάρος που δίνεται στον κάθε δείκτη.<br /> <br /> ''2.2.2 Μάσκα καλλιέργειας''<br /> <br /> Για τη δημιουργία της μάσκας μελετήθηκαν διάφορες ετήσιες καλλιέργειες σύμφωνα με τον FAΟ και την GLC2000, όπως ρύζι, σιτάρι κ.α.<br /> <br /> ''2.2.3 Προσδιορισμός της βέλτιστης περιόδου ενσωμάτωσης του VHI για τις γεωργικές περιοχές (χρονική συσσωμάτωση)''<br /> <br /> Ο δείκτης VHI υπολογίστηκε για κάθε εβδομάδα σύμφωνα με τον NDVI για τη χρονική περίοδο που ξεκινά από τον Ιούνιο (SOS) και τελειώνει τον Οκτώβριο (EGF=EOS-6 εβδομάδες) κάθε έτους. Αυτή κρίνεται ότι είναι η πιο κρίσιμη περίοδος της ανάπτυξης των καλλιεργειών για το σύνολο της Αφρικής (White et al., 1997). Από τα εβδομαδιαία δεδομένα υπολογίστηκε ο μέσος όρος κάθε έτους.<br /> <br /> ''2.2.4. Γεωγραφική συσσωμάτωση VHI''<br /> <br /> Σύμφωνα με το διάγραμμα ροής (Εικόνα 1) φαίνεται η διαδικασία προσδιορισμού της γεωγραφικής συσσωμάτωσης του VHI. Ιδιαίτερη προσοχή δόθηκε ώστε μόνο όσα pixels καλύπτονται τουλάχιστον κατά 25% από την μάσκα καλλιέργειας και βρίσκονται εντός των διοικητικών περιοχών (Genovese et al., 2001). Τα pixels αυτά πήραν ανάλογες τιμές βάρους.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B9%CE%B8%CE%B1%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B9%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%84%CE%B7%CF%82_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7_%CF%87%CE%BF%CE%BD%CE%B4%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82 2020-01-18T13:19:42Z

<p>Marios Stefanidis: Νέα σελίδα με ''''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπι...'</p> <hr /> <div>'''Αξιολόγηση της πιθανότητας ξηρασίας για τις γεωργικές περιοχές της Αφρικής με τηλεπισκοπική απεικόνιση χονδρικής ανάλυσης'''<br /> <br /> ''Συγγραφείς: O. Rojas, A. Vrieling, F. Rembold''<br /> <br /> [https://doi.org/10.1016/j.rse.2010.09.006_Πηγή]<br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η ξηρασία αποτελεί μία από τις πιο συνηθισμένες κλιματολογικές καταστροφές κατά μήκος ενός μεγάλου τμήματος της Αφρικανικής ηπείρου, προκαλώντας δυσμενείς συνέπειες στις καλλιέργειες. Η εργασία αυτή συστήνει μια καινοτόμο μέθοδο για τον υπολογισμό της εμπειρικής πιθανότητας ένα ενδεχόμενο ξηρασίας να επηρεάσει ένα σημαντικό μέρος της καλλιεργήσιμης έκτασης σε εθνικό επίπεδο. Χρησιμοποιήθηκε ο δείκτης υγιούς βλάστησης (VHI) από τον ραδιομετρικό δέκτη πολύ υψηλής ανάλυσης (AVHRR) ως κύριο μέσο ανίχνευσης ξηρασίας, σε επίπεδο κάθε χώρας ξεχωριστά. Επιπλέον, χρησιμοποιήθηκε ένα φαινολογικό μοντέλο βασισμένο στη δείκτη NDVI. Ο δείκτης VHI, σύμφωνα με το φαινολογικό μοντέλο, αποδείχθηκε έγκυρος δείκτης ξηρασίας, ενώ είναι υψηλά συσχετισμένος με τα φαινόμενα ξηρασίας στην Αφρική κατά την περίοδο 1981-2009.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Η γεωργική ξηρασία στις Αφρικανικές χώρες έχει προκαλέσει προβλήματα στα υδατικά αποθέματα, στην αγροτική και κτηνοτροφική παραγωγή, ενώ είναι η αιτία για ξεσπάσματα λιμού, επιδημιών και μετατόπισης πληθυσμών (Gommes &amp; Petrassi, 1994). Επομένως, η αναγνώριση και πρόβλεψη της ξηρασίας είναι αναγκαία για τον προγραμματισμό και την αποτελεσματικότητα της διάθεσης των τροφίμων. Ένας περιορισμός αυτής της πρόβλεψης είναι τα ελλιπή βροχομετρικά δεδομένα, αποτέλεσμα των χωρικών κενών που αφήνουν οι αντίστοιχοι σταθμοί της κάθε χώρας. Έτσι, τα δεδομένα αυτά αντικαθιστώνται από αντίστοιχα ατμοσφαιρικά, τα οποία με τη σειρά τους περιέχουν σφάλματα. Τα σφάλματα, αυτά, δεν μπορούν να απαλειφθούν λόγω της έλλειψης επίγειων μετρήσεων. Το πληροφοριακό, αυτό, έλλειμμα έρχονται να καλύψουν τεχνικές που αφορούν άμεσα τις καλλιέργειες<br /> και σχετίζονται με το φύλλωμά τους (Verdin et al., 2005). Μία τέτοια τεχνική είναι ο δείκτης NDVI, ο οποίος αξιοποιεί την ανακλώμενη ακτινοβολία της πράσινης βλάστησης στο κόκκινο και στο εγγύς υπέρυθρο φάσμα της ακτινοβολίας. Ο δείκτης αυτός, επηρεάζεται ακόμα από την εδαφική υγρασία και μπορεί να δημιουργηθεί αξιοποιώντας -δωρεάν- δορυφορικά δεδομένα από δέκτες όπως οι MODIS, SPOT, VEGETATION και από τον AVHRR, ο οποίος αν και έχει την χαμηλότερη χωρική ανάλυση, προσφέρει μεγαλύτερες χρονοσειρές ακόμα και στο θερμικό κανάλι.<br /> <br /> '''2.Υλικά και μέθοδοι'''<br /> <br /> ''2.1 Δεδομένα''<br /> <br /> Τα κυρίως δεδομένα είναι οι μακράς διάρκειας χρονοσειρές του NOAA AVHRR και αξιοποιήθηκαν ως:<br /> * Δείκτης υγιούς βλάστησης (VHI) από το κέντρο για Δορυφορικές Εφαρμογές και Έρευνα (STAR) της Εθνικής Περιβαλλοντικής δορυφορικής υπηρεσίας δεδομένων και πληροφοριών (NESDIS) (εβδομαδιαία δεδομένα, 16 χμ ανάλυσης, 1981-2010).<br /> * Δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI) από τη NASA (δεδομένα ανά 15 ημέρες, 8 χμ ανάλυση, 1981-2010).<br /> Χρησιμοποιήθηκαν δύο επιπλέον πηγές χωρικών δεδομένων: μάσκα καλλιέργειας (FAO και GLC2000) και όρια διοικητικών περιοχών (GAUL).<br /> <br /> ''2.2 Μεθοδολογία''<br /> <br /> ''2.2.1 Δείκτης υγιούς βλάστησης (VHI)''<br /> <br /> Ο δείκτης υγιούς βλάστησης (VHI) (Kogan, 1995) έχει χρησιμοποιηθεί σε διάφορες κλιματολογικές συνθήκες ανά την υφήλιο και συνδυάζει τους δείκτες VCI (Δείκτης Κατάστασης Βλάστησης) και TCI (Δείκτης Κατάστασης Θερμοκρασίας), όπου:<br /> <br /> VCIi = 100*(NDVIi–NDVImin)/(NDVImax–NDVImin) και<br /> <br /> TCIi = 100*(Tmax–Ti)/( Tmax–Tmin).<br /> <br /> Ο VCI χρησιμοποιείται για την ποσοτικοποίηση των επιπτώσεων των καιρικών συνθηκών και ο TCI για την απαλοιφή της ατμοσφαιρικής επίδρασης.<br /> <br /> Έτσι, ο VHI είναι:<br /> <br /> VHIi =w1*VCIi +w2*TCIi, με w1=w2=0.5 και αντιστοιχεί στο βάρος που δίνεται στον κάθε δείκτη.<br /> <br /> ''2.2.2 Μάσκα καλλιέργειας''<br /> <br /> Για τη δημιουργία της μάσκας μελετήθηκαν διάφορες ετήσιες καλλιέργειες σύμφωνα με τον FAΟ και την GLC2000, όπως ρύζι, σιτάρι κ.α.<br /> <br /> ''2.2.3 Προσδιορισμός της βέλτιστης περιόδου ενσωμάτωσης του VHI για τις γεωργικές περιοχές (χρονική συσσωμάτωση)''<br /> <br /> Ο δείκτης VHI υπολογίστηκε για κάθε εβδομάδα σύμφωνα με τον NDVI για τη χρονική περίοδο που ξεκινά από τον Ιούνιο (SOS) και τελειώνει τον Οκτώβριο (EGF=EOS-6 εβδομάδες) κάθε έτους. Αυτή κρίνεται ότι είναι η πιο κρίσιμη περίοδος της ανάπτυξης των καλλιεργειών για το σύνολο της Αφρικής (White et al., 1997). Από τα εβδομαδιαία δεδομένα υπολογίστηκε ο μέσος όρος κάθε έτους.<br /> <br /> ''2.2.4. Γεωγραφική συσσωμάτωση VHI''<br /> <br /> Σύμφωνα με το διάγραμμα ροής (Εικόνα 1) φαίνεται η διαδικασία προσδιορισμού της γεωγραφικής συσσωμάτωσης του VHI. Ιδιαίτερη προσοχή δόθηκε ώστε μόνο όσα pixels καλύπτονται τουλάχιστον κατά 25% από την μάσκα καλλιέργειας και βρίσκονται εντός των διοικητικών περιοχών (Genovese et al., 2001). Τα pixels αυτά πήραν ανάλογες τιμές βάρους.<br /> <br /> [[category:Εκτίμηση δεικτών ξηρασίας από τηλεπισκοπικές εικόνες]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Probability.png 2020-01-18T13:11:08Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Drought.png 2020-01-18T13:10:55Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Flow_chart.png 2020-01-18T13:10:22Z

<p>Marios Stefanidis: </p> <hr /> <div></div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%AC%CE%BD%CF%84%CE%BF%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82 2020-01-18T12:52:00Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους'''<br /> <br /> ''Συγγραφείς: Nadine Nicolai-Shaw, Jakob Zscheischler, Martin Hirschi, Lukas Gudmundsson, Sonia I. Seneviratne''<br /> <br /> <br /> [http://dx.doi.org/10.1016/j.rse.2017.06.014_Πηγή]<br /> <br /> [[Αρχείο:Drought calculation methodology.png | thumb | right | Εικόνα 1: Μεθοδολογία υπολογισμού ξηρασίας]]<br /> <br /> [[Αρχείο:parameters.png | thumb | right | Εικόνα 2: Συσχέτιση μεταβλητών]]<br /> <br /> [[Αρχείο:results.png | thumb | right | Εικόνα 3: Αποτελέσματα παραμέτρων]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Παρότι η ξηρασία αποτελεί παγκόσμιο φαινόμενο, πολλές φορές δε λαμβάνεται υπόψη στον υπολογισμό της η εδαφική υγρασία. Εδώ χρησιμοποιείται η δορυφορικά εξαγόμενη εδαφική υγρασία από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος και ποσοτικοποιείται η σχέση μεταξύ αυτής με τη θερμοκρασία, τη βροχόπτωση, την εξατμισοδιαπνοή και τη βλάστηση στο ζενίθ του κύκλου ανάπτυξης των καλλιεργειών. Καίριο ρόλο στην εδαφική υγρασία παίζει η βροχόπτωση, ιδίως κατά τις ξηρές περιόδους όπου υπάρχει έλλειψη δασώδους βλάστησης.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το ακραίο φαινόμενο της ξηρασίας συνδέεται άμεσα με τη βροχόπτωση και την εξατμισοδιαπνοή. Εδώ διερευνόνται τα αποτελέσματα της γεωργικής ξηρασίας, η οποία είναι άμεσα συνδεδεμένη με την εδαφική υγρασία (McWilliam, 1986). Για τον υπολογισμό της εδαφικής υγρασίας χρησιμοποιήθηκαν προϊόντα από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος (CCI-SM) παγκόσμιας κλίμακας, και εξετάζεται η συμμεταβλητότητά του με άλλες κλιματικές παραμέτρους καθώς και με δείκτες βλάστησης κατά τη διάρκεια της κορυφής της καλλιεργητικής περιόδου.<br /> <br /> '''2.Δεδομένα και προεπεξεργασία'''<br /> <br /> ''2.1. Δεδομένα''<br /> <br /> Χρησιμοποιήθηκαν τα τηλεπισκοπικά βασισμένα δεδομένα εδαφικής υγρασίας από την CCI-SM που προέρχονται από το συνεγκατεστημένο σύνολο δεδομένων του διασπορεόμετρου της ζώνης C και από την συνεγκατεστημένη πολυ-συχνότητα ραδιομέτρου για την περίοδο 1992-2014. Η χωρική διακριτική<br /> ικανότητα είναι περίπου 80km. Για την εξατμισοδιαπνοή χρησιμοποιήθηκε το Παγκόσμιο Μοντέλο<br /> Εξάτμισης του Εδάφους του Άμστερνταμ (GLEAM) (Miralles et al., 2011). Τα δεδομένα θερμοκρασίας<br /> και βροχόπτωσης λαμβάνονται από την ΕRΑ, προσωρινώς παγκόσμια ατμοσφαιρική ανανέωση. Ως<br /> υποκατάστατο για τη βλάστηση, χρησιμοποιούμε το Παγκόσμιο απόθεμα μελετών μοντελοποίησης και<br /> χαρτογράφησης (GIMMS) που παράγεται από τον κανονικοποιημένο δείκτη διαφοράς βλάστησης NDVI<br /> από το Προχωρημένου και πολύ υψηλής ανάλυσης ραδιόμετρο του NOAA (AVHRR). Για την κάλυψη<br /> γης χρησιμοποιήθηκαν παγκόσμια δεδομένα ESA CCI ανάλυσης 300m.<br /> <br /> ''2.2. Επιλογή δεδομένων και προετοιμασία''<br /> <br /> Επιπλέον, υπολογίζεται ο δείκτης ξηρασίας SPI (McKee et al., 1993) για κάθε τρίμηνο. Η ακμή της<br /> καλλιεργητικής περιόδου θεωρείται ένα τρίμηνο, και για κάθε τέτοια ακμή υπάρχουν έξι στοιχεία για 23<br /> χρόνια (1992-2014).<br /> <br /> '''3.Μέθοδοι'''<br /> <br /> Αναλύεται η παρέκλιση της μέγιστης θερμοκρασίας, κατακρήμνιση, εξατμισοδιαπνοή και ανωμαλίες της<br /> βλάστησης κατά τη διάρκεια της ξηρασίας της υγρασίας του εδάφους (Adams et al., 2003). Τα βήματα<br /> υπολογισμού των σύνθετων ανωμαλιών ξηρασίας είναι τα ακόλουθα (Εικόνα 1) για κάθε κελί δεδομένων<br /> του NDVI.<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> ''4.1. Σύνθετες ανωμαλίες της ξηρασίας''<br /> <br /> Όλες οι μεταβλητές έχουν υψηλή συσχέτιση με την εδαφική υγρασία (Εικόνα 2). Σε περιοχές με ακραία<br /> εμφάνιση ξηρασίας, οι τιμές είναι αρνητικές.<br /> <br /> Αυτό που εξάγεται είναι ότι για κάθε τύπο βλάστησης η ξηρασία έχει ανάλογη επίπτωση. Ωστόσο, την<br /> μικρότερη την παρουσιάζει στα δάση,τα οποία λόγο του ριζικού τους συστήματος αντλούν υγρασία από<br /> το υπέδαφος. Οι θάμνοι και το γρασίδι φαίνεται να υποφέρουν κάπως περισσότερο από την έλλειψη<br /> εδαφικής υγρασίας. Όλες οι παράμετροι παρουσιάζουν ανάλογα αποτελέσματα (Εικόνα 3).<br /> <br /> '''5. Συζήτηση και συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε ότι η ξηρασία είναι άρρητα συνδεδεμένη με την εδαφική υγρασία. Όλα τα είδη βλάστησης έχουν αρνητικές επιπτώσεις από την έλλειψη εδαφικής υγρασίας που προκύπτει μετά το ξέσπασμα ξηρασίας. Τις μικρότερες επιπτώσεις φαίνεται να έχουν τα δάση. Συμπερασματικά, η μελέτη δείχνει πώς η θερμοκρασία, η βροχόπτωση, η εξατμισοδιαπνοή και η βλάστηση συσχετίζονται με το έλλειμμα της υγρασίας του εδάφους κατά τη διάρκεια της ακμής της καλλιεργητικής περιόδου.<br /> <br /> '''Αναφορές'''<br /> <br /> Adams, J.B., Mann, M.E., Ammann, C.M., 2003. Proxy evidence for an El Nino-like response to volcanic forcing. Nature 426 (6964), 274–278. [http://dx.doi.org/10.1038/nature02101.]<br /> <br /> McKee, T.B., Doesken, N.J., Kleist, J., et al. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. vol. 17. American Meteorological Society, Boston, MA, pp. 179–183.<br /> <br /> McWilliam, J.R., 1986. The national and international importance of drought and salinity effects on agricultural production. Funct. Plant Biol. 13, 1–13.<br /> <br /> Miralles, D.G., Holmes, T.R.H., de Jeu, R.A.M., Gash, J.H., Meesters, A.G.C.A., Dolman, A.J., 2011. Global land-surface evaporation estimated from satellite-based observations. Hydrol. Earth Syst. Sci. 15, 453–469. [http://dx.doi.org/10.5194/hess-15-453-2011.]<br /> <br /> [[category:Παρακολούθηση εδαφικής υγρασίας, εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%AC%CE%BD%CF%84%CE%BF%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82 2020-01-18T12:51:33Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους'''<br /> <br /> ''Συγγραφείς: Nadine Nicolai-Shaw, Jakob Zscheischler, Martin Hirschi, Lukas Gudmundsson, Sonia I. Seneviratne''<br /> <br /> <br /> [http://dx.doi.org/10.1016/j.rse.2017.06.014_Πηγή]<br /> <br /> [[Αρχείο:Drought calculation methodology.png | thumb | right | Εικόνα 1: Μεθοδολογία υπολογισμού ξηρασίας]]<br /> <br /> [[Αρχείο:parameters.png | thumb | right | Εικόνα 2: Συσχέτιση μεταβλητών]]<br /> <br /> [[Αρχείο:results.png | thumb | right | Εικόνα 3: Αποτελέσματα παραμέτρων]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Παρότι η ξηρασία αποτελεί παγκόσμιο φαινόμενο, πολλές φορές δε λαμβάνεται υπόψη στον υπολογισμό της η εδαφική υγρασία. Εδώ χρησιμοποιείται η δορυφορικά εξαγόμενη εδαφική υγρασία από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος και ποσοτικοποιείται η σχέση μεταξύ αυτής με τη θερμοκρασία, τη βροχόπτωση, την εξατμισοδιαπνοή και τη βλάστηση στο ζενίθ του κύκλου ανάπτυξης των καλλιεργειών. Καίριο ρόλο στην εδαφική υγρασία παίζει η βροχόπτωση, ιδίως κατά τις ξηρές περιόδους όπου υπάρχει έλλειψη δασώδους βλάστησης.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το ακραίο φαινόμενο της ξηρασίας συνδέεται άμεσα με τη βροχόπτωση και την εξατμισοδιαπνοή. Εδώ διερευνόνται τα αποτελέσματα της γεωργικής ξηρασίας, η οποία είναι άμεσα συνδεδεμένη με την εδαφική υγρασία (McWilliam, 1986). Για τον υπολογισμό της εδαφικής υγρασίας χρησιμοποιήθηκαν προϊόντα από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος (CCI-SM) παγκόσμιας κλίμακας, και εξετάζεται η συμμεταβλητότητά του με άλλες κλιματικές παραμέτρους καθώς και με δείκτες βλάστησης κατά τη διάρκεια της κορυφής της καλλιεργητικής περιόδου.<br /> <br /> '''2.Δεδομένα και προεπεξεργασία'''<br /> <br /> ''2.1. Δεδομένα''<br /> <br /> Χρησιμοποιήθηκαν τα τηλεπισκοπικά βασισμένα δεδομένα εδαφικής υγρασίας από την CCI-SM που προέρχονται από το συνεγκατεστημένο σύνολο δεδομένων του διασπορεόμετρου της ζώνης C και από την συνεγκατεστημένη πολυ-συχνότητα ραδιομέτρου για την περίοδο 1992-2014. Η χωρική διακριτική<br /> ικανότητα είναι περίπου 80km. Για την εξατμισοδιαπνοή χρησιμοποιήθηκε το Παγκόσμιο Μοντέλο<br /> Εξάτμισης του Εδάφους του Άμστερνταμ (GLEAM) (Miralles et al., 2011). Τα δεδομένα θερμοκρασίας<br /> και βροχόπτωσης λαμβάνονται από την ΕRΑ, προσωρινώς παγκόσμια ατμοσφαιρική ανανέωση. Ως<br /> υποκατάστατο για τη βλάστηση, χρησιμοποιούμε το Παγκόσμιο απόθεμα μελετών μοντελοποίησης και<br /> χαρτογράφησης (GIMMS) που παράγεται από τον κανονικοποιημένο δείκτη διαφοράς βλάστησης NDVI<br /> από το Προχωρημένου και πολύ υψηλής ανάλυσης ραδιόμετρο του NOAA (AVHRR). Για την κάλυψη<br /> γης χρησιμοποιήθηκαν παγκόσμια δεδομένα ESA CCI ανάλυσης 300m.<br /> <br /> ''2.2. Επιλογή δεδομένων και προετοιμασία''<br /> <br /> Επιπλέον, υπολογίζεται ο δείκτης ξηρασίας SPI (McKee et al., 1993) για κάθε τρίμηνο. Η ακμή της<br /> καλλιεργητικής περιόδου θεωρείται ένα τρίμηνο, και για κάθε τέτοια ακμή υπάρχουν έξι στοιχεία για 23<br /> χρόνια (1992-2014).<br /> <br /> '''3.Μέθοδοι'''<br /> <br /> Αναλύεται η παρέκλιση της μέγιστης θερμοκρασίας, κατακρήμνιση, εξατμισοδιαπνοή και ανωμαλίες της<br /> βλάστησης κατά τη διάρκεια της ξηρασίας της υγρασίας του εδάφους (Adams et al., 2003). Τα βήματα<br /> υπολογισμού των σύνθετων ανωμαλιών ξηρασίας είναι τα ακόλουθα (Εικόνα 1) για κάθε κελί δεδομένων<br /> του NDVI.<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> ''4.1. Σύνθετες ανωμαλίες της ξηρασίας''<br /> <br /> Όλες οι μεταβλητές έχουν υψηλή συσχέτιση με την εδαφική υγρασία (Εικόνα 2). Σε περιοχές με ακραία<br /> εμφάνιση ξηρασίας, οι τιμές είναι αρνητικές.<br /> <br /> Αυτό που εξάγεται είναι ότι για κάθε τύπο βλάστησης η ξηρασία έχει ανάλογη επίπτωση. Ωστόσο, την<br /> μικρότερη την παρουσιάζει στα δάση,τα οποία λόγο του ριζικού τους συστήματος αντλούν υγρασία από<br /> το υπέδαφος. Οι θάμνοι και το γρασίδι φαίνεται να υποφέρουν κάπως περισσότερο από την έλλειψη<br /> εδαφικής υγρασίας. Όλες οι παράμετροι παρουσιάζουν ανάλογα αποτελέσματα (Εικόνα 3).<br /> <br /> '''5. Συζήτηση και συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε ότι η ξηρασία είναι άρρητα συνδεδεμένη με την εδαφική υγρασία. Όλα τα είδη βλάστησης έχουν αρνητικές επιπτώσεις από την έλλειψη εδαφικής υγρασίας που προκύπτει μετά το ξέσπασμα ξηρασίας. Τις μικρότερες επιπτώσεις φαίνεται να έχουν τα δάση. Συμπερασματικά, η μελέτη δείχνει πώς η θερμοκρασία, η βροχόπτωση, η εξατμισοδιαπνοή και η βλάστηση συσχετίζονται με το έλλειμμα της υγρασίας του εδάφους κατά τη διάρκεια της ακμής της καλλιεργητικής περιόδου.<br /> <br /> '''Αναφορές'''<br /> <br /> Adams, J.B., Mann, M.E., Ammann, C.M., 2003. Proxy evidence for an El Nino-like response to volcanic forcing. Nature 426 (6964), 274–278. [http://dx.doi.org/10.1038/nature02101.]<br /> <br /> McKee, T.B., Doesken, N.J., Kleist, J., et al. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. vol. 17. American Meteorological Society, Boston, MA, pp. 179–183.<br /> <br /> McWilliam, J.R., 1986. The national and international importance of drought and salinity effects on agricultural production. Funct. Plant Biol. 13, 1–13.<br /> <br /> Miralles, D.G., Holmes, T.R.H., de Jeu, R.A.M., Gash, J.H., Meesters, A.G.C.A., Dolman, A.J., 2011. Global land-surface evaporation estimated from satellite-based observations. Hydrol. Earth Syst. Sci. 15, 453–469. <br /> [http://dx.doi.org/10.5194/hess-15-453-2011.]<br /> <br /> [[category:Παρακολούθηση εδαφικής υγρασίας, εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%AC%CE%BD%CF%84%CE%BF%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82 2020-01-18T12:50:13Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους'''<br /> <br /> ''Συγγραφείς: Nadine Nicolai-Shaw, Jakob Zscheischler, Martin Hirschi, Lukas Gudmundsson, Sonia I. Seneviratne''<br /> <br /> <br /> [http://dx.doi.org/10.1016/j.rse.2017.06.014_Πηγή]<br /> <br /> [[Αρχείο:Drought calculation methodology.png | thumb | right | Εικόνα 1: Μεθοδολογία υπολογισμού ξηρασίας]]<br /> <br /> [[Αρχείο:parameters.png | thumb | right | Εικόνα 2: Συσχέτιση μεταβλητών]]<br /> <br /> [[Αρχείο:results.png | thumb | right | Εικόνα 3: Αποτελέσματα παραμέτρων]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Παρότι η ξηρασία αποτελεί παγκόσμιο φαινόμενο, πολλές φορές δε λαμβάνεται υπόψη στον υπολογισμό της η εδαφική υγρασία. Εδώ χρησιμοποιείται η δορυφορικά εξαγόμενη εδαφική υγρασία από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος και ποσοτικοποιείται η σχέση μεταξύ αυτής με τη θερμοκρασία, τη βροχόπτωση, την εξατμισοδιαπνοή και τη βλάστηση στο ζενίθ του κύκλου ανάπτυξης των καλλιεργειών. Καίριο ρόλο στην εδαφική υγρασία παίζει η βροχόπτωση, ιδίως κατά τις ξηρές περιόδους όπου υπάρχει έλλειψη δασώδους βλάστησης.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το ακραίο φαινόμενο της ξηρασίας συνδέεται άμεσα με τη βροχόπτωση και την εξατμισοδιαπνοή. Εδώ διερευνόνται τα αποτελέσματα της γεωργικής ξηρασίας, η οποία είναι άμεσα συνδεδεμένη με την εδαφική υγρασία (McWilliam, 1986). Για τον υπολογισμό της εδαφικής υγρασίας χρησιμοποιήθηκαν προϊόντα από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος (CCI-SM) παγκόσμιας κλίμακας, και εξετάζεται η συμμεταβλητότητά του με άλλες κλιματικές παραμέτρους καθώς και με δείκτες βλάστησης κατά τη διάρκεια της κορυφής της καλλιεργητικής περιόδου.<br /> <br /> '''2.Δεδομένα και προεπεξεργασία'''<br /> <br /> ''2.1. Δεδομένα''<br /> <br /> Χρησιμοποιήθηκαν τα τηλεπισκοπικά βασισμένα δεδομένα εδαφικής υγρασίας από την CCI-SM που προέρχονται από το συνεγκατεστημένο σύνολο δεδομένων του διασπορεόμετρου της ζώνης C και από την συνεγκατεστημένη πολυ-συχνότητα ραδιομέτρου για την περίοδο 1992-2014. Η χωρική διακριτική<br /> ικανότητα είναι περίπου 80km. Για την εξατμισοδιαπνοή χρησιμοποιήθηκε το Παγκόσμιο Μοντέλο<br /> Εξάτμισης του Εδάφους του Άμστερνταμ (GLEAM) (Miralles et al., 2011). Τα δεδομένα θερμοκρασίας<br /> και βροχόπτωσης λαμβάνονται από την ΕRΑ, προσωρινώς παγκόσμια ατμοσφαιρική ανανέωση. Ως<br /> υποκατάστατο για τη βλάστηση, χρησιμοποιούμε το Παγκόσμιο απόθεμα μελετών μοντελοποίησης και<br /> χαρτογράφησης (GIMMS) που παράγεται από τον κανονικοποιημένο δείκτη διαφοράς βλάστησης NDVI<br /> από το Προχωρημένου και πολύ υψηλής ανάλυσης ραδιόμετρο του NOAA (AVHRR). Για την κάλυψη<br /> γης χρησιμοποιήθηκαν παγκόσμια δεδομένα ESA CCI ανάλυσης 300m.<br /> <br /> ''2.2. Επιλογή δεδομένων και προετοιμασία''<br /> <br /> Επιπλέον, υπολογίζεται ο δείκτης ξηρασίας SPI (McKee et al., 1993) για κάθε τρίμηνο. Η ακμή της<br /> καλλιεργητικής περιόδου θεωρείται ένα τρίμηνο, και για κάθε τέτοια ακμή υπάρχουν έξι στοιχεία για 23<br /> χρόνια (1992-2014).<br /> <br /> '''3.Μέθοδοι'''<br /> <br /> Αναλύεται η παρέκλιση της μέγιστης θερμοκρασίας, κατακρήμνιση, εξατμισοδιαπνοή και ανωμαλίες της<br /> βλάστησης κατά τη διάρκεια της ξηρασίας της υγρασίας του εδάφους (Adams et al., 2003). Τα βήματα<br /> υπολογισμού των σύνθετων ανωμαλιών ξηρασίας είναι τα ακόλουθα (Εικόνα 1) για κάθε κελί δεδομένων<br /> του NDVI.<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> ''4.1. Σύνθετες ανωμαλίες της ξηρασίας''<br /> <br /> Όλες οι μεταβλητές έχουν υψηλή συσχέτιση με την εδαφική υγρασία (Εικόνα 2). Σε περιοχές με ακραία<br /> εμφάνιση ξηρασίας, οι τιμές είναι αρνητικές.<br /> <br /> Αυτό που εξάγεται είναι ότι για κάθε τύπο βλάστησης η ξηρασία έχει ανάλογη επίπτωση. Ωστόσο, την<br /> μικρότερη την παρουσιάζει στα δάση,τα οποία λόγο του ριζικού τους συστήματος αντλούν υγρασία από<br /> το υπέδαφος. Οι θάμνοι και το γρασίδι φαίνεται να υποφέρουν κάπως περισσότερο από την έλλειψη<br /> εδαφικής υγρασίας. Όλες οι παράμετροι παρουσιάζουν ανάλογα αποτελέσματα (Εικόνα 3).<br /> <br /> '''5. Συζήτηση και συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε ότι η ξηρασία είναι άρρητα συνδεδεμένη με την εδαφική υγρασία. Όλα τα είδη βλάστησης έχουν αρνητικές επιπτώσεις από την έλλειψη εδαφικής υγρασίας που προκύπτει μετά το ξέσπασμα ξηρασίας. Τις μικρότερες επιπτώσεις φαίνεται να έχουν τα δάση. Συμπερασματικά, η μελέτη δείχνει πώς η θερμοκρασία, η βροχόπτωση, η εξατμισοδιαπνοή και η βλάστηση συσχετίζονται με το έλλειμμα της υγρασίας του εδάφους κατά τη διάρκεια της ακμής της καλλιεργητικής περιόδου.<br /> <br /> '''Αναφορές'''<br /> <br /> Adams, J.B., Mann, M.E., Ammann, C.M., 2003. Proxy evidence for an El Nino-like response to volcanic forcing. Nature 426 (6964), 274–278. [http://dx.doi.org/10.1038/nature02101.]<br /> <br /> McKee, T.B., Doesken, N.J., Kleist, J., et al. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. vol. 17. American Meteorological Society, Boston, MA, pp. 179–183.<br /> <br /> McWilliam, J.R., 1986. The national and international importance of drought and salinity effects on agricultural production. Funct. Plant Biol. 13, 1–13.<br /> <br /> Miralles, D.G., Holmes, T.R.H., de Jeu, R.A.M., Gash, J.H., Meesters, A.G.C.A., Dolman, A.J., 2011. Global land-surface evaporation estimated from satellite-based observations. Hydrol. Earth Syst. Sci. 15, 453–469. [http://dx.doi.org/10.5194/hess-15-453-2011.]<br /> <br /> [[category:Παρακολούθηση εδαφικής υγρασίας, εξατμισοδιαπνοής]]</div>

Marios Stefanidis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%83%CF%8D%CE%BD%CE%B8%CE%B5%CF%84%CE%B7_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%AC%CE%BD%CF%84%CE%BF%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%B2%CE%B1%CF%83%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82 2020-01-18T12:49:49Z

<p>Marios Stefanidis: </p> <hr /> <div>'''Μια σύνθετη ανάλυση συμβάντος ξηρασίας χρησιμοποιώντας δορυφορική τηλεπισκόπηση βασισμένη στην υγρασία του εδάφους'''<br /> <br /> ''Συγγραφείς: Nadine Nicolai-Shaw, Jakob Zscheischler, Martin Hirschi, Lukas Gudmundsson, Sonia I. Seneviratne''<br /> <br /> <br /> [http://dx.doi.org/10.1016/j.rse.2017.06.014_Πηγή]<br /> <br /> [[Αρχείο:Drought calculation methodology.png | thumb | right | Εικόνα 1: Μεθοδολογία υπολογισμού ξηρασίας]]<br /> <br /> [[Αρχείο:parameters.png | thumb | right | Εικόνα 2: Συσχέτιση μεταβλητών]]<br /> <br /> [[Αρχείο:results.png | thumb | right | Εικόνα 3: Αποτελέσματα παραμέτρων]]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Παρότι η ξηρασία αποτελεί παγκόσμιο φαινόμενο, πολλές φορές δε λαμβάνεται υπόψη στον υπολογισμό της η εδαφική υγρασία. Εδώ χρησιμοποιείται η δορυφορικά εξαγόμενη εδαφική υγρασία από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος και ποσοτικοποιείται η σχέση μεταξύ αυτής με τη θερμοκρασία, τη βροχόπτωση, την εξατμισοδιαπνοή και τη βλάστηση στο ζενίθ του κύκλου ανάπτυξης των καλλιεργειών. Καίριο ρόλο στην εδαφική υγρασία παίζει η βροχόπτωση, ιδίως κατά τις ξηρές περιόδους όπου υπάρχει έλλειψη δασώδους βλάστησης.<br /> <br /> '''1.Εισαγωγή'''<br /> <br /> Το ακραίο φαινόμενο της ξηρασίας συνδέεται άμεσα με τη βροχόπτωση και την εξατμισοδιαπνοή. Εδώ διερευνόνται τα αποτελέσματα της γεωργικής ξηρασίας, η οποία είναι άμεσα συνδεδεμένη με την εδαφική υγρασία (McWilliam, 1986). Για τον υπολογισμό της εδαφικής υγρασίας χρησιμοποιήθηκαν προϊόντα από την Πρωτοβουλία Κλιματικής Αλλαγής του Ευρωπαϊκού Οργανισμού Διαστήματος (CCI-SM) παγκόσμιας κλίμακας, και εξετάζεται η συμμεταβλητότητά του με άλλες κλιματικές παραμέτρους καθώς και με δείκτες βλάστησης κατά τη διάρκεια της κορυφής της καλλιεργητικής περιόδου.<br /> <br /> '''2.Δεδομένα και προεπεξεργασία'''<br /> <br /> ''2.1. Δεδομένα''<br /> <br /> Χρησιμοποιήθηκαν τα τηλεπισκοπικά βασισμένα δεδομένα εδαφικής υγρασίας από την CCI-SM που προέρχονται από το συνεγκατεστημένο σύνολο δεδομένων του διασπορεόμετρου της ζώνης C και από την συνεγκατεστημένη πολυ-συχνότητα ραδιομέτρου για την περίοδο 1992-2014. Η χωρική διακριτική<br /> ικανότητα είναι περίπου 80km. Για την εξατμισοδιαπνοή χρησιμοποιήθηκε το Παγκόσμιο Μοντέλο<br /> Εξάτμισης του Εδάφους του Άμστερνταμ (GLEAM) (Miralles et al., 2011). Τα δεδομένα θερμοκρασίας<br /> και βροχόπτωσης λαμβάνονται από την ΕRΑ, προσωρινώς παγκόσμια ατμοσφαιρική ανανέωση. Ως<br /> υποκατάστατο για τη βλάστηση, χρησιμοποιούμε το Παγκόσμιο απόθεμα μελετών μοντελοποίησης και<br /> χαρτογράφησης (GIMMS) που παράγεται από τον κανονικοποιημένο δείκτη διαφοράς βλάστησης NDVI<br /> από το Προχωρημένου και πολύ υψηλής ανάλυσης ραδιόμετρο του NOAA (AVHRR). Για την κάλυψη<br /> γης χρησιμοποιήθηκαν παγκόσμια δεδομένα ESA CCI ανάλυσης 300m.<br /> <br /> ''2.2. Επιλογή δεδομένων και προετοιμασία''<br /> <br /> Επιπλέον, υπολογίζεται ο δείκτης ξηρασίας SPI (McKee et al., 1993) για κάθε τρίμηνο. Η ακμή της<br /> καλλιεργητικής περιόδου θεωρείται ένα τρίμηνο, και για κάθε τέτοια ακμή υπάρχουν έξι στοιχεία για 23<br /> χρόνια (1992-2014).<br /> <br /> '''3.Μέθοδοι'''<br /> <br /> Αναλύεται η παρέκλιση της μέγιστης θερμοκρασίας, κατακρήμνιση, εξατμισοδιαπνοή και ανωμαλίες της<br /> βλάστησης κατά τη διάρκεια της ξηρασίας της υγρασίας του εδάφους (Adams et al., 2003). Τα βήματα<br /> υπολογισμού των σύνθετων ανωμαλιών ξηρασίας είναι τα ακόλουθα (Εικόνα 1) για κάθε κελί δεδομένων<br /> του NDVI.<br /> <br /> '''4. Αποτελέσματα'''<br /> <br /> ''4.1. Σύνθετες ανωμαλίες της ξηρασίας''<br /> <br /> Όλες οι μεταβλητές έχουν υψηλή συσχέτιση με την εδαφική υγρασία (Εικόνα 2). Σε περιοχές με ακραία<br /> εμφάνιση ξηρασίας, οι τιμές είναι αρνητικές.<br /> <br /> Αυτό που εξάγεται είναι ότι για κάθε τύπο βλάστησης η ξηρασία έχει ανάλογη επίπτωση. Ωστόσο, την<br /> μικρότερη την παρουσιάζει στα δάση,τα οποία λόγο του ριζικού τους συστήματος αντλούν υγρασία από<br /> το υπέδαφος. Οι θάμνοι και το γρασίδι φαίνεται να υποφέρουν κάπως περισσότερο από την έλλειψη<br /> εδαφικής υγρασίας. Όλες οι παράμετροι παρουσιάζουν ανάλογα αποτελέσματα (Εικόνα 3).<br /> <br /> '''5. Συζήτηση και συμπέρασμα'''<br /> <br /> Η εργασία αυτή απέδειξε ότι η ξηρασία είναι άρρητα συνδεδεμένη με την εδαφική υγρασία. Όλα τα είδη βλάστησης έχουν αρνητικές επιπτώσεις από την έλλειψη εδαφικής υγρασίας που προκύπτει μετά το ξέσπασμα ξηρασίας. Τις μικρότερες επιπτώσεις φαίνεται να έχουν τα δάση. Συμπερασματικά, η μελέτη δείχνει πώς η θερμοκρασία, η βροχόπτωση, η εξατμισοδιαπνοή και η βλάστηση συσχετίζονται με το έλλειμμα της υγρασίας του εδάφους κατά τη διάρκεια της ακμής της καλλιεργητικής περιόδου.<br /> <br /> '''Αναφορές'''<br /> <br /> Adams, J.B., Mann, M.E., Ammann, C.M., 2003. Proxy evidence for an El Nino-like response to volcanic forcing. Nature 426 (6964), 274–278. [http://dx.doi.org/10.1038/nature02101.]<br /> <br /> McKee, T.B., Doesken, N.J., Kleist, J., et al. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. vol. 17. American Meteorological Society, Boston, MA, pp. 179–183.<br /> <br /> McWilliam, J.R., 1986. The national and international importance of drought and salinity effects on agricultural production. Funct. Plant Biol. 13, 1–13.<br /> <br /> Miralles, D.G., Holmes, T.R.H., de Jeu, R.A.M., Gash, J.H., Meesters, A.G.C.A., Dolman, A.J., 2011. Global land-surface evaporation estimated from satellite-based observations. Hydrol. Earth Syst. Sci. 15, 453–469. http://dx.doi.org/10.5194/hess-15-453-2011.<br /> <br /> [[category:Παρακολούθηση εδαφικής υγρασίας, εξατμισοδιαπνοής]]</div>

Marios Stefanidis