http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Marios_ragkousis&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_ragkousis 2026-04-23T16:44:03Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%91%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CF%89%CE%BD_%CE%A0%CE%B7%CE%B3%CF%8E%CE%BD_%CE%95%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%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%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82 2019-01-29T12:41:02Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 10 1.jpg|thumb | right |'''Εικόνα 10.1: Περιοχή μελέτης’’’]] <br /> [[Εικόνα:Rs wiki MR 10 2.jpg|thumb | right |'''Εικόνα 10.2: Πολυφασματικές εικόνες Landsat για την περιοχή μελέτης''']]<br /> [[Εικόνα:Rs wiki MR 10 3.jpg|thumb | right |'''Εικόνα 10.3: Εικόνες NDVI''']] <br /> [[Εικόνα:Rs wiki MR 10 4.jpg|thumb | right |'''Εικόνα 10.4: Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 1990 και 2000 ''']]<br /> [[Εικόνα:Rs wiki MR 10 5.jpg|thumb | right |'''Εικόνα 6.5: Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 2006 και 2012''']] <br /> [[Εικόνα:Rs wiki MR 10 6.jpg|thumb | right |'''Εικόνα 6.6: Μέση ηλιακή ενέργεια ετησίως και εκτίμηση της μέσης ταχύτητας ανέμου 10 μέτρα πάνω από την επιφάνεια ''']]<br /> [[Εικόνα:Rs wiki MR 10 7.jpg|thumb | right |'''Εικόνα 10.7: Χαρτογράφηση των φραγμάτων για χρήση μικρών υδροηλεκτρικών έργων και πληθυσμός περιφερειακών πόλεων ''']]<br /> [[Εικόνα:Rs wiki MR 10 8.jpg|thumb | right |'''Εικόνα 6.5: Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']] <br /> [[Εικόνα:Rs wiki MR 10 9.jpg|thumb | right |'''Εικόνα 10.9: Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']]<br /> [[Εικόνα:Rs wiki MR 10 10.jpg|thumb | right |'''Εικόνα 10.10: Χαρτογράφηση του ενεργειακού δυναμικού σε κλίμακα 1 έως 7''']]<br /> <br /> <br /> '''Πρότυπος τίτλος: Multicriteria analysis for sources of renewable energy using data from remote sensing'''<br /> <br /> '''Συγγραφέας: L. Matejicek'''<br /> <br /> [https://www.researchgate.net/publication/277363213_Multicriteria_analysis_for_sources_of_renewable_energy_using_data_from_remote_sensing Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) αποτελούν πολύ σημαντική πηγή για την μείωση των επιβλαβών εκπομπών και την αντικατάσταση των ορυκτών καυσίμων τα οποία τείνουν να εξαντληθούν. Τα δεδομένα από την τηλεπισκόπιση μπορούν να παράσχουν πληροφορίες όπως κάλυψης γης, για την αναζήτηση κατάλληλων τοποθεσιών και μέσω της πολυκριτηριακής ανάλυσης να καθοριστεί το ενεργειακό δυναμικό και η κοινωνική αποδοχή των προτεινόμενων τοποθεσιών. Η περιγραφόμενη μελέτη επικεντρώνεται σε μια περιοχή ανθρακωρυχείων της βορειοδυτικής Τσέχικης Δημοκρατίας (εικόνα 1) όπου οι επιπτώσεις της εξόρυξης και της αποκατάστασης των επιφανειών αποτελεί μια κυρίαρχη δύναμη για τις μεταβολές της γης. Τα κύρια δεδομένα εισόδου για την εύρεση κατάλληλων τοποθεσιών είναι δορυφορικές εικόνες υψηλής ανάλυσης. Τα δεδομένα από την τηλεπισκόπιση για πολυκριτηριακή ανάλυση που υλοποιείται σε ένα γεωγραφικό σύστημα πληροφοριών (GIS) είναι ηλιακή χαρτογράφηση, προβλέψεις ανέμου, τοποθεσία ποταμών σε λεκάνες απορροής, οδικοί χάρτες και δημογραφικές πληροφορίες. Επίσης χρησιμοποιήθηκε και η βάση δεδομένων CORINE για την κάλυψη γης. Με τη χρήση δεδομένων τηλεπισκόπισης όπως είναι οι πολυφασματικές εικόνες και τα σύνολα κάλυψης γης από το CORINE μπορούμε να μειώσουμε τους οικονομικούς πόρους που απαιτούνται για την εύρεση και αξιολόγηση κατάλληλων περιοχών. <br /> <br /> ''' Ανάλυση και Μοντελοποίηση '''<br /> <br /> Μέσα στα χρόνια έχουν χρησιμοποιηθεί αρκετά εργαλεία μοντελοποίησης, όμως τα ενεργειακά μοντέλα πλέον περιλαμβάνουν οικονομικές και περιβαλλοντικές εκτιμήσεις και δεν είναι μόνο αριθμητικά εργαλεία αλλά και εργαλεία διαχείρισης και λήψης αποφάσεων. Μια πολυκριτηριακή ανάλυση βασίζετε στην τηλεπισκόπιση και στα γεωγραφικά συστήματα πληροφοριών GIS κάνοντας χωρική ανάλυση δορυφορικών και εναέριων εικόνων. Η παρούσα εργασία πραγματοποιήθηκε για να προσδιοριστεί ποιες τάξεις γης καλύπτουν και συνδέονται με υψηλό ηλιακό, αιολικό, υδροηλεκτρικό δυναμικό όπως και υψηλό δυναμικό βιομάζας, σε μια περίοδο αρκετών δεκαετιών και πως μπορούν να εκμεταλλευτούν κατάλληλα. Τα δεδομένα προέρχονται από δορυφορικές πολυφασματικές εικόνες που συλλήφθηκαν από δορυφόρους Landsat κατά την περίοδο 1985-2015. <br /> <br /> Οι δορυφορικές εικόνες χρησιμοποιήθηκαν για την αξιολόγηση του δυναμικού βιομάζας χρησιμοποιώντας τον δείκτη βλάστησης κανονικοποιημένης διαφοράς (NDVI). Στην εικόνα 2 μπορούμε να δούμε δορυφορικές εικόνες Landsat από το 1990 (Landsat 5 TM), 2000 (Landsat 7 TM), 2006 (Landsat 5 TM) και 2011 (Landsat 5 TM) ενώ στην εικόνα 3 βλέπουμε αντίστοιχα τα στρώματα NDVI για τις ίδιες ημερομηνίες. Οι παραπάνω δορυφορικές εικόνες συμπληρώνονται από την βάση δεδομένων CORINE για χαρτογράφηση κάλυψης γης ( Εικόνα 4, Εικόνα 5). Η ονοματολογία κάλυψης γης του CORINE χρησιμοποιείται για την επιλογή τοποθεσιών εξόρυξης ορυκτών 131, χωματερές 132 και όλες τις γεωργικές κατηγορίες που έχουν προτεραιότητα έναντι άλλων γαιών που είναι σε θέση να αξιοποιηθούν για ΑΠΕ. Στην εικόνα 6 βλέπουμε άλλα σημαντικά χωρικά δεδομένα που μας δείχνουν την εκτίμηση της μέσης ταχύτητας ανέμου άνω των 10 μέτρων από την επιφάνεια καθώς επίσης και την μέση ηλιακή ενέργεια ετησίως. Τα παραπάνω δεδομένα συμπληρώνονται από την χαρτογράφηση των φραγμάτων τα οποία μπορούν να χρησιμοποιηθούν για τη χρησιμοποίηση μικρών μονάδων υδροηλεκτρικής ενέργειας και για μεταφορές, μαζί με τον πληθυσμό στις περιφερειακές πόλεις οι οποίες μπορούν να παρέχουν ΑΠΕ (Εικόνα 7).<br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Το αποτέλεσμα της πολυκριτηριακής ανάλυσης σταθμίζουν το σύνολο των χωρικών δεδομένων σύμφωνα με την ποσοστιαία επιρροή ώστε να δημιουργηθεί ένας χάρτης που να δείχνει τις κατάλληλες θέσεις των ΑΠΕ. Στην εικόνα 8 μπούμε να δούμε ενδεχόμενες αλλαγές στην χαρτογράφηση των κατάλληλα επιλεγμένων περιοχών για αξιοποίηση ΑΠΕ για το 1990 και το 2000 ενώ στην εικόνα 9 για το 2006 και το 2012. Στην εικόνα 10 βλέπουμε άλλα αποτελέσματα τα οποία μας δείχνουν την ενεργειακή διαθεσιμότητα με μια κλίμακα από το 1 έως το 7, όπου η πρώτη τάξη συνδέεται με το ελάχιστο και η τελευταία με το ανώτατο όριο για το 1990, το 2000, το 2006 και το 2012. Τέλος σαν αποτέλεσμα στην συγκεκριμένη εργασία έχουμε ότι το νότιο τμήμα έχει μεγαλύτερες δυνατότητας για ανάπτυξη έργων σχετικά με την ηλιακή ενέργεια, το μεσαίο τμήμα έχει μια μεγάλη επιφάνεια ορυχείων ενώ στο βορειοδυτικό τμήμα της περιοχής μελέτης υπάρχουν κατάλληλες τοποθεσίες για μικρά αιολικά πάρκα. Επίσης το νότιο τμήμα περιέχει απότομες πλαγιές με πολλά μικρά ρεύματα που σχηματίζουν ρυάκια και ποτάμια στο μεσαίο τμήμα. Πολλοί ποταμοί σε αυτό το μέρος μπορούν να χρησιμοποιηθούν για μικρές υδροηλεκτρικές μονάδες.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS_%CE%B3%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CE%B5%CF%82_%CF%80%CE%B7%CE%B3%CE%AD%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82:_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CE%91%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%83%CF%84%CE%B1_%CE%97%CE%91%CE%95 2019-01-29T12:39:23Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 9 1.jpg|thumb | right |'''Πίνακας 9.1: Σύνοψη ταχύτητας ανέμου (m/s)’’’]] <br /> [[Εικόνα:Rs wiki MR 9 2.jpg|thumb | right |'''Πίνακας 9.2: Σύνοψη της ισχύος του ανέμου (W/m2)''']]<br /> [[Εικόνα:Rs wiki MR 9 3.jpg|thumb | right |'''Εικόνα 9.1: Κατανομή της μέσης μηνιαίας ταχύτητας ανέμου''']] <br /> [[Εικόνα:Rs wiki MR 9 4.jpg|thumb | right |'''Εικόνα 9.2: κατανομή της μέσης μηνιαίας αιολικής ενέργειας ''']]<br /> [[Εικόνα:Rs wiki MR 9 5.jpg|thumb | right |'''Εικόνα 9.3: Περιοχές με υψηλή αιολική ενέργεια ''']] <br /> <br /> '''Πρότυπος τίτλος: Application of Remote Sensing and GIS for Renewable Energy: Case of Wind Energy in UAE'''<br /> <br /> '''Συγγραφέας: Yagoub M. M. '''<br /> <br /> [https://www.researchgate.net/publication/232724632_Application_of_Remote_Sensing_and_GIS_for_Renewable_Energy_Case_of_Wind_Energy_in_UAE Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Έχουν διεξαχθεί διάφορες προσπάθειες σε όλο τον κόσμο ώστε να ενσωματώσουν τη χρήση της τηλεπισκόπισης και GIS στις μελέτες ανανεώσιμων πηγών ενέργειας. Στη παρούσα εργασία έχει γίνει μια προσπάθεια εφαρμογής των δύο προαναφερθέντων εργαλείων στην περιοχή των ΗΑΕ. Γενικά, συνίσταται η χρήση δορυφόρων για να συμπληρωθούν τα επίγεια δεδομένα ειδικά στις παραθαλάσσιες περιοχές. Η δύναμη της δορυφορικής τηλεπισκόπισης είναι ο πλούτος των δεδομένων, η επαναλαμβανόμενη κάλυψη, η προσβασιμότητα σε απρόσιτες περιοχές και η διαθεσιμότητα των δεδομένων σε ψηφιακή μορφή ώστε να μπορούν εύκολα να ενσωματωθούν στο GIS. Στόχος αυτής της μελέτης είναι ο προσδιορισμός κατάλληλων περιοχών για την παραγωγή αιολικής ενέργειας στα ΗΑΕ χρησιμοποιώντας δεδομένα τηλεπισκόπισης και ανάλυση GIS. Η ανάλυση βασίζεται στη δημιουργία βάσεων δεδομένων για μετεωρολογικούς σταθμούς και παράγοντες που επηρεάζουν την αιολική ενέργεια όπως τα αστικά κέντρα, τις γραμμές μεταφοράς ενέργειας καθώς και τον τύπο χρήσης γης και κλίσης. Τα στοιχεία που απαιτήθηκαν για τη μελέτη συγκεντρώθηκαν από διάφορες κυβερνητικές υπηρεσίες όπως το Εθνικό Κέντρο Μετεωρολογίας όπου προσέφερε τα δεδομένα αέρα για την περίοδο 2004-2007. Επίσης οι εικόνες υψηλής ανάλυσης εδάφους αγοράστηκαν από ιδιωτικές εταιρείες ενώ άλλες χαμηλότερης ανάλυσης όπως IRS και ΤΜ ελήφθησαν από το Διαστημικό Κέντρο Αναγνώρισης των ΗΑΕ και την ιστοσελίδα το US Geological Survey.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Δημιουργήθηκε μια βάση δεδομένων που περιείχε εικόνες με μηνιαία μετεωρολογικά δεδομένα, υψόμετρο, χάρτες χρήσης γης και κέντρα ενεργειακής ζήτησης όπως πόλεις και χωριά. Άλλα δεδομένα περιλάμβαναν δρόμους, αεροδρόμια, δίκτυα ηλεκτρικής ενέργειας, φάρμες, λιμάνια, διυλιστήρια αλλά και φυσικές, πολιτισμικές προστατευμένες περιοχές. Ο κύριος παράγοντας για την επιλογή των κατάλληλων θέσεων ήταν η ταχύτητα του ανέμου διότι είναι η πηγή της αιολικής ενέργειας. Τα δεδομένα ανέμου εισάγονται σε περιβάλλον GIS και συνδυάζονται με τα δεδομένα χρήσης γης ώστε να προσδιοριστούν οι κατάλληλες περιοχές για παραγωγή αιολικής ενέργειας χρησιμοποιώντας ανάλυση πολλαπλών κριτηρίων. Τα κριτήρια έλαβαν υπόψη την ταχύτητα του ανέμου, την τοπογραφία, την κλίση, τις εποχιακές αλλαγές, τις χρήσεις γης, την εγγύτητα σε αστικές και γεωργικές περιοχές, τα λιμάνια, τα διυλιστήρια και τα αεροδρόμια. Στους παρακάτω πίνακες 1 και 2 μπορούμε να δούμε μια σύνοψη της ταχύτητας και της ισχύος του ανέμου σε όλους του σταθμούς. Από τους 34 μετεωρολογικούς σταθμούς οι 9 είχαν μέση μηνιαία ταχύτητα ανέμου η οποία ξεπέρασε τα 4m/s για την περίοδο 2004-2007. Από αυτούς 7 σταθμοί βρίσκονται στη Δυτική περιοχή του Άμπου Ντάμπι, 1 στο Γκάντουατ (μεταξύ Άμπου Ντάμπι και Ντουμπάι) και 1 στο Αλ Αίν. Αυτό δείχνει ότι θα χρειαστεί πιο λεπτομερή ανάλυση για τη Δυτική περιοχή του Άμπου Ντάμπι. Τέλος η μέση ισχύ για τον Ιανουάριο στους σταθμούς αυτούς βρέθηκε να είναι 64 και για τον Ιούλιο 61. Αυτό δείχνει ότι η εποχιακή αλλαγή δεν έχει σημαντική επιρροή στην αιολική ενέργεια. <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα παρέχουν λεπτομερή ανάλυση σχετικά με τις επιπτώσεις του υψομέτρου, την διακύμανση της ταχύτητας και της ισχύος του ανέμου.<br /> <br /> 1) Ταχύτητα ανέμου και ενέργεια<br /> <br /> Η ταχύτητα ανέμου αναμενόταν να ήταν υψηλή κατά μήκος των ανατολικών παράκτιων περιοχών λόγω αυξημένου υψομέτρου. Παρόλο αυτά μέσα από την συγκεκριμένη μελέτη παρατηρήθηκαν χαμηλές τιμές ταχύτητας ανέμου κατά μήκος των ανατολικών ακτών. Αυτό οφείλεται σε ένα πρόβλημα των δεδομένων επειδή επηρεάζονται έντονα από χερσαίους σταθμούς μέτρησης που τοποθετούνται σε προστατευμένες περιοχές, έτσι οι μετρήσεις του ανέμου μπορεί να μην αντιπροσωπεύει τις πραγματικές μετρήσεις ταχύτητας ανέμου.<br /> <br /> 2) Περιφερειακή ταξινόμηση της ταχύτητας και της ισχύος του ανέμου<br /> <br /> Για να υπάρχει μια πιο προσεκτική κατανομή της ταχύτητας του ανέμου διαχωρίστηκαν τα ΗΑΕ σε τρεις κατηγορίες: υπεράκτια, παράκτια και χερσαίες περιοχή. Η ταξινόμηση βασίστηκε στην υπόθεση ότι κάθε μία από αυτές τις περιοχές έχει διαφορετική τραχύτητα επιφανείας και κατά συνέπεια διαφορετικά αιολικά συστήματα.<br /> <br /> 2.1) Υπεράκτιες περιοχές <br /> <br /> Οι υπεράκτιες περιοχές αντιμετωπίζονται χωριστά επειδή έχουν χαμηλή τραχύτητα επιφανείας (χωρίς κτίρια ή τοπογραφία). Υπάρχουν περισσότερα από 200 νησιά των ΗΑΕ στον Αραβικό κόλπο όπου κάποια από αυτά γίνονται όλο και πιο ελκυστικά που σημαίνει ανάγκη ενέργειας. Η μελέτη έδειξε τη διαθεσιμότητα πιθανής αιολικής ενέργειας γύρω από τα νησιά. Στην εικόνα 1 μπορούμε να δούμε την ταχύτητα του ανέμου που κυμαίνεται μεταξύ 3,89 m/s και 4,44 m/s με μέση τιμή 4,07 m/s. Η αιολική ενέργεια κυμαίνεται μεταξύ 36 W/m2 και 53 W/m2 με μέσο όρο 42 W/m2 (εικόνα 2). <br /> <br /> 2.2) Παράκτιες περιοχές <br /> <br /> Οι παράκτιες περιοχές των ΗΑΕ είναι οι πιο πυκνοκατοικημένες περιοχές. Σχεδόν το 70% του πληθυσμού των ΗΑΕ και κατά συνέπεια η πλειοψηφία των οικονομικών και κοινωνικών δραστηριοτήτων είναι κατά μήκος της ακτής, δηλαδή είναι η περιοχή με τη μεγαλύτερη ζήτηση ενέργειας. Οι παράκτιες περιοχές αυτής της μελέτης ορίζονται ως αυτές των 30 χιλιομέτρων εσωτερικά και υπεράκτια από την ακτογραμμή. Η υψηλότερη ταχύτητα ανέμου 5m/s και εντοπίζεται κυρίως στις βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι (εικόνα 1). Οι κύριες αιτίες μπορεί να είναι: <br /> <br /> * Η πλευρά της θάλασσας που αντιμετωπίζει τις παράκτιες περιοχές του αραβικού κόλπου έχει χαμηλή τραχύτητα επιφάνειας. Οι παράκτιες περιοχές του δυτικού Αμπού Ντάμπι έχουν χαμηλή βλάστηση, κτίρια, τοπογραφία και υψόμετρο. Ως εκ τούτου, οι πιθανότητες της κίνησης του ανέμου στην ενδοχώρα είναι υψηλότερες από ότι σε περιοχές που έχουν μεγάλη τραχύτητα επιφάνειας όπως το Αμπού Ντάμπι, το Ντουμπάι και το Sharjah.<br /> <br /> * Δεδομένου ότι η επικρατούσα κατεύθυνση του ανέμου στα ΗΑΕ είναι από το βορρά αναμένεται ότι οι περιοχές στα βόρεια και βορειοδυτικά των ΗΑΕ θα έχουν υψηλότερη ταχύτητα ανέμου.<br /> * Η μεγάλη επιφάνεια του Αραβικού κόλπου που αντιμετωπίζει το Δυτικό Άμπου Ντάμπι σε αντίθεση με τη μικρή επιφάνεια που αντιμετωπίζει το Ντουμπάι και το σααα. <br /> * Το ύψος ή το υψόμετρο της ιρανικής πλάκας μπορεί να επηρεάσει και την ταχύτητα του ανέμου.<br /> * Λόγω της διαφοράς θερμοκρασίας μεταξύ του Αραβικού Κόλπου και της εσωτερικής ερήμου κατά τη διάρκεια της ημέρας και της νύχτας, το αεράκι της θάλασσας παράγει τοπική κυκλοφορία αέρα που μπορεί να φτάσει ταχύτητα έως και 5,8m/s. Η ταχύτητα ανέμου που παράγεται από το αεράκι του Κόλπου φθάνει στο μέγιστο της κατά τη διάρκεια της μέρας της ημέρας λόγω της μεγάλης διαφοράς μεταξύ της θερμοκρασίας της θάλασσας και της γης και των επακόλουθων διαφορών στην πίεση. Αυτό είναι προς όφελος της αιολικής ενέργειας, επειδή το μεγαλύτερο μέρος της κατανάλωσης ηλεκτρικής ενέργειας είναι κατά τη διάρκεια της ημέρας λόγω των ανθρώπινων δραστηριοτήτων (επιχειρήσεις, βιομηχανία, σχολεία κλπ.) και κυρίως στον κλιματισμό. Επομένως, η σχέση μεταξύ της θερμοκρασίας της ηλιακής ακτινοβολίας, της πίεσης και της κίνησης και της ταχύτητας του ανέμου πρέπει να αντιμετωπιστεί ως ενσωματωμένο ατμοσφαιρικό σύστημα που επηρεάζει την αιολική ενέργεια.<br /> <br /> <br /> 2.3) Χερσαίες περιοχές<br /> <br /> Οι χερσαίες περιοχές βρίσκονται σε απόσταση 30 χιλιομέτρων από την ενδοχώρα. Υπάρχουν 17 σταθμοί εσωτερικής ναυσιπλοΐας και η ταχύτητα ανέμου στους σταθμούς αυτούς κυμαίνεται μεταξύ 2,2 m/s ως ελάχιστο και 4,4 m/s ως μέγιστο με μέσο όρο 3,36 m/s. Σε γενικές γραμμές, όλοι οι σταθμοί εσωτερικής ναυσιπλοΐας είχαν χαμηλές ταχύτητες ανέμου. Αυτό ήταν αναμενόμενο επειδή ο άνεμος μετακινείται από τον εσωτερικό κόλπο, χάνει την ισχύ του και αντιμετωπίζει μεγαλύτερη τραχύτητα της επιφάνειας λόγω των αμμολόφων, των δέντρων και των αστικών περιοχών. Η εξαίρεση για το Al Ain οφείλεται στο σχετικά υψηλό υψόμετρο αφού κυμαίνεται από 200 μέτρα στην πόλη και έως 1000 μέτρα πάνω από το επίπεδο της στάθμης της θάλασσας στο Hafer Mountain.<br /> 3) Δυτική περιοχή του Άμπου Ντάμπι <br /> <br /> Οι βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι έχουν μεγάλες δυνατότητες για αιολική ενέργεια με ταχύτητα ανέμου στην περιοχή να υπερβαίνει τα 4 m/s. Ως εκ τούτου, δίνονται περισσότερες λεπτομέρειες . Οι λεπτομέρειες επικεντρώθηκαν στη σύνδεση του αιολικού δυναμικού με τα: <br /> * Πληθυσμιακά κέντρα <br /> * Υψόμετρο <br /> * Δίκτυο ηλεκτρισμού <br /> * Οδική πρόσβαση <br /> * Υποδομές πετρελαίου και φυσικού αερίου<br /> * Πηγές νερού<br /> * Υδατικά σώματα<br /> * Αεροδρόμια <br /> * Διατηρητέους και ψυχαγωγικούς χώρους <br /> * Ιστορικές χώροι και πολιτισμικές πηγές <br /> <br /> Συμπερασματικά, η μέση μηνιαία ταχύτητα ανέμου στους κορυφαίους σταθμούς κυμαίνεται μεταξύ 4,17 m/s και 5,28 m/s. Η εκτιμώμενη αιολική ενέργεια κυμαίνεται μεταξύ 44 W/m2 και 90 W/m2 . Η χρονική και εποχιακή ανάλυση δείχνει ότι η αιολική ενέργεια κυμαίνεται μεταξύ 28 W/m2 και 127 W/m2 κατά τη διάρκεια του χειμώνα (Δεκέμβριος-Μάρτιος) και μεταξύ 42 W/m2 και 91 W/m2 κατά τη διάρκεια του καλοκαιριού (Απρίλιος-Νοέμβριος).<br /> <br /> <br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS_%CE%B3%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CE%B5%CF%82_%CF%80%CE%B7%CE%B3%CE%AD%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82:_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CE%91%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%83%CF%84%CE%B1_%CE%97%CE%91%CE%95 2019-01-29T12:38:53Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 9 1.jpg|thumb | right |'''Πίνακας 9.1: Σύνοψη ταχύτητας ανέμου (m/s)’’’]] <br /> [[Εικόνα:Rs wiki MR 9 2.jpg|thumb | right |'''Πίνακας 9.2: Σύνοψη της ισχύος του ανέμου (W/m2)''']]<br /> [[Εικόνα:Rs wiki MR 9 3.jpg|thumb | right |'''Εικόνα 9.1: Κατανομή της μέσης μηνιαίας ταχύτητας ανέμου''']] <br /> [[Εικόνα:Rs wiki MR 9 4.jpg|thumb | right |'''Εικόνα 9.2: κατανομή της μέσης μηνιαίας αιολικής ενέργειας ''']]<br /> [[Εικόνα:Rs wiki MR 9 5.jpg|thumb | right |'''Εικόνα 9.3: Περιοχές με υψηλή αιολική ενέργεια ''']] <br /> <br /> '''Πρότυπος τίτλος: Application of Remote Sensing and GIS for Renewable Energy: Case of Wind Energy in UAE'''<br /> <br /> '''Συγγραφέας: Yagoub M. M. '''<br /> <br /> [https://www.researchgate.net/publication/232724632_Application_of_Remote_Sensing_and_GIS_for_Renewable_Energy_Case_of_Wind_Energy_in_UAE Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Έχουν διεξαχθεί διάφορες προσπάθειες σε όλο τον κόσμο ώστε να ενσωματώσουν τη χρήση της τηλεπισκόπισης και GIS στις μελέτες ανανεώσιμων πηγών ενέργειας. Στη παρούσα εργασία έχει γίνει μια προσπάθεια εφαρμογής των δύο προαναφερθέντων εργαλείων στην περιοχή των ΗΑΕ. Γενικά, συνίσταται η χρήση δορυφόρων για να συμπληρωθούν τα επίγεια δεδομένα ειδικά στις παραθαλάσσιες περιοχές. Η δύναμη της δορυφορικής τηλεπισκόπισης είναι ο πλούτος των δεδομένων, η επαναλαμβανόμενη κάλυψη, η προσβασιμότητα σε απρόσιτες περιοχές και η διαθεσιμότητα των δεδομένων σε ψηφιακή μορφή ώστε να μπορούν εύκολα να ενσωματωθούν στο GIS. Στόχος αυτής της μελέτης είναι ο προσδιορισμός κατάλληλων περιοχών για την παραγωγή αιολικής ενέργειας στα ΗΑΕ χρησιμοποιώντας δεδομένα τηλεπισκόπισης και ανάλυση GIS. Η ανάλυση βασίζεται στη δημιουργία βάσεων δεδομένων για μετεωρολογικούς σταθμούς και παράγοντες που επηρεάζουν την αιολική ενέργεια όπως τα αστικά κέντρα, τις γραμμές μεταφοράς ενέργειας καθώς και τον τύπο χρήσης γης και κλίσης. Τα στοιχεία που απαιτήθηκαν για τη μελέτη συγκεντρώθηκαν από διάφορες κυβερνητικές υπηρεσίες όπως το Εθνικό Κέντρο Μετεωρολογίας όπου προσέφερε τα δεδομένα αέρα για την περίοδο 2004-2007. Επίσης οι εικόνες υψηλής ανάλυσης εδάφους αγοράστηκαν από ιδιωτικές εταιρείες ενώ άλλες χαμηλότερης ανάλυσης όπως IRS και ΤΜ ελήφθησαν από το Διαστημικό Κέντρο Αναγνώρισης των ΗΑΕ και την ιστοσελίδα το US Geological Survey.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Δημιουργήθηκε μια βάση δεδομένων που περιείχε εικόνες με μηνιαία μετεωρολογικά δεδομένα, υψόμετρο, χάρτες χρήσης γης και κέντρα ενεργειακής ζήτησης όπως πόλεις και χωριά. Άλλα δεδομένα περιλάμβαναν δρόμους, αεροδρόμια, δίκτυα ηλεκτρικής ενέργειας, φάρμες, λιμάνια, διυλιστήρια αλλά και φυσικές, πολιτισμικές προστατευμένες περιοχές. Ο κύριος παράγοντας για την επιλογή των κατάλληλων θέσεων ήταν η ταχύτητα του ανέμου διότι είναι η πηγή της αιολικής ενέργειας. Τα δεδομένα ανέμου εισάγονται σε περιβάλλον GIS και συνδυάζονται με τα δεδομένα χρήσης γης ώστε να προσδιοριστούν οι κατάλληλες περιοχές για παραγωγή αιολικής ενέργειας χρησιμοποιώντας ανάλυση πολλαπλών κριτηρίων. Τα κριτήρια έλαβαν υπόψη την ταχύτητα του ανέμου, την τοπογραφία, την κλίση, τις εποχιακές αλλαγές, τις χρήσεις γης, την εγγύτητα σε αστικές και γεωργικές περιοχές, τα λιμάνια, τα διυλιστήρια και τα αεροδρόμια. Στους παρακάτω πίνακες 1 και 2 μπορούμε να δούμε μια σύνοψη της ταχύτητας και της ισχύος του ανέμου σε όλους του σταθμούς. Από τους 34 μετεωρολογικούς σταθμούς οι 9 είχαν μέση μηνιαία ταχύτητα ανέμου η οποία ξεπέρασε τα 4m/s για την περίοδο 2004-2007. Από αυτούς 7 σταθμοί βρίσκονται στη Δυτική περιοχή του Άμπου Ντάμπι, 1 στο Γκάντουατ (μεταξύ Άμπου Ντάμπι και Ντουμπάι) και 1 στο Αλ Αίν. Αυτό δείχνει ότι θα χρειαστεί πιο λεπτομερή ανάλυση για τη Δυτική περιοχή του Άμπου Ντάμπι. Τέλος η μέση ισχύ για τον Ιανουάριο στους σταθμούς αυτούς βρέθηκε να είναι 64 και για τον Ιούλιο 61. Αυτό δείχνει ότι η εποχιακή αλλαγή δεν έχει σημαντική επιρροή στην αιολική ενέργεια. <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα παρέχουν λεπτομερή ανάλυση σχετικά με τις επιπτώσεις του υψομέτρου, την διακύμανση της ταχύτητας και της ισχύος του ανέμου.<br /> <br /> 1) Ταχύτητα ανέμου και ενέργεια<br /> <br /> <br /> Η ταχύτητα ανέμου αναμενόταν να ήταν υψηλή κατά μήκος των ανατολικών παράκτιων περιοχών λόγω αυξημένου υψομέτρου. Παρόλο αυτά μέσα από την συγκεκριμένη μελέτη παρατηρήθηκαν χαμηλές τιμές ταχύτητας ανέμου κατά μήκος των ανατολικών ακτών. Αυτό οφείλεται σε ένα πρόβλημα των δεδομένων επειδή επηρεάζονται έντονα από χερσαίους σταθμούς μέτρησης που τοποθετούνται σε προστατευμένες περιοχές, έτσι οι μετρήσεις του ανέμου μπορεί να μην αντιπροσωπεύει τις πραγματικές μετρήσεις ταχύτητας ανέμου.<br /> <br /> 2) Περιφερειακή ταξινόμηση της ταχύτητας και της ισχύος του ανέμου<br /> <br /> Για να υπάρχει μια πιο προσεκτική κατανομή της ταχύτητας του ανέμου διαχωρίστηκαν τα ΗΑΕ σε τρεις κατηγορίες: υπεράκτια, παράκτια και χερσαίες περιοχή. Η ταξινόμηση βασίστηκε στην υπόθεση ότι κάθε μία από αυτές τις περιοχές έχει διαφορετική τραχύτητα επιφανείας και κατά συνέπεια διαφορετικά αιολικά συστήματα.<br /> <br /> 2.1) Υπεράκτιες περιοχές <br /> <br /> Οι υπεράκτιες περιοχές αντιμετωπίζονται χωριστά επειδή έχουν χαμηλή τραχύτητα επιφανείας (χωρίς κτίρια ή τοπογραφία). Υπάρχουν περισσότερα από 200 νησιά των ΗΑΕ στον Αραβικό κόλπο όπου κάποια από αυτά γίνονται όλο και πιο ελκυστικά που σημαίνει ανάγκη ενέργειας. Η μελέτη έδειξε τη διαθεσιμότητα πιθανής αιολικής ενέργειας γύρω από τα νησιά. Στην εικόνα 1 μπορούμε να δούμε την ταχύτητα του ανέμου που κυμαίνεται μεταξύ 3,89 m/s και 4,44 m/s με μέση τιμή 4,07 m/s. Η αιολική ενέργεια κυμαίνεται μεταξύ 36 W/m2 και 53 W/m2 με μέσο όρο 42 W/m2 (εικόνα 2). <br /> <br /> 2.2) Παράκτιες περιοχές <br /> <br /> Οι παράκτιες περιοχές των ΗΑΕ είναι οι πιο πυκνοκατοικημένες περιοχές. Σχεδόν το 70% του πληθυσμού των ΗΑΕ και κατά συνέπεια η πλειοψηφία των οικονομικών και κοινωνικών δραστηριοτήτων είναι κατά μήκος της ακτής, δηλαδή είναι η περιοχή με τη μεγαλύτερη ζήτηση ενέργειας. Οι παράκτιες περιοχές αυτής της μελέτης ορίζονται ως αυτές των 30 χιλιομέτρων εσωτερικά και υπεράκτια από την ακτογραμμή. Η υψηλότερη ταχύτητα ανέμου 5m/s και εντοπίζεται κυρίως στις βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι (εικόνα 1). Οι κύριες αιτίες μπορεί να είναι: <br /> <br /> * Η πλευρά της θάλασσας που αντιμετωπίζει τις παράκτιες περιοχές του αραβικού κόλπου έχει χαμηλή τραχύτητα επιφάνειας. Οι παράκτιες περιοχές του δυτικού Αμπού Ντάμπι έχουν χαμηλή βλάστηση, κτίρια, τοπογραφία και υψόμετρο. Ως εκ τούτου, οι πιθανότητες της κίνησης του ανέμου στην ενδοχώρα είναι υψηλότερες από ότι σε περιοχές που έχουν μεγάλη τραχύτητα επιφάνειας όπως το Αμπού Ντάμπι, το Ντουμπάι και το Sharjah.<br /> <br /> * Δεδομένου ότι η επικρατούσα κατεύθυνση του ανέμου στα ΗΑΕ είναι από το βορρά αναμένεται ότι οι περιοχές στα βόρεια και βορειοδυτικά των ΗΑΕ θα έχουν υψηλότερη ταχύτητα ανέμου.<br /> * Η μεγάλη επιφάνεια του Αραβικού κόλπου που αντιμετωπίζει το Δυτικό Άμπου Ντάμπι σε αντίθεση με τη μικρή επιφάνεια που αντιμετωπίζει το Ντουμπάι και το σααα. <br /> * Το ύψος ή το υψόμετρο της ιρανικής πλάκας μπορεί να επηρεάσει και την ταχύτητα του ανέμου.<br /> * Λόγω της διαφοράς θερμοκρασίας μεταξύ του Αραβικού Κόλπου και της εσωτερικής ερήμου κατά τη διάρκεια της ημέρας και της νύχτας, το αεράκι της θάλασσας παράγει τοπική κυκλοφορία αέρα που μπορεί να φτάσει ταχύτητα έως και 5,8m/s. Η ταχύτητα ανέμου που παράγεται από το αεράκι του Κόλπου φθάνει στο μέγιστο της κατά τη διάρκεια της μέρας της ημέρας λόγω της μεγάλης διαφοράς μεταξύ της θερμοκρασίας της θάλασσας και της γης και των επακόλουθων διαφορών στην πίεση. Αυτό είναι προς όφελος της αιολικής ενέργειας, επειδή το μεγαλύτερο μέρος της κατανάλωσης ηλεκτρικής ενέργειας είναι κατά τη διάρκεια της ημέρας λόγω των ανθρώπινων δραστηριοτήτων (επιχειρήσεις, βιομηχανία, σχολεία κλπ.) και κυρίως στον κλιματισμό. Επομένως, η σχέση μεταξύ της θερμοκρασίας της ηλιακής ακτινοβολίας, της πίεσης και της κίνησης και της ταχύτητας του ανέμου πρέπει να αντιμετωπιστεί ως ενσωματωμένο ατμοσφαιρικό σύστημα που επηρεάζει την αιολική ενέργεια.<br /> <br /> <br /> 2.3) Χερσαίες περιοχές<br /> <br /> Οι χερσαίες περιοχές βρίσκονται σε απόσταση 30 χιλιομέτρων από την ενδοχώρα. Υπάρχουν 17 σταθμοί εσωτερικής ναυσιπλοΐας και η ταχύτητα ανέμου στους σταθμούς αυτούς κυμαίνεται μεταξύ 2,2 m/s ως ελάχιστο και 4,4 m/s ως μέγιστο με μέσο όρο 3,36 m/s. Σε γενικές γραμμές, όλοι οι σταθμοί εσωτερικής ναυσιπλοΐας είχαν χαμηλές ταχύτητες ανέμου. Αυτό ήταν αναμενόμενο επειδή ο άνεμος μετακινείται από τον εσωτερικό κόλπο, χάνει την ισχύ του και αντιμετωπίζει μεγαλύτερη τραχύτητα της επιφάνειας λόγω των αμμολόφων, των δέντρων και των αστικών περιοχών. Η εξαίρεση για το Al Ain οφείλεται στο σχετικά υψηλό υψόμετρο αφού κυμαίνεται από 200 μέτρα στην πόλη και έως 1000 μέτρα πάνω από το επίπεδο της στάθμης της θάλασσας στο Hafer Mountain.<br /> 3) Δυτική περιοχή του Άμπου Ντάμπι <br /> <br /> Οι βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι έχουν μεγάλες δυνατότητες για αιολική ενέργεια με ταχύτητα ανέμου στην περιοχή να υπερβαίνει τα 4 m/s. Ως εκ τούτου, δίνονται περισσότερες λεπτομέρειες . Οι λεπτομέρειες επικεντρώθηκαν στη σύνδεση του αιολικού δυναμικού με τα: <br /> * Πληθυσμιακά κέντρα <br /> * Υψόμετρο <br /> * Δίκτυο ηλεκτρισμού <br /> * Οδική πρόσβαση <br /> * Υποδομές πετρελαίου και φυσικού αερίου<br /> * Πηγές νερού<br /> * Υδατικά σώματα<br /> * Αεροδρόμια <br /> * Διατηρητέους και ψυχαγωγικούς χώρους <br /> * Ιστορικές χώροι και πολιτισμικές πηγές <br /> <br /> Συμπερασματικά, η μέση μηνιαία ταχύτητα ανέμου στους κορυφαίους σταθμούς κυμαίνεται μεταξύ 4,17 m/s και 5,28 m/s. Η εκτιμώμενη αιολική ενέργεια κυμαίνεται μεταξύ 44 W/m2 και 90 W/m2 . Η χρονική και εποχιακή ανάλυση δείχνει ότι η αιολική ενέργεια κυμαίνεται μεταξύ 28 W/m2 και 127 W/m2 κατά τη διάρκεια του χειμώνα (Δεκέμβριος-Μάρτιος) και μεταξύ 42 W/m2 και 91 W/m2 κατά τη διάρκεια του καλοκαιριού (Απρίλιος-Νοέμβριος).<br /> <br /> <br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%BC%CE%B5%CE%B8%CE%B1%CE%BD%CE%AF%CE%BF%CF%85_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%85%CF%80%CE%BF%CE%BE%CE%B5%CE%B9%CE%B4%CE%AF%CE%BF%CF%85_%CF%84%CE%BF%CF%85_%CE%B1%CE%B6%CF%8E%CF%84%CE%BF%CF%85_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B1%CF%80%CF%8C%CE%B2%CE%BB%CE%B7%CF%84%CE%B1_%CE%B1%CF%80%CE%BF%CF%84%CE%AD%CF%86%CF%81%CF%89%CF%83%CE%B7%CF%82 2019-01-29T12:35:25Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 8 1.jpg|thumb | right |'''Πίνακας 8.1: Καταγραφή μετρήσεων του IFTS. Οι κύβοι (cubes) υποδηλώνουν πλήρη σύνολα τρισδιάστατων δεδομένων (χωρικές διαστάσεις x και y συν το φάσμα IR σε κάθε εικονοστοιχείο εικόνας ως τρίτη διάσταση).’’’]] <br /> [[Εικόνα:Rs wiki MR 8 2.jpg|thumb | right |'''Εικόνα 8.1: (Α) Επισκόπηση ρυθμίσεων οργάνου για την μελέτη (Β) Πεδίο προβολής και σημείο μετρήσεων.''']]<br /> [[Εικόνα:Rs wiki MR 8 3.jpg|thumb | right |'''Εικόνα 8.2: Παράμετροι και οπτικές διαδρομές που περιλαμβάνονται στη φασματοσκοπική μοντελοποίηση. Οι παράμετροι L, t, T και m δηλώνουν την ακτινοβολία, τη μετάδοση, τη θερμοκρασία και τους αριθμούς των κυμάτων αντίστοιχα''']] <br /> [[Εικόνα:Rs wiki MR 8 4.jpg|thumb | right |'''Εικόνα 8.3: Μέση θερμοκρασία φωτεινότητας σε διαφορετικές φασματικές περιοχές για την περίπτωση 1 (πάνω σειρά) και την περίπτωση 2 (κάτω σειρά)''']]<br /> [[Εικόνα:Rs wiki MR 8 5.jpg|thumb | right |'''Εικόνα 8.4: Επεξεργασία εικόνας πριν τον υπολογισμό της ταχύτητας χρησιμοποιώντας διορθωμένες εικόνες συμβολισμού. ''']] <br /> [[Εικόνα:Rs wiki MR 8 6.jpg|thumb | right |'''Εικόνα 8.5: Σειρά μετρήσεων των ταχυτήτων αερίου με ρυθμό 473 μετρήσεις ανά s. Το κόκκινο πλαίσιο σηματοδοτεί την περιοχή μεγέθυνση στο B ''']]<br /> [[Εικόνα:Rs wiki MR 8 7.jpg|thumb | right |'''Εικόνα 8.6: Παράδειγμα φασματικών κυμάτων και φασματικών μοντέλων ''']]<br /> <br /> '''Πρότυπος τίτλος: Remote sensing of methane and nitrous oxide fluxes from waste Incineration'''<br /> <br /> '''Συγγραφέας: Magnus Gålfalk and David Bastviken '''<br /> <br /> [https://www.sciencedirect.com/science/article/pii/S0956053X18300527 Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Εκτός από τους υδρατμούς (Η2Ο), τα κύρια αέρια του θερμοκηπίου στην ατμόσφαιρα της γης είναι το διοξείδιο του άνθρακα (C02), το μεθάνιο (CΗ4) και το οξείδιο του αζώτου (Ν2Ο). Παρά το γεγονός ότι το CΟ2 είναι το πιο ευρέως παρακολουθούμενο αέριο του θερμοκηπίου , το CΗ4 και το Ν2Ο έχουν συντελεστή βαρύτητας 86 και 268 φορές του CΟ2 αντίστοιχα σύμφωνα με την IPCC, δηλαδή 1gr CH4 και 1gr Ν2Ο ισούνται με 86gr και 268gr CΟ2 αντίστοιχα. Σύμφωνα με τα παραπάνω οι δραστηριότητες που συμβάλλουν στις εκπομπές CΗ4 και Ν2Ο είναι πολύ σημαντικές και πρέπει να υπάρχει συχνή παρακολούθηση. Η ατελής καύση είναι μια από αυτές και η παρούσα μελέτη επικεντρώνεται στις εκπομπές αερίων από την καύση αποβλήτων. Η διαχείριση των αποβλήτων αποτελεί ένα σημαντικό αντικείμενο για την κοινωνία και τις εκπομπές αερίων του θερμοκηπίου. Οι ΧΥΤΑ είναι ευρύτερα γνωστό ότι παράγουν μεγάλες ποσότητες CH4 έτσι η αποτέφρωση αποβλήτων αποτελεί μια ωφέλιμη εναλλακτική λύση με την παραγωγή ενέργειας από τα απόβλητα. Στην συγκεκριμένη μέθοδο οι εκπομπές εξαρτώνται σε μεγάλο βαθμό από παράγοντες όπως, τον τύπο αποβλήτων που χρησιμοποιούνται για αποτέφρωση, τη θερμοκρασία αποτέφρωσης, τον καθαρισμό των αερίων που εξέρχονται στον αέρα και από τον τύπο της μονάδας αποτέφρωσης. Η μέθοδος που χρησιμοποιείται ευρέως για την εύρεση των αέριων εκπομπών είναι η επιτόπια δειγματοληψία του καυσαερίου όμως αυτή η εργασία παρουσιάζει μια εναλλακτική μέθοδο που βασίζεται σε μια τεχνική τηλεπισκόπισης από το έδαφος για μη παρεμβατικές άμεσες μετρήσεις του CH4 και του N2O. Με τη μέθοδο αυτή έχουμε τη δυνατότητα να πραγματοποιήσουμε μετρήσεις σε απόσταση εκατοντάδων μέτρων καθώς επίσης να εφαρμοστεί σε μονάδες παραγωγής θερμότητας και ηλεκτρικής ενέργειας που χρησιμοποιούν άλλα είδη καυσίμων όπως ορυκτά καύσιμα. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Σε αυτή τη μελέτη λήφθηκαν μετρήσεις, μια προσαρμοσμένη μεγάλου μήκους κύματος απεικόνιση φασματομετρικού μετασχηματισμού Fourier (IFTS) και στον πίνακα 1 μπορούμε να δούμε μια περίληψη των μετρήσεων του οργάνου για τις δύο περιπτώσεις, όπως και τη διάρκεια που αντιπροσωπεύει το συνολικό χρόνο λήψης της απεικόνισης. Η τηλεπισκόπιση χρησιμοποιήθηκε για την μέτρηση των ροών του CH4 και του Ν2Ο από την καμινάδα μια μονάδας αποτέφρωσης αποβλήτων που χρησιμοποιεί καθαρό κρύο ουρανό σαν φόντο. Οι μετρήσεις έγιναν σε δύο περιπτώσεις, από αποστάσεις των 153m και 183m χρησιμοποιώντας φασματικές αναλύσεις 1 και 0,25cm-1 αντίστοιχα. Επίσης πρόσθετος εξοπλισμός περιλαμβάνει ένα λέιζερ με ευρύ φάσμα που χρησιμοποιείται για μετρήσεις σε επιλεγμένα σημεία της καμινάδας όπου σε συνδυασμό με τις φασματικές εικόνες μπορούν να ληφθεί η ποσότητα του CH4, Ν2Ο και του H2Ο. Στο Β κομμάτι της εικόνας 1 έχουμε την απόσταση από την κορυφή της καμινάδας (σημείο 1) όπου είναι 153m. Βλέπουμε τις εκπομπές που είναι διαφανείς στο σημείο 2 ενώ η συμπύκνωση υδρατμών σε σταγόνες κάνει τις εκπομπές αδιαφανείς στο σημείο 3. Τέλος, το σημείο 4 μας δείχνει το φόντο που είχαμε υποθέσει, ψυχρό και καθαρό ουρανό (εικόνα 1). Στην εικόνα 2 μπορούμε να δούμε το διαχωρισμό σε στρώματα που έχει γίνει όπου το πρώτο είναι ο κρύος ουρανός, το δεύτερο είναι το αέριο που εκπέμπεται από την καμινάδα (πλούμιο) και το τρίτο περιέχει τον αέρα μεταξύ της καμινάδας και της κάμερας(IFTS). Οι παράμετροι του πλουμίου διαμορφώνονται από την φασματοσκοπία. Η θερμοκρασία του πλουμίου αποδίδει με τη σειρά της μια έντονη ακτινοβολία μαύρου σώματος αλλά προς ένα μη διαφανές τμήμα του πλουμίου. Όπως φαίνεται στην εικόνα 3 αυτό μπορεί να γίνει επιλογή των αριθμών των κυμάτων με το πλούμιο σε πρώτο πλάνο ώστε να μπορούν να ανακτηθούν τα απαραίτητα αποτελέσματα. Επίσης για κάθε περίπτωση υπάρχουν διαφορετικές φασματικές κλίμακες 0-15% για A και D, 15-30% για το B και E και 99-100% για το C και το F ( η περιοχή που χρησιμοποιείται για τον υπολογισμό των προτύπων ροής, φαίνεται με λευκό χρώμα). Στην εικόνα 4 αφαιρούνται τα κακά εικονοστοιχεία ενισχύοντας τη δομική αντίθεση διατηρώντας το μέσο σήμα γύρω από το μηδέν. Εκεί έχουμε 4 επιμέρους εικόνες όπου στην Α έχουμε την ενιαία εικόνα, στην Β δύο εικόνες (κόκκινο και κυανό χρώμα) με χρονική καθυστέρηση 0,1s, στην C όπως και στην Β μετά την αφαίρεση κάθε εικόνας με πρόσθετες που λήφθηκαν 0,025s νωρίτερα, αυξάνοντας σημαντικά την αντίθεση και στην D οι δύο εικόνες που χρησιμοποιούνται για τα χαρακτηριστικά παρακολούθησης και τον υπολογισμό της ταχύτητας.<br /> <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Στην εικόνα 5 μπορούμε να δούμε τους υπολογισμούς της αναλυτικής ταχύτητας αερίου χρησιμοποιώντας όλες τις συντεταγμένες του χρόνου όλων των γραμμαρίων που χρησιμοποιήθηκαν για την εκτίμηση της μέσης ταχύτητας αερίου κατά τη διάρκεια των μετρήσεων. Τα φασματοφοτόμετρα σε ορατές γραμμές ακριβώς πάνω από την έξοδο της καμινάδας δείχνουν σαφώς δύο φασματικά χαρακτηριστικά που κυριαρχούν στον κρύο ουρανό(εικόνα 6Α). Επίσης σε μια στενότερη φασματική περιοχή κοντά στην ισχυρή ζώνη του CH4 (1300-1307 cm-1) οι πυκνότητες των στηλών CH4 και Ν2Ο μπορεί να είναι πιο αποτελεσματικές (εικόνα 6Β) καθώς το Ν2Ο έχει επίσης αρκετά ισχυρή απορρόφηση. στην εικόνα 6 τα κόκκινα σημεία αντιπροσωπεύουν τα σημεία μέτρησης δεδομένων ενώ η μαύρη καμπύλη είναι το καλύτερο μοντέλο συμπεριλαμβανομένων των Η2Ο, Ν2Ο και CH4. <br /> Από τις μέσες πυκνότητες στήλης και τη διάμετρο της καμινάδας εκτιμώμενη η συγκέντρωση CH4 στο νέφος πάνω από την καμινάδα είναι 27 και 16 ppm για τις δύο περιπτώσεις ενώ για το Ν2Ο αυτές οι συγκεντρώσεις είναι 31 και 22 ppm. Η μελέτη αυτή μας δείχνει τη δυνατότητα μέτρησης των εκπομπών CH4 και Ν2Ο χρησιμοποιώντας την τηλεπισκόπιση από το έδαφος. Συνολικά, υπάρχει ανάγκη καλύτερης ποσοτικοποίησης των επιπέδων και των μεταβλητών ποσότητας όσον αφορά τις εκπομπές του CH4 και N2O από μονάδες αποτέφρωσης με συγκρίσιμη μεθοδολογία. Η προσέγγιση τηλεπισκόπησης που περιγράφεται εδώ έχει το πλεονέκτημα ότι μπορεί να κάνει μετρήσεις από απόσταση αρκετών εκατοντάδων μέτρων. Επομένως, έχει την ικανότητα να προσδιορίζει γρήγορα τα ρεύματα από πολλές διαφορετικές μονάδες αποτέφρωσης με τις ίδιες συγκρίσιμες μεθοδολογία και μπορεί να χρησιμοποιηθεί για την ανάπτυξη πιο αξιόπιστων συντελεστών εκπομπών ή δυναμικά μοντέλα εκπομπών αερίων.<br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%B9%CE%BB%CE%BF%CE%B3%CE%AE_%CF%87%CF%8E%CF%81%CE%BF%CF%85_%CF%85%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B1%CF%86%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%B2%CE%BF%CE%AE%CE%B8%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2019-01-29T12:34:07Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 7 1.jpg|thumb | right |'''Εικόνα 7.1: Περιοχή μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 2.jpg|thumb | right |'''Πίνακας 7.1: Τιμές βαρύτητας κάθε κατηγορίας ''']]<br /> [[Εικόνα:Rs wiki MR 7 3.jpg|thumb | right |'''Εικόνα 7.2: Λιθολογικός χάρτης της περιοχής μελέτης''']] <br /> [[Εικόνα:Rs wiki MR 7 4.jpg|thumb | right |'''Πίνακας 7.2: Αξιολογήσεις καταλληλότητας που δόθηκαν για τη Λιθολογία''']]<br /> [[Εικόνα:Rs wiki MR 7 5.jpg|thumb | right |'''Εικόνα 7.3: Γεωμορφολογικός χάρτης της περιοχής μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 6.jpg|thumb | right |'''Πίνακας 7.3: Αξιολογήσεις καταλληλότητας που δόθηκαν για τη Γεωμορφολογία ''']] <br /> [[Εικόνα:Rs wiki MR 7 7.jpg|thumb | right |'''Εικόνα 7.4: Χάρτης κλίσης της περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 8.jpg|thumb | right |'''Πίνακας 7.4: Βαθμοί καταλληλότητας που δίνονται για τη κλίση ''']] <br /> [[Εικόνα:Rs wiki MR 7 9.jpg|thumb | right |'''Εικόνα 7.5: Χάρτης απορροής για την περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 10.jpg|thumb | right |'''Εικόνα 7.6: Απόσταση από το χάρτη απορροής για την περιοχή μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 11.jpg|thumb | right |'''Πίνακας 7.5: Βαθμοί καταλληλότητας που δίνονται για την απορροή ''']] <br /> [[Εικόνα:Rs wiki MR 7 12.jpg|thumb | right |'''Εικόνα 7.7: Χάρτης απόστασης από τα ρέματα ''']]<br /> [[Εικόνα:Rs wiki MR 7 13.jpg|thumb | right |'''Πίνακας 7.6: Βαθμοί καταλληλότητας που δίνονται για την απόσταση από τα ρέματα ''']] <br /> [[Εικόνα:Rs wiki MR 7 14.jpg|thumb | right |'''Εικόνα 7.8: Απόσταση από τους κύριους δρόμους''']]<br /> [[Εικόνα:Rs wiki MR 7 15.jpg|thumb | right |'''Πίνακας 7.7: Βαθμοί καταλληλότητας που δίνονται για απόσταση από τους κύριους δρόμους.''']] <br /> [[Εικόνα:Rs wiki MR 7 16.jpg|thumb | right |'''Εικόνα 7.9: Χάρτης ζώνης πληθυσμού της περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 17.jpg|thumb | right |'''Πίνακας 7.8: Βαθμοί καταλληλότητας που δίνονται για τη ζώνη πληθυσμού ''']] <br /> [[Εικόνα:Rs wiki MR 7 18.jpg|thumb | right |'''Εικόνα 7.10: Χάρτης καταλληλόλητας για την περιοχή μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 19.jpg|thumb | right |'''Πίνακας 7.9: Ανάλυση κατάλληλων περιοχών''']] <br /> <br /> <br /> '''Πρότυπος τίτλος: GIS and Remote Sensing For Landfill Site Selection- A Case Study on Dharmanagar Nagar Panchayet'''<br /> <br /> '''Συγγραφέας: Er. Subhrajyoti Choudhury, Er.Sujit Das'''<br /> <br /> [https://pdfs.semanticscholar.org/aa6a/3c26cbc6bc4759a2e93c7867c485510bcbb1.pdf Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα θέματα διαχείρισης αποβλήτων μπαίνουν στο προσκήνιο της παγκόσμιας περιβαλλοντικής ατζέντας καθώς ο πληθυσμός και η αύξηση της κατανάλωσης οδηγούν σε αυξανόμενες ποσότητες αποβλήτων. Έτσι έχει προκύψει ένα νέο παράδειγμα διαχείρισης αποβλήτων το οποίο εστιάζει στην αποδοτικότητα των πόρων και την ελαχιστοποίηση των περιβαλλοντικών επιπτώσεων καθ΄ όλη τη διάρκεια του κύκλου ζωής της διαχείρισης των αποβλήτων. Η παρούσα εργασία έχει στόχο τον προσδιορισμό κατάλληλης τοποθεσίας για τη διάθεση των αστικών στερεών αποβλήτων στην ευρύτερη περιοχή του Dharmanagar, χρησιμοποιώντας σαν εργαλεία το GIS και την τηλεπισκόπιση. Το GIS είναι ένα σύνολο εργαλείων λογισμικού που χρησιμοποιείται για την εισαγωγή, αποθήκευση, χειρισμό, ανάλυση και εμφάνιση γεωγραφικής πληροφορίας. Επίσης συνδυάζει χωρικά δεδομένα (χάρτες, αεροφωτογραφίες, δορυφορικές εικόνες) με άλλα δεδομένα ποσοτικά και ποιοτικά από βάσεις δεδομένων. Ακόμα η τηλεπισκόπιση είναι ένα εξαιρετικό εργαλείο για την απογραφή και ανάλυση των πόρων του περιβάλλοντος λόγω της μοναδικής ικανότητάς του να παρέχει συνοπτική όψη μιας μεγάλης επιφάνειας γης με επαναληπτική κάλυψη. Η πολυφασματική του ικανότητα παρέχει την κατάλληλη αντίθεση μεταξύ των διάφορων φυσικών χαρακτηριστικών όπου με την επαναλαμβανόμενη κάλυψη παίρνουμε πληροφορίες για δυναμικές αλλαγές που πραγματοποιούνται στην επιφάνεια της γης και το φυσικό περιβάλλον. Για την εκτίμηση ενός τόπου ως πιθανού για τη διάθεση στερεών αποβλήτων λαμβάνονται υπόψη αρκετοί περιβαλλοντική και πολιτικοί παράγοντες καθώς και διάφορες νομοθεσίες. Στην εικόνα 1 βλέπουμε την περιοχή μελέτης που βρίσκεται στη Βορειοανατολική Ινδία. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Είναι προφανές ότι πρέπει να ληφθούν πολλοί παράγοντες υπόψη σε μια απόφαση χωροθέτησης χώρων υγειονομικής ταφής και το GIS είναι ιδανικό εργαλείο για αυτού το είδους μελετών λόγω της ικανότητας του να διαχειρίζεται μεγάλους όγκους δεδομένων από μια ποικιλία πηγών. Η μεθοδολογία χρησιμοποιεί το GIS για να αξιολογήσει ολόκληρη την περιοχή βάσει συγκεκριμένων κριτηρίων τα οποία είναι: <br /> * Λιθογραφία<br /> * Γεωμορφολογία<br /> * Κλίση <br /> * Αποχέτευση <br /> * Πληθυσμός <br /> * Απόσταση από τις μεγάλες οδούς<br /> * Απόσταση από τα μεγάλα ρεύματα<br /> * Απόσταση από αποχέτευση <br /> <br /> Στη συνέχεια με βάση τα παραπάνω κριτήρια δημιουργήθηκαν διάφοροι θεματικοί χάρτες όπως γεωμορφολογίας, κλίσης κτλ. Επίσης, στον πίνακα 1 μπούμε να δούμε μια τιμή βαρύτητας για την κάθε κατηγορία. <br /> <br /> 1) Γεωλογικά κριτήρια <br /> <br /> Η γεωλογία μιας περιοχής ελέγχει άμεσα τους τύπους εδάφους και τη φέρουσα ικανότητα αυτών για θεμελίωση του ΧΥΤΑ και τη μετανάστευση των στραγγισμάτων. Λόγω των υψηλότερων ρυθμών διαπερατότητας, ο ψαμμίτης είναι λιγότερο κατάλληλος για ΧΥΤΑ σε αντίθεση με τον ασβεστόλιθο που είναι ο πιο κατάλληλος λόγω της ευαισθησίας των ανθρακικών πετρωμάτων στη διάλυση από χαμηλά pH.<br /> <br /> 2) Τοπογραφικά κριτήρια <br /> <br /> Η τοπογραφία της περιοχής είναι ένας πολύ σημαντικός παράγοντας για την επιλογή του τόπου, τη δομική ακεραιότητα και τη ροή των υγρών που περιβάλλουν έναν ΧΥΤΑ επειδή έχει πολύ σημαντικές επιπτώσεις για τη χωρητικότητα των αποβλήτων, την αποστράγγιση, την τελική χρήσης γης, τον έλεγχο της ρύπανσης των επιφανειών και των υπογείων υδάτων και την πρόσβαση στο χώρο. Οι επίπεδες και ελαφρώς κυλιόμενες εκτάσεις που δεν υπόκεινται σε πλημμύρες είναι οι καλύτεροι χώροι για ΧΥΤΑ. Ωστόσο, αυτό το είδος τοπογραφίας είναι κατάλληλο και για άλλες χρήσεις γης όπως η γεωργία, οι κατοικίες ή εμπορική ανάπτυξη. <br /> <br /> 3) Υδρολογικά/ υδρογεωλογικά κριτήρια<br /> <br /> <br /> Ο ΧΥΤΑ δεν πρέπει να τοποθετείται εντός των επιφανειακών υδάτων ή των ζωνών προστασίας των υδάτινων πόρων για τυχόν μόλυνση αυτών από τα στραγγίσματα. Για παράδειγμα, δεν πρέπει να βρίσκεται ένας ΧΥΤΑ εντός 30,48 μέτρων (100 πόδια) οποιουδήποτε μη ραγισμένου ρεύματος ή ποταμού και τουλάχιστον 91,44 μέτρων (300 πόδια) από ρέμα ή ποτάμι. <br /> <br /> 4) Κοινωνικοοικονομικά κριτήρια <br /> <br /> Ένα ακόμη πολύ σημαντικό κριτήριο για την κατασκευή ΧΥΤΑ είναι η απόσταση από τους οικισμούς καθώς σύμφωνα με τον κανονισμό ελέγχου στερεών αποβλήτων απαγορεύεται η κατασκευή του εντός οικισμών. Επίσης η απόσταση από του κύριους δρόμους, τα υφιστάμενα σχέδια αποχέτευσης λαμβάνονται υπόψη. Στην εικόνα 8 βλέπουμε την απόσταση από τους κύριους δρόμους και στον πίνακα 7 τους βαθμούς καταλληλόλητας για την απόσταση. <br /> Μετά την προβολή και τη δημιουργία τοπολογίας όλες οι κατηγορίες χαρακτηριστικών όπως η γεωμορφολογία, η κλίση, η λιθολογία κτλ. Μετατράπηκαν σε αρχεία ράστερ και δημιουργήθηκαν χωριστά δεδομένα με βάση τη βαρύτητα και την κατάταξη. Οι τελικές βαθμολογίες ανταξινομήθηκαν για τη δημιουργία ενός χάρτη εξόδου που δείχνει της κατηγορίες των κατάλληλων θέσεων για κατασκευή ΧΥΤΑ.<br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα δείχνουν μόνο μια έκταση των 6,22 Km2 είναι πολύ κατάλληλη για την απόρριψη αποβλήτων. Στον πίνακα 9 βλέπουμε και τις υπόλοιπες κατηγορίες καταλληλότητας ενώ η εικόνα 10 είναι ένας χάρτης καταλληλότητας για την περιοχή μελέτης. Ένας από τα σοβαρά και αυξανόμενα δυνητικά προβλήματα στις περισσότερες μεγάλες αστικές περιοχές είναι η έλλειψη γης για τη διάθεση αποβλήτων. Αν και γίνονται προσπάθειες για τη μείωση και ανάκτηση αυτών η διάθεση σε ΧΥΤΑ παραμένει η πιο κοινή μέθοδος για τον προορισμό των αποβλήτων. Ένας ακατάλληλος χώρος ΧΥΤΑ μπορεί να φέρει αρνητικές περιβαλλοντικές, οικονομικές και οικολογικές επιπτώσεις. Επομένως θα πρέπει να είναι πολύ προσεκτική η μελέτη του συγκεκριμένου προβλήματος. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%85%CF%80%CE%B5%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%B1%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1 2019-01-29T12:31:22Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 6 1.jpg|thumb | right |'''Εικόνα 6.1: Σύγκριση των οριζόντιων μέσων ταχυτήτων του ανέμου που παρατηρήθηκαν από LiDAR και από ανεμόμετρο’’’]] <br /> [[Εικόνα:Rs wiki MR 6 2.jpg|thumb | right |'''Εικόνα 6.2: Οριζόντιες μέσες ταχύτητες ανέμου στην πλατφόρμα Horns Rev. Οι ανοιχτοί κύκλοι δείχνουν τα παρατηρούμενα ύψη.''']]<br /> [[Εικόνα:Rs wiki MR 6 3.jpg|thumb | right |'''Εικόνα 6.3: Αιολικό πάρκο στο Horns Rev με τις ανεμογεννήτριες λειτουργίας με μαύρο χρώμα και με γκρι τις εκτός λειτουργείας ''']] <br /> [[Εικόνα:Rs wiki MR 6 4.jpg|thumb | right |'''Εικόνα 6.4: Παράδειγμα και βήματα ταξινόμησης των αποτελεσμάτων για τις οροφές ''']]<br /> [[Εικόνα:Rs wiki MR 6 5.jpg|thumb | right |'''Εικόνα 6.5: Αιολικός χάρτης της βαλτικής θάλασσας ''']] <br /> [[Εικόνα:Rs wiki MR 6 6.jpg|thumb | right |'''Εικόνα 6.6: Περίοδος ταχύτητας ανέμου ''']]<br /> <br /> '''Πρότυπος τίτλος: Remote Sensing Observation Used in Offshore Wind Energy '''<br /> <br /> '''Συγγραφέας: Charlotte Bay Hasager, Alfredo Peña, Merete Bruun Christiansen, Poul Astrup, Morten Nielsen, Frank Monaldo, Donald Thompson, and Per Nielsen'''<br /> <br /> [https://ieeexplore.ieee.org/abstract/document/4637883/authors#authors Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Το πρώτο υπεράκτιο αιολικό πάρκο ήταν το Vindeby με 11 ανεμογεννήτιες το οποίο εγκαταστάθηκε στη Δανία το 1992. Από τότε παρατηρήθηκε μια δραματική αύξηση της υπεράκτιας αιολικής ενέργειας στη Δανία (ρυθμός ανάπτυξης 71%). Αυτή τη στιγμή, στη Δανία λειτουργούν 2 από τα μεγαλύτερα πάρκα στον κόσμο συνολικής ισχύς 4,3MW ενώ οι προσδοκίες της Ευρωπαϊκής Ένωσης αιολικής ενέργειας είναι η υπεράκτια αιολική ενέργεια στην Ευρώπη να καλύπτει το 50% μέχρι το 2030, με περίπου 150GW. Παράλληλα με την ανάπτυξη της υπεράκτιας αιολικής ενέργειας ξεκίνησε και η χαρτογράφηση του αέρα στους ωκεανούς χρησιμοποιώντας δεδομένα τηλεπισκόπισης. Επειδή η εγκατάσταση υπεράκτιων μετεωρολογικών σταθμών είναι δαπανηρή και το ύψος των ανεμογεννητριών αυξήθηκε μέσα στα χρόνια, η μέθοδο της τηλεπισκόπισης αποτελεί ελκυστική λύση για την παροχή δεδομένων. Ακόμα αναπτύχθηκαν τεχνικές όπως η SoDAR και η LiDAR, που βοήθησαν στην παροχή δεδομένων αέρα για τα διαφορετικά επίπεδα της ατμόσφαιρας. Στη παρούσα εργασία, χρησιμοποιήθηκαν δεδομένα τηλεπισκόπισης για την εκτίμηση των αιολικών πόρων στην ανοιχτή θάλασσα.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Οι πιο συχνές εφαρμογές στην αιολική βιομηχανία είναι η ανίχνευση και η μέτρηση του ήχου (SoDAR) και η ανίχνευση και η μέτρηση του φωτός (LiDAR). Το SoDAR μεταδίδει ακουστικούς παλμούς στην ατμόσφαιρα και δέχεται αντανακλάσεις από την ατμοσφαιρική διάχυση του ήχου ενώ το LiDAR πρόκειται για δέσμη φωτός που μεταδίδεται στην ατμόσφαιρα, παίρνοντας το σήμα από τις αντανακλάσεις αερολυμάτων και σωματιδίων μέσω των ανιχνευτών φωτός του οργάνου. Και τα δύο όργανα συγκρίνουν τη συχνότητα μετατόπισης Doppler μεταξύ του πρωτοτύπου και του αναπαραγόμενο σήματος. Η υπεράκτια αιολική ενέργεια είναι μια ελκυστική περιοχή εφαρμογής καθώς τα όργανα μπορούν να εγκατασταθούν σε πλατφόρμες ή να μεταφέρονται από τα πλοία παρατηρώντας τους ανέμους. Οι νέες τεχνικές τηλεπισκόπισης παρέχουν το πλεονέκτημα της κινητικότητας και βελτιώνονται συνεχώς ώστε να είναι φορητά για να μπορούν να χρησιμοποιηθούν σε ολόκληρο πάρκο. Παραδείγματα παρατηρήσεων από LiDAR φαίνονται στην εικόνα 1 και 2. Στην εικόνα 1 οι οριζόντιες μέσες ταχύτητες των 10 λεπτών από το LiDAR συγκρίνονται με τα δεδομένα του ανεμόμετρου, το οποίο είχε τοποθετηθεί 62 μέτρα πάνω από τη μέση στάθμη της θάλασσας. Η σύγκριση είναι καλή με τους υψηλούς συντελεστές συσχέτισης και τις κλίσεις κοντά στην ενότητα για τους τομείς όπου η κατεύθυνση του ανέμου είναι παράλληλη με τη γωνία μεταξύ του ιστού και της δομής της πλατφόρμας. Στους τομείς 11 και 12 παρατηρούνται υψηλές ταχύτητες ανέμου καθώς η ατμοσφαιρική ροή είναι από τον ανοιχτό θαλάσσιο τομέα.<br /> <br /> Οι τεχνικές τηλεπισκόπισης όμως εμφανίζουν και ορισμένα μειονεκτήματα. Αρχικά, αν και το κόστος των μονάδων SoDAR και LiDAR έχει μειωθεί τα τελευταία χρόνια, δεν συγκρίνεται με το ανεμόμετρο. Ένα σημαντικό μειονέκτημα του SODAR είναι ότι εξαρτάται από τη μεταβολή της θερμοκρασίας στην ατμόσφαιρα, με αποτέλεσμα να μειώνει τις μετρήσεις κάτω από ουδέτερες ατμόσφαιρες οι οποίες είναι ελκυστικές συνθήκες για την αιολική ενέργεια λόγω της υψηλής ταχύτητας ανέμου και των σχετικά χαμηλότερων επιπέδων στροβιλισμού. Το LiDAR είναι πιο δαπανηρό από το SoDAR. Τα οπτικά μέρη του είναι ευαίσθητα στους αποπροσανατολισμούς και αυτά οδηγούν σε λάθη το σύστημα εστίασης. Η μη ομοιόμορφη οπισθοσκέδαση στον αποτελεσματικό όγκο μέτρησης είναι ένα σοβαρό πρόβλημα το οποίο ενισχύεται από την παρουσία χαμηλής περιεκτικότητας αερολυμάτων στο ύψος εστίασης. Ακόμα έχουμε τα δεδομένα SAR τα οποία συλλέγονται από την ακτινοβολία μικροκυμάτων που μεταδίδει και λαμβάνει ορισμένα μήκη κύματος. Επίσης το SAR μπορεί να αντιστοιχίσει χωρικές λεπτομέρειες στις μεταβολές της ταχύτητας του ανέμου πάνω από τη θάλασσα. Στην εικόνα 3 βλέπουμε ποιες από τις ανεμογεννήτριες στο Horns Rev λειτουργούν και ποιες όχι κατά την στιγμή αερομεταφερόμενων SAR. Στην εικόνα 4 μπορούμε να δούμε ένα χάρτη ανέμου για το ανατολικό τμήμα της βαλτικής θάλασσας για τις 8 Σεπτεμβρίου 2007 στις 20:37. Ακόμα η οριζόντια κίτρινη γραμμή στην κάτω δεξιά πλευρά της εικόνας είναι 100 km και η ταχύτητα ανέμου ξεκινάει από 0 στο σκούρο μπλε έως 20 ms-1 σκούρο κόκκινο. Κοντά στην Κοπεγχάγη παρατηρούμε ότι υπάρχουν άνεμοι από τα βορειοδυτικά και μια επίδραση κατά μήκος της ανατολικής ακτής. Μεγάλη ποικιλία από ενδιαφέρουσες ατμοσφαιρικές συνθήκες είναι χαρτογραφημένες από δεδομένα δορυφόρου SAR (π.χ. κατεύθυνση ανέμου). Τα υπεράκτια αιολικά πάρκα όπως το Horns Rev στη βόρεια θάλασσα και το Nysted στη βαλτική καλύπτουν περιοχές 16 έως 25 χιλιομέτρων αντίστοιχα. Επίσης βρίσκονται 14km και 9km από τις παράκτιες περιοχές κάτι που καθιστά ενδιαφέρον να χαρτογραφηθούν οι παράκτιες περιοχές με ανάλυση 1km ή μικρότερη και κάλυψη της παράκτιας ζώνης από 5 έως 50km. Έτσι οι παρατηρήσεις SAR παρέχουν εκτιμήσεις των χωρικών μεταβολών στους παράκτιους ανέμους χωρίς την εκ των προτέρων γνώση. Σε αντίθεση με τα μοντέλα ατμοσφαιρικής ροής τα οποία χρειάζονται εκ των προτέρων πληροφορίες σχετικά με τα χαρακτηριστικά τοπίου και εμποδίων. Οι χάρτες αιολικών πόρων που βασίζονται σε SAR μπορούν να χρησιμοποιηθούν ως οδηγός για την εγκατάσταση ενός υπεράκτιου μετεωρολογικού οργάνου τηλεπισκόπισης. Το λογισμικό για την εκτίμηση των αιολικών πόρων βάσει SAR έχει αναπτυχθεί στο DTU. Μια άλλη μέθοδο για χαρτογράφηση αιολικών πόρων είναι το QuikSCAT το οποίο συλλέγει δεδομένα καθημερινά από το 1999. Παρέχει παρατηρήσεις από ραντάρ μικροκυμάτων σχετικά με την ταχύτητα και την κατεύθυνση του ανέμου κοντά στην επιφάνεια, κάτω από όλες τις καιρικές συνθήκες. Στην εικόνα 6 βλέπουμε την ταχύτητα του ανέμου όπου 0ms-1 σκούρο πράσινο έως 50ms-1 σκούρο κόκκινο, στις 24 Σεπτεμβρίου του 2004. <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Γενικά η παρακολούθηση των ανέμων στην ατμόσφαιρα από LiDAR και SoDAR έχουν ευρεία εφαρμογή. Από τα αποτελέσματα φαίνεται ότι είναι υψηλής ακρίβειας όταν συγκρίνονται με υπεράκτια μετεωρολογικά δεδομένα. Τα δεδομένα επίσης μπορούν να χρησιμοποιηθούν για τη μελέτη του ατμοσφαιρικού οριακού στρώματος το οποίο είναι σημαντικό για τη μοντελοποίηση των ανέμων από τα χαμηλότερα έως τα υψηλότερα ύψη. Σε αντίθεση με τις αερομεταφερόμενες και δορυφορικές παρατηρήσεις στους ωκεανούς που έχουν το πλεονέκτημα χωρικής χαρτογράφησης στην οριζόντια δομή. Η αντιστοίχιση σε πραγματικό χρόνο των ανέμων στους ωκεανούς από το δορυφορικό SAR χρησιμοποιείται σε συνδυασμό με κάποιο λογισμικό για στατιστικές αιολικών πόρων. Για περιοχές όπου η γρήγορη εκτίμηση για τις πηγές ανέμου είναι απαραίτητη, μια σειρά χαρτών QuikSCAT είναι χρήσιμη γιατί έχει τη δυνατότητα να παρατηρεί τους ανέμους υπεράκτια. Η μακροπρόθεσμη τάση στους ανέμους δεν συζητείται σε μεγάλο βαθμό, ωστόσο, στην αιολική βιομηχανία είναι σαφές ότι οι άνεμοι αλλάζουν σημαντικά από έτος σε έτος και αυτό είναι πολύ σημαντικό. = Ο χρόνος ζωής των ανεμογεννητριών είναι 20 έτη, επομένως το κόστος και το όφελος της αιολικής ενέργειας πρέπει να συγκριθεί με αυτή τη χρονική κλίμακα.<br /> <br /> <br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS_%CF%83%CF%84%CE%B7%CE%BD_%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%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CF%89%CE%BD_%CF%85%CE%B4%CE%AC%CF%84%CF%89%CE%BD 2019-01-29T12:28:41Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 5 1.jpg|thumb | right |'''Εικόνα 5.1: Περιοχή μελέτης και ημερομηνίες εξαγοράς των εικόνων WorldView-3''']] <br /> [[Εικόνα:Rs wiki MR 5 2.jpg|thumb | right |'''Εικόνα 5.2: α) Ψηφιακό Μοντέλο Επιφάνειας (DSM) με ανάλυση 1m β) Ψηφιακό Μοντέλο Εδάφους (DTM) με ανάλυση 10m ''']]<br /> [[Εικόνα:Rs wiki MR 5 3.jpg|thumb | right |'''Εικόνα 5.3: Τύποι οροφών ''']] <br /> [[Εικόνα:Rs wiki MR 5 4.jpg|thumb | right |'''Εικόνα 5.4: Παράδειγμα και βήματα ταξινόμησης των αποτελεσμάτων για τις οροφές ''']]<br /> [[Εικόνα:Rs wiki MR 5 5.jpg|thumb | right |'''Εικόνα 5.5: Αντιστοιχία μεταξύ σχήματος οροφής και Ψηφιακού Μοντέλου Ύψους (DHM) που χρησιμοποιείται για την εκτίμηση της κλίσης ''']] <br /> [[Εικόνα:Rs wiki MR 5 6.jpg|thumb | right |'''Εικόνα 5.6: Εξέλιξη σκίασης κτιρίου για ορισμένες ώρες της ημέρας''']]<br /> <br /> <br /> '''Πρότυπος τίτλος: Use of Remote Sensing and GIS in Monitoring Water Quality'''<br /> <br /> '''Συγγραφέας: Norsaliza Usali and Mohd Hasmadi Ismail '''<br /> <br /> [https://www.researchgate.net/publication/45718377_Use_of_Remote_Sensing_and_GIS_in_Monitoring_Water_Quality Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Το νερό είναι πολύτιμος φυσικός πόρος ο οποίος είναι απαραίτητος για την επιβίωση του ανθρώπου και την υγεία των οικοσυστημάτων. Το νερό αποτελείται από παράκτια και «γλυκά» ύδατα (λίμνες, ποτάμια, υπόγεια νερά) και η ρύπανση αυτών τις τελευταίες δεκαετίες αποτελεί πολύ σοβαρό πρόβλημα παγκοσμίως. Το ίδιο συμβαίνει και στην περιοχή της Μαλαισίας όπου τα λύματα των νοικοκυριών, τα εργοστασιακά και τα γεωργικά απόβλητα υποβαθμίζουν την ποιότητα των νερών, κάνοντας την παρακολούθηση των υδάτων αλλά και την ευαισθητοποίηση του κοινού απαραίτητη. Στη Μαλαισία το πρόγραμμα παρακολούθησης της ποιότητας του νερού πραγματοποιήθηκε από το Υπουργείο Περιβάλλοντος της Μαλαισίας. Από την έκθεση προέκυψε ότι το 2006 καταγράφηκαν συνολικά 1064 σταθμοί παρακολούθησης σε 143 λεκάνες απορροής ποταμών. Από αυτά τα 638 (60%) κατηγοριοποιήθηκαν ως καθαρά, 376 (35%) ελαφρώς μολυσμένα και 50 (5%) μολυσμένα, αντίστοιχα. Αυτές οι μετρήσεις είναι ακριβείς για ένα σημείο μια συγκεκριμένη χρονική στιγμή και δεν δίνουν αποτελέσματα μεγάλης κλίμακας. Έτσι, οι τεχνολογίες όπως η τηλεπισκόπιση και το GIS είναι πολύ χρήσιμα ως εργαλεία για την αξιολόγηση και την παρακολούθηση της ποιότητας των υδάτων.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Στη Μαλαισία, εντοπίστηκαν δύο κύριες αιτίες ρύπανσης των ποταμών, η ανάπτυξη της γης για βιομηχανίες και εξόρυξης φυσικών πόρων αλλά και το άνοιγμα νέων γεωργικών εκτάσεων. Οι δραστηριότητες αυτές επιτρέπουν τη διάβρωση του εδάφους στο νερό, αυξάνουν τη θολερότητα, την οργανική ύλη και την καθίζηση του ποταμού. Στο πρόγραμμα παρακολούθησης ποιότητας νερού υπήρξαν 6 παράμετροι αξιολόγησης:<br /> <br /> * Διαλυμένο οξυγόνο (DO)<br /> <br /> * Βιοχημικά απαιτούμενο οξυγόνο (BOD)<br /> <br /> * Χημικά Απαιτούμενο Οξυγόνο (COD)<br /> <br /> * Αμμωνία - άζωτο αμμωνίας (NH3-N)<br /> <br /> * Αιωρούμενα στερεά (SS) και <br /> <br /> * pH<br /> <br /> Η ποιότητα του νερού είναι η διαδικασία προσδιορισμού των χημικών, φυσικών και βιολογικών χαρακτηριστικών των υδάτινων σωμάτων και τον εντοπισμό της πηγής τυχόν ρύπανσης ή μόλυνσης που θα μπορούσε να προκαλέσει υποβάθμιση της ποιότητας νερού. Αυτοί οι δείκτες κατηγοριοποιούνται ως εξής: <br /> <br /> α) Βιολογικοί: βακτήρια, άλγη <br /> <br /> β) Φυσικοί: Θερμοκρασία, θολότητα και καθαρότητα, χρώμα, αλατότητα, αιωρούμενα στερεά, διαλυμένα στερεά<br /> <br /> γ) Χημικοί: pH, διαλυμένο οξυγόνο, βιολογικά απαιτούμενο οξυγόνο, θρεπτικά συστατικά (συμπεριλαμβανομένου του αζώτου και του φωσφόρου) ανόργανες ενώσεις (συμπεριλαμβανομένων των τοξικών ουσιών) και <br /> <br /> δ) Αισθητική: οσμές, χρώματα κ.α. <br /> <br /> Η τηλεπισκόπιση της παρακολούθησης της ποιότητας των υδάτων ξεκίνησε στις αρχές της δεκαετίας του 1970. Αναπτύχθηκε μια πρώιμη εμπειρική προσέγγιση με τις εκτιμήσεις των αιωρούμενων στερεών η οποία εκφράζεται με τη γενική εξίσωση ως εξής:<br /> <br /> Υ = Α + ΒΧ ή Υ = ΑΒ^Χ<br /> <br /> όπου Y είναι η μέτρηση τηλεπισκόπησης (δηλαδή, ακτινοβολία, ανάκλαση, ενέργεια) και <br /> Χ είναι η ποιότητα του νερού με τη παράμετρο ενδιαφέροντος (αιωρούμενο ίζημα, θολερότητα). <br /> Τα Α και Β είναι εμπειρικά στοιχεία που προέρχονται από αυτήν την αξία και αποκτώνται από τη στατιστική σχέση η οποία προσδιορίζεται από την τιμή φασματικής ανάκλασης μεταξύ της παραμέτρου της ποιότητας του νερού. <br /> <br /> * Αιωρούμενη ύλη<br /> <br /> Η αιωρούμενη ύλη περιλαμβάνει οργανική και ανόργανη ύλη. Επίσης παίζει πολύ σημαντικό ρόλο στη διαχείριση της ποιότητας του νερού καθώς, είναι οι πιο συνήθεις ρύποι στα επιφανειακά ύδατα και σχετίζεται με τις ροές βαρέων μετάλλων και διάφορων μικρότερων ρύπων. Τα αιωρούμενα στερεά αυξάνουν την ακτινοβολία από τα επιφανειακά ύδατα σε ορατή και κοντά σε υπέρυθρη ακτινοβολία. Η επιτόπια και εργαστηριακή μέτρηση έδειξε ότι επηρεάζεται η ακτινοβολία επιφανειακών υδάτων από τον τύπο ιζήματος, την υφή, το χρώμα, τις γωνίες ηλιοφάνειας και το βάθος νερού. Οι τεχνικές τηλεπισκόπησης μπορούν να χρησιμοποιηθούν για την εκτίμηση και τη χαρτογράφηση των συγκεντρώσεων των αιωρούμενων στερεών στο νερό, παρέχοντας τόσο χωρικές όσο και χρονικές πληροφορίες. Οι μελέτες τηλεπισκόπησης των αιωρούμενων στερεών χρησιμοποιούν εικόνες από διάφορες δορυφορικές πλατφόρμες όπως Landsat, SPOT κτλ.. Το εύρος μήκος κύματος των 400 έως 850nm χρησιμοποιείται ειδικά για την εκτίμηση της ποιότητας νερού. Τέλος αρκετοί ερευνητές έχουν διαπιστώσει ότι η TM4 (Landsat εικόνα) είναι καλύτερη σε σχέση με TSM για την εκτίμηση αιωρούμενων σωματιδίων. <br /> <br /> * Φυτοπλαγκτόν<br /> <br /> Ο ευτροφισμός των υδάτινων σωμάτων μπορεί να ποσοτικοποιηθεί με βάση τη συγκέντρωση της χλωροφύλλης που περιέχεται στο πλαγκτόν. Η χλωροφύλλη είναι ένας από τους φωτοσυνθετικούς παράγοντες, συμβάλλοντας στο χρώμα του νερού. Η απορρόφηση χλωροφύλλης εμφανίζεται σε μικρά μήκη κύματος. Οι υπερφασματικοί αισθητήρες θεωρούνται ως μελλοντικούς αισθητήρες για τη μέτρηση της συγκέντρωσης χλωροφύλλης στο νερό. Το ύψος ανάκλασης στα 690nm έως 850nm ήταν ένας ευαίσθητος δείκτης συγκέντρωσης χλωροφύλλης. Στην εικόνα 2 μπορούμε να δούμε το χάρτη χλωροφύλλης του ποταμού Pensacola Bay, στη Φλόριντα που προέρχεται από Landsat 7 ETM +. Οι τεχνικές που χρησιμοποιήθηκαν ήταν διανομή εύρους ζώνης και παλινδρόμηση όπου οι αναλογίες ΕΤΜ + 1 / ΕΤΜ + 3 ήταν αποτελεσματικές στην εκτίμηση της χλωροφύλλης.<br /> <br /> * Θολότητα <br /> <br /> Η θολότητα του νερού είναι μια έκφραση των οπτικών ιδιοτήτων του νερού, που προκαλούν διάχυση του φωτός και απορρόφηση του φωτός αντί να μεταδίδεται σε ευθείες γραμμές. Τα δορυφορικά δεδομένα IKONOS αποδεικνύουν τη χρησιμότητα των δορυφορικών δεδομένων υψηλής ανάλυσης για την καταγραφή θολερότητας στον κάτω ποταμό Charles Charles, USA (εικόνα 3). Ο τελικός αλγόριθμος που χρησιμοποιήθηκε για την πρόβλεψη συγκεντρώσεων θολερότητας στην Landsat 7 ETM + εικόνα ήταν το κανάλι 3 (κόκκινο τμήμα του ηλεκτρομαγνητικού φάσματος) και κανάλι 4 (τμήμα υπέρυθρης υπέρυθρης ακτινοβολίας του ηλεκτρομαγνητικού φάσματος). Ο αλγόριθμος θολερότητας έχει ευρύτερη εφαρμογή σε παγετώδεις λίμνες στην νότια κεντρική Αλάσκα και δυνητικά παγετώδεις λίμνες παγκοσμίως.<br /> <br /> * Διαλυμένη οργανική ύλη<br /> <br /> Η διαλυμένη οργανική ύλη αποτελείται από φυσικές υδατοδιαλυτές, βιογενές, ετερογενές οργανικές ουσίες που έχουν χρώμα κίτρινο έως καφέ. Η διαλυμένη οργανική ύλη απορροφά ορατό φως ειδικά κάτω από ~ 500 μm και η απορρόφησή του αυξάνεται εκθετικά με τη μείωση του μήκους κύματος. Οι συγκεντρώσεις διαλυμένης οργανική ύλης αυξάνονται στα παράκτια ύδατα λόγω ανθρωπογενούς εισροής βιομηχανικών ή οικιακών αποβλήτων.<br /> <br /> '''Αποτελέσματα '''<br /> <br /> Ο σκοπός παρακολούθησης της ποιότητας των υδάτων στη Μαλαισία, με τη χρήση τηλεπισκόπισης γίνεται για τη βελτίωση του περιεχομένου των πληροφοριών, για την παραγωγή του ψηφιακού χάρτη και για την παρακολούθηση μεγάλης κλίμακας, η οποία θα προσφέρει σημαντικές πληροφορίες. Η εικόνα 4 απεικονίζει τις υψηλότερες συγκεντρώσεις ολικών αιωρούμενων στερεών. Στο ρηχό νερό, η θολερότητα μπορεί να προκληθεί από τον πυθμένα λόγω των κυμάτων και των ενεργειών του ανέμου. Η συγκέντρωση φαίνεται να είναι σχετικά χαμηλότερο στο βαθύτερο μέρος της θάλασσας. Από τη μελέτη, ο συνολικός χάρτης για την αναμενόμενη ποιότητα του νερού γύρω από το νησί Penang δημιουργήθηκε με επιτυχία χρησιμοποιώντας την εικόνα Tiungsat-1. Ωστόσο, δεν είναι σε θέση να καθορίσει και την εγκυρότητα της φαινομενικά υψηλότερης συγκέντρωσης στη δυτική ακτή του νησιού Penang λόγω της απουσίας δεδομένων για τη θάλασσα. Ο σκοπός της μελέτης ήταν να προβλέψουμε τη ζώνη δυναμικού υπογείων υδάτων μέσω των διαφόρων θεματικών χαρτών με τη βοήθεια τηλεπισκόπισης και GIS. Από τα αποτελέσματα, σχεδόν όλη η λεκάνη Langat έχει μεγάλες δυνατότητες εμφάνισης υπογείων υδάτων (Εικόνα 5). Ο χάρτης αποτελείται από πέντε κατηγορίες αποδόσεων υπογείων υδάτων: πολύ ψηλή, υψηλή , μέτρια, χαμηλή και πολύ χαμηλή. Το μοντέλο DRASTIC στο GIS αναπτύχθηκε για να παράγει υπόγεια ύδατα χρησιμοποιώντας κλιματικές και βιοφυσικές παραμέτρους. Σε μια απόκρημνη ορεινή περιοχή με παρουσία γρανίτη, το δυναμικό για τα υπόγεια ύδατα είναι πολύ χαμηλό. Απ’ την άλλη μεριά, οι περιοχές με σκληρό βράχο έχουν δυναμικό υπόγειων υδάτων υψηλό. Τα δορυφορικά δεδομένα έχουν αποδειχθεί πολύ ενημερωτικά και χρήσιμα για την ανίχνευση επιφανειακών χαρακτηριστικών και χαρακτηριστικών χρήσης γης. Η ολοκληρωμένη αξιολόγηση των θεματικών χαρτών με βάση το μοντέλο που βασίζεται στις τεχνικές GIS είναι η καταλληλότερη μέθοδος υποδιαίρεσης δυναμικού πρόβλεψης υπογείων υδάτων. Ωστόσο, η μελέτη αυτή ήταν αποτελεσματική μόνο για την πρόβλεψη ζώνης υπόγειων υδάτων σε σκληρό βράχο, αλλά ήταν λιγότερο αποτελεσματική σε περιβάλλον αλλουβίου. Τα φράγματα Langat και Semenyih είναι σημαντική πηγή παροχής νερού σε σχεδόν 1,9 εκατομμύρια άτομα στη γύρω περιοχή και στην πόλη της Κουάλα Λουμπούρ. Από το μοντέλο παλινδρόμησης και φασματικής ανάκλασης των δορυφορικών εικόνων, έγινε εκτίμηση της θολερότητας (εικόνα 6). Αυτές οι τιμές παραμένουν χαμηλές και ασφαλής για δημόσιους σκοπούς. Εντούτοις, ορισμένες ενέργειες ελέγχου θα πρέπει να προγραμματιστούν για να εξασφαλιστεί ο ρυθμός μεταφοράς ιζημάτων που δεν θα επηρεάσει την ποιότητα του νερού στο φράγμα στο εγγύς μέλλον. Ένα σημαντικό πλεονέκτημα των τηλεπισκοπικών παρατηρήσεων σχετικά με τις παραδοσιακές μετρήσεις για την παρακολούθηση της ποιότητας του νερού παρέχει τόσο χωρική όσο και χρονική πληροφόρηση για τα χαρακτηριστικά επιφανειακών υδάτων. Τα δεδομένα που ανιχνεύονται από απόσταση έχουν τη δυνατότητα να παράσχουν δεδομένα αλλά και αλλαγές ευρείας κλίμακας, τη σχέση μεταξύ υπεράκτιων και παράκτιων υδάτων, και την ικανότητα να αποκτήσουν μια μακροπρόθεσμη, σχεδόν καθημερινή εικόνα της περιοχής ενδιαφέροντος που να δείχνει την εποχική και τη διαρκή μεταβλητότητα . Εκτός από αυτό, με την τηλεανίχνευση είναι φθηνότερη και επαναλαμβανόμενη ποσοτική τεχνική για τη μέτρηση της ποιότητας του νερού που θα επιτρέψει την κατάλληλη διαχείριση.<br /> Οι τεχνικές τηλεανίχνευσης και GIS είναι αποτελεσματικές, οικονομικές και έτσι αποτελούν πολύτιμα εργαλεία στην παρακολούθηση της ποιότητας του νερού σε παράκτιο επίπεδο και τα συστήματα γλυκών υδάτων (λίμνες, ποτάμια, υπόγεια ύδατα και δεξαμενές).<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%89%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%87%CF%8E%CF%81%CF%89%CE%BD_%CF%85%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B1%CF%86%CE%AE%CF%82_%CE%B2%CE%AC%CF%83%CE%B5%CE%B9_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_GIS_%CE%A4%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%98%CE%AD%CF%81%CE%BC%CE%B7,_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1 2019-01-29T12:25:35Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 4 1.jpg|thumb | right |'''Εικόνα 4.1: Περιοχή μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 4 2.jpg|thumb | right |'''Πίνακας 4.1: Εφαρμοσμένα κριτήρια όσον αφορά τους περιορισμούς και τους παράγοντες ''']]<br /> [[Εικόνα:Rs wiki MR 4 3.jpg|thumb | right |''' Πίνακας 4.2: Κατηγορίες ανύψωσης ''']] <br /> [[Εικόνα:Rs wiki MR 4 4.jpg|thumb | right |'''Πίνακας 4.3: Κατηγορίες κλίσης''']]<br /> [[Εικόνα:Rs wiki MR 4 5.jpg|thumb | right |'''Πίνακας 4.4: Γεωλογικές κατηγορίες ''']] <br /> [[Εικόνα:Rs wiki MR 4 6.jpg|thumb | right |'''Πίνακας 4.5: Κατηγορίες κάλυψης γης ''']]<br /> [[Εικόνα:Rs wiki MR 4 7.jpg|thumb | right |'''Πίνακας 4.6: Σταθμισμένη επικάλυψη που προκύπτει από ταξινόμηση ''']] <br /> [[Εικόνα:Rs wiki MR 4 8.jpg|thumb | right |'''Εικόνα 4.2: Σταθμισμένη επικάλυψη (οι κατηγορίες 0, 1 και 2 αντιστοιχούν στις κλάσεις 0, 1 και 2 στον πίνακα 6) ''']]<br /> [[Εικόνα:Rs wiki MR 4 9.jpg|thumb | right |''' Εικόνα 4.3: Κατάλληλες περιοχές (κλάσεις 1 και 2 του πίνακα 6)''']] <br /> <br /> '''Πρότυπος τίτλος: Spatial Assessment of Landfill Sites Based on Remote Sensing and GIS Techniques in Thermi, Greece'''<br /> <br /> '''Συγγραφέας: Mohamed Elhag and Jarbou A. Bahrawi'''<br /> <br /> [http://uest.ntua.gr/cyprus2016/proceedings/pdf/Elhag_spatial_assessment_landfill_Thermi.pdf Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωροθέτηση ενός ΧΥΤΑ (Χώρος Υγειονομικής Ταφής Απορριμμάτων) είναι ένα πολυδιάστατο χωροταξικό πρόβλημα επειδή περιλαμβάνει δεδομένα κοινωνικά, περιβαλλοντικά, οικονομικά και μηχανικά. Πολλά από τα εμπλεκόμενα χαρακτηριστικά των ΧΥΤΑ συνδυάζονται μέσω των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) σε μια χωρική αναπαράσταση στην διαδικασίας επιλογής τους. Αυτό ακολουθεί ανάλυση δύο σταδίων, ενσωματώνοντας θεματικούς χάρτες με επιλεγμένες μεταβλητές στο πρώτο στάδιο και χρησιμοποιώντας το εργαλείο λήψης αποφάσεων πολλαπλών κριτηρίων στο δεύτερο. Ένας από τους σημαντικότερους περιορισμούς όσο αφορά την υδρολογική επιφάνεια είναι η απόσταση των 500m από πηγές, πηγάδια, πηγές πόσιμου νερού όπως και νερού άρδευσης. Επίσης άλλοι περιορισμοί απόστασης είναι τα 200m από τις λίμνες και τα 100m για τους ποταμούς. Σκοπός της συγκεκριμένης εργασίας είναι να συμβάλει στην ευρύτερη εφαρμογή των Γεωγραφικών Συστημάτων Πληροφοριών και της τηλεπισκόπισης στην χωροταξική επίλυση προβλημάτων για ΧΥΤΑ. Η περιοχή μελέτης της εργασίας βρίσκεται στο νομό Θεσσαλονίκης κοντά στον Δήμο Θέρμης. <br /> <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Αρχικά χρησιμοποιήθηκαν 4 τοπογραφικοί χάρτες στη διαδικασία ψηφιοποίηση των τοπογραφικών δεδομένων όπως επίσης και εικόνα Landsat 8 όπου επεξεργάζοντας την δημιουργήθηκαν ακριβέστερες ταξινομήσεις στην κάλυψη γης. Ακόμα το σύνολο των δεδομένων από το CORINE Land Cover 2006 χρησιμοποιήθηκε για την αναταξινόμηση της υπάρχουσας έκτασης γης σε τιμές 0,1,2 και 3 όπου με 0 ορίζονται οι περιοχές που εξαιρούνται από τους δυνητικούς ΧΥΤΑ και με 3 επισημαίνονται οι πλέον κατάλληλες περιοχές. Στον πίνακα 1 παρατίθενται τα επιλεγμένα κατάλληλα κριτήρια για τον εντοπισμό ενός ΧΥΤΑ. Αρχικά χρησιμοποιήθηκαν 26 επίπεδα GIS όπου κάποια από αυτά ήταν, ένα ρυθμιστικό διάλυμα 1000m εφαρμόστηκε στα δεδομένα που παρήχθησαν με ψηφιοποίηση: σιδηροδρόμους , περιφερειακούς δρόμους, τοπικούς δρόμους (που συνδέουν χωριά), τοπικούς δρόμους (μέσα σε χωριό), μη καθορισμένο δρόμο, μονοπάτι, κατοικημένες περιοχές, χωριά, βιομηχανικές περιοχές, εμπορικά κτήρια και κατασκευή κτιρίων. Στη συνέχεια ένα ρυθμιστικό διάλυμα 5000m εφαρμόστηκα για υδάτινα σώματα, μόνιμα ρεύματα, διαλείποντα ρεύματα, πηγάδια, σωληνώσεις με σωληνώσεις και αντλίες νερού. Ακόμα πολύ σημαντικά επίπεδα είναι η κλίση και η γεωλογία της περιοχής. Έτσι για τη μείωση των εξόδων μεταφοράς καθώς και τον εκπομπών COx και NOx δεν πρέπει ο ΧΥΤΑ να βρίσκεται σε απόσταση μεγαλύτερη των 300m από τον πιο υπερυψωμένο οικισμό. Ο πιο ψηλός οικισμός της περιοχής είναι το χωριό Αγία Παρασκευή τοποθετημένο μεταξύ 617m και 623m που σημαίνει ότι σε όλη την περιοχή μελέτης όλα τα οι ανυψώσεις είναι κατάλληλες για τον εντοπισμό ενός ΧΥΤΑ. Επίσης για την μείωση του κινδύνου πλημμύρας ο χάρτης του ψηφιακού μοντέλου ανύψωσης (DEM) ταξινομήθηκε όπως στον πίνακα 2. Όσον αφορά την κλίση, η μέγιστη τιμή της στην περιοχή μελέτης είναι 31,17%. Οι κλίσεις άνω του 20% θα πρέπει να αποκλείονται και οι κλίσεις κάτω του 5% είναι κατάλληλες. Στον πίνακα 3 φαίνεται η ταξινόμηση που πραγματοποιήθηκε χρησιμοποιώντας τις 4 κατηγορίες καταλληλόλητας που προαναφέρθηκαν (0-3). Στο πίνακα 5 έχουμε τις καλύψεις γης όπου χωρίζονται σε 3 κατηγορίες όπου η πρώτη είναι τα ορεινά δάση τα οποία θεωρούνται λιγότερο κατάλληλα, μετά τα πλατύφυλλα δάση όπου ταξινομήθηκαν ως περισσότερο και όχι λιγότερο κατάλληλα αφού δεν είναι ορεινά. Είναι αξιοσημείωτο να αναφέρουμε ότι στην περιοχή μελέτης μας πάνω από το 95% είναι γεωργική γη.<br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Οι επιλεγμένες κατάλληλες περιοχές βρίσκονται σε διαφορετικά μέρη της περιοχής μελέτης, στο βορρά καθώς και στο νότο και κυρίως στα δυτικά τμήματα της περιοχής. Ο τελικός χάρτης που παράγεται παρουσιάζει περιοχές που ανήκει στις τρεις κατηγορίες 0, 1 και 2, όπου 0 είναι η ακατάλληλη περιοχή (εικόνα 2). Οι περιοχές που ανήκουν στην η κλάση 1 ικανοποιεί τα ελάχιστα κριτήρια για τον εντοπισμό ενός ΧΥΤΑ και ορίζονται ως περισσότερα κατάλληλο. Οι περιοχές της κλάσης 2 είναι πιο κατάλληλες από τις περιοχές της κλάσης 1 και χαρακτηρίζονται ως οι περισσότερες κατάλληλο για τον εντοπισμό ενός ΧΥΤΑ (πίνακας 6). Τα παραγόμενα αποτελέσματα υποδεικνύουν την καλύτερη θέση των ΧΥΤΑ από πλευράς λιγότερο αρνητικών περιβαλλοντικών επιπτώσεων επιπτώσεις. Περαιτέρω απαιτούμενες μελέτες θα εξετάσουν τα οικονομικά και κοινωνικά κριτήρια για τον εντοπισμό ενός ΧΥΤΑ. <br /> <br /> <br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%B5%CE%BE%CE%B5%CF%81%CE%B3%CE%B1%CF%83%CE%AF%CE%B1_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Landsat_%CE%BA%CE%B1%CE%B9_MODIS_%CE%B3%CE%B9%CE%B1_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B7%CE%BB%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%B1%CE%BA%CF%84%CE%B9%CE%BD%CE%BF%CE%B2%CE%BF%CE%BB%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%BF%CE%BB%CE%BF%CE%BC%CE%B2%CE%AF%CE%B1 2019-01-29T12:23:58Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 3 1.jpg|thumb | right |'''Εικόνα 3.1: Δομικό διάγραμμα της προτεινόμενης μεθοδολογίας ''']] <br /> [[Εικόνα:Rs wiki MR 3 2.jpg|thumb | right |'''Εικόνα 3.2: Το σύνολο εικόνων Landsat που απαιτείται για την κάλυψη της περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 3 3.jpg|thumb | right |'''Εικόνα 3.3: Εικόνα MODIS για την κάλυψη της ζώνης μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 3 4.jpg|thumb | right |'''Εικόνα 3.4: Αποτέλεσμα αποκοπής εικόνας ''']]<br /> [[Εικόνα:Rs wiki MR 3 5.jpg|thumb | right |'''Πίνακας 3.1: Σύγκριση των επεξεργασμένων δεδομένων για Landsat και MODIS ''']] <br /> [[Εικόνα:Rs wiki MR 3 6.jpg|thumb | right |'''Εικόνα 3.5: Δείγμα σημείων ακτινοβολίας για τα μοντέλα παλινδρόμησης''']]<br /> [[Εικόνα:Rs wiki MR 3 7.jpg|thumb | right |'''Πίνακας 3.2: Μοντέλα παλινδρόμησης που χρησιμοποιούνται για την εκτίμηση της ακτινοβολίας στα επιλεγμένα σημεία ''']] <br /> [[Εικόνα:Rs wiki MR 3 8.jpg|thumb | right |'''Πίνακας 3.3: Οι στατιστικές μετρήσεις για την αξιολόγηση των μοντέλων με δεδομένα Landsat ''']]<br /> [[Εικόνα:Rs wiki MR 3 9.jpg|thumb | right |'''Πίνακας 3.4: Οι στατιστικές μετρήσεις για την αξιολόγηση των μοντέλων με δεδομένα MODIS ''']] <br /> [[Εικόνα:Rs wiki MR 3 10.jpg|thumb | right |'''Εικόνα 3.6: Σύγκριση του γενικού χάρτη ακτινοβολίας MODIS και Landsat 7''']]<br /> [[Εικόνα:Rs wiki MR 3 11.jpg|thumb | right |'''Εικόνα 3.7: Μέση ακτινοβολία σε W / m2 ανά μήνα σύμφωνα με τα δεδομένα MODIS ''']] <br /> [[Εικόνα:Rs wiki MR 3 12.jpg|thumb | right |'''Εικόνα 3.8: Μέση ακτινοβολία σε W / m2 ανά έτος σύμφωνα με τα δεδομένα MODIS ''']]<br /> [[Εικόνα:Rs wiki MR 3 13.jpg|thumb | right |'''Εικόνα 3.9: Μέση ακτινοβολία σε W / m2 ανά μήνα σύμφωνα με τα δεδομένα Landsat 7 ''']] <br /> [[Εικόνα:Rs wiki MR 3 14.jpg|thumb | right |'''Εικόνα 3.10: Μέση ακτινοβολία σε W / m2 ανά έτος σύμφωνα με τα δεδομένα Landsat 7''']]<br /> [[Εικόνα:Rs wiki MR 3 15.jpg|thumb | right |'''Πίνακας 3.5: Σύγκριση μεταξύ Landsat 7 και MODIS χαρτών ''']] <br /> <br /> '''Πρότυπος τίτλος: Landsat and MODIS Satellite Image Processing for Solar Irradiance Estimationin the Department of Narino-Colombia '''<br /> <br /> '''Συγγραφέας : Omar Cabrera, Bayron Champutiz, Andres Calderon, Andres Pantoja'''<br /> <br /> [https://www.researchgate.net/publication/310498796_Landsat_and_MODIS_satellite_image_processing_for_solar_irradiance_estimation_in_the_department_of_Narino-Colombia Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Ο εντοπισμός των ηλιακών δυνατοτήτων σε απομακρυσμένες περιοχές αποτελεί ευκαιρία για την παροχή λύσεων σε πληθυσμούς απομονωμένους από το ηλεκτρικό δίκτυο. Πολλές φορές τέτοιες ολοκληρωμένες μελέτες απαιτούν υψηλό κόστος και αρκετό χρονικό διάστημα για τη συλλογή δεδομένων. Διάφορες οργανώσεις όπως η IRENA έχουν δημιουργήσει παγκόσμιους χάρτες για ανανεώσιμες πηγές ενέργειας σε συνεργασία με αρκετές εταιρίες αλλά και ερευνητικά κέντρα χρησιμοποιώντας διαφορετικά μοντέλα και βάσεις δεδομένων. Αν και αυτά τα εργαλεία έχουν δωρεάν εφαρμογές με πολλές δυνατότητες, για μικρές περιοχές η ανάλυση των χαρτών είναι περιορισμένη. Για αυτό το σκοπό, στην παρούσα εργασία παρουσιάζεται μια μεθοδολογία για τον εντοπισμό και την εκτίμηση της ηλιακής ακτινοβολίας στη Νοτιοδυτική Κολομβία, λαμβάνοντας υπόψη δορυφορικές εικόνες Landsat 7 και MODIS όπου οι βάσεις δεδομένων είναι ελεύθερα διαθέσιμες. Η βασική συμβολή είναι να προταθεί μια βασική γραμμή με έγκυρες δευτερογενείς πληροφορίες όπως επεξεργασμένες δορυφορικές εικόνες για τη δημιουργία γεωγραφικών χαρτών ενέργειας.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> <br /> Τα βήματα που ακολουθούνται στη μεθοδολογία συνοψίζοντας αναλυτικά στην εικόνα 1, συμπεριλαμβανομένης της απόκτησης δεδομένων, προεπεξεργασίας, διευθέτησης, επεξεργασίας, μοντελοποίησης και κατασκευή χαρτών. <br /> <br /> Οι εικόνες Landsat 7 παράγονται κάθε 16 ημέρες με 8 φασματικές κανάλια και αναλύσεις ανά εικονοστοιχείο 15m (κανάλι 6) και 30m (άλλα κανάλια). Οι εικόνες MODIS συλλέγονται καθημερινά με χωρική ανάλυση περίπου 500m ανά εικονοστοιχείο. Συγκεκριμένα τα προϊόν MOD09GA παρέχει 7 φασματικά κανάλια για τη μέτρηση της γήινης ανακλαστικότητας, τα σύνορα των εδαφών και τα στρώματα βλάστησης. Λόγω της χωρικής ανάλυσης των εικόνων Landsat χρειάζονται 5 φωτογραφίες για να καλύψουν το την περιοχή που θέλουμε (εικόνα 2). Από την άλλη μεριά μόνο μια εικόνα MODIS μπορεί να καλύψει μπορεί το μεγαλύτερο μέρος ολόκληρης της Κολομβίας (εικόνα 3). Για να επιτευχθεί ένα κοινό σύστημα συντεταγμένων όλες οι εικόνες πρέπει να προβάλλονται στο σύστημα EPSG:3857. Επιπλέον η αρχική μορφή των εικόνων MODIS (ΗDF) αλλάζουν σε μορφή TIFF. Δεδομένου ότι όλες οι εικόνες καλύπτουν μια ευρύτερη περιοχή από αυτήν της μελέτης, αποσπάται το κομμάτι που χρειαζόμαστε (εικόνα 4). Σκοπός της επεξεργασίας της εικόνας είναι να αποκτηθεί η ανακλαστικότητα σε κάθε μια από τα επτά κανάλια αφαιρώντας σύννεφα και ασαφή δεδομένα από τις κομμένες Landsat and MODIS εικόνες. Για το σύνολο Landsat εικόνων προτείνετε ο αλγόριθμος αυτόματης αξιολόγησης καλύμματος νέφους (ACCA) ενώ για τις εικόνες MODIS το προϊόν MOD09GA παρέχει τον αλγόριθμο MODIS Cloud Mask, για την αξιολόγηση της παρουσίας σκιών και σύννεφων σε κάθε κανάλι. Για την οργάνωση των επεξεργασμένων δεδομένων και για τη διευκόλυνση της εφαρμογής των μοντέλων παλινδρόμησης υπάρχουν δύο βάσεις δεδομένων (μια για κάθε πηγή) που έχουν σχεδιαστεί χρησιμοποιώντας την PostgreSQL. Οι πληροφορίες που διατίθενται βρίσκονται σε ομοιόμορφο πλέγμα με χωρική διακριτική ικανότητα 450m για κάθε κανάλι η οποία καθορίζει την ανάλυση των χαρτών. Μια σύνοψη των επεξεργασμένων δεδομένων παρουσιάζεται στον Πίνακα 1. Τα δεδομένα ανακλάσεως που έχουν ληφθεί πρέπει να μετατραπούν σε τιμές ηλιακής ακτινοβολίας για την εκτίμηση του ενεργειακού δυναμικού. Για αυτό, δοκιμάζονται 13 μοντέλα παλινδρόμησης με διαφορετικές προσεγγίσεις, λαμβάνοντας ως εισροές τη μέση ανακλαστικότητα τιμές στα 7 κανάλια των 500 επιλεγμένων τοποθεσιών. Η εικόνα 5 παρουσιάζει δείγμα των σημείων ακτινοβολίας. Η απόδοση κάθε μοντέλου αξιολογείτε με 6 στατιστικά στοιχεία όπως φαίνεται και στον πίνακα 3. Και για τις δύο πηγές το μοντέλο με την υψηλότερη απόδοση είναι το σύνολο πολλαπλών στρώσεων (MLPE). <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Παρακάτω βλέπουμε στις εικόνες 6 μια άμεση σύγκριση του γενικού χάρτη όπου η ομοιότητα είναι ξεκάθαρη πλην κάποιες περιοχές στις Άνδεις. Στη συνέχεια από την εικόνα 7 έως και την 10 συγκρίνονται διάφορα δεδομένα των δύο πηγών (Landsat και MODIS ) μηνιαία και ετησίως. Στον πίνακα 5 παρουσιάζεται ο συσχετισμός και ο συντελεστής προσδιορισμού για όλους τους χάρτες. Εκεί μπορούμε να παρατηρήσουμε ότι η συσχέτιση είναι περίπου στο 94% αποδεικνύοντας την ισχύ των αποτελεσμάτων. Τέλος συμπεραίνουμε ότι η παραπάνω μεθοδολογία δείχνει αρκετά υψηλό ερευνητικό δυναμικό.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CF%80%CF%81%CE%BF%CE%BD%CE%BF%CE%BC%CE%AF%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%B7%CE%BB%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1_%CE%BC%CE%B5_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2019-01-29T12:22:13Z

<p>Marios ragkousis: </p> <hr /> <div> [[Εικόνα:Rs wiki MR 2 1.jpg|thumb | right |'''Εικόνα 2.1: Χωρική κατανομή χρήσεων γης''']] <br /> [[Εικόνα:Rs wiki MR 2 4.jpg|thumb | right |'''Πίνακας 2.1: α) Ψηφιακό Μοντέλο Επιφάνειας (DSM) με ανάλυση 1m β) Ψηφιακό Μοντέλο Εδάφους (DTM) με ανάλυση 10m ''']]<br /> [[Εικόνα:Rs wiki MR 2 2.jpg|thumb | right |'''Εικόνα 2.2: Χωρική κατανομή του γεωγραφικού ηλιακού δυναμικού (GWh/a ''']] <br /> [[Εικόνα:Rs wiki MR 2 3.jpg|thumb | right |'''Εικόνα 2.3: Τιμές φωτοβολταϊκών μονάδων ''']]<br /> <br /> '''Πρότυπος τίτλος: Determining profits for solar energy with remote sensing data '''<br /> <br /> '''Συγγραφέας: Shifeng Wang, Barbara Koch '''<br /> <br /> [https://www.sciencedirect.com/science/article/pii/S0360544210001441 Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην παρούσα εργασία χρησιμοποιήθηκαν δεδομένα τηλεπισκόπισης για την εκτίμηση του δυναμικού ηλιακής ενέργειας. Προκειμένου να βρεθεί η άμεση κανονική ηλιακή ακτινοβολία (DNI) χρησιμοποιήθηκε το μέτριο φασματόμετρο απεικόνισης και ανάλυσης (Moderate Resolution Imaging Spectroradiometer) για την λήψη των δεδομένων από υδρατμούς και αερολύματα καθώς επίσης και τα δεδομένα νέφους από την Εθνική Διοίκηση Ωκεανού και Ατμόσφαιρας (NOAA). Μετά την αξιολόγηση της ηλιακής ενέργειας, σημαντική ήταν η εύρεση της βέλτιστης τοποθεσίας για την ηλιακή εγκατάσταση όπως και ο καθορισμός στην τιμή της ηλιακής ενέργειας. <br /> Συνοπτικά οι στόχοι αυτής της εργασίας είναι: <br /> 1) Να καθορίσει τις βέλτιστες τοποθεσίες των φωτοβολταϊκών <br /> 2) Να αναλύσει την τιμή βάσης της ηλεκτρικής ενέργειας που παράγεται από την ηλιακή<br /> 3) Να ενσωματώσει την τηλεπισκόπιση στις εφαρμογές 1 και 2<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Οι μέθοδοι που χρησιμοποιήθηκαν χωρίζονται σε δύο κατευθύνσεις όπου είναι: <br /> 1) το γεωγραφικό δυναμικό της ηλιακής ενέργειας και<br /> 2) το μοντέλο TIMES.<br /> <br /> Στο γεωγραφικό δυναμικό της ηλιακής ενέργειας έχουμε την θεωρητική μορφή εύρεσης της ηλιακής ενέργειας που ορίζεται ως η ηλιακή ενέργεια ακτινοβολημένη στην επιφάνειά της γης. Όμως επειδή η γη είναι ελλειπτική η διαθέσιμη προβαλλόμενη επιφάνεια επηρεάζεται από γεωγραφικούς παράγοντες όπως η κάλυψη γης. <br /> Το μοντέλο TIMES είναι μια γεννήτρια πληροφοριών για τοπικά και εθνικά ενεργειακά συστήματα το οποίο παρέχει πλούσια τεχνολογία με βάση την εκτίμηση του ενεργειακού δυναμικού μακροπρόθεσμα. Το μοντέλο αυτό στοχεύει στην παροχή ενεργειακών υπηρεσιών με το ελάχιστο κόστος και με ταυτόχρονη ισορροπία στην επένδυση και τη λειτουργία του εξοπλισμού αλλά και τις αποφάσεις για το εμπόριο ενέργειας ανά περιφέρεια. Στην εικόνα 1 μπορούμε να δούμε μια χωρική κατανομή των χρήσεων γης των πέντε χωρών που μελετάτε στην παρούσα εργασία, όπου είναι η Αυστρία, η Γαλλία, η Γερμανία, η Ιταλία και η Ελβετία.<br /> Τα δεδομένα χρήσεων γης λαμβάνονται από την ESA (European Space Agency) ενώ αυτά της ηλιακής ακτινοβολίας από τη NASA. Στη συνέχεια πρέπει να υπολογίσουμε το ηλιακό γεωγραφικό δυναμικό όπου μπορούμε να το κάνουμε με 2 τρόπους: πρώτον με καταγραφή της διαθέσιμης έκτασης για κάθε ηλιακό δίκτυο που βρίσκεται στην περιοχή μελέτης μας και στη συνέχεια να πολλαπλασιάσουμε τη διαθέσιμη περιοχή με την άμεση κανονική ακτινοβολία για κάθε ηλιακό δίκτυο. Τέλος συγκεντρώνουμε όλα τα ηλιακά δυναμικά για να αποκτήσουμε το ηλιακό δυναμικό της χώρας. Ο δεύτερος τρόπος είναι ο μέσος όρος όλων των άμεσων ηλιακών ακτινοβολιών των πλεγμάτων που πέφτουν στη χώρα μελέτης και στη συνέχεια πολλαπλασιάζονται με τη άμεση κανονική ακτινοβολία από τη διαθέσιμη περιοχή. Προκειμένου να υπολογιστεί η διαθέσιμη έκταση λαμβάνουμε υπόψη τους κατάλληλους παράγοντες που απεικονίζονται στον πίνακα 1 για κάθε κατηγορία γης σε σχέση με τα δεδομένα χρήσεων γης. Η αποτελεσματικότητα του πρώτου τρόπου είναι πολύ χαμηλή επειδή η χωρική ανάλυση των δεδομένων χρήσεων γης είναι διαφορετική από εκείνη των δεδομένων ηλιακής ακτινοβολίας. Συνεπώς σε αυτή την εργασία υιοθετείτε ο δεύτερος τρόπος. <br /> <br /> <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα δείχνουν ότι μόνο η Γερμανία από τις συνολικά 5 χώρες, έχει την ευκαιρία να ικανοποιήσει τη ζήτηση ηλεκτρικής ενέργειας με την εγκατάσταση φωτοβολταϊκών, διότι με βάση την εικόνα 3 έχει την χαμηλότερη φωτοβολταϊκή τιμή με δεύτερη τη Γαλλία. Επίσης μέσα από τα αποτελέσματα προτείνετε να μειωθεί η τιμής της φωτοβολταϊκής μονάδας για δυνητικές περιοχές εγκατάστασης φωτοβολταϊκών και έτσι η έρευνα για τα φωτοβολταϊκά πρέπει να λαμβάνει περισσότερη προσοχή. Τέλος, η συγκεκριμένη εργασία χρησιμοποιεί δεδομένα τηλεπισκόπισης για την ανάλυση των βέλτιστων θέσεων φωτοβολταϊκών καθώς και τις τιμές ηλεκτρικής ενέργειας που προκύπτουν από την ηλιακή ενέργεια.<br /> <br /> <br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A7%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%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%85%CF%88%CE%B7%CE%BB%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CE%BA%CE%B1%CF%84%CE%AC%CE%BB%CE%BB%CE%B7%CE%BB%CF%89%CE%BD_%CE%BF%CF%81%CE%BF%CF%86%CF%8E%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7_%CF%86%CF%89%CF%84%CE%BF%CE%B2%CE%BF%CE%BB%CF%84%CE%B1%CF%8A%CE%BA%CF%8E%CE%BD_%CF%83%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD 2019-01-29T12:20:47Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 1 1.jpg|thumb | right |'''Εικόνα 1.1: Περιοχή μελέτης και ημερομηνίες εξαγοράς των εικόνων WorldView-3''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 2.jpg|thumb | right |'''Εικόνα 1.2: α) Ψηφιακό Μοντέλο Επιφάνειας (DSM) με ανάλυση 1m β) Ψηφιακό Μοντέλο Εδάφους (DTM) με ανάλυση 10m ''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 3.jpg|thumb | right |'''Εικόνα 1.3: Τύποι οροφών ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 4.jpg|thumb | right |'''Εικόνα 1.4: Παράδειγμα και βήματα ταξινόμησης των αποτελεσμάτων για τις οροφές''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 5.jpg|thumb | right |'''Εικόνα 1.5: Αντιστοιχία μεταξύ σχήματος οροφής και Ψηφιακού Μοντέλου Ύψους (DHM) που χρησιμοποιείται για την εκτίμηση της κλίσης ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 6.jpg|thumb | right |'''Εικόνα 1.6: Εξέλιξη σκίασης κτιρίου για ορισμένες ώρες της ημέρας''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 7.jpg|thumb | right |'''Εικόνα 1.7: Παράδειγμα πληροφοριών που εξάγονται για κάθε στέγη ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 8.jpg|thumb | right |'''Εικόνα 1.8: Παράδειγμα συνολικής ετήσιας φωτοβολταϊκής ενέργειας που παράγεται από τις οροφές σε MWh ''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 9.jpg|thumb | right |'''Εικόνα 1.9: Τεχνικό δυναμικό της φωτοβολταϊκής εγκατάστασης στην οροφή της περιοχής μελέτης ''']] <br /> <br /> '''Πρότυπος τίτλος: Using high-resolution remote sensing images to detect suitable rooftops for solar PV installation in urban areas: HCMC case study '''<br /> <br /> '''Συγγραφέας: Yacine Bouroubi, Pierre Bugnet, Tran Thanh Huyen, Pham Duy Huy Binh, Pham Van Cu, Claire Gosselin, Dinh Phuong Trang, Le T.Van Anh, Le Van Hoan, Le Huu Nam '''<br /> <br /> '''Πρότυπος τίτλος: Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling. '''<br /> <br /> [https://www.researchgate.net/publication/323997295_Using_high-resolution_remote_sensing_images_to_detect_suitable_rooftops_for_solar_PV_installation_in_urban_areas_HCMC_case_study Πηγή]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η υπερθέρμανση του πλανήτη λόγω της κλιματικής αλλαγής έχει καταστεί μεγάλο ζήτημα παγκοσμίως ειδικά για χώρες όπου αντιμετωπίζουν μεγάλους κινδύνους όπως είναι το Βιετνάμ. Η ενεργειακή βιομηχανία εκλύει της περισσότερες εκπομπές αερίων του θερμοκηπίου (GHG) όπως μπορούμε να δούμε και στο Βιετνάμ το 92% βασίζεται στα ορυκτά καύσιμα, έτσι η κυβέρνηση του Βιετνάμ επικεντρώθηκε στην προώθηση της χρήσης της ηλιακής ενέργειας στις οροφές των κτιρίων. Αυτή τη στιγμή υπάρχουν δύο μέθοδοι που χρησιμοποιούνται ευρέως για την αξιολόγηση στην υλοποίηση φωτοβολταϊκής στέγης:<br /> 1)οπτική ερμηνεία αεροφωτογραφίας για τον εντοπισμό και για την αξιολόγηση των κτιρίων σε ατομική βάση<br /> 2)αυτοματοποιημένη επεξεργασία GIS με βάση 3D μοντέλα από δεδομένα LiDAR. <br /> Η πρώτη μέθοδος είναι αρκετά δαπανηρή και είναι δύσκολο να πραγματοποιηθεί σε μεγάλη κλίμακα ενώ η δεύτερη είναι περιορισμένη από το υψηλό κόστος απόκτησης των δεδομένων LiDAR.<br /> Αυτή η έρευνα στόχευσε σε πυκνοκατοικημένες περιοχές με υψηλό δυναμικό ηλιακής ενέργειας και σκόπευε να δοκιμάσει την ικανότητα των δορυφορικών εικόνων υψηλής ανάλυσης σε μια νέα προσέγγιση εξόρυξης πληροφοριών. Σε αυτό το έργο χρησιμοποιήθηκε ένα ζεύγος στερεοσκοπικών εικόνων γεωγραφικά επεξεργασμένο που συνδυάζει παγχρωματικά δεδομένα υψηλής ανάλυσης με πολυφασματικά μέσης ανάλυσης για την δημιουργία μια πολυφασματικής εικόνας με χαρακτηριστικά υψηλότερης ανάλυσης από την αστική περιοχή της πόλης Ho Chi Minh για την ανίχνευση οροφών και σκιάς καθώς επίσης και το ύψος την κλίση και την όψη των οροφών. Περίπου 500 οροφές προσδιορίστηκαν για σκοπούς επαλήθευσης από το σύνολο των 955.411 που εντοπίστηκαν με βάση τα τεχνικά κριτήρια για την φωτοβολταϊκή εγκατάσταση που απαιτείται. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Η μεθοδολογία που χρησιμοποιήθηκε στην συγκεκριμένη εργασία είναι ένας συνδυασμός τηλεπισκόπησης, GIS και machine learning για την εξαγωγή πληροφοριών από τα στερεοσκοπικά ζεύγη εικόνων WorldView-3. Για την αξιολόγηση του φωτοβολταϊκού δυναμικού των οροφών χρειάστηκε μια σειρά από δορυφορικές εικόνες όπου μέσα από αυτές προκύπτει:<br /> <br /> 1) '''Αποτύπωμα της στέγης''' όπου είναι ο εντοπισμός και ο διαχωρισμός των στεγών από άλλα αντικείμενα όπως δρόμοι, γυμνό έδαφος, βλάστηση, νερό κ.λπ. εντός της περιοχής μελέτης. <br /> <br /> 2) '''Ύψος του κτιρίου:''' το ύψος βοηθά στην εξάλειψη των ψευδών συναγερμών (από το επίπεδο του εδάφους) και βοηθά στον προσδιορισμό, για κάθε οροφή των περιοχών που σκιάζονται από τα γύρω κτίρια. <br /> <br /> 3) '''Λόγος σκιασμένης επιφάνειας:''' υπολογίζεται με την ενσωμάτωση της σκιασμένης περιοχής στην οροφή σύμφωνα με την θέση του ηλίου.<br /> <br /> 4) '''Τύπος οροφής:''' ο παράγοντας αυτός επηρεάζει την ποσότητα της ηλιακής ακτινοβολίας που μπορεί να λάβει μια στέγη σύμφωνα με την γεωμετρία της.<br /> <br /> 5) '''Πλάτη και όψη στέγης:''' οι παράγοντες αυτοί επηρεάζουν την ποσότητα της ηλιακής ακτινοβολίας που μπορεί να έχει μια στέγη.<br /> <br /> 6) '''Εμπόδια:''' το ποσοστό των εμποδίων είναι ένας ακόμα παράγοντας που θεωρείται σημαντικός στην απόφαση της καταλληλόλητας για φωτοβολταϊκή εγκατάσταση στην οροφή<br /> <br /> 7) '''Κατάλληλη επιφάνεια οροφής''': είναι ο πιο σημαντικός παράγοντας καθώς μας δείχνει την ηλιακή ακτινοβολία που μπορεί να λάβει μια οροφή σύμφωνα με το αποτύπωμα, το σχήμα και το ποσοστό των εμποδίων της σκιασμένης περιοχής.<br /> <br /> 8) '''Τύπος χρήσης γης:''' η μεταβλητή αυτή προσδιορίζει τον τύπο της χρήσης γης των οροφών (δημόσια/ ιδιωτικό σπίτι/ βιομηχανικό κτίριο / πολιτιστικό κτίριο / αγροτική / αστική γη, κ.λπ.).<br /> <br /> Ο τύπος της χρήσης γης σε συνδυασμό με το ηλιακό δυναμικό της επιφάνειας θα καθορίσει την καταλληλόλητα της φωτοβολταϊκής εγκατάστασης στην εκάστοτε οροφή.<br /> Στη συνέχεια στην εικόνα 1 βλέπουμε πως έχει καλυφθεί ολόκληρη η περιοχή ενδιαφέροντος χρησιμοποιώντας εικόνες του 2015 που αποκτήθηκαν από το αρχείο καθώς επίσης και νέες με χωρικής ανάλυσης 0,3 μέτρα. <br /> <br /> Παρακάτω, η εικόνα 2 χωρίζεται σε δύο επιμέρους όπου στην αριστερή βλέπουμε το ψηφιακό μοντέλο επιφάνειας (DSM) και στην δεξιά το ψηφιακό μοντέλο εδάφους (DTM) για την περιοχή μελέτης. Το Ψηφιακό Μοντέλο Επιφάνειας (DSM) εξήχθη από τα στερεοσκοπικά ζεύγη εικόνων WorldView-3 χρησιμοποιώντας εισαγωγή στερεοσκοπικών ζευγών σε λογισμικό επεξεργασίας εικόνας. Το Ψηφιακό Μοντέλο Εδάφους (DTM) σε ανάλυση 10 μέτρων παρέχεται από το Κέντρο Περιβαλλοντικής Διαχείρισης Fluid Dynamics, VNU-HUS, Ανόι, Βιετνάμ (CEFD). Τέλος, έχουμε το Ψηφιακό Μοντέλο Ύψους (DHM) υπολογίστηκε από την διαφορά του DSM και του DTM και χρησιμοποιήθηκε για τον υπολογισμό του ύψους των κτιρίων. <br /> Με βάση τον τύπο των δεδομένων που χρησιμοποιούνται στην παρούσα εργασία για την ανίχνευση κτιρίων όπως είναι: οι πολυφασματικές εικόνες , το Ψηφιακό Μοντέλο Επιφάνειας DSM, το Ψηφιακό Μοντέλο Εδάφους, τα σύνολα δεδομένων SAR και LiDAR, οι υπάρχουσες μέθοδοι μπορούν να κατηγοριοποιηθούν σε 2 ομάδες: <br /> 1) ανίχνευση κτιρίων χρησιμοποιώντας 3D δεδομένα εικόνας και <br /> 2) ανίχνευση κτιρίων μέσω μονοχρωματικών εικόνων τηλεπισκόπισης. <br /> Μια ακόμα βασική πληροφορία ήταν η σκίαση και στην περίπτωσή μας, υπολογίστηκε χρησιμοποιώντας μια λειτουργία GIS βασισμένη στο Ψηφιακό Μοντέλο Επιφάνειας (DSM) και τη θέση του ήλιου. Στη συνέχεια έγινε εξόρυξη πληροφοριών για τον τελευταίο όροφο και διαχωρίστηκαν σε εννέα διαφορετικούς τύπους όπως φαίνεται και στην εικόνα 3: επίπεδη χωρίς εμπόδια, επίπεδη με εμπόδια 0 έως 10%, , επίπεδη με εμπόδια 10 έως 30%, επίπεδη με εμπόδια ≥ 30%, δύο όψεων, τετράπλευρο, συγκρότημα, κυρτό και κυκλικό(κωνικό). <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Η επεξεργασία ταξινόμησης περιλαμβάνει τα εξής 4 βήματα: διαχωρισμός σε τμήματα, ταξινόμηση, συγχώνευση και έλεγχος ποιότητας (εικόνα 4) και μέσα από αυτήν ανιχνεύθηκαν 955.411 στέγες. Στην εικόνα 5 φαίνεται ένα παράδειγμα καλής αντιστοιχίας μεταξύ σχήματος στέγης και Ψηφιακού Μοντέλου Ύψους. Παρακάτω στην εικόνα 6 έχουμε ένα παράδειγμα σκίασης που δημιουργήθηκε για ένα κτίριο για τον μήνα Φεβρουάριο από την ανατολή έως τη δύση του ηλίου. Παρακάτω στην εικόνα 8 μπορούμε να δούμε την ετήσια ενέργεια που μπορεί να παραχθεί με κάποια φωτοβολταϊκά συστήματα στον τελευταίο όροφο των κτιρίων σε MWh και η εικόνα 9 δείχνει το συνολικό φωτοβολταϊκό δυναμικό για την Ho Chi Minh. Τα αποτελέσματα δείχνουν ότι η Ho Chi Minh έχει τεράστια δυνατότητα παραγωγής ηλεκτρικής ενέργειας μέσω φωτοβολταϊκών εγκαταστάσεων στις οροφές. Τέλος τα πλεονεκτήματα από τις δορυφορικές εικόνες υψηλής ανάλυσης όπως τις WorldView-3 είναι πάρα πολλά, ωστόσο είναι ακόμη δαπανηρή για να εφαρμοστεί πιο συχνά ευρέως και ιδιαίτερα στις αναπτυσσόμενες ή στις υποανάπτυκτες χώρες.<br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A7%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%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%85%CF%88%CE%B7%CE%BB%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B5%CE%BD%CF%84%CE%BF%CF%80%CE%B9%CF%83%CE%BC%CF%8C_%CE%BA%CE%B1%CF%84%CE%AC%CE%BB%CE%BB%CE%B7%CE%BB%CF%89%CE%BD_%CE%BF%CF%81%CE%BF%CF%86%CF%8E%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7_%CF%86%CF%89%CF%84%CE%BF%CE%B2%CE%BF%CE%BB%CF%84%CE%B1%CF%8A%CE%BA%CF%8E%CE%BD_%CF%83%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD 2019-01-29T12:20:10Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 1 1.jpg|thumb | right |'''Εικόνα 1.1: Περιοχή μελέτης και ημερομηνίες εξαγοράς των εικόνων WorldView-3''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 2.jpg|thumb | right |'''Εικόνα 1.2: α) Ψηφιακό Μοντέλο Επιφάνειας (DSM) με ανάλυση 1m β) Ψηφιακό Μοντέλο Εδάφους (DTM) με ανάλυση 10m ''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 3.jpg|thumb | right |'''Εικόνα 1.3: Τύποι οροφών ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 4.jpg|thumb | right |'''Εικόνα 1.4: Παράδειγμα και βήματα ταξινόμησης των αποτελεσμάτων για τις οροφές''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 5.jpg|thumb | right |'''Εικόνα 1.5: Αντιστοιχία μεταξύ σχήματος οροφής και Ψηφιακού Μοντέλου Ύψους (DHM) που χρησιμοποιείται για την εκτίμηση της κλίσης ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 6.jpg|thumb | right |'''Εικόνα 1.6. Εξέλιξη σκίασης κτιρίου για ορισμένες ώρες της ημέρας''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 7.jpg|thumb | right |'''Εικόνα 1.7. Παράδειγμα πληροφοριών που εξάγονται για κάθε στέγη ''']] <br /> <br /> [[Εικόνα:Rs wiki MR 1 8.jpg|thumb | right |'''Εικόνα 1.8. Παράδειγμα συνολικής ετήσιας φωτοβολταϊκής ενέργειας που παράγεται από τις οροφές σε MWh ''']]<br /> <br /> [[Εικόνα:Rs wiki MR 1 9.jpg|thumb | right |'''Εικόνα 1.9. Τεχνικό δυναμικό της φωτοβολταϊκής εγκατάστασης στην οροφή της περιοχής μελέτης ''']] <br /> <br /> '''Πρότυπος τίτλος: Using high-resolution remote sensing images to detect suitable rooftops for solar PV installation in urban areas: HCMC case study '''<br /> <br /> '''Συγγραφέας: Yacine Bouroubi, Pierre Bugnet, Tran Thanh Huyen, Pham Duy Huy Binh, Pham Van Cu, Claire Gosselin, Dinh Phuong Trang, Le T.Van Anh, Le Van Hoan, Le Huu Nam '''<br /> <br /> '''Πρότυπος τίτλος: Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling. '''<br /> <br /> [https://www.researchgate.net/publication/323997295_Using_high-resolution_remote_sensing_images_to_detect_suitable_rooftops_for_solar_PV_installation_in_urban_areas_HCMC_case_study Πηγή]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η υπερθέρμανση του πλανήτη λόγω της κλιματικής αλλαγής έχει καταστεί μεγάλο ζήτημα παγκοσμίως ειδικά για χώρες όπου αντιμετωπίζουν μεγάλους κινδύνους όπως είναι το Βιετνάμ. Η ενεργειακή βιομηχανία εκλύει της περισσότερες εκπομπές αερίων του θερμοκηπίου (GHG) όπως μπορούμε να δούμε και στο Βιετνάμ το 92% βασίζεται στα ορυκτά καύσιμα, έτσι η κυβέρνηση του Βιετνάμ επικεντρώθηκε στην προώθηση της χρήσης της ηλιακής ενέργειας στις οροφές των κτιρίων. Αυτή τη στιγμή υπάρχουν δύο μέθοδοι που χρησιμοποιούνται ευρέως για την αξιολόγηση στην υλοποίηση φωτοβολταϊκής στέγης:<br /> 1)οπτική ερμηνεία αεροφωτογραφίας για τον εντοπισμό και για την αξιολόγηση των κτιρίων σε ατομική βάση<br /> 2)αυτοματοποιημένη επεξεργασία GIS με βάση 3D μοντέλα από δεδομένα LiDAR. <br /> Η πρώτη μέθοδος είναι αρκετά δαπανηρή και είναι δύσκολο να πραγματοποιηθεί σε μεγάλη κλίμακα ενώ η δεύτερη είναι περιορισμένη από το υψηλό κόστος απόκτησης των δεδομένων LiDAR.<br /> Αυτή η έρευνα στόχευσε σε πυκνοκατοικημένες περιοχές με υψηλό δυναμικό ηλιακής ενέργειας και σκόπευε να δοκιμάσει την ικανότητα των δορυφορικών εικόνων υψηλής ανάλυσης σε μια νέα προσέγγιση εξόρυξης πληροφοριών. Σε αυτό το έργο χρησιμοποιήθηκε ένα ζεύγος στερεοσκοπικών εικόνων γεωγραφικά επεξεργασμένο που συνδυάζει παγχρωματικά δεδομένα υψηλής ανάλυσης με πολυφασματικά μέσης ανάλυσης για την δημιουργία μια πολυφασματικής εικόνας με χαρακτηριστικά υψηλότερης ανάλυσης από την αστική περιοχή της πόλης Ho Chi Minh για την ανίχνευση οροφών και σκιάς καθώς επίσης και το ύψος την κλίση και την όψη των οροφών. Περίπου 500 οροφές προσδιορίστηκαν για σκοπούς επαλήθευσης από το σύνολο των 955.411 που εντοπίστηκαν με βάση τα τεχνικά κριτήρια για την φωτοβολταϊκή εγκατάσταση που απαιτείται. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Η μεθοδολογία που χρησιμοποιήθηκε στην συγκεκριμένη εργασία είναι ένας συνδυασμός τηλεπισκόπησης, GIS και machine learning για την εξαγωγή πληροφοριών από τα στερεοσκοπικά ζεύγη εικόνων WorldView-3. Για την αξιολόγηση του φωτοβολταϊκού δυναμικού των οροφών χρειάστηκε μια σειρά από δορυφορικές εικόνες όπου μέσα από αυτές προκύπτει:<br /> <br /> 1) '''Αποτύπωμα της στέγης''' όπου είναι ο εντοπισμός και ο διαχωρισμός των στεγών από άλλα αντικείμενα όπως δρόμοι, γυμνό έδαφος, βλάστηση, νερό κ.λπ. εντός της περιοχής μελέτης. <br /> <br /> 2) '''Ύψος του κτιρίου:''' το ύψος βοηθά στην εξάλειψη των ψευδών συναγερμών (από το επίπεδο του εδάφους) και βοηθά στον προσδιορισμό, για κάθε οροφή των περιοχών που σκιάζονται από τα γύρω κτίρια. <br /> <br /> 3) '''Λόγος σκιασμένης επιφάνειας:''' υπολογίζεται με την ενσωμάτωση της σκιασμένης περιοχής στην οροφή σύμφωνα με την θέση του ηλίου.<br /> <br /> 4) '''Τύπος οροφής:''' ο παράγοντας αυτός επηρεάζει την ποσότητα της ηλιακής ακτινοβολίας που μπορεί να λάβει μια στέγη σύμφωνα με την γεωμετρία της.<br /> <br /> 5) '''Πλάτη και όψη στέγης:''' οι παράγοντες αυτοί επηρεάζουν την ποσότητα της ηλιακής ακτινοβολίας που μπορεί να έχει μια στέγη.<br /> <br /> 6) '''Εμπόδια:''' το ποσοστό των εμποδίων είναι ένας ακόμα παράγοντας που θεωρείται σημαντικός στην απόφαση της καταλληλόλητας για φωτοβολταϊκή εγκατάσταση στην οροφή<br /> <br /> 7) '''Κατάλληλη επιφάνεια οροφής''': είναι ο πιο σημαντικός παράγοντας καθώς μας δείχνει την ηλιακή ακτινοβολία που μπορεί να λάβει μια οροφή σύμφωνα με το αποτύπωμα, το σχήμα και το ποσοστό των εμποδίων της σκιασμένης περιοχής.<br /> <br /> 8) '''Τύπος χρήσης γης:''' η μεταβλητή αυτή προσδιορίζει τον τύπο της χρήσης γης των οροφών (δημόσια/ ιδιωτικό σπίτι/ βιομηχανικό κτίριο / πολιτιστικό κτίριο / αγροτική / αστική γη, κ.λπ.).<br /> <br /> Ο τύπος της χρήσης γης σε συνδυασμό με το ηλιακό δυναμικό της επιφάνειας θα καθορίσει την καταλληλόλητα της φωτοβολταϊκής εγκατάστασης στην εκάστοτε οροφή.<br /> Στη συνέχεια στην εικόνα 1 βλέπουμε πως έχει καλυφθεί ολόκληρη η περιοχή ενδιαφέροντος χρησιμοποιώντας εικόνες του 2015 που αποκτήθηκαν από το αρχείο καθώς επίσης και νέες με χωρικής ανάλυσης 0,3 μέτρα. <br /> <br /> Παρακάτω, η εικόνα 2 χωρίζεται σε δύο επιμέρους όπου στην αριστερή βλέπουμε το ψηφιακό μοντέλο επιφάνειας (DSM) και στην δεξιά το ψηφιακό μοντέλο εδάφους (DTM) για την περιοχή μελέτης. Το Ψηφιακό Μοντέλο Επιφάνειας (DSM) εξήχθη από τα στερεοσκοπικά ζεύγη εικόνων WorldView-3 χρησιμοποιώντας εισαγωγή στερεοσκοπικών ζευγών σε λογισμικό επεξεργασίας εικόνας. Το Ψηφιακό Μοντέλο Εδάφους (DTM) σε ανάλυση 10 μέτρων παρέχεται από το Κέντρο Περιβαλλοντικής Διαχείρισης Fluid Dynamics, VNU-HUS, Ανόι, Βιετνάμ (CEFD). Τέλος, έχουμε το Ψηφιακό Μοντέλο Ύψους (DHM) υπολογίστηκε από την διαφορά του DSM και του DTM και χρησιμοποιήθηκε για τον υπολογισμό του ύψους των κτιρίων. <br /> Με βάση τον τύπο των δεδομένων που χρησιμοποιούνται στην παρούσα εργασία για την ανίχνευση κτιρίων όπως είναι: οι πολυφασματικές εικόνες , το Ψηφιακό Μοντέλο Επιφάνειας DSM, το Ψηφιακό Μοντέλο Εδάφους, τα σύνολα δεδομένων SAR και LiDAR, οι υπάρχουσες μέθοδοι μπορούν να κατηγοριοποιηθούν σε 2 ομάδες: <br /> 1) ανίχνευση κτιρίων χρησιμοποιώντας 3D δεδομένα εικόνας και <br /> 2) ανίχνευση κτιρίων μέσω μονοχρωματικών εικόνων τηλεπισκόπισης. <br /> Μια ακόμα βασική πληροφορία ήταν η σκίαση και στην περίπτωσή μας, υπολογίστηκε χρησιμοποιώντας μια λειτουργία GIS βασισμένη στο Ψηφιακό Μοντέλο Επιφάνειας (DSM) και τη θέση του ήλιου. Στη συνέχεια έγινε εξόρυξη πληροφοριών για τον τελευταίο όροφο και διαχωρίστηκαν σε εννέα διαφορετικούς τύπους όπως φαίνεται και στην εικόνα 3: επίπεδη χωρίς εμπόδια, επίπεδη με εμπόδια 0 έως 10%, , επίπεδη με εμπόδια 10 έως 30%, επίπεδη με εμπόδια ≥ 30%, δύο όψεων, τετράπλευρο, συγκρότημα, κυρτό και κυκλικό(κωνικό). <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Η επεξεργασία ταξινόμησης περιλαμβάνει τα εξής 4 βήματα: διαχωρισμός σε τμήματα, ταξινόμηση, συγχώνευση και έλεγχος ποιότητας (εικόνα 4) και μέσα από αυτήν ανιχνεύθηκαν 955.411 στέγες. Στην εικόνα 5 φαίνεται ένα παράδειγμα καλής αντιστοιχίας μεταξύ σχήματος στέγης και Ψηφιακού Μοντέλου Ύψους. Παρακάτω στην εικόνα 6 έχουμε ένα παράδειγμα σκίασης που δημιουργήθηκε για ένα κτίριο για τον μήνα Φεβρουάριο από την ανατολή έως τη δύση του ηλίου. Παρακάτω στην εικόνα 8 μπορούμε να δούμε την ετήσια ενέργεια που μπορεί να παραχθεί με κάποια φωτοβολταϊκά συστήματα στον τελευταίο όροφο των κτιρίων σε MWh και η εικόνα 9 δείχνει το συνολικό φωτοβολταϊκό δυναμικό για την Ho Chi Minh. Τα αποτελέσματα δείχνουν ότι η Ho Chi Minh έχει τεράστια δυνατότητα παραγωγής ηλεκτρικής ενέργειας μέσω φωτοβολταϊκών εγκαταστάσεων στις οροφές. Τέλος τα πλεονεκτήματα από τις δορυφορικές εικόνες υψηλής ανάλυσης όπως τις WorldView-3 είναι πάρα πολλά, ωστόσο είναι ακόμη δαπανηρή για να εφαρμοστεί πιο συχνά ευρέως και ιδιαίτερα στις αναπτυσσόμενες ή στις υποανάπτυκτες χώρες.<br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_10.jpg 2019-01-29T10:20:30Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_9.jpg 2019-01-29T10:20:21Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_8.jpg 2019-01-29T10:20:10Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_7.jpg 2019-01-29T10:20:00Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_6.jpg 2019-01-29T10:19:51Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_5.jpg 2019-01-29T10:19:40Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_4.jpg 2019-01-29T10:19:28Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_3.jpg 2019-01-29T10:18:51Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_2.jpg 2019-01-29T10:18:32Z

<p>Marios ragkousis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki MR 10 2.jpg&amp;quot;</p> <hr /> <div></div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_2.jpg 2019-01-29T10:17:35Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_10_1.jpg 2019-01-29T10:17:21Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_9_5.jpg 2019-01-29T10:16:03Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_9_4.jpg 2019-01-29T10:15:49Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_9_3.jpg 2019-01-29T10:15:38Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_9_2.jpg 2019-01-29T10:15:29Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_9_1.jpg 2019-01-29T10:15:21Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS_%CE%B3%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CE%B5%CF%82_%CF%80%CE%B7%CE%B3%CE%AD%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82:_%CE%A0%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7_%CE%91%CE%B9%CE%BF%CE%BB%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%CE%B1%CF%82_%CF%83%CF%84%CE%B1_%CE%97%CE%91%CE%95 2019-01-29T10:15:07Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 9 1.jpg|thumb | right |'''Πίνακας 9.1. Σύνοψη ταχύτητας ανέμου (m/s)’’’]] <br /> [[Εικόνα:Rs wiki MR 9 2.jpg|thumb | right |'''Πίνακας 9.2. Σύνοψη της ισχύος του ανέμου (W/m2)''']]<br /> [[Εικόνα:Rs wiki MR 9 3.jpg|thumb | right |'''Εικόνα 9.1. Κατανομή της μέσης μηνιαίας ταχύτητας ανέμου''']] <br /> [[Εικόνα:Rs wiki MR 9 4.jpg|thumb | right |'''Εικόνα 9.2. κατανομή της μέσης μηνιαίας αιολικής ενέργειας ''']]<br /> [[Εικόνα:Rs wiki MR 9 5.jpg|thumb | right |'''Εικόνα 9.3. Περιοχές με υψηλή αιολική ενέργεια ''']] <br /> <br /> ''' Εφαρμογή τηλεπισκόπισης και GIS για ανανεώσιμες πηγές ενέργειας: Περίπτωση Αιολικής ενέργειας στα ΗΑΕ'''<br /> <br /> '''Πρότυπος τίτλος: Application of Remote Sensing and GIS for Renewable Energy: Case of Wind Energy in UAE'''<br /> <br /> '''Συγγραφέας : Yagoub M. M. '''<br /> <br /> [https://www.researchgate.net/publication/232724632_Application_of_Remote_Sensing_and_GIS_for_Renewable_Energy_Case_of_Wind_Energy_in_UAE Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Έχουν διεξαχθεί διάφορες προσπάθειες σε όλο τον κόσμο ώστε να ενσωματώσουν τη χρήση της τηλεπισκόπισης και GIS στις μελέτες ανανεώσιμων πηγών ενέργειας. Στη παρούσα εργασία έχει γίνει μια προσπάθεια εφαρμογής των δύο προαναφερθέντων εργαλείων στην περιοχή των ΗΑΕ. Γενικά, συνίσταται η χρήση δορυφόρων για να συμπληρωθούν τα επίγεια δεδομένα ειδικά στις παραθαλάσσιες περιοχές. Η δύναμη της δορυφορικής τηλεπισκόπισης είναι ο πλούτος των δεδομένων, η επαναλαμβανόμενη κάλυψη, η προσβασιμότητα σε απρόσιτες περιοχές και η διαθεσιμότητα των δεδομένων σε ψηφιακή μορφή ώστε να μπορούν εύκολα να ενσωματωθούν στο GIS. Στόχος αυτής της μελέτης είναι ο προσδιορισμός κατάλληλων περιοχών για την παραγωγή αιολικής ενέργειας στα ΗΑΕ χρησιμοποιώντας δεδομένα τηλεπισκόπισης και ανάλυση GIS. Η ανάλυση βασίζεται στη δημιουργία βάσεων δεδομένων για μετεωρολογικούς σταθμούς και παράγοντες που επηρεάζουν την αιολική ενέργεια όπως τα αστικά κέντρα, τις γραμμές μεταφοράς ενέργειας καθώς και τον τύπο χρήσης γης και κλίσης. Τα στοιχεία που απαιτήθηκαν για τη μελέτη συγκεντρώθηκαν από διάφορες κυβερνητικές υπηρεσίες όπως το Εθνικό Κέντρο Μετεωρολογίας όπου προσέφερε τα δεδομένα αέρα για την περίοδο 2004-2007. Επίσης οι εικόνες υψηλής ανάλυσης εδάφους αγοράστηκαν από ιδιωτικές εταιρείες ενώ άλλες χαμηλότερης ανάλυσης όπως IRS και ΤΜ ελήφθησαν από το Διαστημικό Κέντρο Αναγνώρισης των ΗΑΕ και την ιστοσελίδα το US Geological Survey.<br /> <br /> '''Μεθοδολογία '''<br /> <br /> Δημιουργήθηκε μια βάση δεδομένων που περιείχε εικόνες με μηνιαία μετεωρολογικά δεδομένα, υψόμετρο, χάρτες χρήσης γης και κέντρα ενεργειακής ζήτησης όπως πόλεις και χωριά. Άλλα δεδομένα περιλάμβαναν δρόμους, αεροδρόμια, δίκτυα ηλεκτρικής ενέργειας, φάρμες, λιμάνια, διυλιστήρια αλλά και φυσικές, πολιτισμικές προστατευμένες περιοχές. Ο κύριος παράγοντας για την επιλογή των κατάλληλων θέσεων ήταν η ταχύτητα του ανέμου διότι είναι η πηγή της αιολικής ενέργειας. Τα δεδομένα ανέμου εισάγονται σε περιβάλλον GIS και συνδυάζονται με τα δεδομένα χρήσης γης ώστε να προσδιοριστούν οι κατάλληλες περιοχές για παραγωγή αιολικής ενέργειας χρησιμοποιώντας ανάλυση πολλαπλών κριτηρίων. Τα κριτήρια έλαβαν υπόψη την ταχύτητα του ανέμου, την τοπογραφία, την κλίση, τις εποχιακές αλλαγές, τις χρήσεις γης, την εγγύτητα σε αστικές και γεωργικές περιοχές, τα λιμάνια, τα διυλιστήρια και τα αεροδρόμια. Στους παρακάτω πίνακες 1 και 2 μπορούμε να δούμε μια σύνοψη της ταχύτητας και της ισχύος του ανέμου σε όλους του σταθμούς. Από τους 34 μετεωρολογικούς σταθμούς οι 9 είχαν μέση μηνιαία ταχύτητα ανέμου η οποία ξεπέρασε τα 4m/s για την περίοδο 2004-2007. Από αυτούς 7 σταθμοί βρίσκονται στη Δυτική περιοχή του Άμπου Ντάμπι, 1 στο Γκάντουατ (μεταξύ Άμπου Ντάμπι και Ντουμπάι) και 1 στο Αλ Αίν. Αυτό δείχνει ότι θα χρειαστεί πιο λεπτομερή ανάλυση για τη Δυτική περιοχή του Άμπου Ντάμπι. Τέλος η μέση ισχύ για τον Ιανουάριο στους σταθμούς αυτούς βρέθηκε να είναι 64 και για τον Ιούλιο 61. Αυτό δείχνει ότι η εποχιακή αλλαγή δεν έχει σημαντική επιρροή στην αιολική ενέργεια. <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα παρέχουν λεπτομερή ανάλυση σχετικά με τις επιπτώσεις του υψομέτρου, την διακύμανση της ταχύτητας και της ισχύος του ανέμου.<br /> <br /> 1) Ταχύτητα ανέμου και ενέργεια<br /> <br /> <br /> Η ταχύτητα ανέμου αναμενόταν να ήταν υψηλή κατά μήκος των ανατολικών παράκτιων περιοχών λόγω αυξημένου υψομέτρου. Παρόλο αυτά μέσα από την συγκεκριμένη μελέτη παρατηρήθηκαν χαμηλές τιμές ταχύτητας ανέμου κατά μήκος των ανατολικών ακτών. Αυτό οφείλεται σε ένα πρόβλημα των δεδομένων επειδή επηρεάζονται έντονα από χερσαίους σταθμούς μέτρησης που τοποθετούνται σε προστατευμένες περιοχές, έτσι οι μετρήσεις του ανέμου μπορεί να μην αντιπροσωπεύει τις πραγματικές μετρήσεις ταχύτητας ανέμου.<br /> <br /> 2) Περιφερειακή ταξινόμηση της ταχύτητας και της ισχύος του ανέμου<br /> <br /> Για να υπάρχει μια πιο προσεκτική κατανομή της ταχύτητας του ανέμου διαχωρίστηκαν τα ΗΑΕ σε τρεις κατηγορίες: υπεράκτια, παράκτια και χερσαίες περιοχή. Η ταξινόμηση βασίστηκε στην υπόθεση ότι κάθε μία από αυτές τις περιοχές έχει διαφορετική τραχύτητα επιφανείας και κατά συνέπεια διαφορετικά αιολικά συστήματα.<br /> <br /> 2.1) Υπεράκτιες περιοχές <br /> <br /> Οι υπεράκτιες περιοχές αντιμετωπίζονται χωριστά επειδή έχουν χαμηλή τραχύτητα επιφανείας (χωρίς κτίρια ή τοπογραφία). Υπάρχουν περισσότερα από 200 νησιά των ΗΑΕ στον Αραβικό κόλπο όπου κάποια από αυτά γίνονται όλο και πιο ελκυστικά που σημαίνει ανάγκη ενέργειας. Η μελέτη έδειξε τη διαθεσιμότητα πιθανής αιολικής ενέργειας γύρω από τα νησιά. Στην εικόνα 1 μπορούμε να δούμε την ταχύτητα του ανέμου που κυμαίνεται μεταξύ 3,89 m/s και 4,44 m/s με μέση τιμή 4,07 m/s. Η αιολική ενέργεια κυμαίνεται μεταξύ 36 W/m2 και 53 W/m2 με μέσο όρο 42 W/m2 (εικόνα 2). <br /> <br /> 2.2) Παράκτιες περιοχές <br /> <br /> Οι παράκτιες περιοχές των ΗΑΕ είναι οι πιο πυκνοκατοικημένες περιοχές. Σχεδόν το 70% του πληθυσμού των ΗΑΕ και κατά συνέπεια η πλειοψηφία των οικονομικών και κοινωνικών δραστηριοτήτων είναι κατά μήκος της ακτής, δηλαδή είναι η περιοχή με τη μεγαλύτερη ζήτηση ενέργειας. Οι παράκτιες περιοχές αυτής της μελέτης ορίζονται ως αυτές των 30 χιλιομέτρων εσωτερικά και υπεράκτια από την ακτογραμμή. Η υψηλότερη ταχύτητα ανέμου 5m/s και εντοπίζεται κυρίως στις βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι (εικόνα 1). Οι κύριες αιτίες μπορεί να είναι: <br /> <br /> - Η πλευρά της θάλασσας που αντιμετωπίζει τις παράκτιες περιοχές του αραβικού κόλπου έχει χαμηλή τραχύτητα επιφάνειας. Οι παράκτιες περιοχές του δυτικού Αμπού Ντάμπι έχουν χαμηλή βλάστηση, κτίρια, τοπογραφία και υψόμετρο. Ως εκ τούτου, οι πιθανότητες της κίνησης του ανέμου στην ενδοχώρα είναι υψηλότερες από ότι σε περιοχές που έχουν μεγάλη τραχύτητα επιφάνειας όπως το Αμπού Ντάμπι, το Ντουμπάι και το Sharjah.<br /> - Δεδομένου ότι η επικρατούσα κατεύθυνση του ανέμου στα ΗΑΕ είναι από το βορρά αναμένεται ότι οι περιοχές στα βόρεια και βορειοδυτικά των ΗΑΕ θα έχουν υψηλότερη ταχύτητα ανέμου.<br /> - Η μεγάλη επιφάνεια του Αραβικού κόλπου που αντιμετωπίζει το Δυτικό Άμπου Ντάμπι σε αντίθεση με τη μικρή επιφάνεια που αντιμετωπίζει το Ντουμπάι και το σααα. <br /> - Το ύψος ή το υψόμετρο της ιρανικής πλάκας μπορεί να επηρεάσει και την ταχύτητα του ανέμου.<br /> - Λόγω της διαφοράς θερμοκρασίας μεταξύ του Αραβικού Κόλπου και της εσωτερικής ερήμου κατά τη διάρκεια της ημέρας και της νύχτας, το αεράκι της θάλασσας παράγει τοπική κυκλοφορία αέρα που μπορεί να φτάσει ταχύτητα έως και 5,8m/s. Η ταχύτητα ανέμου που παράγεται από το αεράκι του Κόλπου φθάνει στο μέγιστο της κατά τη διάρκεια της μέρας της ημέρας λόγω της μεγάλης διαφοράς μεταξύ της θερμοκρασίας της θάλασσας και της γης και των επακόλουθων διαφορών στην πίεση. Αυτό είναι προς όφελος της αιολικής ενέργειας, επειδή το μεγαλύτερο μέρος της κατανάλωσης ηλεκτρικής ενέργειας είναι κατά τη διάρκεια της ημέρας λόγω των ανθρώπινων δραστηριοτήτων (επιχειρήσεις, βιομηχανία, σχολεία κλπ.) και κυρίως στον κλιματισμό. Επομένως, η σχέση μεταξύ της θερμοκρασίας της ηλιακής ακτινοβολίας, της πίεσης και της κίνησης και της ταχύτητας του ανέμου πρέπει να αντιμετωπιστεί ως ενσωματωμένο ατμοσφαιρικό σύστημα που επηρεάζει την αιολική ενέργεια.<br /> <br /> <br /> 2.3) Χερσαίες περιοχές<br /> <br /> Οι χερσαίες περιοχές βρίσκονται σε απόσταση 30 χιλιομέτρων από την ενδοχώρα. Υπάρχουν 17 σταθμοί εσωτερικής ναυσιπλοΐας και η ταχύτητα ανέμου στους σταθμούς αυτούς κυμαίνεται μεταξύ 2,2 m/s ως ελάχιστο και 4,4 m/s ως μέγιστο με μέσο όρο 3,36 m/s. Σε γενικές γραμμές, όλοι οι σταθμοί εσωτερικής ναυσιπλοΐας είχαν χαμηλές ταχύτητες ανέμου. Αυτό ήταν αναμενόμενο επειδή ο άνεμος μετακινείται από τον εσωτερικό κόλπο, χάνει την ισχύ του και αντιμετωπίζει μεγαλύτερη τραχύτητα της επιφάνειας λόγω των αμμολόφων, των δέντρων και των αστικών περιοχών. Η εξαίρεση για το Al Ain οφείλεται στο σχετικά υψηλό υψόμετρο αφού κυμαίνεται από 200 μέτρα στην πόλη και έως 1000 μέτρα πάνω από το επίπεδο της στάθμης της θάλασσας στο Hafer Mountain.<br /> 3) Δυτική περιοχή του Άμπου Ντάμπι <br /> <br /> Οι βορειοδυτικές παράκτιες περιοχές του Άμπου Ντάμπι έχουν μεγάλες δυνατότητες για αιολική ενέργεια με ταχύτητα ανέμου στην περιοχή να υπερβαίνει τα 4 m/s. Ως εκ τούτου, δίνονται περισσότερες λεπτομέρειες . Οι λεπτομέρειες επικεντρώθηκαν στη σύνδεση του αιολικού δυναμικού με τα: <br /> - Πληθυσμιακά κέντρα <br /> - Υψόμετρο <br /> - Δίκτυο ηλεκτρισμού <br /> - Οδική πρόσβαση <br /> - Υποδομές πετρελαίου και φυσικού αερίου<br /> - Πηγές νερού<br /> - Υδατικά σώματα<br /> - Αεροδρόμια <br /> - Διατηρητέους και ψυχαγωγικούς χώρους <br /> - Ιστορικές χώροι και πολιτισμικές πηγές <br /> <br /> Συμπερασματικά, η μέση μηνιαία ταχύτητα ανέμου στους κορυφαίους σταθμούς κυμαίνεται μεταξύ 4,17 m/s και 5,28 m/s. Η εκτιμώμενη αιολική ενέργεια κυμαίνεται μεταξύ 44 W/m2 και 90 W/m2 . Η χρονική και εποχιακή ανάλυση δείχνει ότι η αιολική ενέργεια κυμαίνεται μεταξύ 28 W/m2 και 127 W/m2 κατά τη διάρκεια του χειμώνα (Δεκέμβριος-Μάρτιος) και μεταξύ 42 W/m2 και 91 W/m2 κατά τη διάρκεια του καλοκαιριού (Απρίλιος-Νοέμβριος).<br /> <br /> <br /> <br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%91%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CF%89%CE%BD_%CE%A0%CE%B7%CE%B3%CF%8E%CE%BD_%CE%95%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%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%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82 2019-01-29T10:04:41Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 10 1.jpg|thumb | right |'''Εικόνα 10.1. Περιοχή μελέτης’’’]] <br /> [[Εικόνα:Rs wiki MR 10 2.jpg|thumb | right |'''Εικόνα 10.2. Πολυφασματικές εικόνες Landsat για την περιοχή μελέτης''']]<br /> [[Εικόνα:Rs wiki MR 10 3.jpg|thumb | right |'''Εικόνα 10.3. Εικόνες NDVI''']] <br /> [[Εικόνα:Rs wiki MR 10 4.jpg|thumb | right |'''Εικόνα 10.4. Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 1990 και 2000 ''']]<br /> [[Εικόνα:Rs wiki MR 10 5.jpg|thumb | right |'''Εικόνα 6.5. Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 2006 και 2012''']] <br /> [[Εικόνα:Rs wiki MR 10 6.jpg|thumb | right |'''Εικόνα 6.6. Μέση ηλιακή ενέργεια ετησίως και εκτίμηση της μέσης ταχύτητας ανέμου 10 μέτρα πάνω από την επιφάνεια ''']]<br /> [[Εικόνα:Rs wiki MR 10 7.jpg|thumb | right |'''Εικόνα 10.7. Χαρτογράφηση των φραγμάτων για χρήση μικρών υδροηλεκτρικών έργων και πληθυσμός περιφερειακών πόλεων ''']]<br /> [[Εικόνα:Rs wiki MR 10 8.jpg|thumb | right |'''Εικόνα 6.5. Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']] <br /> [[Εικόνα:Rs wiki MR 10 9.jpg|thumb | right |'''Εικόνα 10.9. Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']]<br /> [[Εικόνα:Rs wiki MR 10 10.jpg|thumb | right |'''Εικόνα 10.10. Χαρτογράφηση του ενεργειακού δυναμικού σε κλίμακα 1 έως 7''']]<br /> <br /> <br /> '''Πολυκριτηριακή ανάλυση Ανανεώσιμων Πηγών Ενέργειας χρησιμοποιώντας δεδομένα τηλεπισκόπισης'''<br /> <br /> '''Πρότυπος τίτλος: Multicriteria analysis for sources of renewable energy using data from remote sensing'''<br /> <br /> '''Συγγραφέας : L. Matejicek'''<br /> <br /> [https://www.researchgate.net/publication/277363213_Multicriteria_analysis_for_sources_of_renewable_energy_using_data_from_remote_sensing Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) αποτελούν πολύ σημαντική πηγή για την μείωση των επιβλαβών εκπομπών και την αντικατάσταση των ορυκτών καυσίμων τα οποία τείνουν να εξαντληθούν. Τα δεδομένα από την τηλεπισκόπιση μπορούν να παράσχουν πληροφορίες όπως κάλυψης γης, για την αναζήτηση κατάλληλων τοποθεσιών και μέσω της πολυκριτηριακής ανάλυσης να καθοριστεί το ενεργειακό δυναμικό και η κοινωνική αποδοχή των προτεινόμενων τοποθεσιών. Η περιγραφόμενη μελέτη επικεντρώνεται σε μια περιοχή ανθρακωρυχείων της βορειοδυτικής Τσέχικης Δημοκρατίας (εικόνα 1) όπου οι επιπτώσεις της εξόρυξης και της αποκατάστασης των επιφανειών αποτελεί μια κυρίαρχη δύναμη για τις μεταβολές της γης. Τα κύρια δεδομένα εισόδου για την εύρεση κατάλληλων τοποθεσιών είναι δορυφορικές εικόνες υψηλής ανάλυσης. Τα δεδομένα από την τηλεπισκόπιση για πολυκριτηριακή ανάλυση που υλοποιείται σε ένα γεωγραφικό σύστημα πληροφοριών (GIS) είναι ηλιακή χαρτογράφηση, προβλέψεις ανέμου, τοποθεσία ποταμών σε λεκάνες απορροής, οδικοί χάρτες και δημογραφικές πληροφορίες. Επίσης χρησιμοποιήθηκε και η βάση δεδομένων CORINE για την κάλυψη γης. Με τη χρήση δεδομένων τηλεπισκόπισης όπως είναι οι πολυφασματικές εικόνες και τα σύνολα κάλυψης γης από το CORINE μπορούμε να μειώσουμε τους οικονομικούς πόρους που απαιτούνται για την εύρεση και αξιολόγηση κατάλληλων περιοχών. <br /> <br /> ''' Ανάλυση και Μοντελοποίηση '''<br /> <br /> Μέσα στα χρόνια έχουν χρησιμοποιηθεί αρκετά εργαλεία μοντελοποίησης, όμως τα ενεργειακά μοντέλα πλέον περιλαμβάνουν οικονομικές και περιβαλλοντικές εκτιμήσεις και δεν είναι μόνο αριθμητικά εργαλεία αλλά και εργαλεία διαχείρισης και λήψης αποφάσεων. Μια πολυκριτηριακή ανάλυση βασίζετε στην τηλεπισκόπιση και στα γεωγραφικά συστήματα πληροφοριών GIS κάνοντας χωρική ανάλυση δορυφορικών και εναέριων εικόνων. Η παρούσα εργασία πραγματοποιήθηκε για να προσδιοριστεί ποιες τάξεις γης καλύπτουν και συνδέονται με υψηλό ηλιακό, αιολικό, υδροηλεκτρικό δυναμικό όπως και υψηλό δυναμικό βιομάζας, σε μια περίοδο αρκετών δεκαετιών και πως μπορούν να εκμεταλλευτούν κατάλληλα. Τα δεδομένα προέρχονται από δορυφορικές πολυφασματικές εικόνες που συλλήφθηκαν από δορυφόρους Landsat κατά την περίοδο 1985-2015. <br /> <br /> Οι δορυφορικές εικόνες χρησιμοποιήθηκαν για την αξιολόγηση του δυναμικού βιομάζας χρησιμοποιώντας τον δείκτη βλάστησης κανονικοποιημένης διαφοράς (NDVI). Στην εικόνα 2 μπορούμε να δούμε δορυφορικές εικόνες Landsat από το 1990 (Landsat 5 TM), 2000 (Landsat 7 TM), 2006 (Landsat 5 TM) και 2011 (Landsat 5 TM) ενώ στην εικόνα 3 βλέπουμε αντίστοιχα τα στρώματα NDVI για τις ίδιες ημερομηνίες. Οι παραπάνω δορυφορικές εικόνες συμπληρώνονται από την βάση δεδομένων CORINE για χαρτογράφηση κάλυψης γης ( Εικόνα 4, Εικόνα 5). Η ονοματολογία κάλυψης γης του CORINE χρησιμοποιείται για την επιλογή τοποθεσιών εξόρυξης ορυκτών 131, χωματερές 132 και όλες τις γεωργικές κατηγορίες που έχουν προτεραιότητα έναντι άλλων γαιών που είναι σε θέση να αξιοποιηθούν για ΑΠΕ. Στην εικόνα 6 βλέπουμε άλλα σημαντικά χωρικά δεδομένα που μας δείχνουν την εκτίμηση της μέσης ταχύτητας ανέμου άνω των 10 μέτρων από την επιφάνεια καθώς επίσης και την μέση ηλιακή ενέργεια ετησίως. Τα παραπάνω δεδομένα συμπληρώνονται από την χαρτογράφηση των φραγμάτων τα οποία μπορούν να χρησιμοποιηθούν για τη χρησιμοποίηση μικρών μονάδων υδροηλεκτρικής ενέργειας και για μεταφορές, μαζί με τον πληθυσμό στις περιφερειακές πόλεις οι οποίες μπορούν να παρέχουν ΑΠΕ (Εικόνα 7).<br /> <br /> <br /> <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Το αποτέλεσμα της πολυκριτηριακής ανάλυσης σταθμίζουν το σύνολο των χωρικών δεδομένων σύμφωνα με την ποσοστιαία επιρροή ώστε να δημιουργηθεί ένας χάρτης που να δείχνει τις κατάλληλες θέσεις των ΑΠΕ. Στην εικόνα 8 μπούμε να δούμε ενδεχόμενες αλλαγές στην χαρτογράφηση των κατάλληλα επιλεγμένων περιοχών για αξιοποίηση ΑΠΕ για το 1990 και το 2000 ενώ στην εικόνα 9 για το 2006 και το 2012. Στην εικόνα 10 βλέπουμε άλλα αποτελέσματα τα οποία μας δείχνουν την ενεργειακή διαθεσιμότητα με μια κλίμακα από το 1 έως το 7, όπου η πρώτη τάξη συνδέεται με το ελάχιστο και η τελευταία με το ανώτατο όριο για το 1990, το 2000, το 2006 και το 2012. Τέλος σαν αποτέλεσμα στην συγκεκριμένη εργασία έχουμε ότι το νότιο τμήμα έχει μεγαλύτερες δυνατότητας για ανάπτυξη έργων σχετικά με την ηλιακή ενέργεια, το μεσαίο τμήμα έχει μια μεγάλη επιφάνεια ορυχείων ενώ στο βορειοδυτικό τμήμα της περιοχής μελέτης υπάρχουν κατάλληλες τοποθεσίες για μικρά αιολικά πάρκα. Επίσης το νότιο τμήμα περιέχει απότομες πλαγιές με πολλά μικρά ρεύματα που σχηματίζουν ρυάκια και ποτάμια στο μεσαίο τμήμα. Πολλοί ποταμοί σε αυτό το μέρος μπορούν να χρησιμοποιηθούν για μικρές υδροηλεκτρικές μονάδες.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CE%BB%CF%85%CE%BA%CF%81%CE%B9%CF%84%CE%B7%CF%81%CE%B9%CE%B1%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%91%CE%BD%CE%B1%CE%BD%CE%B5%CF%8E%CF%83%CE%B9%CE%BC%CF%89%CE%BD_%CE%A0%CE%B7%CE%B3%CF%8E%CE%BD_%CE%95%CE%BD%CE%AD%CF%81%CE%B3%CE%B5%CE%B9%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%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82 2019-01-29T10:04:18Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 10 1.jpg|thumb | right |'''Εικόνα 10.1. Περιοχή μελέτης’’’]] <br /> [[Εικόνα:Rs wiki MR 10 2.jpg|thumb | right |'''Εικόνα 10.2. Πολυφασματικές εικόνες Landsat για την περιοχή μελέτης''']]<br /> [[Εικόνα:Rs wiki MR 10 3.jpg|thumb | right |'''Εικόνα 10.3. Εικόνες NDVI''']] <br /> [[Εικόνα:Rs wiki MR 10 4.jpg|thumb | right |'''Εικόνα 10.4. Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 1990 και 2000 ''']]<br /> [[Εικόνα:Rs wiki MR 10 5.jpg|thumb | right |'''Εικόνα 6.5. Επιλεγμένες κατηγορίες από τα σύνολα δεδομένων κάλυψης γης για χαρτογράφηση το 2006 και 2012''']] <br /> [[Εικόνα:Rs wiki MR 10 6.jpg|thumb | right |'''Εικόνα 6.6. Μέση ηλιακή ενέργεια ετησίως και εκτίμηση της μέσης ταχύτητας ανέμου 10 μέτρα πάνω από την επιφάνεια ''']]<br /> [[Εικόνα:Rs wiki MR 10 7.jpg|thumb | right |'''Εικόνα 10.7. Χαρτογράφηση των φραγμάτων για χρήση μικρών υδροηλεκτρικών έργων και πληθυσμός περιφερειακών πόλεων ''']]<br /> [[Εικόνα:Rs wiki MR 10 8.jpg|thumb | right |'''Εικόνα 6.5. Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']] <br /> [[Εικόνα:Rs wiki MR 10 9.jpg|thumb | right |'''Εικόνα 10.9. Μέτριες αλλαγές στη χαρτογράφηση κατάλληλων χώρων για χρήση των ΑΠΕ το 1990 και το 2000''']]<br /> [[Εικόνα:Rs wiki MR 10 10.jpg|thumb | right |'''Εικόνα 10.10. Χαρτογράφηση του ενεργειακού δυναμικού σε κλίμακα 1 έως 7''']]<br /> <br /> <br /> '''Πολυκριτηριακή ανάλυση Ανανεώσιμων Πηγών Ενέργειας χρησιμοποιώντας δεδομένα τηλεπισκόπισης ''’<br /> <br /> '''Πρότυπος τίτλος: Multicriteria analysis for sources of renewable energy using data from remote sensing'''<br /> <br /> '''Συγγραφέας : L. Matejicek'''<br /> <br /> [https://www.researchgate.net/publication/277363213_Multicriteria_analysis_for_sources_of_renewable_energy_using_data_from_remote_sensing Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) αποτελούν πολύ σημαντική πηγή για την μείωση των επιβλαβών εκπομπών και την αντικατάσταση των ορυκτών καυσίμων τα οποία τείνουν να εξαντληθούν. Τα δεδομένα από την τηλεπισκόπιση μπορούν να παράσχουν πληροφορίες όπως κάλυψης γης, για την αναζήτηση κατάλληλων τοποθεσιών και μέσω της πολυκριτηριακής ανάλυσης να καθοριστεί το ενεργειακό δυναμικό και η κοινωνική αποδοχή των προτεινόμενων τοποθεσιών. Η περιγραφόμενη μελέτη επικεντρώνεται σε μια περιοχή ανθρακωρυχείων της βορειοδυτικής Τσέχικης Δημοκρατίας (εικόνα 1) όπου οι επιπτώσεις της εξόρυξης και της αποκατάστασης των επιφανειών αποτελεί μια κυρίαρχη δύναμη για τις μεταβολές της γης. Τα κύρια δεδομένα εισόδου για την εύρεση κατάλληλων τοποθεσιών είναι δορυφορικές εικόνες υψηλής ανάλυσης. Τα δεδομένα από την τηλεπισκόπιση για πολυκριτηριακή ανάλυση που υλοποιείται σε ένα γεωγραφικό σύστημα πληροφοριών (GIS) είναι ηλιακή χαρτογράφηση, προβλέψεις ανέμου, τοποθεσία ποταμών σε λεκάνες απορροής, οδικοί χάρτες και δημογραφικές πληροφορίες. Επίσης χρησιμοποιήθηκε και η βάση δεδομένων CORINE για την κάλυψη γης. Με τη χρήση δεδομένων τηλεπισκόπισης όπως είναι οι πολυφασματικές εικόνες και τα σύνολα κάλυψης γης από το CORINE μπορούμε να μειώσουμε τους οικονομικούς πόρους που απαιτούνται για την εύρεση και αξιολόγηση κατάλληλων περιοχών. <br /> <br /> ''' Ανάλυση και Μοντελοποίηση '''<br /> <br /> Μέσα στα χρόνια έχουν χρησιμοποιηθεί αρκετά εργαλεία μοντελοποίησης, όμως τα ενεργειακά μοντέλα πλέον περιλαμβάνουν οικονομικές και περιβαλλοντικές εκτιμήσεις και δεν είναι μόνο αριθμητικά εργαλεία αλλά και εργαλεία διαχείρισης και λήψης αποφάσεων. Μια πολυκριτηριακή ανάλυση βασίζετε στην τηλεπισκόπιση και στα γεωγραφικά συστήματα πληροφοριών GIS κάνοντας χωρική ανάλυση δορυφορικών και εναέριων εικόνων. Η παρούσα εργασία πραγματοποιήθηκε για να προσδιοριστεί ποιες τάξεις γης καλύπτουν και συνδέονται με υψηλό ηλιακό, αιολικό, υδροηλεκτρικό δυναμικό όπως και υψηλό δυναμικό βιομάζας, σε μια περίοδο αρκετών δεκαετιών και πως μπορούν να εκμεταλλευτούν κατάλληλα. Τα δεδομένα προέρχονται από δορυφορικές πολυφασματικές εικόνες που συλλήφθηκαν από δορυφόρους Landsat κατά την περίοδο 1985-2015. <br /> <br /> Οι δορυφορικές εικόνες χρησιμοποιήθηκαν για την αξιολόγηση του δυναμικού βιομάζας χρησιμοποιώντας τον δείκτη βλάστησης κανονικοποιημένης διαφοράς (NDVI). Στην εικόνα 2 μπορούμε να δούμε δορυφορικές εικόνες Landsat από το 1990 (Landsat 5 TM), 2000 (Landsat 7 TM), 2006 (Landsat 5 TM) και 2011 (Landsat 5 TM) ενώ στην εικόνα 3 βλέπουμε αντίστοιχα τα στρώματα NDVI για τις ίδιες ημερομηνίες. Οι παραπάνω δορυφορικές εικόνες συμπληρώνονται από την βάση δεδομένων CORINE για χαρτογράφηση κάλυψης γης ( Εικόνα 4, Εικόνα 5). Η ονοματολογία κάλυψης γης του CORINE χρησιμοποιείται για την επιλογή τοποθεσιών εξόρυξης ορυκτών 131, χωματερές 132 και όλες τις γεωργικές κατηγορίες που έχουν προτεραιότητα έναντι άλλων γαιών που είναι σε θέση να αξιοποιηθούν για ΑΠΕ. Στην εικόνα 6 βλέπουμε άλλα σημαντικά χωρικά δεδομένα που μας δείχνουν την εκτίμηση της μέσης ταχύτητας ανέμου άνω των 10 μέτρων από την επιφάνεια καθώς επίσης και την μέση ηλιακή ενέργεια ετησίως. Τα παραπάνω δεδομένα συμπληρώνονται από την χαρτογράφηση των φραγμάτων τα οποία μπορούν να χρησιμοποιηθούν για τη χρησιμοποίηση μικρών μονάδων υδροηλεκτρικής ενέργειας και για μεταφορές, μαζί με τον πληθυσμό στις περιφερειακές πόλεις οι οποίες μπορούν να παρέχουν ΑΠΕ (Εικόνα 7).<br /> <br /> <br /> <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Το αποτέλεσμα της πολυκριτηριακής ανάλυσης σταθμίζουν το σύνολο των χωρικών δεδομένων σύμφωνα με την ποσοστιαία επιρροή ώστε να δημιουργηθεί ένας χάρτης που να δείχνει τις κατάλληλες θέσεις των ΑΠΕ. Στην εικόνα 8 μπούμε να δούμε ενδεχόμενες αλλαγές στην χαρτογράφηση των κατάλληλα επιλεγμένων περιοχών για αξιοποίηση ΑΠΕ για το 1990 και το 2000 ενώ στην εικόνα 9 για το 2006 και το 2012. Στην εικόνα 10 βλέπουμε άλλα αποτελέσματα τα οποία μας δείχνουν την ενεργειακή διαθεσιμότητα με μια κλίμακα από το 1 έως το 7, όπου η πρώτη τάξη συνδέεται με το ελάχιστο και η τελευταία με το ανώτατο όριο για το 1990, το 2000, το 2006 και το 2012. Τέλος σαν αποτέλεσμα στην συγκεκριμένη εργασία έχουμε ότι το νότιο τμήμα έχει μεγαλύτερες δυνατότητας για ανάπτυξη έργων σχετικά με την ηλιακή ενέργεια, το μεσαίο τμήμα έχει μια μεγάλη επιφάνεια ορυχείων ενώ στο βορειοδυτικό τμήμα της περιοχής μελέτης υπάρχουν κατάλληλες τοποθεσίες για μικρά αιολικά πάρκα. Επίσης το νότιο τμήμα περιέχει απότομες πλαγιές με πολλά μικρά ρεύματα που σχηματίζουν ρυάκια και ποτάμια στο μεσαίο τμήμα. Πολλοί ποταμοί σε αυτό το μέρος μπορούν να χρησιμοποιηθούν για μικρές υδροηλεκτρικές μονάδες.<br /> <br /> <br /> [[category:Ενέργεια]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_7.jpg 2019-01-29T09:29:19Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_6.jpg 2019-01-29T09:29:08Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_5.jpg 2019-01-29T09:29:00Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_4.jpg 2019-01-29T09:28:52Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_3.jpg 2019-01-29T09:28:44Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_2.jpg 2019-01-29T09:28:36Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_8_1.jpg 2019-01-29T09:28:26Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CE%BC%CE%B5%CE%B8%CE%B1%CE%BD%CE%AF%CE%BF%CF%85_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%85%CF%80%CE%BF%CE%BE%CE%B5%CE%B9%CE%B4%CE%AF%CE%BF%CF%85_%CF%84%CE%BF%CF%85_%CE%B1%CE%B6%CF%8E%CF%84%CE%BF%CF%85_%CE%B1%CF%80%CF%8C_%CF%84%CE%B1_%CE%B1%CF%80%CF%8C%CE%B2%CE%BB%CE%B7%CF%84%CE%B1_%CE%B1%CF%80%CE%BF%CF%84%CE%AD%CF%86%CF%81%CF%89%CF%83%CE%B7%CF%82 2019-01-29T09:28:09Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 8 1.jpg|thumb | right |'''Πίνακας 8.1. Καταγραφή μετρήσεων του IFTS. Οι κύβοι (cubes) υποδηλώνουν πλήρη σύνολα τρισδιάστατων δεδομένων (χωρικές διαστάσεις x και y συν το φάσμα IR σε κάθε εικονοστοιχείο εικόνας ως τρίτη διάσταση).’’’]] <br /> [[Εικόνα:Rs wiki MR 8 2.jpg|thumb | right |'''Εικόνα 8.1. (Α) Επισκόπηση ρυθμίσεων οργάνου για την μελέτη (Β) Πεδίο προβολής και σημείο μετρήσεων.''']]<br /> [[Εικόνα:Rs wiki MR 8 3.jpg|thumb | right |'''Εικόνα 8.2. Παράμετροι και οπτικές διαδρομές που περιλαμβάνονται στη φασματοσκοπική μοντελοποίηση. Οι παράμετροι L, t, T και m δηλώνουν την ακτινοβολία, τη μετάδοση, τη θερμοκρασία και τους αριθμούς των κυμάτων αντίστοιχα''']] <br /> [[Εικόνα:Rs wiki MR 8 4.jpg|thumb | right |'''Εικόνα 8.3. Μέση θερμοκρασία φωτεινότητας σε διαφορετικές φασματικές περιοχές για την περίπτωση 1 (πάνω σειρά) και την περίπτωση 2 (κάτω σειρά)''']]<br /> [[Εικόνα:Rs wiki MR 8 5.jpg|thumb | right |'''Εικόνα 8.4. Επεξεργασία εικόνας πριν τον υπολογισμό της ταχύτητας χρησιμοποιώντας διορθωμένες εικόνες συμβολισμού. ''']] <br /> [[Εικόνα:Rs wiki MR 8 6.jpg|thumb | right |'''Εικόνα 8.5. Σειρά μετρήσεων των ταχυτήτων αερίου με ρυθμό 473 μετρήσεις ανά s. Το κόκκινο πλαίσιο σηματοδοτεί την περιοχή μεγέθυνση στο B ''']]<br /> [[Εικόνα:Rs wiki MR 8 7.jpg|thumb | right |'''Εικόνα 8.6. Παράδειγμα φασματικών κυμάτων και φασματικών μοντέλων ''']]<br /> <br /> ''' Τηλεπισκόπιση του μεθανίου και του υποξειδίου του αζώτου από τα απόβλητα αποτέφρωσης'''<br /> <br /> '''Πρότυπος τίτλος: Remote sensing of methane and nitrous oxide fluxes from waste Incineration'''<br /> <br /> '''Συγγραφέας : Magnus Gålfalk and David Bastviken '''<br /> <br /> [https://www.sciencedirect.com/science/article/pii/S0956053X18300527 Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Εκτός από τους υδρατμούς (Η2Ο), τα κύρια αέρια του θερμοκηπίου στην ατμόσφαιρα της γης είναι το διοξείδιο του άνθρακα (C02), το μεθάνιο (CΗ4) και το οξείδιο του αζώτου (Ν2Ο). Παρά το γεγονός ότι το CΟ2 είναι το πιο ευρέως παρακολουθούμενο αέριο του θερμοκηπίου , το CΗ4 και το Ν2Ο έχουν συντελεστή βαρύτητας 86 και 268 φορές του CΟ2 αντίστοιχα σύμφωνα με την IPCC, δηλαδή 1gr CH4 και 1gr Ν2Ο ισούνται με 86gr και 268gr CΟ2 αντίστοιχα. Σύμφωνα με τα παραπάνω οι δραστηριότητες που συμβάλλουν στις εκπομπές CΗ4 και Ν2Ο είναι πολύ σημαντικές και πρέπει να υπάρχει συχνή παρακολούθηση. Η ατελής καύση είναι μια από αυτές και η παρούσα μελέτη επικεντρώνεται στις εκπομπές αερίων από την καύση αποβλήτων. Η διαχείριση των αποβλήτων αποτελεί ένα σημαντικό αντικείμενο για την κοινωνία και τις εκπομπές αερίων του θερμοκηπίου. Οι ΧΥΤΑ είναι ευρύτερα γνωστό ότι παράγουν μεγάλες ποσότητες CH4 έτσι η αποτέφρωση αποβλήτων αποτελεί μια ωφέλιμη εναλλακτική λύση με την παραγωγή ενέργειας από τα απόβλητα. Στην συγκεκριμένη μέθοδο οι εκπομπές εξαρτώνται σε μεγάλο βαθμό από παράγοντες όπως, τον τύπο αποβλήτων που χρησιμοποιούνται για αποτέφρωση, τη θερμοκρασία αποτέφρωσης, τον καθαρισμό των αερίων που εξέρχονται στον αέρα και από τον τύπο της μονάδας αποτέφρωσης. Η μέθοδος που χρησιμοποιείται ευρέως για την εύρεση των αέριων εκπομπών είναι η επιτόπια δειγματοληψία του καυσαερίου όμως αυτή η εργασία παρουσιάζει μια εναλλακτική μέθοδο που βασίζεται σε μια τεχνική τηλεπισκόπισης από το έδαφος για μη παρεμβατικές άμεσες μετρήσεις του CH4 και του N2O. Με τη μέθοδο αυτή έχουμε τη δυνατότητα να πραγματοποιήσουμε μετρήσεις σε απόσταση εκατοντάδων μέτρων καθώς επίσης να εφαρμοστεί σε μονάδες παραγωγής θερμότητας και ηλεκτρικής ενέργειας που χρησιμοποιούν άλλα είδη καυσίμων όπως ορυκτά καύσιμα. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Σε αυτή τη μελέτη λήφθηκαν μετρήσεις, μια προσαρμοσμένη μεγάλου μήκους κύματος απεικόνιση φασματομετρικού μετασχηματισμού Fourier (IFTS) και στον πίνακα 1 μπορούμε να δούμε μια περίληψη των μετρήσεων του οργάνου για τις δύο περιπτώσεις, όπως και τη διάρκεια που αντιπροσωπεύει το συνολικό χρόνο λήψης της απεικόνισης. Η τηλεπισκόπιση χρησιμοποιήθηκε για την μέτρηση των ροών του CH4 και του Ν2Ο από την καμινάδα μια μονάδας αποτέφρωσης αποβλήτων που χρησιμοποιεί καθαρό κρύο ουρανό σαν φόντο. Οι μετρήσεις έγιναν σε δύο περιπτώσεις, από αποστάσεις των 153m και 183m χρησιμοποιώντας φασματικές αναλύσεις 1 και 0,25cm-1 αντίστοιχα. Επίσης πρόσθετος εξοπλισμός περιλαμβάνει ένα λέιζερ με ευρύ φάσμα που χρησιμοποιείται για μετρήσεις σε επιλεγμένα σημεία της καμινάδας όπου σε συνδυασμό με τις φασματικές εικόνες μπορούν να ληφθεί η ποσότητα του CH4, Ν2Ο και του H2Ο. Στο Β κομμάτι της εικόνας 1 έχουμε την απόσταση από την κορυφή της καμινάδας (σημείο 1) όπου είναι 153m. Βλέπουμε τις εκπομπές που είναι διαφανείς στο σημείο 2 ενώ η συμπύκνωση υδρατμών σε σταγόνες κάνει τις εκπομπές αδιαφανείς στο σημείο 3. Τέλος, το σημείο 4 μας δείχνει το φόντο που είχαμε υποθέσει, ψυχρό και καθαρό ουρανό (εικόνα 1). Στην εικόνα 2 μπορούμε να δούμε το διαχωρισμό σε στρώματα που έχει γίνει όπου το πρώτο είναι ο κρύος ουρανός, το δεύτερο είναι το αέριο που εκπέμπεται από την καμινάδα (πλούμιο) και το τρίτο περιέχει τον αέρα μεταξύ της καμινάδας και της κάμερας(IFTS). Οι παράμετροι του πλουμίου διαμορφώνονται από την φασματοσκοπία. Η θερμοκρασία του πλουμίου αποδίδει με τη σειρά της μια έντονη ακτινοβολία μαύρου σώματος αλλά προς ένα μη διαφανές τμήμα του πλουμίου. Όπως φαίνεται στην εικόνα 3 αυτό μπορεί να γίνει επιλογή των αριθμών των κυμάτων με το πλούμιο σε πρώτο πλάνο ώστε να μπορούν να ανακτηθούν τα απαραίτητα αποτελέσματα. Επίσης για κάθε περίπτωση υπάρχουν διαφορετικές φασματικές κλίμακες 0-15% για A και D, 15-30% για το B και E και 99-100% για το C και το F ( η περιοχή που χρησιμοποιείται για τον υπολογισμό των προτύπων ροής, φαίνεται με λευκό χρώμα). Στην εικόνα 4 αφαιρούνται τα κακά εικονοστοιχεία ενισχύοντας τη δομική αντίθεση διατηρώντας το μέσο σήμα γύρω από το μηδέν. Εκεί έχουμε 4 επιμέρους εικόνες όπου στην Α έχουμε την ενιαία εικόνα, στην Β δύο εικόνες (κόκκινο και κυανό χρώμα) με χρονική καθυστέρηση 0,1s, στην C όπως και στην Β μετά την αφαίρεση κάθε εικόνας με πρόσθετες που λήφθηκαν 0,025s νωρίτερα, αυξάνοντας σημαντικά την αντίθεση και στην D οι δύο εικόνες που χρησιμοποιούνται για τα χαρακτηριστικά παρακολούθησης και τον υπολογισμό της ταχύτητας.<br /> <br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Στην εικόνα 5 μπορούμε να δούμε τους υπολογισμούς της αναλυτικής ταχύτητας αερίου χρησιμοποιώντας όλες τις συντεταγμένες του χρόνου όλων των γραμμαρίων που χρησιμοποιήθηκαν για την εκτίμηση της μέσης ταχύτητας αερίου κατά τη διάρκεια των μετρήσεων. Τα φασματοφοτόμετρα σε ορατές γραμμές ακριβώς πάνω από την έξοδο της καμινάδας δείχνουν σαφώς δύο φασματικά χαρακτηριστικά που κυριαρχούν στον κρύο ουρανό(εικόνα 6Α). Επίσης σε μια στενότερη φασματική περιοχή κοντά στην ισχυρή ζώνη του CH4 (1300-1307 cm-1) οι πυκνότητες των στηλών CH4 και Ν2Ο μπορεί να είναι πιο αποτελεσματικές (εικόνα 6Β) καθώς το Ν2Ο έχει επίσης αρκετά ισχυρή απορρόφηση. στην εικόνα 6 τα κόκκινα σημεία αντιπροσωπεύουν τα σημεία μέτρησης δεδομένων ενώ η μαύρη καμπύλη είναι το καλύτερο μοντέλο συμπεριλαμβανομένων των Η2Ο, Ν2Ο και CH4. <br /> Από τις μέσες πυκνότητες στήλης και τη διάμετρο της καμινάδας εκτιμώμενη η συγκέντρωση CH4 στο νέφος πάνω από την καμινάδα είναι 27 και 16 ppm για τις δύο περιπτώσεις ενώ για το Ν2Ο αυτές οι συγκεντρώσεις είναι 31 και 22 ppm. Η μελέτη αυτή μας δείχνει τη δυνατότητα μέτρησης των εκπομπών CH4 και Ν2Ο χρησιμοποιώντας την τηλεπισκόπιση από το έδαφος. Συνολικά, υπάρχει ανάγκη καλύτερης ποσοτικοποίησης των επιπέδων και των μεταβλητών ποσότητας όσον αφορά τις εκπομπές του CH4 και N2O από μονάδες αποτέφρωσης με συγκρίσιμη μεθοδολογία. Η προσέγγιση τηλεπισκόπησης που περιγράφεται εδώ έχει το πλεονέκτημα ότι μπορεί να κάνει μετρήσεις από απόσταση αρκετών εκατοντάδων μέτρων. Επομένως, έχει την ικανότητα να προσδιορίζει γρήγορα τα ρεύματα από πολλές διαφορετικές μονάδες αποτέφρωσης με τις ίδιες συγκρίσιμες μεθοδολογία και μπορεί να χρησιμοποιηθεί για την ανάπτυξη πιο αξιόπιστων συντελεστών εκπομπών ή δυναμικά μοντέλα εκπομπών αερίων.<br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_6.jpg 2019-01-29T09:07:05Z

<p>Marios ragkousis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki MR 7 6.jpg&amp;quot;</p> <hr /> <div></div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_6.jpg 2019-01-29T09:06:25Z

<p>Marios ragkousis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki MR 7 6.jpg&amp;quot;</p> <hr /> <div></div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_4.jpg 2019-01-29T09:06:12Z

<p>Marios ragkousis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki MR 7 4.jpg&amp;quot;</p> <hr /> <div></div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_2.jpg 2019-01-29T09:06:03Z

<p>Marios ragkousis: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki MR 7 2.jpg&amp;quot;</p> <hr /> <div></div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%B9%CE%BB%CE%BF%CE%B3%CE%AE_%CF%87%CF%8E%CF%81%CE%BF%CF%85_%CF%85%CE%B3%CE%B5%CE%B9%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B1%CF%86%CE%AE%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%B2%CE%BF%CE%AE%CE%B8%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2019-01-29T09:03:29Z

<p>Marios ragkousis: </p> <hr /> <div>[[Εικόνα:Rs wiki MR 7 1.jpg|thumb | right |'''Εικόνα 7.1 Περιοχή μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 2.jpg|thumb | right |'''Πίνακας 7.1. Τιμές βαρύτητας κάθε κατηγορίας ''']]<br /> [[Εικόνα:Rs wiki MR 7 3.jpg|thumb | right |''' Εικόνα 7.2. Λιθολογικός χάρτης της περιοχής μελέτης''']] <br /> [[Εικόνα:Rs wiki MR 7 4.jpg|thumb | right |'''Πίνακας 7.2. Αξιολογήσεις καταλληλότητας που δόθηκαν για τη Λιθολογία''']]<br /> [[Εικόνα:Rs wiki MR 7 5.jpg|thumb | right |'''Εικόνα 7.3. Γεωμορφολογικός χάρτης της περιοχής μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 6.jpg|thumb | right |''' Πίνακας 7.3. Αξιολογήσεις καταλληλότητας που δόθηκαν για τη Γεωμορφολογία ''']] <br /> [[Εικόνα:Rs wiki MR 7 7.jpg|thumb | right |'''Εικόνα 7.4. Χάρτης κλίσης της περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 8.jpg|thumb | right |'''Πίνακας 7.4. Βαθμοί καταλληλότητας που δίνονται για τη κλίση ''']] <br /> [[Εικόνα:Rs wiki MR 7 9.jpg|thumb | right |'''Εικόνα 7.5. Χάρτης απορροής για την περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 10.jpg|thumb | right |''' Εικόνα 7.6. Απόσταση από το χάρτη απορροής για την περιοχή μελέτης ''']] <br /> [[Εικόνα:Rs wiki MR 7 11.jpg|thumb | right |'''Πίνακας 7.5. Βαθμοί καταλληλότητας που δίνονται για την απορροή ''']] <br /> [[Εικόνα:Rs wiki MR 7 12.jpg|thumb | right |'''Εικόνα 7.7. Χάρτης απόστασης από τα ρέματα ''']]<br /> [[Εικόνα:Rs wiki MR 7 13.jpg|thumb | right |''' Πίνακας 7.6. Βαθμοί καταλληλότητας που δίνονται για την απόσταση από τα ρέματα ''']] <br /> [[Εικόνα:Rs wiki MR 7 14.jpg|thumb | right |'''Εικόνα 7.8. Απόσταση από τους κύριους δρόμους''']]<br /> [[Εικόνα:Rs wiki MR 7 15.jpg|thumb | right |'''Πίνακας 7.7. Βαθμοί καταλληλότητας που δίνονται για απόσταση από τους κύριους δρόμους.''']] <br /> [[Εικόνα:Rs wiki MR 7 16.jpg|thumb | right |'''Εικόνα 7.9. Χάρτης ζώνης πληθυσμού της περιοχής μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 17.jpg|thumb | right |'''Πίνακας 7.8. Βαθμοί καταλληλότητας που δίνονται για τη ζώνη πληθυσμού ''']] <br /> [[Εικόνα:Rs wiki MR 7 18.jpg|thumb | right |'''Εικόνα 7.10. Χάρτης καταλληλόλητας για την περιοχή μελέτης ''']]<br /> [[Εικόνα:Rs wiki MR 7 19.jpg|thumb | right |''' Πίνακας 7.9. Ανάλυση κατάλληλων περιοχών''']] <br /> <br /> <br /> '''Επιλογή χώρου υγειονομικής ταφής με τη βοήθεια τηλεπισκόπησης και GIS'''<br /> <br /> '''Πρότυπος τίτλος: GIS and Remote Sensing For Landfill Site Selection- A Case Study on Dharmanagar Nagar Panchayet'''<br /> <br /> '''Συγγραφέας : Er. Subhrajyoti Choudhury, Er.Sujit Das'''<br /> <br /> [https://pdfs.semanticscholar.org/aa6a/3c26cbc6bc4759a2e93c7867c485510bcbb1.pdf Πηγή]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα θέματα διαχείρισης αποβλήτων μπαίνουν στο προσκήνιο της παγκόσμιας περιβαλλοντικής ατζέντας καθώς ο πληθυσμός και η αύξηση της κατανάλωσης οδηγούν σε αυξανόμενες ποσότητες αποβλήτων. Έτσι έχει προκύψει ένα νέο παράδειγμα διαχείρισης αποβλήτων το οποίο εστιάζει στην αποδοτικότητα των πόρων και την ελαχιστοποίηση των περιβαλλοντικών επιπτώσεων καθ΄ όλη τη διάρκεια του κύκλου ζωής της διαχείρισης των αποβλήτων. Η παρούσα εργασία έχει στόχο τον προσδιορισμό κατάλληλης τοποθεσίας για τη διάθεση των αστικών στερεών αποβλήτων στην ευρύτερη περιοχή του Dharmanagar, χρησιμοποιώντας σαν εργαλεία το GIS και την τηλεπισκόπιση. Το GIS είναι ένα σύνολο εργαλείων λογισμικού που χρησιμοποιείται για την εισαγωγή, αποθήκευση, χειρισμό, ανάλυση και εμφάνιση γεωγραφικής πληροφορίας. Επίσης συνδυάζει χωρικά δεδομένα (χάρτες, αεροφωτογραφίες, δορυφορικές εικόνες) με άλλα δεδομένα ποσοτικά και ποιοτικά από βάσεις δεδομένων. Ακόμα η τηλεπισκόπιση είναι ένα εξαιρετικό εργαλείο για την απογραφή και ανάλυση των πόρων του περιβάλλοντος λόγω της μοναδικής ικανότητάς του να παρέχει συνοπτική όψη μιας μεγάλης επιφάνειας γης με επαναληπτική κάλυψη. Η πολυφασματική του ικανότητα παρέχει την κατάλληλη αντίθεση μεταξύ των διάφορων φυσικών χαρακτηριστικών όπου με την επαναλαμβανόμενη κάλυψη παίρνουμε πληροφορίες για δυναμικές αλλαγές που πραγματοποιούνται στην επιφάνεια της γης και το φυσικό περιβάλλον. Για την εκτίμηση ενός τόπου ως πιθανού για τη διάθεση στερεών αποβλήτων λαμβάνονται υπόψη αρκετοί περιβαλλοντική και πολιτικοί παράγοντες καθώς και διάφορες νομοθεσίες. Στην εικόνα 1 βλέπουμε την περιοχή μελέτης που βρίσκεται στη Βορειοανατολική Ινδία. <br /> <br /> '''Μεθοδολογία '''<br /> <br /> Είναι προφανές ότι πρέπει να ληφθούν πολλοί παράγοντες υπόψη σε μια απόφαση χωροθέτησης χώρων υγειονομικής ταφής και το GIS είναι ιδανικό εργαλείο για αυτού το είδους μελετών λόγω της ικανότητας του να διαχειρίζεται μεγάλους όγκους δεδομένων από μια ποικιλία πηγών. Η μεθοδολογία χρησιμοποιεί το GIS για να αξιολογήσει ολόκληρη την περιοχή βάσει συγκεκριμένων κριτηρίων τα οποία είναι: <br /> - Λιθογραφία<br /> - Γεωμορφολογία<br /> - Κλίση <br /> - Αποχέτευση <br /> - Πληθυσμός <br /> - Απόσταση από τις μεγάλες οδούς<br /> - Απόσταση από τα μεγάλα ρεύματα<br /> - Απόσταση από αποχέτευση <br /> <br /> Στη συνέχεια με βάση τα παραπάνω κριτήρια δημιουργήθηκαν διάφοροι θεματικοί χάρτες όπως γεωμορφολογίας, κλίσης κτλ. Επίσης, στον πίνακα 1 μπούμε να δούμε μια τιμή βαρύτητας για την κάθε κατηγορία. <br /> <br /> 1) Γεωλογικά κριτήρια <br /> <br /> Η γεωλογία μιας περιοχής ελέγχει άμεσα τους τύπους εδάφους και τη φέρουσα ικανότητα αυτών για θεμελίωση του ΧΥΤΑ και τη μετανάστευση των στραγγισμάτων. Λόγω των υψηλότερων ρυθμών διαπερατότητας, ο ψαμμίτης είναι λιγότερο κατάλληλος για ΧΥΤΑ σε αντίθεση με τον ασβεστόλιθο που είναι ο πιο κατάλληλος λόγω της ευαισθησίας των ανθρακικών πετρωμάτων στη διάλυση από χαμηλά pH.<br /> <br /> 2) Τοπογραφικά κριτήρια <br /> <br /> Η τοπογραφία της περιοχής είναι ένας πολύ σημαντικός παράγοντας για την επιλογή του τόπου, τη δομική ακεραιότητα και τη ροή των υγρών που περιβάλλουν έναν ΧΥΤΑ επειδή έχει πολύ σημαντικές επιπτώσεις για τη χωρητικότητα των αποβλήτων, την αποστράγγιση, την τελική χρήσης γης, τον έλεγχο της ρύπανσης των επιφανειών και των υπογείων υδάτων και την πρόσβαση στο χώρο. Οι επίπεδες και ελαφρώς κυλιόμενες εκτάσεις που δεν υπόκεινται σε πλημμύρες είναι οι καλύτεροι χώροι για ΧΥΤΑ. Ωστόσο, αυτό το είδος τοπογραφίας είναι κατάλληλο και για άλλες χρήσεις γης όπως η γεωργία, οι κατοικίες ή εμπορική ανάπτυξη. <br /> <br /> 3) Υδρολογικά/ υδρογεωλογικά κριτήρια<br /> <br /> <br /> Ο ΧΥΤΑ δεν πρέπει να τοποθετείται εντός των επιφανειακών υδάτων ή των ζωνών προστασίας των υδάτινων πόρων για τυχόν μόλυνση αυτών από τα στραγγίσματα. Για παράδειγμα, δεν πρέπει να βρίσκεται ένας ΧΥΤΑ εντός 30,48 μέτρων (100 πόδια) οποιουδήποτε μη ραγισμένου ρεύματος ή ποταμού και τουλάχιστον 91,44 μέτρων (300 πόδια) από ρέμα ή ποτάμι. <br /> <br /> 4) Κοινωνικοοικονομικά κριτήρια <br /> <br /> Ένα ακόμη πολύ σημαντικό κριτήριο για την κατασκευή ΧΥΤΑ είναι η απόσταση από τους οικισμούς καθώς σύμφωνα με τον κανονισμό ελέγχου στερεών αποβλήτων απαγορεύεται η κατασκευή του εντός οικισμών. Επίσης η απόσταση από του κύριους δρόμους, τα υφιστάμενα σχέδια αποχέτευσης λαμβάνονται υπόψη. Στην εικόνα 8 βλέπουμε την απόσταση από τους κύριους δρόμους και στον πίνακα 7 τους βαθμούς καταλληλόλητας για την απόσταση. <br /> Μετά την προβολή και τη δημιουργία τοπολογίας όλες οι κατηγορίες χαρακτηριστικών όπως η γεωμορφολογία, η κλίση, η λιθολογία κτλ. Μετατράπηκαν σε αρχεία ράστερ και δημιουργήθηκαν χωριστά δεδομένα με βάση τη βαρύτητα και την κατάταξη. Οι τελικές βαθμολογίες ανταξινομήθηκαν για τη δημιουργία ενός χάρτη εξόδου που δείχνει της κατηγορίες των κατάλληλων θέσεων για κατασκευή ΧΥΤΑ.<br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Τα αποτελέσματα δείχνουν μόνο μια έκταση των 6,22 Km2 είναι πολύ κατάλληλη για την απόρριψη αποβλήτων. Στον πίνακα 9 βλέπουμε και τις υπόλοιπες κατηγορίες καταλληλότητας ενώ η εικόνα 10 είναι ένας χάρτης καταλληλότητας για την περιοχή μελέτης. Ένας από τα σοβαρά και αυξανόμενα δυνητικά προβλήματα στις περισσότερες μεγάλες αστικές περιοχές είναι η έλλειψη γης για τη διάθεση αποβλήτων. Αν και γίνονται προσπάθειες για τη μείωση και ανάκτηση αυτών η διάθεση σε ΧΥΤΑ παραμένει η πιο κοινή μέθοδος για τον προορισμό των αποβλήτων. Ένας ακατάλληλος χώρος ΧΥΤΑ μπορεί να φέρει αρνητικές περιβαλλοντικές, οικονομικές και οικολογικές επιπτώσεις. Επομένως θα πρέπει να είναι πολύ προσεκτική η μελέτη του συγκεκριμένου προβλήματος. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_19.jpg 2019-01-29T09:01:32Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_18.jpg 2019-01-29T09:01:23Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_17.jpg 2019-01-29T09:01:15Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_16.jpg 2019-01-29T09:01:05Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_15.jpg 2019-01-29T09:00:56Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_14.jpg 2019-01-29T09:00:48Z

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

Marios ragkousis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_MR_7_13.jpg 2019-01-29T09:00:41Z

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

Marios ragkousis