http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Mplota&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%2FMplota 2026-05-20T07:24:33Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CF%8E%CF%84%CE%B1_%CE%9C%CE%B1%CF%81%CE%AF%CE%B1 2020-02-13T21:15:11Z

<p>Mplota: </p> <hr /> <div>* [[Μέθοδοι για την αναγνώριση αρχαιολογικών στοιχείων, μέσω εικόνων Ikonos-2 πολύ υψηλής ανάλυσης, Hisar (ΝΔ Τουρκία)]]<br /> <br /> * [[Μέθοδος ανίχνευσης ανεξέλεγκτων χωματερών μέσω τηλεπισκόπησης: διαμόρφωση και επικύρωση]]<br /> <br /> * [[Ανίχνευση αλλαγών κάλυψης και χρήσεων γης με τη χρήση χρονοσειρών δορυφορικών εικόνων: μελέτη του νέου αεροδρομίου Istanbul]]<br /> <br /> * [[Τηλεπισκόπηση μέσω δορυφόρου για λεπτομερή καταγραφή κατολισθήσεων, με τη χρήση ανίχνευσης μεταβολών και σύμπτυξης εικόνων]]<br /> <br /> * [[Ανίχνευση αστικής εξάπλωσης και θερμοκρασιακής μεταβολής της επιφάνειας εδάφους με τη χρήση εικόνων Landsat]]<br /> <br /> * [[Χωροχρονική αστική επέκταση της μητρόπολης Pune, στην Ινδία, με χρήση τηλεπισκόπησης]]<br /> <br /> * [[Εκτίμηση της ρύπανσης υδάτων που προκαλείται από ανθρώπινες δραστηριότητες στη λίμνη Burullus με χρήση Landsat 8 OLI και GIS]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%89%CF%81%CE%BF%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B5%CF%80%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%BC%CE%B7%CF%84%CF%81%CF%8C%CF%80%CE%BF%CE%BB%CE%B7%CF%82_Pune,_%CF%83%CF%84%CE%B7%CE%BD_%CE%99%CE%BD%CE%B4%CE%AF%CE%B1,_%CE%BC%CE%B5_%CF%87%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%B7%CF%83%CE%B7%CF%82 2020-02-13T21:09:28Z

<p>Mplota: Νέα σελίδα με 'Εικόνα 1:Τύποι αστικών μορφών στο χώρο [[Εικόνα:ΚΑΛΥ...'</p> <hr /> <div>[[Εικόνα:ΑΣΤΙΚΕΣ ΜΟΡΦΕΣ ΣΤΟ ΧΩΡΟ.jpg|thumb|right|Εικόνα 1:Τύποι αστικών μορφών στο χώρο]]<br /> [[Εικόνα:ΚΑΛΥΨΕΙΣ ΓΗΣ.jpg|thumb|right|Εικόνα 2:Εξέλιξη ποσοστού κάθε κάλυψης γης επί της συνολικής περιοχής μελέτης για το χρονικό διάστημα μελέτης]]<br /> [[Εικόνα:ΑΣΤΙΚΗ ΕΞΑΠΛΩΣΗ.jpg|thumb|right|Εικόνα 3:Χάρτης αστικής εξάπλωσης στην περιοχή Pune, όπως εξελίχθηκε στη διάρκεια της περιόδου μελέτης]]<br /> Τίτλος: Χωροχρονική αστική επέκταση της μητρόπολης Pune, στην Ινδία, με χρήση τηλεπισκόπησης<br /> <br /> Πρωτότυπος τίτλος: Spatiotemporal urban expansion in Pune metropolis, India using remote sensing<br /> <br /> Συγγραφείς: Lakshmi N. Kantakumar, Shamita Kumar, Karl Schneider<br /> <br /> Πηγή: https://www.sciencedirect.com/science/article/abs/pii/S0197397515002131<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην Ινδία, το φαινόμενο της αστικοποίησης, με την επέκταση των αστικών σχηματισμών, την ανάπτυξη προαστίων και την εμφάνιση διεσπαρμένων οικιστικών περιοχών γύρω από τα αστικά κέντρα, συντελείται συνήθως με ραγδαίους ρυθμούς που αντιβαίνουν τις πολεοδομικές διατάξεις και δυσχεραίνουν το έργο του σχεδιασμού, καθώς ξεπερνούν τις δυνατότητες καταγραφής από τους αρμόδιους των συντελούμενων αλλαγών. Χαρακτηριστικό παράδειγμα αποτελεί η περιοχή μελέτης, η μητροπολιτική περιοχή Pune, η οποία χωρίζεται δε διάφορα διοικητικά κέντρα και από τις αρχές του 1990 εμφάνισε μεγάλη αύξηση του πληθυσμού και επέκταση του ιστού της.<br /> <br /> Αντικείμενο της μελέτης είναι η ποσοτικοποίηση των αλλαγών χωρικά και χρονικά στις καλύψεις και χρήσεις γης της περιοχής, που οφείλονται στην αστικοποίηση, η ποσοτικοποίηση και ανάλυση της αστικής επέκτασης και, τέλος, ο προσδιορισμός των διαδικασιών αστικής ανάπτυξης για κάθε διοικητική μονάδα.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Βάσεις δεδομένων: Για τη μελέτη χρησιμοποιήθηκαν δορυφορικά δεδομένα Landsat 5,7 και 8 για τα έτη 1992,2001 και 2013 αντίστοιχα για τις καλύψεις και χρήσεις γης, τοπογραφικά διαγράμματα για την ταξινόμηση, ψηφιοποιημένη μορφή του οδικού δικτύου, χάρτης υψομέτρων και άλλα βοηθητικά αρχεία.<br /> <br /> Επεξεργασία και ταξινόμηση εικόνων – Ανίχνευση μεταβολών: Αρχικά, οι εικόνες επεξεργάστηκαν για τη διόρθωση ατμοσφαιρικής σκέδασης και απορρόφησης, λόγω των μεγάλων υψομετρικών διαφορών της περιοχής, και στη συνέχεια ταξινομήθηκε με τη μέθοδο μέγιστης πιθανοφάνειας σε εφτά κλάσεις. Σφάλματα ταξινόμησης λόγω παρόμοιας ανακλαστικότητας διαφορετικών κλάσεων αντιμετωπίστηκαν είτε με την εφαρμογή κανόνων που αφορούσαν σε συγγενή προς μία κάλυψη γης χαρακτηριστικά, όπως η κλίση, είτε με χειρωνακτική ψηφιοποίηση. Έπειτα πραγματοποιήθηκε ανίχνευση μεταβολών κάλυψης και χρήσης γης με τη μέθοδο μεταταξινόμησης και τη δημιουργία δύο πινάκων μετάβασης για τις περιόδους 1992-2001 και 2001-2013.<br /> <br /> Ποσοτικοποίηση της αστικής επέκτασης: Για κάθε διοικητική μονάδα χρησιμοποιήθηκαν τρεις λόγοι αστικής επέκτασης, ο βαθμός συνεισφοράς στην επέκταση, ο βαθμός αστικής επέκτασης σε σχέση με την αρχική κατάσταση και ο ετήσιος ρυθμός επέκτασης.<br /> <br /> Χωρική αστική μορφή: Η συγκεκριμένη παράμετρος περιγράφει τη μορφή αστικού ιστού, ως προς τα χαρακτηριστικά των γειτονικών του περιοχών. Έτσι, η κλάση της χτισμένης περιοχής χωρίστηκε σε τέσσερεις υποκατηγορίες, ανάλογα με την πυκνότητα δόμησης ή/και την ύπαρξη οδικού δικτύου σε κυκλική περιοχή 1 km2 γύρω από το εξεταζόμενο κέντρο. Οι υποκατηγορίες είναι ο αστικός πυρήνας, τα προάστια, η ανάπτυξη με τη μορφή «κορδέλας» και η διάσπαρτη ανάπτυξη, η μορφή και διάταξη των οποίων φαίνεται στην εικόνα 1.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Ακρίβεια ταξινόμησης και ανίχνευσης μεταβολών: Τα αποτελέσματα ταξινόμησης των εικόνων στο σύνολό τους, αλλά και σε επίπεδο κλάσεων ταξινόμησης έχουν υψηλή ακρίβεια με ποσοστά γύρω στο 90% και 73,3% με 100% αντίστοιχα. Τα ποσοστά αυτά επηρεάζουν και την ακρίβεια της ανίχνευσης μεταβολών κάλυψης γης που ήταν επίσης καλή και ελαφρώς υψηλότερη του 80%.<br /> <br /> Μεταβολή κάλυψης γης: Στην εικόνα 2 παρουσιάζεται η μεταβολή κάθε κάλυψης γης στη διάρκεια της χρονικής περιόδου μελέτης. Κατά την περίοδο 1992 – 2001 παρατηρείται μείωση στο σύνολο των εκτάσεων γυμνού εδάφους, λιβαδιών και θάμνων κατά 16%, με τις απώλειες να προέρχονται σε μεγάλο ποσοστό από το γυμνό έδαφος, ενώ πολλές θαμνώδεις εκτάσεις μετατράπηκαν σε χορτολιβαδικές, που μεμονωμένα εκείνη την περίοδο παρουσιάζουν ανάπτυξη. Κατά την επόμενη περίοδο, μεταξύ 2001 και 2013, η μείωση των εκτάσεων των ως άνω κλάσεων, συμπεριλαμβανομένων των χορτολιβαδικών, συνεχίζεται. Ανάπτυξη, διαχρονικά, παρουσιάζουν μόνο οι κλάσεις των οικιστικών και αγροτικών περιοχών, με τη μόνη διαφορά να έγκειται στο ρυθμό αύξησής τους και στο είδος των εκτάσεων έναντι των οποίων εξαπλώνονται. Στο σύνολο της περιόδου μελέτης οι χτισμένες περιοχές αυξήθηκαν από 6.5% της έκτασης της μητροπολιτικής περιοχής Pune σε 19.7%.<br /> <br /> Ανάλυση της αστικής επέκτασης: Ο μέσος ετήσιος ρυθμός επέκτασης των αστικών περιοχών στην περιοχή μελέτης είναι 10.3 km2. Κατά την πρώτη δεκαετία μελέτης, οι περιοχές των αστικών κέντρων ήταν αυτές που συνεισέφεραν το μεγαλύτερο ποσοστό επέκτασης, ωστόσο μικρότεροι οικισμοί παρουσίασαν σχετική ανάπτυξη μεγαλύτερη από 100%, κυρίως λόγω εγκατάστασης βιοτεχνικών και τεχνολογικών δραστηριοτήτων σε κομβικά σημεία. Το χρονικό διάστημα 2001 – 2013, ο ρυθμός οικιστικής επέκτασης διπλασιάζεται και η πόλη Pune αναπτύσσεται προς όλες τις κατευθύνσεις, ούσα και πάλι πρωτοπόρος. Ωστόσο, η συνεισφορά μικρότερων κέντρων γίνεται πολύ μεγαλύτερη, με τη συνεχή ανάπτυξη οδικών δικτύων και οικονομικής δραστηριότητας, που αλλάζουν την αξία και τις χρήσεις γης. Η αστική επέκταση απεικονίζεται στην εικόνα 3, όπου φαίνεται η εξέλιξή της με την πάροδο του χρόνου.<br /> <br /> Ανάλυση των αστικών μορφών στο χώρο: Από την ανάλυση των αποτελεσμάτων παρατηρήθηκαν τρία διαφορετικά μοτίβα αστικής εξάπλωσης. Το πρώτο αφορά μόνο στη δεύτερη χρονική περίοδο (2001 – 2013) και είναι η συνένωση των βασικών αστικών πυρήνων με τις εγγύς οικιστικές περιοχές. Το δεύτερο μοτίβο αποτελείται από τη διάχυση οικιστικών μορφών και παρατηρείται σε μικρότερα διοικητικά κέντρα καθ’ όλη τη χρονική περίοδο μελέτης. Το τρίτο μοτίβο διαμορφώνεται σε διοικητικές εγκαταστάσεις του Υπουργείου Άμυνας όπου πραγματοποιείται ελάχιστη ή καθόλου εξάπλωση.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Μέσω της μελέτης αναδείχθηκε η χρησιμότητα ανίχνευσης μεταβολών κάλυψης γης, σε συνδυασμό με εφαρμογή κατάλληλων μετρητικών εργαλείων, για την ποσοτικοποίηση της επέκτασης αστικών σχηματισμών, αλλά και την ευχερέστερη ερμηνεία των ανάλογων διαδικασιών. Στην κατεύθυνση αυτή συντέλεσε και η τυποποίηση των μορφών εξάπλωσης και μάλιστα σε διοικητικό επίπεδο, αναδεικνύοντας έτσι τα πιθανά μοτίβα μεταβολών των αστικών σχηματισμών και το πώς επηρεάζονται από το είδος διοίκησης στο οποίο εντάσσονται. Παρέχονται, λοιπόν, σημαντικά εργαλεία στους μελετητές για τον αποτελεσματικότερο χωροταξικό και πολεοδομικό σχεδιασμό.<br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%91%CE%A3%CE%A4%CE%99%CE%9A%CE%97_%CE%95%CE%9E%CE%91%CE%A0%CE%9B%CE%A9%CE%A3%CE%97.jpg 2020-02-13T21:01:35Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%91%CE%9B%CE%A5%CE%A8%CE%95%CE%99%CE%A3_%CE%93%CE%97%CE%A3.jpg 2020-02-13T21:01:02Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%91%CE%A3%CE%A4%CE%99%CE%9A%CE%95%CE%A3_%CE%9C%CE%9F%CE%A1%CE%A6%CE%95%CE%A3_%CE%A3%CE%A4%CE%9F_%CE%A7%CE%A9%CE%A1%CE%9F.jpg 2020-02-13T21:00:42Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B1%CE%BD%CE%B5%CE%BE%CE%AD%CE%BB%CE%B5%CE%B3%CE%BA%CF%84%CF%89%CE%BD_%CF%87%CF%89%CE%BC%CE%B1%CF%84%CE%B5%CF%81%CF%8E%CE%BD_%CE%BC%CE%AD%CF%83%CF%89_%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%B4%CE%B9%CE%B1%CE%BC%CF%8C%CF%81%CF%86%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%B5%CF%80%CE%B9%CE%BA%CF%8D%CF%81%CF%89%CF%83%CE%B7 2020-02-13T20:17:47Z

<p>Mplota: Νέα σελίδα με '[[Εικόνα:ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ.jpg|thumb|right|Εικόνα 1: Περιοχή μελέτης: περιοχή εκπαίδευσης και περιοχή α...'</p> <hr /> <div>[[Εικόνα:ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ.jpg|thumb|right|Εικόνα 1: Περιοχή μελέτης: περιοχή εκπαίδευσης και περιοχή αξιολόγησης]]<br /> [[Εικόνα:ΑΝΑΚΛΑΣΤΙΚΟΤΗΤΑ ΚΛΑΣΕΩΝ.jpg|thumb|right|Εικόνα 2: Διαγράμματα ανακλαστικότητας κλάσεων ταξινόμησης μη υγιούς βλάστησης]]<br /> [[Εικόνα:ΧΕΙΡΩΝΑΚΤΙΚΗ ΨΗΦΙΟΠΟΙΗΣΗ.jpg|thumb|right|Εικόνα 3: Παράδειγμα μη αυτοματοποιημένης ψηφιοποίησης υποψήφιου χώρου ανεξέλεγκτης ταφής]]<br /> Τίτλος: Μέθοδος ανίχνευσης ανεξέλεγκτων χωματερών μέσω τηλεπισκόπησης: διαμόρφωση και επικύρωση<br /> <br /> Πρωτότυπος τίτλος: A method for the remote sensing identification of uncontrolled landfills: formulation and validation<br /> <br /> Συγγραφείς: S. Silvestri, M. Omri<br /> <br /> Πηγή: https://www.tandfonline.com/doi/abs/10.1080/01431160701311317<br /> <br /> '''Εισαγωγή'''<br /> <br /> Ο μεγάλος όγκος παραγόμενων αποβλήτων, ως αποτέλεσμα της οικονομικής ανάπτυξης και της πληθυσμιακής αύξησης, σε συνδυασμό με την επί χρόνια έλλειψη κανονισμών για τη διαχείρισή τους και το κόστος αυτής, έχει οδηγήσει σε ανεξέλεγκτες χωματερές. Ειδικά στην περιοχή μελέτης, στη ΒΑ Ιταλία στην κοιλάδα της Βενετίας, η βιομηχανική ανάπτυξη έχει οδηγήσει σε μεγάλο αριθμό παλιών και νέων χωματερών, συχνά κρυμμένων και επιβλαβών για τα περιβάλλοντα ύδατα.<br /> <br /> Σκοπός της μελέτης είναι η χρήση τηλεπισκοπικών μεθόδων αναγνώρισης πιθανών χωματερών με τη χρήση δορυφορικών εικόνων IKONOS, για τον προσδιορισμό επιβαρυμένης από την εδαφική ρύπανση βλάστησης, ως κατάλληλου δείκτη, και χαρτογραφικών δεδομένων GIS.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Συλλογή και προεπεξεργασία δεδομένων: Για τους σκοπούς της μελέτης, χρησιμοποιήθηκαν οχτώ δορυφορικές λήψεις IKONOS που αφορούσαν στην περίοδο Ιουνίου-Ιουλίου 2001, οπότε οι καιρικές συνθήκες ήταν τέτοιες που να επιτρέπουν την ανάπτυξη της βλάστησης και τη διευκόλυνση διαχωρισμού της σε επιβαρυμένη και μη. Τα δεδομένα συμπτύχθηκαν, βαθμονομήθηκαν ραδιομετρικά και διορθώθηκαν ατμοσφαιρικά, προεπεξεργασία ιδιαίτερα σημαντική για δεδομένα που αφορούν σε διαφορετικές ημερομηνίες και μεγάλες περιοχές. Επιπρόσθετα δεδομένα σχετικά με τις χαρτογραφημένες χωματερές, τα οδικά δίκτυα και τις αεροφωτογραφίες της περιοχής συγκεντρώθηκαν για σκοπούς βοηθητικούς προς τη μεθοδολογία.<br /> <br /> Βήματα για την αναγνώριση περιοχών ταφής αποβλήτων: Το πρώτο βήμα αφορά στην αρχική αναγνώριση όλων των πιθανών ρυπασμένων χώρων, μέσω προσδιορισμού ευρωστίας της βλάστησης. Η περιοχή μελέτης χωρίστηκε σε δύο υποπεριοχές, ώστε η πρώτη να χρησιμεύσει για τη λήψη δειγμάτων εκπαίδευσης και τη βαθμονόμηση της διαδικασίας ταξινόμησης, για την οποία χρησιμοποιήθηκε ο αλγόριθμος μέγιστης πιθανοφάνειας, και η δεύτερη για την εφαρμογή της ταξινόμησης και αξιολόγηση του βαθμονομημένου αλγορίθμου (εικόνα 1). Συνολικά ελήφθησαν 13 δείγματα εκπαίδευσης και ομαδοποιήθηκαν σε τέσσερεις κλάσεις: πολύ επιβαρυμένη βλάστηση, ανομοιογενώς επιβαρυμένη βλάστηση, γυμνό έδαφος και ελαφρώς επιβαρυμένη βλάστηση. Τα διαγράμματα ανακλαστικότητας των τεσσάρων κλάσεων φαίνονται στην εικόνα 2. Οι κλάσεις που προέκυψαν με τα αντίστοιχα στατιστικά τους χρησιμοποιήθηκαν για την ταξινόμηση της περιοχής επικύρωσης και την εξαγωγή συμπερασμάτων μέσω σύγκρισης με τις ήδη γνωστές χωματερές αυτής. Για τη σύγκριση χρησιμοποιήθηκαν τόσο πίνακες σύγχυσης με στόχο τον έλεγχο του ποσοστού επιτυχίας ταξινόμησης των κλάσεων, όσο και πίνακες προσδιορισμού της ύπαρξης ή μη και της έκτασης που καταλαμβάνουν οι κλάσεις στους χώρους που είναι γνωστές χωματερές.<br /> <br /> Το δεύτερο βήμα περιλαμβάνει τη χρήση βοηθητικών έγχρωμων σύνθετων όπως το RGB και το NIRGB, καθώς και άλλων βοηθητικών στοιχείων, για τη χειρωνακτική ψηφιοποίηση όσων περιοχών ήταν πιθανές περιοχές ανεξέλεγκτης ταφής, αλλά δεν ταξινομήθηκαν ως τέτοιες (εικόνα 3). Τελικά 2944 χώροι αξιολογήθηκαν ως ρυπασμένοι.<br /> <br /> Στο τρίτο βήμα γίνεται χρήση δεδομένων για το οδικό δίκτυο της περιοχής και αεροφωτογραφιών ή άλλων αρχείων, ώστε να ελεγχθεί η προσβασιμότητα στους ρυπασμένους χώρους και το η ιστορική εξέλιξη των δραστηριοτήτων κοντά σε αυτούς και να αποκλειστούν εκείνοι που δεν πληρούν τα κριτήρια.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Από την ταξινόμηση μέγιστης πιθανοφάνειας, το μεγαλύτερο μέρος της περιοχής μελέτης παρέμεινε αταξινόμητο, μεγάλο τμήμα της ταξινομήθηκε ως κατηγορία 3 ή 4, χωρίς απαραίτητα να ανήκει σε ρυπασμένο χώρο και μικρή μόνο έκταση καλύπτεται από πολύ επιβαρυμένη βλάστηση ή επιβαρυμένη βλάστηση με έντονη ανομοιογένεια.<br /> <br /> Αξιολογώντας τα αποτελέσματα του πίνακα σύγχυσης, παρατηρείται ικανοποιητική επιτυχία ταξινόμησης των κλάσεων ενδιαφέροντος σε όλες σχεδόν τις εικόνες, η οποία ξεπερνούσε το 60%. Ωστόσο, σε κάποιες εικόνες και για συγκεκριμένες κλάσεις υπήρξαν σφάλματα που αποδίδονται σε παράγοντες όπως η λάθος ταξινόμηση κλάσεων λόγω παρόμοιας ανακλαστικότητας, προβλήματα λόγω ατελούς ατμοσφαιρικής ή γεωμετρικής διόρθωσης κλπ.<br /> <br /> Από το δεύτερο πίνακα ελέγχου προέκυψε ότι σε όλους τους γνωστούς χώρους διάθεσης απορριμμάτων εντοπίστηκαν οι κλάσεις 1 έως 4, δείχνοντας πως η βλάστηση όντως μπορεί να αποτελέσει δείκτη για πιθανές χωματερές. Οι κλάσεις 1 και 2, ενώ υπάρχουν, καταλαμβάνουν μικρότερο ποσοστό της συνολικής βλάστησης αλλά και της συνολικής έκτασης περιοχής μελέτης, της τάξης του 10% και 8% αντίστοιχα, καταδεικνύοντας την ανάγκη συμπερίληψης μη αυτοματοποιημένων διαδικασιών ανίχνευσης ειδικά στη μελέτη μεγάλων περιοχών.<br /> <br /> Τέλος, έπειτα από τον έλεγχο του οδικού δικτύου φάνηκε ότι όλες οι καταγεγραμμένες χωματερές ήταν προσβάσιμες, επομένως αποκλείστηκαν όσα πιθανά μέρη δεν ήταν κοντά σε δρόμους και ο αριθμός τους μειώθηκε από 2944 σε 1199.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα μελέτη έδειξε τη χρησιμότητα μεθόδων τηλεπισκόπησης για την ανίχνευση πιθανών σημείων παράνομης ταφής αποβλήτων σε περιοχές μεγάλης έκτασης. Η χρήση της μη υγιούς βλάστησης ως δείκτη για τον εντοπισμό των χωματερών αποδείχτηκε αποτελεσματική, ωστόσο λόγω της μεγάλης έκτασης της μελετώμενης περιοχής και του ότι η επιβαρυμένη βλάστηση μπορεί να μην καλύπτει όλο το μολυσμένο χώρο, η μέθοδος πρέπει να συμπεριλαμβάνει μη αυτοματοποιημένες διαδικασίες και βοηθητικά στοιχεία, όπως αεροφωτογραφίες και χάρτες οδικών δικτύων.<br /> [[category:Έρευνες επικίνδυνων θέσεων διάθεσης αποβλήτων]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A7%CE%95%CE%99%CE%A1%CE%A9%CE%9D%CE%91%CE%9A%CE%A4%CE%99%CE%9A%CE%97_%CE%A8%CE%97%CE%A6%CE%99%CE%9F%CE%A0%CE%9F%CE%99%CE%97%CE%A3%CE%97.jpg 2020-02-13T20:13:23Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%91%CE%9D%CE%91%CE%9A%CE%9B%CE%91%CE%A3%CE%A4%CE%99%CE%9A%CE%9F%CE%A4%CE%97%CE%A4%CE%91_%CE%9A%CE%9B%CE%91%CE%A3%CE%95%CE%A9%CE%9D.jpg 2020-02-13T20:13:06Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97_%CE%9C%CE%95%CE%9B%CE%95%CE%A4%CE%97%CE%A3.jpg 2020-02-13T20:12:51Z

<p>Mplota: </p> <hr /> <div></div>

Mplota 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%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF%CF%85_%CE%B3%CE%B9%CE%B1_%CE%BB%CE%B5%CF%80%CF%84%CE%BF%CE%BC%CE%B5%CF%81%CE%AE_%CE%BA%CE%B1%CF%84%CE%B1%CE%B3%CF%81%CE%B1%CF%86%CE%AE_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AE%CF%83%CE%B5%CF%89%CE%BD,_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%83%CF%8D%CE%BC%CF%80%CF%84%CF%85%CE%BE%CE%B7%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD 2020-02-13T19:45:59Z

<p>Mplota: Νέα σελίδα με '[[Εικόνα:SPOT_DETECTION.jpg|thumb|right|Εικόνα 1:Εντοπισμός κατολισθήσεων μέσω ανίχνευσης μεταβολών με τη χ...'</p> <hr /> <div>[[Εικόνα:SPOT_DETECTION.jpg|thumb|right|Εικόνα 1:Εντοπισμός κατολισθήσεων μέσω ανίχνευσης μεταβολών με τη χρήση SPOT]]<br /> [[Εικόνα:SPOT_ERROR.jpg|thumb|right|Εικόνα 2:Σφάλμα παράλειψης σε κατολισθήσεις που εντοπίστηκαν αλλά δεν κατηγοριοποιήθηκαν ως τέτοιες]]<br /> [[Εικόνα:IMAGE_FUSION_RESULTS.jpg|thumb|right|Εικόνα 3:Αποτελέσματα σύμπτυξης εικόνων IKONOS]]<br /> Τίτλος: Τηλεπισκόπηση μέσω δορυφόρου για λεπτομερή καταγραφή κατολισθήσεων, με τη χρήση ανίχνευσης μεταβολών και σύμπτυξης εικόνων<br /> <br /> Πρωτότυπος τίτλος: Satellite remote sensing for detailed landslide inventories using change detection and image fusion<br /> <br /> Συγγραφείς: J. Nichol Corresponding author &amp; M. S. Wong<br /> <br /> Πηγή: https://www.tandfonline.com/doi/abs/10.1080/01431160512331314047<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η καταγραφή και παρακολούθηση κατολισθήσεων αποτελεί μία διαδικασία που στηρίζεται στα δεδομένα αεροφωτογραφιών για τον εντοπισμό των συμβάντων αλλά και σε περιβαλλοντικά δεδομένα που επιδρούν στο φαινόμενο, όπως η κλίση του ανάγλυφου, τα είδη κάλυψης γης κλπ. Η διαδικασία ανίχνευσης απαιτεί τη μελέτη περιοχών μεγάλης έκτασης, ενώ ταυτόχρονα πολλές χώρες δεν έχουν τα κατάλληλα μέσα για την ανάπτυξη επαρκών βάσεων δεδομένων και χαρτών.<br /> <br /> Στόχος της μελέτης είναι η αξιολόγηση χρήσης δορυφορικών εικόνων ως υποκατάστατο μεσαίας έως μεγάλης κλίμακας αεροφωτογραφιών για την καταγραφή κατολισθήσεων. Η μεθοδολογία περιλαμβάνει τεχνικές αυτοματοποιημένης ανίχνευσης μεταβολών για την ταυτοποίηση μικρών κατολισθήσεων, με εικόνες SPOT μέσης ανάλυσης, και σύμπτυξη εικόνων IKONOS, για την απόκτηση ποιοτικής πληροφορίας υψηλής χωρικής και φασματικής ανάλυσης, για τις κατολισθήσεις και τα χαρακτηριστικά τους. Για την αξιολόγηση των αποτελεσμάτων χρησιμοποιείται η βάση δεδομένων National Terrain Landslide Inventrory (NTLI) που έχει αναπτυχθεί στο Χονγκ Κονγκ.<br /> <br /> '''Περιοχή μελέτης και δορυφορικές εικόνες'''<br /> <br /> Η περιοχή μελέτης βρίσκεται στο νησί Lantau του Χονγκ Κονγκ με έκταση 32 m2 και ιστορικό κατολισθήσεων. Το ανάγλυφο είναι απότομο και ορεινό με δάση στις πεδινές εκτάσεις και θάμνους ή βοσκότοπους στις ψηλότερες περιοχές και τους βράχους, δίνοντας συχνά ανακλαστικότητα παρόμοια με αυτή των κατολισθήσεων.<br /> <br /> Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν είναι δύο εικόνες SPOT, μία πριν (1991) και μία μετά (1995) από ένα συμβάν κατολίσθησης του 1993 που περιλάμβανε 551 κατολισθήσεις, και μία εικόνα IKONOS του 2003, για το στάδιο σύμπτυξης εικόνας, της οποίας η αξιολόγηση έγινε βάσει πιο πρόσφατων καταγραφών.<br /> <br /> '''Ανίχνευση μεταβολών με χρήση εικόνων SPOT'''<br /> <br /> Το μεγαλύτερο τμήμα της περιοχής μελέτης βρίσκεται σε πάρκο και δεν υπόκειται σε ανθρωπογενείς παρεμβάσεις, με αποτέλεσμα κάθε μεταβολή κάλυψης γης μεταξύ των δύο εικόνων να οφείλεται σε κινήσεις εδάφους, όπως οι κατολισθήσεις. Χαρτογράφηση δεδομένων σε GIS είναι διαθέσιμη, ώστε αν κάποια από τις μεταβολές οφείλεται όντως σε ανθρωπογενή δραστηριότητα να εντοπιστεί. Η αυτοματοποιημένη ανίχνευση κατολισθήσεων έγκειται στην αλλαγή ανακλαστικότητας ενός τμήματος της εικόνας.<br /> <br /> Μέθοδοι ανίχνευσης: Αρχικά πραγματοποιήθηκε προβολή των δύο εικόνων SPOT στο σύστημα συντεταγμένων του Χονγκ Κονγκ (1980), προκειμένου να είναι δυνατή τόσο η μεταξύ τους σύγκριση όσο και η υπέρθεση των αποτελεσμάτων με τη βάση NTLI. Έπειτα από εφαρμογή διαφόρων μεθόδων ανίχνευσης, επιλέχθηκε ως αποτελεσματικότερη η σύγκριση εικόνων ταξινομημένων με τη μέθοδο μέγιστης πιθανοφάνειας. Δημιουργήθηκαν κλάσεις για όλες τις σημαντικές εμφανίσεις, συμπεριλαμβανομένης της σκίασης, ώστε να μειωθεί η σύγχυση με άλλες περιοχές σκούρων τόνων. Η ακρίβεια που επετεύχθη ήταν 85% και 87% για τις εικόνες του 1991 και 1995 αντίστοιχα. Στη συνέχεια, οι δύο εικόνες συνδυάστηκαν σε ένα αρχείο για την επιβολή κατάλληλων φίλτρων και την παραγωγή δύο νέων εικόνων μεταβολών, μία για κατολισθήσεις βοσκοτόπων και μία για αυτές των δασών.<br /> <br /> Αποτελέσματα ανίχνευσης μεταβολών: Τα ποσοστά ανίχνευσης που προέκυψαν ήταν υψηλά και συγκεκριμένα 67% για τους βοσκότοπους και 71% για τα δάση. Στην εικόνα 1 φαίνονται χαρακτηριστικές κατολισθήσεις που αναγνωρίστηκαν, καθώς και κατολίσθηση μεγέθους κάτω του οποίου αντίστοιχες εμφανίσεις δεν εντοπίστηκαν. Τα σφάλματα που επέδρασαν στα ποσοστά είναι τόσο παράληψης όσο και συμπερίληψης. Στα σφάλματα παράληψης εντάσσονται μικρές εμφανίσεις πλάτους μικρότερου των 10 m και κατολισθήσεις σε σκιασμένες περιοχές ή που έλαβαν χώρα στο ίδιο σημείο με παλαιότερες, ενώ υπήρξαν κατολισθήσεις που ανιχνεύτηκαν αλλά ταυτίζονταν λιγότερο από 60% με τις πρότυπες της βάσης NTLI, κάτι που είχε τεθεί ως προαπαιτούμενο, οπότε αγνοήθηκαν (εικόνα 2). Στα σφάλματα συμπερίληψης περιλαμβάνονται κυρίως ανθρωπογενείς παρεμβάσεις στο τοπίο κατά την περίοδο μελέτης.<br /> <br /> '''Σύμπτυξη εικόνων IKONOS'''<br /> <br /> Εκτός της απλής ανίχνευσης κατολισθήσεων, χρειάζονται περαιτέρω ποιοτικά στοιχεία για την ερμηνεία τους. Η σύμπτυξη εικόνων μπορούν να παρέχουν τέτοιου είδους πληροφορία. Για την αξιολόγηση του τελικού αποτελέσματος της σύμπτυξης χρησιμοποιήθηκε ψηφιακή ορθοφωτογραφία ημερομηνίας πολύ κοντινής στη διαθέσιμη δορυφορική εικόνα.<br /> <br /> Τεχνικές σύμπτυξης: Μέσω της σύμπτυξης εικόνων αξιοποιούμε τα πλεονεκτήματα του συνδυασμού σε μια εικόνα της υψηλής χωρικής ανάλυσης ενός παγχρωματικού καναλιού και της πληροφορίας πολυφασματικών απεικονίσεων της περιοχής. Για να πραγματοποιηθεί η διαδικασία, χρησιμοποιήθηκαν τέσσερις τεχνικές. Οι τεχνικές Intensity, Hue and Saturation (HIS) και Brovey Transform έχουν ως βασικά μειονεκτήματα το όριο εισαγωγής έως τριών καναλιών, καθώς και κάποιες χρωματικές αναντιστοιχίες μετά την εισαγωγή του παγχρωματικού καναλιού. Η Smoothing filter-based modulation (SFIM) τεχνική επιτρέπει την εισαγωγή όλων των καναλιών και έχει καλύτερη απόδοση της φασματικής πληροφορίας, ενώ η Pan-sharpening (PCI Geomatica) είναι ιδιαίτερα κατάλληλη για εικόνες, αφού διατηρεί όλη την πληροφορία των πολυφασματικών εικόνων αλλά και τη χωρική ανάλυση της παγχρωματικής.<br /> <br /> Αποτελέσματα σύμπτυξης: Εστιάζοντας σε μια πλαγιά με δύο κατολισθήσεις συγκρίνουμε τα αποτελέσματα με την ορθοφωτογραφία και παρατηρούμε πως οι αρχικές δορυφορικές εικόνες είναι κατώτερες αυτής, ενώ οι συμπτυγμένες έχουν καλή αντίθεση και χωρική ανάλυση. Παρόλα αυτά, οι τεχνικές HIS και Brovey, έχασαν φασματική πληροφορία, με αποτέλεσμα εμφανίσεις που είναι ευαίσθητες στο εγγύς υπέρυθρο, όπως η βλάστηση, να έχουν αλλοιωμένη τιμή ανακλαστικότητας. Η SFIM ήταν χρωματικά σαφώς βελτιωμένη, αλλά είχε απώλειες σε επίπεδο χωρικής ανάλυσης. Η PCI Geomatica παρείχε την καλύτερη πληροφορία, αναδεικνύοντας συνοδές προς τις κατολισθήσεις εμφανίσεις με καλή αντίθεση και ευδιάκριτο τρόπο. Τα αποτελέσματα, που φαίνονται στην εικόνα 3, επιβεβαιώνονται και με στατιστικό έλεγχο, μέσω συντελεστή συσχέτισης μεταξύ των συμπτυγμένων καναλιών με τα αρχικά, όπου η μέθοδος PCI Geomatica είχε τη μεγαλύτερη συσχέτιση.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η πολύ καλή ακρίβεια των αποτελεσμάτων καταγραφής των κατολισθήσεων της περιοχής, της τάξης του 70%, αναδεικνύουν τη χρησιμότητα φωτοερμηνείας δορυφορικών εικόνων αφενός για τον εντοπισμό των κατολισθήσεων (εικόνες SPOT) και αφετέρου για την ποιοτική ερμηνεία συνοδών προς αυτές χαρακτηριστικών (εικόνα IKONOS).<br /> [[category:Κατολισθήσεις]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:IMAGE_FUSION_RESULTS.jpg 2020-02-13T19:32:54Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SPOT_ERROR.jpg 2020-02-13T19:32:40Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:SPOT_DETECTION.jpg 2020-02-13T19:32:20Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B8%CE%B5%CF%81%CE%BC%CE%BF%CE%BA%CF%81%CE%B1%CF%83%CE%B9%CE%B1%CE%BA%CE%AE%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CF%84%CE%B7%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Landsat 2020-02-13T19:21:29Z

<p>Mplota: Νέα σελίδα με 'Εικόνα 1: Αποτέλεσμα ταξινόμησης δορυφορικών εικόνων [[Εικόνα:Χ...'</p> <hr /> <div>[[Εικόνα:ΤΑΞΙΝΟΜΗΣΗΣ.jpg|thumb|right|Εικόνα 1: Αποτέλεσμα ταξινόμησης δορυφορικών εικόνων]]<br /> [[Εικόνα:ΧΡΗΣΕΙΣ ΓΗΣ.jpg|thumb|right|Εικόνα 2: Χάρτες κάλυψης και χρήσης γης για διαφορετικά χρονικά διαστήματα της περιόδου μελέτης]]<br /> [[Εικόνα:ΘΕΡΜΟΚΡΑΣΙΑ ΕΠΙΦΑΝΕΙΑΣ ΕΔΑΦΟΥΣ.jpg|thumb|right|Εικόνα 3: Χάρτες θερμοκρασίας στην επιφάνεια εδάφους για διαφορετικά χρονικά διαστήματα της περιόδου μελέτης]]<br /> Τίτλος: Ανίχνευση αστικής εξάπλωσης και θερμοκρασιακής μεταβολής της επιφάνειας εδάφους με τη χρήση εικόνων Landsat<br /> <br /> Πρωτότυπος τίτλος: Detection of urban expansion and land surface temperature changeusing multi-temporal landsat images<br /> <br /> Συγγραφείς: Shenming Wang, Qifang Ma, Haiyong Ding, Hanwei Liang,<br /> <br /> Πηγή: https://www.sciencedirect.com/science/article/pii/S0921344916301215<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ταχύρρυθμη αστικοποίηση που λαμβάνει χώρα σε πολλές χώρες συνδέεται άμεσα με την αλλαγή κάλυψης και χρήσεων γης στις περιβάλλουσες περιοχές η οποίες με τη σειρά τους επιδρούν στην επικρατούσα θερμοκρασία της εδαφικής επιφάνειας και του αέρα. Χαρακτηριστικό παράδειγμα ραγδαίας αστικής επέκτασης αποτελεί η πόλη Nanjing της Κίνας, λόγω της πληθυσμιακής και οικονομικής της ανάπτυξης, επομένως επιλέχθηκε ως περιοχή μελέτης.<br /> <br /> Στόχος του άρθρου είναι η ανίχνευση της αστικής επέκτασης και η συνεπαγόμενες διαφοροποιήσεις της θερμοκρασίας του εδάφους στην περιοχή. Η μεθοδολογία περιλαμβάνει τη χρήση χρονοσειρών δορυφορικών εικόνων Landsat TM/ETM+.<br /> <br /> '''Δεδομένα'''<br /> <br /> Δορυφορικές εικόνες Landsat TM για τις χρονολογίες 1985, 1991 και 1996 και Landsat ETM+ για το 2009 χρησιμοποιήθηκαν ως πρωτογενή δεδομένα, κατόπιν επεξεργασίας που περιλάμβανε προβολή σε κατάλληλο σύστημα αναφοράς και ραδιομετρική και ατμοσφαιρική διόρθωση. Επιπλέον, εικόνες Google Earth και IKONOS χρησιμοποιήθηκαν για την κατάλληλη επιλογή περιοχών εκπαίδευσης ταξινόμησης, ενώ ελήφθησαν και δεδομένα για τη θερμοκρασία του αέρα, ώστε να υπολογιστεί η εξέλιξή της.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ταξινόμηση εικόνας: Ο αλγόριθμος επιβλεπόμενης ταξινόμησης Support Vector Machine (SVM) χρησιμοποιήθηκε για τους σκοπούς της μελέτης και οι περιοχές εκπαίδευσης ορίστηκαν στις εικόνες Landsat, σύμφωνα με τις φασματικές τους ιδιότητες. Για την επιλογή των δειγμάτων χρησιμοποιήθηκε η πληροφορία από τις διαθέσιμες εικόνες υψηλής χωρικής ανάλυσης. Οι ταξινομημένες εικόνες παρουσιάζονται στην εικόνα 1.<br /> <br /> Υπολογισμός θερμοκρασίας επιφάνειας εδάφους (LST): Για τον προσδιορισμό της LST χρησιμοποιήθηκε το θερμικό υπέρυθρο κανάλι του Landsat TM/ETM+. Αρχικά προσδιορίστηκε η εκπομπή από την επιφάνεια του εδάφους με τη χρήση του δείκτη βλάστησης NDVI και στη συνέχεια έγινε ο υπολογισμός της LST σε τρία βήματα: α) τον υπολογισμό της ακτινοβολίας top-of-atmosphere (, η ολική ακτινοβολία που εκπέμπεται από έδαφος και ατμόσφαιρα) με χρήση των ψηφιακών τιμών του θερμικού καναλιού, β) τον υπολογισμό θερμοκρασίας φωτεινότητας (brightness temperature, BT) και γ) τον υπολογισμό της LST από τον τύπο 𝐿𝑆𝑇=BT/(1+λ·BT·ln𝜀/𝜌) , όπου ΒΤ υπολογίστηκε προηγουμένως και λ, ρ, ε είναι σταθερές.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Ακρίβεια ταξινόμησης: Για τις εικόνες όλων των ημερομηνιών επετεύχθη μεγάλη συνολική ακρίβεια με ποσοστά από 88.55% έως 94.99%. Οι ακρίβειες δημιουργού των ταξινομήσεων και χρηστών ήταν επίσης αποδεκτές για τις περισσότερες κλάσεις και σε όλες τις εικόνες. Ορισμένα σφάλματα παράληψης περιοχών που ταξινομήθηκαν τελικά σε λάθος κλάσεις, όπως και χαμηλής ακρίβειας δημιουργού λόγω παρόμοιας ανακλαστικότητας κλάσεων παρατηρήθηκαν σε κάποιες από τις ημερομηνίες. Επιπλέον, στην εικόνα του 2009 παρατηρήθηκε μια καινούρια κλάση ιδιαίτερης φασματικής υπογραφής που συνδέεται με στέγες εργοστασιακών και εμπορικών εγκαταστάσεων.<br /> <br /> Αλλαγές κάλυψης και χρήσης γης: Οι χάρτες κάλυψης και χρήσης γης, που προέκυψαν από τη μελέτη, παρουσιάζονται στην εικόνα 2. Το 1985 η κυρίαρχη κατηγορία κάλυψης ήταν η βλάστηση, η οποία σε συνδυασμό με το γυμνό έδαφος υποχώρησε μέχρι το 1991 και αυξήθηκε η δόμηση. Το 1996 η δομημένες περιοχές αναδείχθηκαν κύρια κάλυψη γης με αύξηση 29%, η οποία συνεχίστηκε και το 2009, οπότε και έκαναν την εμφάνισή τους και οι στέγες μεγάλων εγκαταστάσεων.<br /> <br /> Κατανομή της θερμοκρασίας επιφάνειας εδάφους: Η κατανομή της LST, όπως φαίνεται και στην εικόνα 3, παρουσιάζει σημαντικές αλλαγές τόσο χωρικά όσο και στο πέρασμα των ετών. Συγκεκριμένα, παρατηρείται σταδιακή μείωσή της καθώς περνάμε από τον αστικό ιστό προς τις αγροτικές περιοχές, ενώ με το πέρασμα του χρόνου και καθώς η κάλυψη γης αλλάζει, ολοένα και περισσότερες περιοχές εμφανίζουν σχετικά αυξημένη LST.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Συνολικά παρατηρούνται μεγάλες αλλαγές στη μελετώμενη περιοχή κατά την περίοδο 1985 – 2009. Η αστική περιοχή αυξάνεται σημαντικά με υποχώρηση της βλάστησης και κυρίως των αγρών και των δασών. Οι μεγαλύτερες μεταβολές παρατηρούνται στις περιοχές προαστίων. Επιπλέον, η χρήση κανονικοποιημένης επιφανειακής θερμοκρασίας του εδάφους αναδεικνύει πως ίδιες καλύψεις/χρήσεις γης έχουν σχεδόν ίδια θερμοκρασία, με τις δομημένες περιοχές και ιδίως τις μεγάλες εγκαταστάσεις να εμφανίζουν τις μεγαλύτερες θερμοκρασίες και, συνεπώς, κατά κύριο λόγο να προκαλούν τη θερμοκρασιακή αύξηση στο αστικό περιβάλλον. Οι παρατηρήσεις αυτές, σε συνδυασμό με την αύξηση θερμοκρασίας του αέρα που καταγράφηκε, εγείρουν προβληματισμούς για τις ενεργειακές απαιτήσεις τέτοιων σχηματισμών και τις περιβαλλοντικές επιπτώσεις.<br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%98%CE%95%CE%A1%CE%9C%CE%9F%CE%9A%CE%A1%CE%91%CE%A3%CE%99%CE%91_%CE%95%CE%A0%CE%99%CE%A6%CE%91%CE%9D%CE%95%CE%99%CE%91%CE%A3_%CE%95%CE%94%CE%91%CE%A6%CE%9F%CE%A5%CE%A3.jpg 2020-02-13T19:21:05Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A7%CE%A1%CE%97%CE%A3%CE%95%CE%99%CE%A3_%CE%93%CE%97%CE%A3.jpg 2020-02-13T19:20:50Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A4%CE%91%CE%9E%CE%99%CE%9D%CE%9F%CE%9C%CE%97%CE%A3%CE%97%CE%A3.jpg 2020-02-13T19:20:29Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%B3%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%87%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD_%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:_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CE%BF%CF%85_%CE%BD%CE%AD%CE%BF%CF%85_%CE%B1%CE%B5%CF%81%CE%BF%CE%B4%CF%81%CE%BF%CE%BC%CE%AF%CE%BF%CF%85_Istanbul 2020-02-13T18:50:08Z

<p>Mplota: Νέα σελίδα με '[[Εικόνα:μεταβολη καλυψεων.jpg|thumb|right|Εικόνα 1: Μεταβολές των καλύψεων γης για την περίοδο μελέτ...'</p> <hr /> <div>[[Εικόνα:μεταβολη καλυψεων.jpg|thumb|right|Εικόνα 1: Μεταβολές των καλύψεων γης για την περίοδο μελέτης και για τους διαφορετικούς δορυφορικούς δέκτες]]<br /> Τίτλος: Ανίχνευση αλλαγών κάλυψης και χρήσεων γης με τη χρήση χρονοσειρών δορυφορικών εικόνων: μελέτη του νέου αεροδρομίου Istanbul<br /> <br /> Πρωτότυπος τίτλος: LAND USE/LAND COVER CHANGE DETECTION USING MULTI–TEMPORAL SATELLITE DATASET: A CASE<br /> STUDY IN ISTANBUL NEW AIRPORT <br /> <br /> Συγγραφείς: D. Akyürek, Ö. Koç, E.M. Akbaba, F. Sunar<br /> <br /> Πηγή: https://d-nb.info/1160979464/34<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην Κωνσταντινούπολη εντοπίζεται έντονο το πρόβλημα υποδομών μετακινήσεων που να ανταποκρίνονται στην αυξανόμενη ζήτηση, λόγω του πληθυσμού και της ανάπτυξης της περιοχής. Τα δύο υφιστάμενα αεροδρόμια δεν επαρκούν με αποτέλεσμα την κατασκευή του Istanbul Grand Airport (IGA), στην περιοχή Arnanutkoy, στο ευρωπαϊκό τμήμα της Τουρκίας. Η περιοχή αυτή συνιστά την περιοχή μελέτης και καλύπτεται κατά 85% από δασικές εκτάσεις, ενώ βρίσκεται κοντά και σε υδάτινα σώματα.<br /> <br /> Σκοπός της μελέτης είναι ο προσδιορισμός των αλλαγών στις καλύψεις γης που επήλθαν από την πρώτη φάση κατασκευής του έργου, η οποία ξεκίνησε το 2015, και της συνακόλουθης αποψίλωσης των δασικών περιοχών. Για τον εντοπισμό των αλλαγών χρησιμοποιήθηκαν μέθοδοι τηλεπισκόπησης με χρήση δορυφορικών εικόνων Landsat 8 OLI/TRS και Sentinel 2A MSI.<br /> <br /> '''Δεδομένα'''<br /> <br /> Τα δορυφορικά δεδομένα που συγκεντρώθηκαν ήταν τέσσερεις εικόνες Landsat 8 και τρεις εικόνες Sentinel 2A για τα έτη 2013 με 2017 και 2015 με 2017 αντίστοιχα. Οι εικόνες επιλέχθηκαν έτσι ώστε να μην παρουσιάζονται σύννεφα και να αντιστοιχούν σε περίπου ίδιες χρονικές περιόδους.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Προεπεξεργασία: Οι εικόνες Landsat 8 και Sentinel 2A, λόγω των διαφορετικών φασματικών και χωρικών αναλύσεων που παρουσιάζουν, χρησιμοποιήθηκαν σε δύο υποσύνολα για τις απαιτούμενες αναλύσεις. Το πρώτο υποσύνολο αποτελείται από εικόνες Landsat, για την ανίχνευση των αλλαγών, και το δεύτερο από τις εικόνες Landsat 8 και Sentinel 2Α με κανάλια σε παρόμοια τμήματα φάσματος, για την αξιολόγηση των θεματικών χαρτών της μελέτης. Πραγματοποιήθηκε διόρθωση της προβολής των εικόνων, όπου ήταν απαραίτητο, καθώς και γεωμετρική διόρθωση με εικόνα master την Landsat 8 του 2013, ώστε να συμπίπτει ο κάναβος των εικόνων.<br /> Φασματικοί δείκτες: Για την καλύτερη αναγνώριση των εμφανίσεων ενδιαφέροντος, χρησιμοποιήθηκαν κατάλληλοι δείκτες, μέσω συνδυασμού δύο ή περισσότερων καναλιών. Συγκεκριμένα, χρησιμοποιήθηκαν ο δείκτης βλάστησης NDVI για το διαχωρισμό και τον έλεγχο μεταβολών της βλάστησης και οι δείκτες εδάφους NDSI και BI για τις εικόνες Landsat 8 και Sentinel 2Α αντίστοιχα.<br /> <br /> Ταξινόμηση: Για τους σκοπούς της μελέτης χρησιμοποιήθηκε επιβλεπόμενη ταξινόμηση και ειδικότερα η μέθοδος της μέγιστης πιθανοφάνειας. Οι κλάσεις επιλέχθηκαν σύμφωνα με τις κατηγορίες που εντοπίζονται στο πεδίο και δημιουργήθηκαν οι κατάλληλες περιοχές εκπαίδευσης, παραπάνω από μία για κάθε κατηγορία ταξινόμησης. Οι κλάσεις που προέκυψαν ήταν εννέα: θάλασσα, τεχνητές λίμνες, έντονη βλάστηση, αραιή βλάστηση, δύο τύποι εδάφους, κατασκευές και δρόμοι.<br /> <br /> '''Εφαρμογή και αποτελέσματα'''<br /> <br /> Από τη μεθοδολογία που ακολουθήθηκε, προέκυψαν οι κατάλληλοι θεματικοί χάρτες επί των οποίων έγινε η ανίχνευση των μεταβολών και ο εντοπισμός της εναλλαγής της κυρίαρχης κλάσης με τις υπόλοιπες.<br /> <br /> Ταξινόμηση εικόνας και ακρίβεια: Για τον υπολογισμό της ακρίβειας, δημιουργήθηκαν μητρώα σφάλματος και υπολογίστηκαν οι ακρίβειες δημιουργού και χρήστη για όλους τους χάρτες. Επιπλέον, η συνολική ακρίβεια για κάθε χάρτη και ο συντελεστής συμφωνίας Kappa, έδειξαν υψηλά ποσοστά επιτυχίας για όλες τις εικόνες, ενώ η μεγαλύτερη ακρίβεια επετεύχθη για τις εικόνες Sentinel 2A, λόγω της καλύτερης χωρικής ανάλυσης και ποιότητας δειγμάτων.<br /> <br /> Ανάλυση των παρατηρούμενων μεταβολών: Η μέθοδος της ανίχνευσης μεταβολών τύπου «από, σε» επί των μεταταξινομημένων εικόνων χρησιμοποιήθηκε για όλα τα έτη και σε όλες τις διαθέσιμες εικόνες. Για το έτος 2015 και την εικόνα Sentinel 2A οι μεταβολές προσδιορίστηκαν ως προς το 2013.<br /> <br /> Για την περίοδο 2013 – 2014 δεν παρατηρούνται σημαντικές αλλαγές, καθώς το έργο έχει μόλις αρχίσει. Η μεγαλύτερη διαφορά παρατηρείται στην πυκνή βλάστηση που μειώνεται για τη διαμόρφωση του πεδίου. Το διάστημα 2014 – 2015 οι αλλαγές γίνονται πολύ πιο έντονες με μετατροπή υδάτινων στοιχείων (με τη μορφή επιχωμάτων) και πυκνής βλάστησης σε περιοχές κατασκευών. Ως τώρα οι αλλαγές εντοπίζονταν από τις εικόνες Landsat 8, ενώ στο εξής υπήρχαν και οι λήψεις Sentinel 2A. Η λήψη του 2015 συγκρινόμενη με το 2013 εμφάνισε ως μεγαλύτερη αλλαγή την επίχωση υδάτινων φορέων για τις ανάγκες των κατασκευών. Μεταξύ του 2015 και 2016 πολλά από τα έργα διαμόρφωσης του πεδίου είχαν ολοκληρωθεί και η μεγαλύτερη αλλαγή παρατηρείται στην κατηγορία των δρόμων που λαμβάνουν έκταση από τις κατασκευές. Κάποιες διαφοροποιήσεις μεταξύ Landsat 8 Sentinel και 2A παρατηρήθηκαν στο βαθμό μείωσης της πυκνής βλάστησης και των υδάτινων σωμάτων. Τέλος, για το 2016 – 2017 η μείωση πυκνής βλάστηση και υδάτινων φορέων συνεχίζεται, αλλά η μετατροπή κατασκευαστικού χώρου σε οδικό δίκτυο εξακολουθεί να είναι η κύρια. Εδώ, παρατηρείται μεγάλη διαφοροποίηση μεταξύ των δύο δεκτών ως προς την εκτίμηση της μεταβολής υδάτων, λόγω κατακρημνίσεων μεταξύ των ημερομηνιών λήψης. Η εικόνα 1 δίνει συγκεντρωτικά τη μεταβολή καλύψεων γης κατά τη διάρκεια της περιόδου μελέτης, για καθέναν από τους δορυφορικούς δέκτες που χρησιμοποιήθηκαν.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η βασική κάλυψη γης που επηρεάστηκε από την κατασκευή του αεροδρομίου είναι αυτή της πυκνής βλάστησης. Τα αποτελέσματα δείχνουν την αρνητική επίδραση των κύριων έργων και των οδικών δικτύων τόσο στα δάση όσο και στα υδάτινα σώματα, με τη δραματική μείωση του φυσικού περιβάλλοντος της περιοχής. Προκύπτει, λοιπόν, η ανάγκη εφαρμογής τηλεπισκοπικών μεθόδων για την παρακολούθηση της περιοχής που υπόκειται σε συνεχή αστικοποίηση και της λήψης μέτρων.<br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%B7_%CE%BA%CE%B1%CE%BB%CF%85%CF%88%CE%B5%CF%89%CE%BD.jpg 2020-02-13T18:44:46Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%81%CF%8D%CF%80%CE%B1%CE%BD%CF%83%CE%B7%CF%82_%CF%85%CE%B4%CE%AC%CF%84%CF%89%CE%BD_%CF%80%CE%BF%CF%85_%CF%80%CF%81%CE%BF%CE%BA%CE%B1%CE%BB%CE%B5%CE%AF%CF%84%CE%B1%CE%B9_%CE%B1%CF%80%CF%8C_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%B9%CE%BD%CE%B5%CF%82_%CE%B4%CF%81%CE%B1%CF%83%CF%84%CE%B7%CF%81%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B5%CF%82_%CF%83%CF%84%CE%B7_%CE%BB%CE%AF%CE%BC%CE%BD%CE%B7_Burullus_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_Landsat_8_OLI_%CE%BA%CE%B1%CE%B9_GIS 2020-02-13T18:28:23Z

<p>Mplota: Νέα σελίδα με 'Εικόνα 1: Περιοχή μελέτης, λίμνη Burullus [[Εικόνα:kalipsi xrisi gis 1.jpg|thumb|right|Ε...'</p> <hr /> <div>[[Εικόνα:perioxi meletis 1.jpg|thumb|right|Εικόνα 1: Περιοχή μελέτης, λίμνη Burullus]]<br /> [[Εικόνα:kalipsi xrisi gis 1.jpg|thumb|right|Εικόνα 2: Χάρτης κάλυψης και χρήσεων γης για την περιοχή της λίμνης Burullus, όπως δημιουργήθηκε από τη δορυφορική εικόνα Landsat-8 OLI]]<br /> [[Εικόνα:bod 1.jpg|thumb|right|Εικόνα 3: Ενδεικτικός χάρτης ρύπανσης από τα δεδομένα της εικόνας OLI: συγκεντρώσεις BOD]]<br /> [[Εικόνα:mitroo sisxetisis 1.jpg|thumb|right|Εικόνα 4: Μητρώο συσχέτισης ποιοτικών παραμέτρων νερού και καναλιών για την ανάπτυξη εμπειρικών μοντέλων υπολογισμού των παραμέτρων]]<br /> [[Εικόνα:xartis molinsis 1.jpg|thumb|right|Εικόνα 5: Χαρτογραφικό μοντέλο συνολικής ρύπανσης της λίμνης Burullus με χρήση GIS]]<br /> Τίτλος: Εκτίμηση της ρύπανσης υδάτων που προκαλείται από ανθρώπινες δραστηριότητες στη λίμνη Burullus με χρήση Landsat 8 OLI και GIS<br /> <br /> Πρωτότυπος τίτλος: Assessment of water pollution induced by human activities in Burullus Lake using Landsat 8 operational land imager and GIS<br /> <br /> Συγγραφείς: Ahmed El-Zeiny, Sameh El-Kafrawy<br /> <br /> Πηγή: https://www.sciencedirect.com/science/article/pii/S1110982316300680<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η λίμνη Burullus, που αποτελεί και την περιοχή μελέτης (εικόνα 1), βρίσκεται στην Αίγυπτο, στο δέλτα του ποταμού Νείλου και είναι από τις πιο ευάλωτες της περιοχής. Ενδεικτικά, μεταξύ των ετών 2000 και 2002, τα είδη των ψαριών της μειώθηκαν από 32 σε 25, ως αποτέλεσμα της ρύπανσης από τα λύματα των αστικών, αγροτικών και βιομηχανικών δραστηριοτήτων της περιοχής. Η παροχή λυμάτων στη λίμνη γίνεται με εφτά κανάλια απορροής και συνολικά είναι 3904 εκατομμύρια m3/έτος, με αποτέλεσμα την ανάπτυξη αλγών και τα υψηλά επίπεδα ολικών αιωρούμενων στερεών.<br /> <br /> Ο συνδυασμός τηλεπισκόπησης και GIS έχει χρησιμοποιηθεί ευρέως σε μελέτες ποιότητας υδάτων. Διάφορες παράμετροι που καθορίζουν την ποιότητα του νερού επιδρούν στην ανακλώμενη ή εκπεμπόμενη από αυτό ακτινοβολία, επομένως μπορούν να ανιχνευθούν με μεθόδους τηλεπισκόπησης. Ποιοτικές παράμετροι και δεδομένα ακτινοβολίας μπορούν να συσχετιστούν μέσω εμπειρικών μοντέλων.<br /> <br /> Σκοπός της συγκεκριμένης μελέτης είναι ο προσδιορισμός των πιο ευάλωτων απέναντι στη ρύπανση περιοχών της λίμνης , με τη χρήση τηλεπισκόπησης και GIS.<br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Λήψη και προεπεξεργασία δορυφορικής εικόνας: Για τους σκοπούς της μελέτης, έγινε λήψη δορυφορικής πολυφασματικής Landsat-8 OLI εικόνας της περιοχής με ημερομηνία 20 Ιανουαρίου 2015. Για την προεπεξεργασία της εικόνας εφαρμόστηκαν δύο τεχνικές, ραδιομετρική βαθμονόμηση και ατμοσφαιρική διόρθωση.<br /> <br /> Η ραδιομετρική βαθμονόμηση είναι ένα σύνολο τεχνικών που περιλαμβάνει διορθώσεις ως προς την ευαισθησία του δέκτη, την τοπογραφία και την κλίση του ήλιου και την ατμοσφαιρική σκέδαση και απορρόφηση. Η ατμοσφαιρική διόρθωση έγινε με το πρόγραμμα ENVI και συγκεκριμένα με την τεχνική Dark Object Subtraction, ώστε να εξαλειφθεί η επίδραση της ατμοσφαιρικής σκέδασης στη βαθμονομημένη εικόνα.<br /> <br /> Χάρτης κάλυψης και χρήσεων γης: Μέσω επιβλεπόμενης ταξινόμησης και συγκεκριμένα με τη μέθοδο μέγιστης πιθανοφάνειας, καταρτήθηκε ενημερωμένος χάρτης κάλυψης και χρήσεων γης (εικόνα 2), ώστε να προσδιοριστούν οι φυσικοί πόροι και οι ανθρώπινες δραστηριότητες που κυριαρχούν στην περιοχή της λίμνης και δύναται να επηρεάσουν την ποιότητα του νερού της.<br /> <br /> Παράμετροι ποιότητας υδάτων: Οι παράμετροι που χρησιμοποιήθηκαν για το χαρακτηρισμό της ποιότητας υδάτων ήταν: TP, TN και BOD. Για τον υπολογισμό της στατιστικής σχέσης μεταξύ της μετρούμενης ποιότητας νερού και των δεδομένων ακτινοβολίας, χρησιμοποιήθηκαν μητρώα<br /> συσχέτισης. Αναλυτικές σχέσεις χρησιμοποιήθηκαν μεταξύ των ποιοτικών παραμέτρων και καναλιών, τόσο μεμονωμένων όσο και συνδυασμών τους, με στόχο να βρεθεί ο συνδυασμός που παρέχει την περισσότερη πληροφορία για τις παραμέτρους.<br /> <br /> Για τον υπολογισμό των TP, TN και BOD, μέσω δορυφορικής εικόνας, χρησιμοποιήθηκαν τα εμπειρικά μοντέλα που αναπτύχθηκαν από τους Wang και Ma (2001). Με τη χρήση ArcGIS V10.1, προσδιορίστηκαν 18 τυχαία σημεία της λίμνης, ώστε να προσδιοριστούν οι στατιστικές σχέσεις και τα μητρώα συσχέτισης μεταξύ των δεδομένων ακτινοβολίας και των ποιοτικών παραμέτρων.<br /> <br /> Ανάπτυξη χαρτογραφικού μοντέλου: Για κάθε ποιοτική παράμετρο παρήχθη σε GIS ένα θεματικό επίπεδο το οποίο αναταξινομήθηκε σε τρεις κλάσεις: υψηλά επίπεδα, μέσα επίπεδα και χαμηλά επίπεδα. Τα τρία θεματικά επίπεδα των παραμέτρων, έπειτα από επεξεργασία, ενώθηκαν σε ενιαίο χάρτη που απεικονίζει τρία επίπεδα ρύπανσης της λίμνης, λαμβάνοντας υπόψιν τη συνολική επίδραση των TN, TP και BOD.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Κάλυψη και χρήσεις γης: Ο χάρτης κάλυψης και χρήσεων γης που δημιουργήθηκε είχε ακρίβεια μεγαλύτερη από 90%. Η λίμνη και η γύρω περιοχή χωρίστηκαν σε εφτά διαφορετικές τάξεις: υδάτινους όγκους, κορεσμένα εδάφη με λιμνάζοντα νερά, αγροτικές περιοχές, αστικές περιοχές, αμμώδεις περιοχές, αλατούχα εδάφη και μικρά διασκορπισμένα νησιά εντός της λίμνης. Παρατηρήθηκε ότι οι αστικές και αγροτικές δραστηριότητες είναι οι κύριες πηγές ρύπανσης, μέσω της απόρριψης των παραγόμενων λυμάτων τους στη λίμνη. Κανάλια και αποστραγγίσεις που διατρέχουν τις περιοχές αυτές χειροτερεύουν την υπάρχουσα κατάσταση.<br /> <br /> Ποιότητα υδάτων: Ο ολικός φωσφόρος παρουσιάζει μεγάλη διακύμανση από 0,66 μέχρι 82 mg/l και μέση τιμή 15,59 mg/l. Τα υψηλότερα επίπεδα συγκέντρωσης εντοπίστηκαν στο δυτικό και ανατολικό τμήμα της λίμνης. Το ολικό άζωτο έχει διακύμανση από 0 ώς 29 mg/l με μέση τιμή 18,33 mg/l και τις μέγιστες συγκεντρώσεις να βρίσκονται επίσης στο δυτικό και ανατολικό τμήμα της λίμνης. Το βιοχημικά απαιτούμενο οξυγόνο, του οποίου η συνεπαγόμενη ρύπανση φαίνεται στο χάρτη της εικόνας 3, κυμαίνεται από 0,28 μέχρι 9,67 mg/l και η μέση τιμή του είναι 4,46 mg/l, ενώ οι υψηλές συγκεντρώσεις του εντοπίζονται κυρίως νότια και νοτιοδυτικά καθώς και κατά μήκος της ακτογραμμής της λίμνης. Στην εικόνα 4 φαίνεται το μητρώο συσχέτισης που χρησιμοποιήθηκε για την ανάπτυξη των εμπειρικών μοντέλων της μελέτης.<br /> <br /> Χαρτογράφηση περιοχής και εκτίμηση ρύπανσης: Από το μοντέλο αναδείχτηκαν τρία επίπεδα ρύπανσης της λίμνης: υψηλό, μέτριο και χαμηλό. Τα υψηλά επίπεδα ρύπανσης εντοπίζονται κυρίως νότια και νοτιοδυτικά, καθώς και κατά μήκος της ακτογραμμής. Όπως φαίνεται από το χάρτη της εικόνας 5, λίγα σημεία στα νότια δεν παρουσίασαν υψηλά επίπεδα, λόγω απουσίας αποχετεύσεων. Το 15% της έκτασης της λίμνης εμφανίζει υψηλή ρύπανση, ενώ το μεγαλύτερο μέρος της, δηλαδή το 73%, παρουσιάζει ρύπανση μεσαίου μεγέθους και αφορά σε κεντρικότερα τμήματα της λίμνης. Οι περιοχές με ελάχιστο επίπεδο ρύπανσης καταλαμβάνουν το 12% της έκτασης της λίμνης και βρίσκονται στο βορειότερο κομμάτι και στον πυρήνα της.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Στην παρούσα μελέτη, τηλεπισκόπηση και GIS συνδυάστηκαν, για να προσδιοριστεί ο βαθμός ρύπανσης της λίμνης Burullus. Τα αποτελέσματα, σε συμφωνία με αντίστοιχες έρευνες, επιβεβαίωσαν πως τα ανατολικά και νότια τμήματα της λίμνης είναι τα πλέον ρυπασμένα, εξαιτίας των ανθρώπινων δραστηριοτήτων των γύρω περιοχών, κυρίως αγροτικών και αστικών. Συμπερασματικά, οι τεχνολογίες<br /> τηλεπισκόπησης και GIS, μέσω της ανάπτυξης εμπειρικών εξισώσεων ποιότητας υδάτων και χαρτογραφικών μοντέλων, αποτελούν σημαντικό εργαλείο σε αντίστοιχες μελέτες.<br /> [[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xartis_molinsis_1.jpg 2020-02-13T18:11:27Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Bod_1.jpg 2020-02-13T18:11:08Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Mitroo_sisxetisis_1.jpg 2020-02-13T18:10:45Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Kalipsi_xrisi_gis_1.jpg 2020-02-13T18:10:27Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Perioxi_meletis_1.jpg 2020-02-13T18:06:04Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%BF%CE%B9%CF%87%CE%B5%CE%AF%CF%89%CE%BD,_%CE%BC%CE%AD%CF%83%CF%89_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Ikonos-2_%CF%80%CE%BF%CE%BB%CF%8D_%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,_Hisar_(%CE%9D%CE%94_%CE%A4%CE%BF%CF%85%CF%81%CE%BA%CE%AF%CE%B1) 2020-02-13T17:54:04Z

<p>Mplota: Νέα σελίδα με 'Εικόνα 1: Δορυφορικές εικόνες ASTER, SPOT5 και Ikonos-2 [[Εικόνα:ο...'</p> <hr /> <div>[[Εικόνα:δορυφορικές εικόνες.jpg|thumb|right|Εικόνα 1: Δορυφορικές εικόνες ASTER, SPOT5 και Ikonos-2]]<br /> [[Εικόνα:οπτικη αναγνωριση.jpg|thumb|right|Εικόνα 2: Αποτελέσματα ανίχνευσης αρχαιολογικών στοιχείων μέσω οπτικής αναγνώρισης]]<br /> Τίτλος: Μέθοδοι για την αναγνώριση αρχαιολογικών στοιχείων, μέσω εικόνων Ikonos-2 πολύ υψηλής ανάλυσης, Hisar (ΝΔ Τουρκία)<br /> <br /> Πρωτότυπος τίτλος: Methods for the extraction of archaeological features from very high-resolution Ikonos-2 remote sensing imagery, Hisar (southwest Turkey)<br /> <br /> Συγγραφείς: V. De Laet, E. Paulissen, M. Waelkens<br /> <br /> Πηγή: https://www.sciencedirect.com/science/article/pii/S0305440306001774<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χρήση τηλεπισκόπησης θα μπορούσε να αποδειχτεί πολύ χρήσιμη για το σχεδιασμό αρχαιολογικών ερευνών, συνεισφέροντας στον εντοπισμό αρχαιολογικών κατασκευών και των σχηματισμών που συνθέτουν, όταν αυτά δε διακρίνονται από την απλή μετάβαση στο πεδίο. Βέβαια, για την παροχή πληροφορίας καλύτερη των αεροφωτογραφιών απαιτούνται δορυφορικά δεδομένα πολύ υψηλής ανάλυσης.<br /> <br /> Σκοπός της μελέτης είναι η χρήση δορυφορικών εικόνων διαφόρων χωρικών αναλύσεων, ώστε να εξεταστεί η δυνατότητα αναγνώρισης αρχαιολογικών στοιχείων. Οι μέθοδοι που χρησιμοποιούνται έχουν τρεις διαφορετικές προσεγγίσεις που αφορούν στη χρήση GIS, στην ταξινόμηση με βάση τα εικονοστοιχεία της εικόνας και στην αντικειμενοστρεφή ταξινόμηση. Η μεθοδολογία εφαρμόζεται στην περιοχή Hisar, της νοτιοδυτικής Τουρκίας, λόγω της μεγάλης της έκτασης και των ορατών αρχαιολογικών δομών της.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Κατάλληλη δορυφορική πληροφορία: Έγινε λήψη τριών δορυφορικών εικόνων για την ίδια περιοχή και με την ίδια κλίμακα αλλά από διαφορετικούς δέκτες, ώστε να προσδιοριστεί η ελάχιστη απαιτούμενη χωρική ανάλυση για την αναγνώριση αρχαιολογικών στοιχείων: μία είκονα ASTER του 2001 μέσης ανάλυσης, μία εικόνα SPOT5 του 2003 υψηλής ανάλυσης και μία εικόνα Ikonos-2 του 2002 πολύ υψηλής ανάλυσης (εικόνα 1). Από τη σύγκριση των εικόνων διαπιστώθηκε ότι χωρική ανάλυση της τάξης του 1 m είναι απαραίτητη για την οπτική αναγνώριση πιθανών αρχαιολογικών σχηματισμών, επομένως η εικόνα που επιλέχθηκε είναι η Ikonos-2. Για τη χρήση της, πραγματοποιήθηκε σύμπτυξη του παγχρωματικού καναλιού και των πολυφασματικών καναλιών, ώστε να μεγιστοποιηθεί η διαθέσιμη χωρική και φασματική ανάλυση. Επιπλέον, μέσω τοπογραφικού χάρτη, έγινε επεξεργασία, ώστε η χωρική ακρίβεια να έιναι περίπου 3 έως 4 m.<br /> <br /> Αναγνώριση αρχαιολογικών στοιχείων από την εικόνα Ikonos-2: Αρχικά πραγματοποιήθηκε οπτικός εντοπισμός των σχηματισμών που πιθανώς είναι αρχαιολογικοί, βάσει παραμέτρων όπως ο τόνος, η γραμμικότητα και το σχήμα τους. Χαρακτηριστικά των σχηματισμών αυτών όπως η παρόμοια ανακλαστικότητά τους με το περιβάλλον υπόβαθρο, η διαφοροποίηση της ανακλαστικότητας από στοιχείο σε στοιχείο, λόγω της επίδρασης του χρόνου, και η ανομοιομορφία σχημάτων καθιστούν την ομοδοποίησή τους και την εξαγωγή γενικών κανόνων για τον εντοπισμό τους δύσκολες.<br /> <br /> * Μέθοδος GIS: Έπειτα από δοκιμή διαφόρων μεθόδων για τον αυτοματοποιημένο εντοπισμό σχηματισμών ενδιαφέροντος, επιλέχθηκε η τεχνική φιλτραρίσματος με ενίσχυση των ακμών. Ουσιαστικά, εντοπίστηκαν περιοχές απότομης αλλαγής σε ένα συνεχές πεδίο και αποδόθηκαν στα pixels αυτών νέες τιμές, για το διαχωρισμό από το περιβάλλον τους.<br /> <br /> * Ταξινόμηση με βάση τα εικονοστοιχεία: Εδώ λαμβάνεται υπόψιν αποκλειστικά η ανακλαστικότητα των περιοχών της εικόνας. Η μέθοδος ταξινόμησης που επιλέχθηκε είναι αύτη της μέγιστης πιθανοφάνειας. Για τον προσδιορισμό αρχαιολογικών στοιχείων, χρησιμοποιήθηκαν δύο κλάσεις, μία με όνομα «τείχη» και μία με το όνομα «σκιές τειχών». Γενικά, δεν παρατηρήθηκε μεγάλη σύγχυση των διαφορετικών κλάσεων, ωστόσο πρόβλημα αποτέλεσε η μη κανονική κατανομή ανακλαστικότητας του ασβεστόλιθου της περιοχής.<br /> <br /> * Αντικειμενοστρεφής μέθοδος: Είναι ιδιαίτερα χρήσιμη για περιοχές με ετερογενείς καλύψεις γης και αποτελείται από: α) την κατάτμηση της εικόνας σε περιοχές ομοιογενών χαρακτηριστικών ως προς την ανακλαστικότητα, το σχήμα, τα μεταξύ τους όρια κλπ., η οποία πραγματοποιείται σε πολλά επίπεδα με διαφορετική κλίμακα και μέγεθος αντικειμένων και β) της ταξινόμησης για την οποία λαμβάνονται δείγματα εκπαίδευσης από τα αντικείμενα του τελικού επιπέδου κατάτμησης εικόνας.<br /> <br /> '''Αποτελέσματα'''<br /> <br /> Οπτική αναγνώριση: Με την παρατήρηση της εικόνας Ikonos-2 εντοπίστηκαν πιθανά αρχαιολογικά<br /> στοιχεία που αποδίδονται σε αμυντικά τείχη και χαλάσματα οικισμών, τα οποία χρησιμοποιήθηκαν για<br /> την αξιολόγηση των αυτοματοποιημένων διαδικασιών αναγνώρισης, ενώ είναι και από μόνα τους<br /> χρήσιμα για το σχεδιασμό έρευνας στο πεδίο. Τα αποτελέσματα που προέκυψαν φαίνονται στην εικόνα 2.<br /> <br /> Μέθοδος GIS: Με τη μέθοδο αυτή αναγνωρίστηκαν ως στοιχεία ενδιαφέροντος γραμμικοί υπό σκιά ή<br /> μη σχηματισμοί, ωστόσο περιλήφθηκαν στα αποτελέσματα και εμφανίσεις χωρίς αρχαιολογικό<br /> ενδιαφέρον, όπως σειρές από δέντρα και θάμνους, λόγω της γραμμικότητάς τους.<br /> <br /> Ταξινόμηση με βάση τα εικονοστοιχεία: Εδώ κατά περιπτώσεις τα αποτελέσματα είναι ικανοποιητικά, ειδικά για τις κλάσεις που είναι καλά διαχωρισμένες μεταξύ τους. Ωστόσο, για την κλάση των ασβεστόλιθων, από τους οποίους αποτελούνται οι αρχαιολογικοί σχηματισμοί, περιοχές που όντως ανήκουν στην κατηγορία δεν είναι σε συμφωνία με την ανακλαστικότητα του επιλεγμένου δείγματος, πιθανώς λόγω της μεγάλης ετερογένειας ανακλαστικότητας αυτών των εμφανίσεων.<br /> <br /> Αντικειμενοστρεφής ταξινόμηση: Πολλά από τα αρχαιολογικά στοιχεία, κατά την κατάτμηση εικόνας,αναγνωρίστηκαν επιτυχώς ως ξεχωριστά αντικείμενα και η ταξινόμηση αναδεικνύει τη διαφοροποίηση ασβεστολιθικών κατασκευών με άλλες γραμμικές εμφανίσεις, οδηγώντας σε καλύτερα αποτελέσματα από τις προηγούμενες μεθόδους. Ωστόσο και πάλι υπήρξαν κλάσεις που ενώ έπρεπε να συνεισφέρουν στις αρχαιολογικές περιοχές συμπεριλάμβαναν και άλλου είδους στοιχεία.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Οι μέθοδοι που εφαρμόστηκαν για την αυτοματοποιημένη αναγνώριση αρχαιολογικών σχηματισμών,<br /> μέσω δορυφορικών εικόνων, οδήγησαν σε αποτελέσματα διαφοροποιημένης ακρίβειας. Η μέθοδος<br /> χρήσης GIS ήταν η λιγότερο επιτυχημένη, με την ταξινόμηση βάσει εικονοστοιχείων να ακολουθεί και<br /> την αντικειμενοστρεφή ταξινόμηση να είναι η πλέον αποτελεσματική. Βασικοί παράγοντες σφαλμάτων<br /> είναι τόσο η παρόμοια ανακλαστικότητα των σχηματισμών με τον περιβάλλοντα χώρο, ειδικά στην<br /> περιοχή Hisar, όσο και η απουσία συγκεκριμένων μοτίβων σχήματος. Για την ενσωμάτωση τέτοιων<br /> διαδικασιών σε αρχαιολογικές μελέτες προτείνεται ο συνδυασμός τους με οπτική αναγνώριση και, σε<br /> επόμενο στάδιο, η βελτίωση τεχνολογίας.<br /> [[category:Εντοπισμός αρχαιολογικών θέσεων]]</div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9F%CF%80%CF%84%CE%B9%CE%BA%CE%B7_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%89%CF%81%CE%B9%CF%83%CE%B7.jpg 2020-02-13T17:51:26Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9F%CF%80%CF%84%CE%B9%CE%BA%CE%B7_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%89%CF%81%CE%B9%CF%83%CE%B7.JPG 2020-02-13T17:49:39Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82.jpg 2020-02-13T17:46:17Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82.JPG 2020-02-13T17:39:51Z

<p>Mplota: </p> <hr /> <div></div>

Mplota http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CF%8E%CF%84%CE%B1_%CE%9C%CE%B1%CF%81%CE%AF%CE%B1 2020-01-15T12:13:36Z

<p>Mplota: Νέα σελίδα με 'Add Your Content Here category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) '</p> <hr /> <div>Add Your Content Here <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Mplota