http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Odaliski26&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%2FOdaliski26 2026-04-29T04:23:51Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CF%83%CE%BF%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%86%CF%89%CF%84%CF%8C%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BB%CE%B9%CE%B5%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_Dosidicus_gigas_%CF%83%CF%84%CE%BF%CE%BD_%CE%91%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CF%8C_%CE%95%CE%B9%CF%81%CE%B7%CE%BD%CE%B9%CE%BA%CF%8C_%CE%A9%CE%BA%CE%B5%CE%B1%CE%BD%CF%8C_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%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. 2011-02-08T18:44:48Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> C.M. Waludaa,, C. Yamashirob, C.D. Elvidgec, V.R. Hobsond, P.G. Rodhousea<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Quantifying light-fishing for Dosidicus gigas in the eastern Pacific using satellite remote sensing.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Στην παρούσα μελέτη, εξετάζουμε την αλιεία του D. gigas στα ανοικτά της ακτής του Περού καθώς και σε παρακείμενη ανοικτή θάλασσα κατά τη διάρκεια της αλιευτικής περιόδου του 1999 με την χρήση τεχνικών δορυφορικής τηλεπισκόπησης και Γεωγραφικών Πληροφοριακών Συστημάτων (GIS).<br /> <br /> Στοιχεία σχετικά με την διανομή των ατομικών σκαφών έχουν ληφθεί μέσω δορυφόρου παρακολούθησης που χρησιμοποιούν το σύστημα ARGOS, και συγκρίνονται με την θέση των φώτων αλιείας που προέρχονται από την χρήση DMSP-OLS. Η τοποθεσία του στόλου, όπως προκύπτει από τις δύο αυτές πηγές δεδομένων συγκρίνεται σε ετήσια και μηνιαία βάση, και η περιοχή φωτίζεται ανά σκάφος. Χρησιμοποιήθηκε μια ανάλυση παλινδρόμησης συγκρίνοντας την φωτεινή επιφάνεια με τον αριθμό των αλιευτικών σκαφών για την ποσοτικοποίηση του στόλου που χρησιμοποιούν τα φώτα. Χρησιμοποιώντας αυτή την βαθμονόμηση, η επίπτωση της αλιείας στα ανοικτά της ακτής του Περού εξετάστηκε και ποσοτικά.<br /> <br /> <br /> '''Υλικά και μέθοδοι '''<br /> [[Εικόνα: MN6 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης του Ανατολικού Ειρηνικού. Καταδεικνύει την περιοχή από την οποία το Αμυντικό Μετερωρολογικό Δορυφορικό Πρόγραμμα καθώς και ΑΡΓΟΣ δεδομένα περιγράφουν την κατανομή των αλιευτικών στόλων του D.gigas. Η διακεκομένη γραμμή δείχνει 200 ναυτικά μίλια Αποκλειστικής Οικονομικής Ζώνης.''']]<br /> [[Εικόνα: MN6 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Ο αριθμός των αλιευτικών σκαφών στα ύδατα του Περού έναντι του αριθμού των φωτεινών pixels σε αντίστοιχες εικόνες DMSP-OLS.''']]<br /> Μια σειρά από 103 single-pass ορατές εικόνες λήφθηκαν από το DMSP-OLS για την συγκεκριμένη περιοχή. Οι εικόνες είχαν επιλεγεί για την περίοδο Ιουλίου - Δεκεμβρίου 1999, μια περίοδο πολύ λειτουργική για την συγκεκριμένη αλιεία. Στην συνέχεια ενσωματώθηκαν σε ένα γεωγραφικό σύστημα πληροφοριών. <br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Το 1999 και οι 2 πηγές δεδομένων ανακάλυψαν μια παρόμοια περιοχή αλιείας. Καθόλη την αλιευτική περίοδο η αλιεία ήταν επικεντρωμένη στην περιοχή αυτή , με περιστασιακή αλιεία στα νότια της περιοχής και με τον στόλο να κινείται προς τα νότια καθώς η σεζόν προχωρούσε. <br /> <br /> Η τοποθεσία του αλιευτικού στόλου παρατηρήθηκε με επιτυχία με χρήση δορυφορικών τηλεπισκοπικών δεδομένων από το DMSP-OLS, καθώς και με χρήση δορυφορικής παρακολούθησης με ΑΡΓΟΣ. Η χρήση των δεδομένων DMSP-OLS φαίνεται να παρέχει μια έγκυρη ένδειξη της κατανομής και αφθονίας του αλιευτικού στόλου στα ανοικτά της ακτής του Περού. Δεδομένα ΑΡΓΟΣ υπάρχουν διαθέσιμα συχνότερα και καλύπτουν το σύνολο της αλιευτικής περιόδου, αλλά τα DMSP-OLS δεδομένα φαίνεται να αποτελούν μια καλή προσέγγιση για την εξέταση της χωρικής κατανομής του στόλου. Και τα δύο σύνολα δεδομένων λαμβάνονται αυτόματα έτσι ώστε να είναι αδύνατο να χαθεί η τοποθεσία ενός σκάφους, καθιστώντας την δορυφορική παρακολούθηση ως ένα ισχυρό εργαλείο για την αστυνόμευση της αλιείας, καθώς και την εκτίμηση της αλιευτικής προσπάθειας στην ανοικτή θάλασσα.<br /> <br /> Η κατανομή του στόλου το 1999 ήταν παρόμοια με εκείνη που παρατηρήθηκε κατά τα προηγούμενα έτη, όπως προκύπτει από τα DMSP-OLS δεδομένα. Φαίνεται, ότι ο πληθυσμός του καλαμαριού κατοικεί σε μια αρκετά συνεκτική περιοχή από χρόνο σε χρόνο, τουλάχιστον στα ανοικτά των ακτών του Περού.<br /> <br /> Η συγκέντρωση των καλαμαριών σε αυτή την περιοχή είναι πιθανόν να σχετίζεται με την υψηλή παραγωγικότητα της περιοχής, η οποία συνδέεται με το σύστημα ανάβλυσης του Περού καθώς και με την υψηλή παραγωγικότητα ενός συγκεκριμένου είδους ψαριών τα οποία αποτελούν ένα μεγάλο μέρος της διατροφής του D.gigas. <br /> <br /> Η χρήση της φωτεινής επιφάνειας ως μέτρο του μεγέθους του στόλου φαίνεται να είναι ένας καλός εκτιμητής του αριθμού των σκαφών. <br /> <br /> Μία μικρή μεταβλητότητα παρατηρήθηκε στο φως που εξέπεμψε ένα μόνο σκάφος και η οποία μπορεί να αποδοθεί σε παράγοντες όπως είναι η ατμοσφαιρική μεταβλητότητα, η γωνία του δορυφόρου και η υψηλή νέφωση. Η περιοχή η οποία φωτίζεται από ένα μόνο σκάφος είναι πολύ μεγαλύτερη από το μέγεθος του ίδιου του πλοίου, και είναι πολύ δύσκολο να ποσοτικοποιηθεί το φως το οποίο ανακλάται από την επιφάνεια του ωκεανού.<br /> <br /> Η σύγκριση του αριθμού των σκαφών με την φωτιζόμενη περιοχή απέδωσε παρόμοια αποτελέσματα με μια προηγούμενη ανάλυση η οποία εξετάζει την αλιεία στο Νότιο Ατλαντικό (Waluda et al. 2002). Ο αριθμός των αλιευτικών σκαφών ανά τη νύχτα στα ύδατα των Νήσων Φώκλαντ βρέθηκε να είναι πολύ υψηλότερο από τον αντίστοιχο αριθμό στα ύδατα του Περού (κατά μέσο όρο 75 σκάφη σε σύγκριση με 6 στην παρούσα μελέτη), αλλά τα ίδια πλοία είναι πιθανόν να εμπλέκονται σε κάθε τύπο αλιείας.<br /> <br /> Η αλιεία της ανοικτής θάλασσας μπορεί να είναι λιγότερο σημαντική από την άποψη της διατήρησης των αποθεμάτων, αλλά τα DMSP-OLS δεδομένα μπορούν να χρησιμοποιηθούν για την ποσοτικοποίηση της κατανομής και την αφθονία του στόλου που αλιεύει στα ανοικτά των ακτών του Περού και παρέχει ένα μέσο για την παρακολούθηση της αλιείας.<br /> <br /> Η εργασία αυτή μας επέτρεψε να εκτιμηθεί πόσο φως (σε όσον αφορά την έκταση) εκπέμπεται από ένα μόνο αλιευτικό σκάφος, και μπορεί να αποδειχθεί ένα ισχυρό εργαλείο για την αξιολόγηση της αλιείας με την χρήση δορυφορικής τηλεπισκόπησης.<br /> <br /> <br /> <br /> [[category:Θάλασσα και ωκεανός]]</div>

Odaliski26 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%BF%CF%85_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%86%CF%85%CE%BB%CE%BB%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%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%83%CF%84%CE%BF_%CE%95%CE%B8%CE%BD%CE%B9%CE%BA%CF%8C_%CE%A0%CE%AC%CF%81%CE%BA%CE%BF:_Khao_Phra_Wihan. 2011-02-08T18:42:43Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς''' <br /> <br /> Mr. Apinan Kantirach, Mrs. Praneet Ditsariyaku<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Leaf Area Index Estimation by Using Remote Sensing Technique in Khao Phra Wihan National Park.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Βρίσκεται στο Εθνικό Πάρκο Khao Phra Wihan στα βορειοανατολικά της Ταϋλάνδης , με συνολική έκταση 130 km².<br /> <br /> <br /> '''Δεδομένα δορυφόρων '''<br /> <br /> Τα δορυφορικά δεδομένα αποκτήθηκαν με την χρήση LANDSAT-5 TM, στις 22 Φεβρουαρίου του 2006. Η εικόνα αποτελείται από 7 μπάντες: 4 φασματικές, μία κοντά στο υπέρυθρο, μία στο μέσο του υπέρυθρου και μία θερμική.<br /> <br /> <br /> '''Μέθοδοι '''<br /> [[Εικόνα: MN4 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Περιοχή μελέτης στο Εθνικό Πάρκο Khao Phra Wiham στην Ταυλάνδη.''']]<br /> [[Εικόνα: MN4 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Οι χάρτες κάλυψης της γης.''']]<br /> [[Εικόνα: MN4 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Οι προβλεπόμενοι χάρτες LAI.''']]<br /> '''Κατάταξη εικόνων '''<br /> <br /> Τα διορθωμένα γεωμετρικά και ραδιομετρικά στοιχεία LANDSAT-5 καταχωρούνται χρησιμοποιώντας GCPs, τα οποία συλλέχθηκαν με την χρήση GPS στο πεδίο. Η εικόνα γεωαναφοράς εφαρμόστηκε σε ένα UTM σύστημα συντεταγμένων με αποτέλεσμα η μέση τετραγωνική απόκλιση να είναι μικρότερη του 1 pixel. Προ-ταξινόμηση έγινε με τη μορφή ελεγχόμενου ταξινομητή χρησιμοποιώντας ένα σύνολο από πεδία ασκήσεων όπως : δάση, γεωργία, ανοικτό έδαφος και σώμα νερού. Μετά την ταξινόμηση το αποτέλεσμα είχε ελεχθεί στον τομέα αυτό. Τέλος, έγινε σύγκριση των γνωστών στοιχείων αναφοράς με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης προκειμένου να έχουμε ακρίβεια στην αξιολόγηση της χρήσης του λάθους της μήτρας.<br /> <br /> <br /> '''Πεδία των δεδομένων '''<br /> <br /> Η έρευνα πραγματοποιήθηκε τον Φεβρουάριο του 2006 για τη μέτρηση των παραμέτρων των δασών. Οι παράμετροι περιλαμβάνουν τον αριθμό των ειδών των δένδρων (&gt; 1,3 μ. ύψος), dbh και το ύψος των δέντρων. Επιλέχθηκαν τελικά 30 πεδία με διαστάσεις 30*30 μέτρα με το καθένα να εκπροσωπεί διαφορετικό τύπο δασών με ποικίλη πυκνότητα.<br /> <br /> <br /> ''' Αποτελέσματα '''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απασχολεί 4 κατηγορίες χρήσης της γης: δάση, γεωργία, ανοιχτή γη και σώμα νερού. Αυτές οι 4 αποτελούν και τα πεδία της εκπαίδευσης. Η χρήση των εικόνων είχε ως αποτέλεσμα την εξής κατάταξη: το δάσος καταλαμβάνει 59.99 km², η γεωργία 68,06 km², το ανοιχτό έδαφος 10,60 km² και τέλος το νερό 1,69 km². Η αξιολόγηση έγινε με ακρίβεια της τάξεως του 97,5%.<br /> <br /> <br /> '''Επίλογος'''<br /> <br /> Από τη μελέτη, συμπεραίνουμε ότι οι μετασχηματισμοί του λόγου της μπάντας από LANDSAT-5 TM μπορεί να χρησιμοποιηθεί για την εκτίμηση του δείκτη της φυλλικής επιφάνειας της φυτοκάλυψης. <br /> Τα αποτελέσματα δείχνουν ότι ο δείκτης μεταφοράς βλάστησης (TVI) χρησιμοποιώντας τα θεματικά πεδία του πράσινου, του κόκκινου και του εγγύς υπέρυθρου, στις αντίστοιχες ζώνες, παρέχει την καλύτερη γραμμική παλινδρόμηση και είναι κατάλληλο για τον υπολογισμό του δείκτη φυλλικής επιφάνειας, π.χ. y = 21524TVI - 18560 (R² = 0.6364). <br /> Μία μέση φυλλική επιφάνεια είναι περίπου 37,241.34 m² / ha-1. <br /> Η ανακλαστικότητα στην υπέρυθρη περιοχή είναι κατάλληλη σε λογαριθμικό μοντέλο y = 9991NDVI1.7742 (R² = 0,672). <br /> Μια μέση φυλλική επιφάνεια της τάξεως των 37,014.73 m²/ ha-1 υπολογίζεται για το Εθνικό Πάρκο. <br /> Επομένως η χρήση του LANDSAT-5 είναι σημαντική για την κατάταξη του δείκτη βλάστησης και για τον προσδιορισμό της σχέσης των δορυφορικών δεδομένων σε ένα μοντέλο μπάντας.<br /> <br /> <br /> <br /> [[category:Δασοπονία, Δασική διαχείριση]]</div>

Odaliski26 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_%CF%83%CF%84%CE%BF%CF%85%CF%82_%CF%80%CE%AC%CE%B3%CE%BF%CF%85%CF%82_%CF%84%CE%B7%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82. 2011-02-08T18:32:01Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Siri-Jodha Khalsa<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of sea ice.<br /> <br /> <br /> Οι δορυφόροι μπορούν να μετρήσουν εύκολα τον θαλάσσιο πάγο στις περιοχές του ορατού, υπέρυθρου, και μικροκυμάτων του ηλεκτρομαγνητικού φάσματος. Ωστόσο, υπάρχουν πλεονεκτήματα και μειονεκτήματα σε κάθε τύπο ακτινοβολιας. Καμία από τις παραπάνω φασματικές περιοχές δεν επιτρέπει στους επιστήμονες στη βέλτιστη προβολή θαλάσσιου πάγου σε όλες τις συνθήκες.<br /> <br /> <br /> '''Η περιοχή του ορατού'''[[Εικόνα: MN9 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Δορυφορική άποψη της διάλυσης του θαλάσσιου πάγου στη Θάλασσα Beaufort στις ακτές της Αλάσκας, 15 Απριλίου 2004. Το άνω ήμισυ της εικόνας με πολλές σκοτεινές γραμμές είναι ο πάγος στη θάλασσα, και το στερεό λευκό αντικείμενο είναι η ακτή της Αλάσκας, με περιθώριο της ταχείας πάγου. ''']]<br /> [[Εικόνα: MN9 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης θερμοκρασίας της επιφάνειας του πάγου του James Bay Καναδάς, 24 Φεβρουαρίου 2000.''']]<br /> [[Εικόνα: MN9 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Συγκέντρωση του πάγου της θάλασσας της Ανταρκτικής, που κυμαίνονται από 0 τοις εκατό (μωβ) έως 100 τοις εκατό (λευκού χρώματος) στις 07 Αυγούστου 2004. Η Ανταρκτική εμφανίζεται με γκρι χρώμα, και η αποδέσμευση των ωκεανών παρουσιάζεται σε σκούρο μπλε.''']]<br /> [[Εικόνα: MN9 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Scatterometer εικόνα της Ανταρκτικής, 19 Ιουλίου 2003, από τον QuikSCAT δορυφόρο. Αυτή η σύνθετη εικόνα είναι επικεντρωμένη πάνω από το Νότιο Πόλο. Η Ανταρκτική ξεχωρίζει με λευκό περίγραμμα. ''']]<br /> [[Εικόνα: MN9 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Εικόνα ραντάρ του θαλάσσιου πάγου στη Θάλασσα Μποφόρ, βόρεια της Αλάσκας, όπως καταγράφτηκε από RADARSAT.''']]<br /> Το φως που ανιχνεύουν τα μάτια μας είναι ορατή ηλιακή ακτινοβολία που αντανακλάται από τα αντικείμενα γύρω μας. &quot;Λευκότερα&quot; αντικείμενα (εκείνα με υψηλό albedo) αντανακλούν περισσότερη ακτινοβολία από ότι «πιο σκοτεινά» αντικείμενα. Ο θαλάσσιος πάγος έχει μεγαλύτερη ανακλαστικότητα από τον περιβάλλοντα ωκεανό, ιδιότητα η οποία τον καθιστά εύκολο στο να ανιχνευθεί από ορατά όργανα τηλεπισκόπησης. Περιορισμοί οι οποίοι ενδεχομένως να παρουσιαστούν είναι οι ακόλουθοι:<br /> <br /> 1) Δεδομένου ότι οι αισθητήρες αυτοί αντανακλούν ακτινοβολία από τον ήλιο, τα ορατά δεδομένα μπορούν να συλλέγονται μόνον κατά τη διάρκεια της ημέρας. Η αδυναμία να μετρήσουν τη νύχτα είναι ένα πρόβλημα για τη μέτρηση των θαλάσσιων πάγων, η οποία υφίσταται κυρίως στις πολικές περιοχές, όπου κυριαρχεί το σκοτάδι.<br /> <br /> 2) Επειδή τα σύννεφα αντανακλούν επίσης ορατή ακτινοβολία, ένας συννεφιασμένος ουρανός αποτρέπει τους δορυφόρους από το να βλέπουν το ορατό φως που αντανακλάται από τον θαλάσσιο πάγο. Δυστυχώς, οι πολικές περιοχές που καλύπτονται από πάγο τείνουν να είναι συννεφιασμένες, με τα σύννεφα να επισκιάζουν τους θαλάσσιους πάγους σε ποσοστό που κυμαίνεται από 70 μέχρι 90%. <br /> <br /> Οι παρακάτω δορυφόροι και οι αισθητήρες είναι μια επιλογή μεταξύ αυτών που παρατηρούν την ορατή ακτινοβολία. Κάποιοι από αυτούς χρησιμοποιούνται συχνά για τον εντοπισμό και τον προσδιορισμό της θέσης του θαλάσσιου πάγου: NOAA, MODIS, DMSP.<br /> <br /> <br /> '''Υπέρυθρο'''<br /> <br /> Δορυφορικοί αισθητήρες οι οποίοι μετρούν την υπέρυθρη ακτινοβολία συνάγουν το ποσό της θερμότητας που εκπέμπεται από ένα αντικείμενο στην επιφάνεια της Γης. Αντικείμενα με μέση θερμοκρασία της Γης (περίπου -50 έως 50 βαθμούς Κελσίου, ή -58 έως 122 βαθμούς Φαρενάιτ) εκπέμπουν μεγαλύτερο μέρος της ενέργειάς τους στην υπέρυθρη περιοχή.<br /> <br /> Οι υπέρυθροι αισθητήρες μπορούν να ανιχνεύσουν εύκολα θαλάσσιο πάγο, επειδή η θερμοκρασία είναι γενικά πολύ πιο ψυχρή από τον περιβάλλοντα ωκεανό. Μία τυπική θερμοκρασία του θαλάσσιου πάγου κατά την διάρκεια του χειμώνα είναι: -20 έως -40 βαθμούς Κελσίου (-4 έως -40 βαθμούς Φαρενάιτ, ενώ η θερμοκρασία περιβάλλοντος των ωκεανών είναι πάνω από το σημείο πήξης. Περιορισμοί στη μέτρηση της υπέρυθρης ακτινοβολίας από το διάστημα περιλαμβάνουν τα ακόλουθα: <br /> <br /> 1)Επειδή τα σύννεφα επίσης εκπέμπουν και αντανακλούν την υπέρυθρη ακτινοβολία, αποτρέπουν τους δορυφόρους από το να ανιχνεύουν υπέρυθρη ακτινοβολία από τον θαλάσσιο πάγο. <br /> <br /> 2)Οι θαλάσσιοι πάγοι λιώνουν κατά την διάρκεια του καλοκαιριού, καθώς η θερμοκρασία της επιφάνειας της θάλασσας αυξάνεται μέχρι το σημείο πήξης. Το λιώσιμο των πάγων στη θάλασσα είναι δύσκολο να διακριθεί από γειτονικούς ωκεανούς που βρίσκονται επίσης κοντά στο σημείο πήξης. <br /> <br /> Οι αισθητήρες που χρησιμοποιούνται για την παρατήρηση της υπέρυθρης ακτινοβολίας είναι και πάλι οι: NOAA, MODIS, DMSP.<br /> <br /> <br /> '''Παθητική μικροκυματική'''<br /> <br /> Τα αντικείμενα στην επιφάνεια της Γης δεν εκπέμπουν μόνο στην υπέρυθρη ακτινοβολία. Εκπέμπουν επίσης και σε μικροκύματα με σχετικά χαμηλά επίπεδα ενέργειας. Όταν ένας αισθητήρας ανιχνεύει την ακτινοβολία μικροκυμάτων που εκπέμπεται από τη Γη, τότε η εκπεμπόμενη ακτινοβολία ονομάζεται παθητική μικροκυμάτων. Τα σύννεφα δεν εκπέμπουν πολύ ακτινοβολία μικροκυμάτων, σε σύγκριση με το θαλάσσιο πάγο. Έτσι, τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και να χρησιμοποιηθούν για την ανίχνευση των θαλάσσιων πάγων κατά τη διάρκεια της ημέρας και της νύχτας, ανεξάρτητα από την κάλυψη νεφών.<br /> <br /> Οι φυσικές ιδιότητες του αντικειμένου, όπως είναι η σύνθεση του ατόμου και η κρυσταλλική δομή, είναι αυτές που καθορίζουν το ποσό της ακτινοβολίας μικροκυμάτων που εκπέμπει. Η κρυσταλλική δομή του πάγου εκπέμπει συνήθως περισσότερη ενέργεια μικροκυμάτων από αυτή που εκπέμπει το υγρό νερό στον ωκεανό. Έτσι, οι αισθητήρες που ανιχνεύουν παθητική μικροκυματική ακτινοβολία μπορούν να διακρίνουν εύκολα τον θαλάσσιο πάγο από τον ωκεανό.<br /> <br /> Ένα σημαντικό μειονέκτημα στην μέτρηση της παθητικής μικροκυματικής ακτινοβολίας είναι ότι το ενεργειακό επίπεδο είναι αρκετά χαμηλό. Ως αποτέλεσμα, η ακτινοβολία πρέπει να συλλέγεται κατά μήκος μιας ευρύτερης περιοχής. Αυτό έχει σαν αποτέλεσμα να μην μπορούν να διακριθούν λεπτομέρειες του θαλάσσιου πάγου.<br /> <br /> Λόγω της ικανότητάς τους να εντοπίζουν θαλάσσιο πάγο μέσα από σύννεφα κατά τη διάρκεια της ημέρας και της νύχτας, οι αισθητήρες αυτοί παρέχουν σχεδόν πλήρη εικόνα όλων των περιοχών θάλασσας που καλύπτονται από τον πάγο κάθε μέρα. Οι αισθητήρες αυτοί έχουν δώσει μια πιο ολοκληρωμένη, μακροπρόθεσμη παρατηρήση του θαλάσσιου πάγου, που επιτρέπει στους επιστήμονες την ανίχνευση αξιοσημείωτων μεταβολών του θαλάσσιου πάγου της Αρκτικής.<br /> <br /> <br /> '''Ενεργός μικροκυμάτων'''<br /> <br /> Οι αισθητήρες-δορυφόροι μπορούν επίσης να εκπέμψουν μικροκύματα ενεργά προς την επιφάνεια της Γης. Αυτά τα μικροκύματα ανακλώνται στην επιφάνεια και επιστρέφουν στους αισθητήρες. Αυτό το είδος της τηλεπισκόπησης ονομάζεται ενεργός μικροκυμάτων, ή ραντάρ. Η ίδια τεχνολογία χρησιμοποιείται για να εντοπίζει αεροσκάφη, πλοία, καθώς και την επιτάχυνση των αυτοκινήτων. Όπως και με την παθητική ενέργεια μικροκυμάτων, οι φυσικές ιδιότητες των αντικειμένων στην επιφάνεια της Γης καθορίζουν το ύψος και τα χαρακτηριστικά της ακτινοβολίας των μικροκυμάτων που επιστρέφουν πάλι στον αισθητήρα. Τρεις τύποι τέτοιων αισθητήρων χρησιμοποιούνται για την ανίχνευση του θαλάσσιου πάγου: Τα ραντάρ απεικόνησης, τα ραντάρ μη απεικόνησης, και τα altimeters.<br /> <br /> <br /> '''Ραντάρ απεικόνησης'''<br /> <br /> Είναι παρόμοια με μια φωτογραφία που λαμβάνεται από μια φωτογραφική μηχανή, αλλά η εικόνα των κυμάτων ραντάρ, δεν είναι ορατή στο φως. Σε αυτή την κατηγορία ανήκουν οι αισθητήρες SAR.<br /> <br /> <br /> '''Ραντάρ μη απεικόνησης'''<br /> <br /> Αυτός ο τύπος αισθητήρα, που ονομάζεται επίσης διασπορόμετρο, μετρά την ποσότητα της ενέργειας που αντικατοπτρίζεται, από την επιφάνεια της Γης. Δεν μπορούν να αποκτήσουν την ίδια λεπτομέρεια, όπως ο αισθητήρας SAR, αλλά παρέχει πλήρη, ημερήσια στοιχεία για τον θαλάσσιο πάγο κατά την διάρκεια μέρας και νύχτας, μέσα από τα σύννεφα.<br /> <br /> <br /> '''Altimeter'''<br /> <br /> Ένας άλλος τύπος υψόμετρου, που ονομάζεται υψόμετρο λέιζερ και στέλνει παλμούς του ορατού φωτός προς τη Γη.<br /> <br /> <br /> <br /> [[category:Θάλασσα και ωκεανός]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%97_%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%89%CF%82_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B2%CE%B9%CE%BF%CE%BC%CE%AC%CE%B6%CE%B1_%CF%84%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CF%8E%CE%BD. 2011-02-08T18:28:25Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Andrew K. Johnston, Geoffrey Parker, Michael Lefsk<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of forest biomass.<br /> <br /> <br /> '''Σκοπός'''<br /> [[Εικόνα: MN7 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat εικόνα της περιοχής της Ουάσιγκτον.''']]<br /> [[Εικόνα: MN7 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Landsat Thematic Mapper εικόνα του κέντρου Περιβαλλοντικής Έρευνας Smithsonian, στο Maryland. Tα στοιχεία του εδάφους για την παρούσα μελέτη συλλέχθηκαν στο πλαίσιο του δάσους το οποίο είναι ορατό στην άκρη της Chesapeake Bay. Λευκές γραμμές δείχνουν τις διαδρομές πτήσης του εναέριου οργάνου λέιζερ. .''']]<br /> [[Εικόνα: MN7 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λοξή φωτογραφική άποψη του χώρου λόγω του ότι είχε μετρηθεί με μείκτες προφίλ. Ο πύργος της εικόνας χρησιμοποιείται από SERC για την έρευνα της ατμόσφαιρας των δασών.''']]<br /> <br /> Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται προκειμένου να ερευνηθούν οι διάφορες αλλαγές που παρατηρούνται στα δάση. Τα αποτελέσματα θα οδηγήσουν στην καλύτερη κατανόηση μιας μεγάλης κλίμακας της δομής ενός δάσους, που αποτελέι και έναν σημαντικό στόχο της παγκόσμιας έρευνας αλλαγής.<br /> <br /> <br /> '''Γιατί είναι σημαντικά τα δάση;'''<br /> <br /> Τα δάση καλύπτουν περίπου το 1/3 της επιφάνειας της γης με αποτέλεσμα την ανταλλαγή αερίων και ενέργειας μεταξύ της ατμόσφαιρας και της επιφάνειας της γης. Περίπου το 80% της παγκόσμιας βιομάζας περιέχεται σε δάση, και αποτελεί το κεντρικό συστατικό των αποθεμάτων για την απόκτηση του άνθρακα στην βιόσφαιρα. Η ανάπτυξη επομένως των δασών αποτελεί κρίσιμο παράγοντα για τις ατμοσφαιρικές συγκεντρώσεις διοξειδίου του άνθρακα, ένα κεντρικό ζήτημα της έρευνας στον τομέα της αλλαγής. Η μέτρηση του μεγέθους και της πολυπλοκότητας των δάσών θα επιτρέψει στους επιστήμονες να κατανοήσουν καλύτερα αυτές τις περιβαλλοντικές διαδικασίες.<br /> <br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> Τα υπό μελέτη δάση βρίσκονται στο Κέντρο Περιβαλλοντικής Έρευνας του Smithsonian το οποίο βρίσκεται κοντά στην Ουάσιγκτον. Δεδομένα τηλεπισκόπησης τραβηγμένα από δορυφόρους και από ένα εναέριο σύστημα χρησιμοποιούνται για την επέκταση της τοπικής άποψης της διάρθρωσης προκειμένου να γίνουν προβλέψεις για τις αλλαγές στην δομή και τη στάση της βιομάζας σε περιφερειακή κλίμακα.<br /> <br /> <br /> '''Αισθητήρες που χρησιμοποιούνται'''<br /> <br /> Γίνεται χρήση του Landsat Thematic Mapper και περιλαμβάνονται 19 λήψεις κατά το χρονικό διάστημα 1982-1997. Οι εικόνες αυτές δείχνουν την ακτινοβολία σε 7 ορατά και υπέρυθρα μήκη κύματος. Η μελέτη αυτή χρησιμοποιεί επίσης στοιχεία από ένα νέο είδος αισθητήρα, προκειμένου να μετρηθούν άμεσα οι σημαντικές πτυχές της δομής των δασών. Η συσκευή αυτή είναι γνωστή ως NASA's SLICER (Scanning Lidar Imager of Canopies by Echo Retrieval) και μετρά τον χρόνο που απαιτείται προκειμένου να πάει και να επιστρέψει ένας παλμός φωτός λέιζερ, με σκοπό να καθοριστεί η απόσταση προς την κατοπτρική επιφάνεια.<br /> <br /> <br /> '''Επιστημονικά αποτελέσματα'''<br /> <br /> Τα δεδομένα των Landsat και SLICER καταχωρούνται από κοινού. Τα δεδομένα ανάκλασης των Landsat έχουν σχέση με τις μετρήσεις του ύψους του κουβουκλίου. Τα προκαταρκτικά αποτελέσματα ανακοινώθηκαν την άνοιξη του 1999 κατά την συνεδρίαση της Αμερικανικής Γεωφυσική Ένωσης.<br /> <br /> <br /> '''Μελλοντική Εργασία'''<br /> <br /> Τα μακροπρόθεσμα αποτελέσματα από τη μελέτη αυτή μπορεί να περιλαμβάνουν εξισώσεις που θα αφορούν την κατάσταση του κουβουκλίου και των δεδομένων Landsat για την εκτίμηση της δομής των κουβουκλίων, καθώς και μια ανάλυση της σχέσης μεταξύ των φασματικών μετρήσεων και των αξιών της δασικής βιομάζας. Οι σχέσεις μεταξύ της βιομάζας και της ανάκλασης θα συγκριθούν στατιστικώς με εκείνα που παρατηρήθηκαν με τα στοιχεία λέιζερ, ελέγχοντας με αυτό τον τρόπο την ισχύ της περιφερειακής τους κλίμακας. Αυτά τα αποτελέσματα μπορούν να προβλέπουν μεθόδους εκτίμησης της βιομάζας και άλλων παραμέτρων σε περιφερειακή κλίμακα, ένα ουσιαστικό μέρος της κατανόησης των διαδικασιών των πλανητικών αλλαγών.<br /> <br /> <br /> <br /> [[category:Εκτίμηση βιομάζας]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8C_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%AE_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CF%80%CF%81%CE%B1%CE%B3%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8C_%CF%87%CF%81%CF%8C%CE%BD%CE%BF_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82. 2011-02-08T18:15:47Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς''' <br /> <br /> O. Beeri, A. Peled, Remote Sensing and GIS Laboratory, Department of Geography, University of Haifa<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Geographical model for precise agriculture monitoring with real-time remote sensing.<br /> <br /> <br /> <br /> '''Στόχος της μελέτης'''<br /> <br /> Η ανάπτυξη ενός μοντέλου τηλεανίχνευσης, για την παρακολούθηση της γεωργίας, το οποίο θα επιτρέπει την λήψη αποφάσεων μέρα με την μέρα.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Το μοντέλο αποτελείται από πέντε στάδια: <br /> <br /> 1) Προετοιμασία των πληροφοριακών στρωμάτων σχετικά με τα στοιχεία που επηρεάζουν την καλλιέργεια (π.χ. άρδευση).<br /> <br /> 2) Η ταυτόχρονη συλλογή φασματικών και φυτικών δεδομένων.<br /> <br /> 3) Επεξεργασία εικόνας, στατιστικές αναλύσεις και παραγωγή των χαρτών της βλάστησης.<br /> <br /> 4) Λήψη αποφάσεων με βάση αυτούς τους χάρτες ή με βάση χάρτες προβλεπόμενης απόδοσης, και<br /> <br /> 5) Ποιοτικός έλεγχος της διαδικασίας χαρτογράφησης.<br /> <br /> [[Εικόνα: MN2 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Οικόπεδα σιταριού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Δεκεμβρίου 1999.''']]<br /> <br /> [[Εικόνα: MN2 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χαρακτηριστικά βαμβακιού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Ιουνίου του 2000.''']]<br /> <br /> Εφαρμόζοντας αυτό το μοντέλο στο σιτάρι και στο βαμβάκι, πειράματα απέδειξαν ότι αποτελέσματα θα μπορούσαν να επιτευχθούν μέσα σε 48 ώρες. Ο περιορισμός του χρόνου αποτελεί σημαντικό στοιχείο της γεωργικής παρακολούθησης, όπου η διαδικασίας λήψης αποφάσεων προϋποθέτει ότι οι ιδιότητες μιας καλλιέργειας δεν θα αλλάξουν κατά το χρονικό διάστημα από την στιγμή που διενεργείται η παρακολούθηση μέχρι και την λήψη των αποφάσεων που ακολουθείται έπειτα από οποιαδήποτε εφαρμογή της θεραπείας. Το μοντέλο αυτό πέτυχε να εξασφαλίσει μια σύσταση όταν ο καιρός απαιτούσε την γρήγορη λήψη αποφάσεων. Η μέθοδος αυτή πέτυχε να μειώσει την παραδοσιακή διάρκεια των διαδικασιών που απαιτούνται για την εργαστηριακή ανάλυση των φυτών, από 5-7 μέρες σε μόλις 2 μέρες.<br /> <br /> Τα αποτελέσματα της μελέτης, οι χάρτες καθώς και οι συστάσεις αναρτήθηκαν σε μία ιστοσελίδα η οποία επιτρέπει στον γεωπόνο αλλά και στον γεωργό να προβάλλουν στοιχεία τους, τα εξαγάγουν τα απαραίτητα συμπεράσματα και να ενεργήσουν αναλόγως.<br /> <br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Τα αποτελέσματα της τηλεπισκόπησης ήταν σαφώς καλύτερα από τις παραδοσιακές θεραπείες ελέγχου. Οι βαθμοί συσχέτισης μεταξύ των χαρτών πρόβλεψης και των δεδομένων ήταν της τάξεως του 75%-95%. Μόνη εξαίρεση αποτέλεσαν οι χάρτες υγρασίας οι οποίοι παρουσίασαν χαμηλή αξιοπιστία. Φαίνεται ότι η τηλεπισκόπηση, σε ένα ευρύτερο φάσμα , θα μπορούσε να βελτιώσει την αξιοπιστία των χαρτών και να ενισχύσει τα αποτελέσματα των αναλύσεων. Η καινοτόμος προσέγγιση που ακολουθείται στο προτεινόμενο μοντέλο κατέδειξε την απλότητα της μεθοδολογίας της τηλεπισκόπησης, επιτρέποντας αυτή η προσέγγιση να χρησιμοποιείται στην λήψη αποφάσεων σε καθημερινή βάση.<br /> <br /> Εκτός από την απλότητά του, το προτεινόμενο μοντέλο χρησιμοποιεί τιμές που ανταποκρίνονται στην πραγματικότητα όπως είναι το ύψος του φυτού.<br /> <br /> Η Τηλεπισκόπηση που εφαρμόζεται για την γεωργική παρακολούθηση απαιτεί την μετατροπή των φασματικών δεδομένων σε ποσοτικές γεωργικές παραμέτρους και δείκτες προκειμένου να ενταχθούν σε μία εμπορική ανάπτυξη καλλιεργειών.<br /> <br /> Το συγκεκριμένο μοντέλο παρουσιάζει δύο διαφορετικές επιλογές λήψης αποφάσεων: <br /> <br /> α) Για την παρακολούθηση του βαμβακιού χρησιμοποιήθηκαν χάρτες τηλεανίχνευσης για την αναβάθμιση των πληροφοριών που αφορούσαν στο ύψος των φυτών.<br /> <br /> β) Για το σιτάρι η παρακολούθηση στηρίχτηκε σε πρόβλεψη των αποδόσεων.<br /> <br /> Η αεροφωτογραφία χρησιμοποιείται ήδη για την χαρτογράφηση του καθεστώτος του αζώτου στο σιτάρι αλλά και την έλλειψη του νερού στο βαμβάκι.<br /> <br /> Το μοντέλο χρησιμοποιεί αυτές τις προσεγγίσεις για να καταγράψει τις αποφάσεις εκείνες που θα καλύπτουν τις απαιτήσεις της κάθε καλλιέργειας. Καταδεικνύει δηλαδή την ικανότητα να προσαρμόζει την παραγωγή σύμφωνα με την λήψη αποφάσεων προσαρμοσμένων στις απαιτήσεις της κάθε καλλιέργειας.<br /> <br /> Αν και αυτή η εργασία παρουσιάζει τη χρησιμότητα αυτού του μοντέλου σε δύο γεωργικές καλλιέργειες, αναμένεται ότι αυτή η ικανότητα θα διευκολύνει την εφαρμογή του μοντέλου αυτού σε διαφορετικές καλλιέργειες, ή σε διαφορετικές απαιτήσεις της ανάπτυξης του βαμβακιού και του σιταριού.<br /> <br /> Όπως αυτό το μοντέλο βαθμονομεί τα στοιχεία για κάθε καλλιέργεια και για κάθε απαίτηση που οδηγεί στην λήψη αποφάσεων, αναμένεται ότι και άλλες καλλιέργειες θα μπορούσαν να ελέγχονται με την ίδια ακρίβεια.<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD. 2011-02-08T18:14:18Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> <br /> '''Πηγή'''<br /> <br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> <br /> '''Η περιοχή μελέτης'''<br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.<br /> <br /> <br /> [[category:Εκτίμηση παραγωγής/Απόδοση]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD. 2011-02-08T18:11:25Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Nickolas M. Short<br /> <br /> <br /> '''Πηγή'''<br /> [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Δορυφορική εικόνα που απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λήφθηκε με την χρήση SIR-C ραντάρ. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Λήφθηκε με χρήση JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Πλημμύρες στο Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik6.jpg| thumb| right| '''ΕΙΚΟΝΑ 6: Αεροφωτογραφία του ποταμού Μισσούρι ο οποίος πλημμύρισε στις 30 Ιουλίου 1993, στην γειτνίαση της Cedar City και Jefferson City Memorial Airport, Βόρεια από την Jefferson City, Missouri, κοιτώντας Νότια. (Τραβηγμένη από τον αυτοκινητόδρομο του Μισσούρι και την Υπηρεσία Μεταφοράς.)''']]<br /> [[Εικόνα: MN5 eik7.jpg| thumb| right| '''ΕΙΚΟΝΑ 7: Πλημμύρα στον ποταμό Μισσούρι.''']]<br /> [[Εικόνα: MN5 eik8.jpg| thumb| right| '''ΕΙΚΟΝΑ 8: Πλημμυρισμένη περιοχή στις πεδιάδες του ποταμού του Μισισιπή. ''']]<br /> [[Εικόνα: MN5 eik9.jpg| thumb| right| '''ΕΙΚΟΝΑ 9: Πλημμύρες στο Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik10.jpg| thumb| right| '''ΕΙΚΟΝΑ 10: Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου.''']]<br /> [[Εικόνα: MN5 eik11.jpg| thumb| right| '''ΕΙΚΟΝΑ 11: RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse.''']]<br /> [[Εικόνα: MN5 eik12.jpg| thumb| right| '''ΕΙΚΟΝΑ 12: Eικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.''']]<br /> [[Εικόνα: MN5 eik13.jpg| thumb| right| '''ΕΙΚΟΝΑ 13: RADARSAT απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη.''']]<br /> [[Εικόνα: MN5 eik14.jpg| thumb| right| '''ΕΙΚΟΝΑ 14: Χάρτης που απεικονίζει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες.''']]<br /> Mapping the extent of flooding.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η χαρτογράφηση χρησιμοποιήθηκε για την πρόβλεψη μεγάλων πλημμυρών στη βόρεια Midwest, την άνοιξη του 1997. Η δορυφορική απεικόνιση έδωσε μια κριτική ματιά στις μεγάλες πλημμύρες του Κόκκινου Ποταμού στη Βόρεια Ντακότα και τη Μανιτόμπα (Καναδάς), και σε άλλες πόλεις κατά μήκος των συνόρων του κράτους με την Μινεσότα.<br /> <br /> <br /> '''Περιγραφή εικόνων '''<br /> <br /> Οι ανοιξιάτικες πλημμύρες είναι συχνό φαινόμενο σε περιοχές της λεκάνης του ποταμού Μισισιπή. Η μεγαλύτερη πλημμύρα που παρατηρήθηκε τα τελευταία 100 χρόνια προέκυψε από το λιώσιμο των πάγων και την βροχή στα τέλη Μαρτίου του 1973. Στην εικόνα 1 Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.<br /> <br /> <br /> 20 χρόνια αργότερα το Midwest πλημμύρισε και πάλι, με πολλά μέρη να καταγράφουν τα υψηλότερα επίπεδα πλημμυρών στην ιστορία τους. Μετά από αρκετούς μήνες με υπερβολικές βροχοπτώσεις οι οποίες είχαν ως αποτέλεσμα να κορεστεί το έδαφος, στα τέλη του Ιουλίου και του Αυγούστου του 1993 η στάθμη του νερού αυξήθηκε σε τέτοιο βαθμό που ξεπέρασε το στάδιο των πλημμυρών. Η δορυφορική απεικόνιση διαδραμάτισε για ακόμη μια φορά ρόλο-κλειδί στο να πάρει μια σειρά από καλές εικόνες της πλημμυρισμένης περιοχής.<br /> <br /> Για άλλη μια φορά εξετάζουμε τις πεδινές περιοχές βορειοδυτικά του Σαιντ Λούις. Πρώτη εικόνα είναι η εικόνα 2 Landsat.<br /> <br /> Η επόμενη εικόνα (εικόνα 3) λήφθηκε με την χρήση SIR-C ραντάρ. (Σημειώστε ότι ο προσανατολισμός έχει δυτικά κοντά στην κορυφή.) Κάτω από αυτήν είναι μια εικόνα τραβηγμένη με JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο, το οποίο προσφέρει αρκετή λεπτομέρεια. (εικόνα 4).<br /> <br /> Οι πλημμύρες του 1993 επηρέασαν πολλά ποτάμια. Στις φωτογραφίες 5, 6, 7, 8, και 9 απεικονίζονται οι πλημμύρες στο St.Louis, Missouri και Alton, Illinois.<br /> <br /> Πλημμύρες μπορεί να παρατηρηθούν οπουδήποτε σε όλες τις ηπείρους εκτός από την Ανταρκτική. Η επόμενη εικόνα (εικόνα 10) είναι ένα Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου. Τα νερά από τις πλημμύρες έχουν εξαπλωθεί σε έκταση μεγαλύτερη από 50 χιλιόμετρα.<br /> <br /> Ακολουθεί μια εικόνα RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse. (Εικόνα 11)<br /> <br /> Σε αυτή την ασυνήθιστη εικόνα (Εικόνα 12), μία εικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.<br /> <br /> Τα Radar αποτελούν και αυτά ιδιαίτερα ισχυρά εργαλεία στην αναγνώριση του μεγέθους των νερών των πλημμυρών, αφού η χαμηλή ανακλαστικότητα από το νερό τα κάνει να φαίνεται σκούρα. Οι πλημμύρες μπορεί να είναι επωφελείς, καθώς και επιζήμιες. Οι παρακάτω εικόνες RADARSAT (Εικόνα 13) απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη. Νερά από τις βροχές των μουσώνων συλλέγονται στη λεκάνη και τροφοδοτείται έτσι η καλλιέργεια ρυζιού που προσφέρει το κύριο επισιτιστικό εφοδιασμό του Βιετνάμ και της Καμπότζης.<br /> <br /> Τέλος απεικονίζεται ένας χάρτης που δείχνει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες. (Εικόνα 14). Η αποτύπωση των χαρτών αυτών γίνεται από NOAA/NESDIS.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Το άρθρο αυτό φιλοδοξεί να μεταδώσει ότι η κύρια χρήση της τηλεπισκόπησης παραμένει η επιτήρηση των καιρικών συστημάτων και των ωκεανών σε τοπικές και παγκόσμιες κλίμακες. Αυτό επιτυγχάνεται λόγω της ευρείας εμφάνισης του νερού στην επιφάνεια της γης (ακόμα μεγαλύτερη από το 70% της επιφάνειας των ωκεανών, αν συμπεριληφθούν και οι πάγοι της Ανταρκτικής που αποθηκεύει πάνω από το 80% του παγκοσμίου γλυκού νερού, αλλά και την Γροιλανδία.<br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%B8%CE%BF%CE%B4%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%87%CF%81%CE%AE%CF%83%CE%B7%CF%82_%CE%B3%CE%B7%CF%82,_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%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%B3%CE%B9%CE%B1_%CE%BF%CE%B4%CE%B7%CE%B3%CE%AF%CE%B5%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%B5%CF%81%CE%B5%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_Segovia,_%CE%99%CF%83%CF%80%CE%B1%CE%BD%CE%AF%CE%B1. 2011-02-08T18:03:41Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Francisco J. Tapiador , Jose L. Casanova<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Land use mapping methodology using remote sensing for the regional planning directives in Segovia, Spain.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> [[Εικόνα: MN3 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Περιοχή μελέτης. Εμφανίζονται οι Δήμοι και ο πληθυσμός.''']]<br /> [[Εικόνα: MN3 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: α) Αρχική κατάταξη CORINE LC (με τα κενά να δείχνουν την δορυφορική εικόνα. Η εικόνα καλύπτει 10*15 χμ. β) Πρώτα όρια οριοθέτησης του χάρτη χρήσεων γης. ''']]<br /> [[Εικόνα: MN3 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Κάλυψη γης CORINE και νέα κατάταξη.''']]<br /> <br /> Η περιοχή μελέτης καλύπτει 3.419 km². Ο αριθμός των δήμων που έπρεπε να χαρτογραφηθούν ήταν 97. Οι άνθρωποι οι οποίοι άμεσα επηρεάζονται από τις εργασίες συντονισμού είναι 105.000 χωρίς να λαμβάνεται υπόψιν ο πληθυσμός της Μαδρίτης που χρησιμοποιεί αυτόν τον τομέα για λόγους ψυχαγωγίας ή ως δεύτερη κατοικία. Αυτά τα αριθμητικά στοιχεία αντικατοπτρίζουν το μέγεθος του προβλήματος. <br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> Το σχέδιο χρήσης γης CORINE αποτελεί σημείο καμπής στην ιστορία των χαρτών χρήσεως της γης. Τόσο η οικονομική όσο και η χωρική κλίμακα του έργου, καθώς και τα τεχνικά και ανθρώπινα μέσα που συμμετέχουν καθιστούν αναγκαία μια σαφή και πλήρη μεθοδολογική ακολουθία. Εκτός από την εντατική χρήση των δορυφορικών εικόνων, προσφέρει νέες δυνατότητες, όπως είναι η ευρεία γεωγραφική κάλυψη, η αντικειμενικότητα, δυνατότητες για γρήγορη ενημέρωση και βελτίωση των ορατών μηκών κύματος. Ωστόσο, το έργο αυτό δεν αντικατοπτρίζει τόσο την χρήση της γης, αλλά μάλλον την κάλυψη της γης. Δηλαδή, δεν αφορά την κοινωνικοοικονομική λειτουργία των στοιχείων της επιφάνειας της γης, αλλά την ίδια την φύση της γης. Για τη χωροταξία, η πρώτη προσέγγιση είναι απαραίτητη, ενώ η δεύτερη περιορίζεται στις περιβαλλοντικές μελέτες, οι οποίες ήταν και ο στόχος του προγράμματος CORINE. <br /> <br /> Ένα από τα πιο σημαντικά σημεία σε αυτό το έργο είναι η επεξεργασία και η εστίαση των δορυφορικών εικόνων (Landsat-TM και MSS, HRV SPOT, XS και Pan). Η προσέγγιση που ακολουθήθηκε έγινε με την βοήθεια φωτοερμηνείας των εικόνων ψευδούς χρώματος.<br /> <br /> Στην συνέχεια ακολουθεί η προετοιμασία μιας σειράς χαρτογραφικών προϊόντων κατά την οποία μια άκρως εξειδικευμένη τεχνική ομάδα θα προβεί σε ταξινόμηση της κάλυψης της γης σύμφωνα με τις γεωγραφικές τους γνώσεις.<br /> <br /> Η προ-διαδικασία ενημέρωσης από την &quot;ακατέργαστη&quot; εικόνα υποδοχής του δορυφόρου, στην διορθωμένη εικόνα γεωαναφοράς, είναι ουσιαστικής σημασίας για την τελική ποιότητα του προϊόντος. Απαιτείται επίσης η εξέταση και η λεπτομερής μελέτη άλλων παραγόντων, όπως είναι η ελάχιστη χαρτογραφική μονάδα ή η κατάλληλη κλίμακα εργασίας. Τα κριτήρια που ακολουθούνται για την οριοθέτηση των φυσιογραφικών μονάδων καθώς και η διάκριση της κάλυψης γης αποτελούν στόχο του σχεδίου CORINE. <br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Το κύριο αποτέλεσμα αυτής της μεθοδολογίας ήταν ο ίδιος ο χάρτης. Οι παραστάσεις των μεθόδων σύντηξης δεδομένων έχουν σκοπό μία πολυφασματική εικόνα 5 μέτρων να μπορεί να διαβαστεί εύκολα. Οι μέθοδοι συγχώνευσης δεδομένων αποδείχθηκαν χρήσιμες για την αύξηση της χωρικής ανάλυσης. Πρέπει ακόμα να σημειωθούν ορισμένα στοιχεία όπως: α) η ένταξη των φορέων και των πληροφοριών οι οποίες αφορούν στην χρήση γης όσον αφορά στην διαδικασία δημιουργίας της γης, β) η ανάγκη διαφοροποίησης μεταξύ ορισμένων κατηγοριών όπως πχ: η στέγαση, γ) τα χαρακτηριστικά της γρήγορης ανανέωσης, αντικειμενικότητας, και ακρίβειας του χάρτη. Όλα τα παραπάνω έχουν ως αποτέλεσμα την δημιουργία μίας εύκολης, επαναλαμβανόμενης, οικονομικής, και γρήγορης μεθοδολογίας, σαφώς πιο βελτιωμένης σε σχέση με τις παλιές μεθόδους που βασίζονταν σε έναν μόνο εμπειρογνώμονα ψηφιοποίησης αεροφωτογραφιών. Με την βελτιωμένη αυτή μέθοδο, ελαχιστοποιούνται τα λάθη και η ανατροφοδότηση είναι πιο επιτυχημένη. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ένα από τα συμπεράσματα αυτής της εργασίας είναι η ανάγκη δημιουργίας μιας διεπιστημονικής ομάδας που να συμβάλλει στην ανάπτυξη ενός έργου με τα χαρακτηριστικά αυτά, μια ομάδα που να προέρχεται από πολύ διαφορετικά πεδία, όπως είναι οι ιδιωτικές επιχειρήσεις και τα πανεπιστήμια, αλλά που να χρειάζεται συμπλήρωμα. Η κατασκευή ενός χάρτη σαν αυτόν απαιτεί την ισχυρή ενοποίηση εμπειρογνωμόνων από όλους τους τομείς, συντονισμένους σύμφωνα με σαφείς οδηγίες και τη μεθοδολογία. <br /> <br /> Όσον αφορά το προϊόν, έχει παρατηρηθεί ότι η χρήση προηγμένων τεχνικών τηλεανίχνευσης συνεπάγεται μια σημαντική εξέλιξη, τόσο ποιοτική όσο και ποσοτική, στην οποία ο οικονομικός παράγοντας παίζει επίσης σημαντικό ρόλο.<br /> <br /> Η τηλεπισκόπηση εφαρμόζεται στον περιφερειακό σχεδιασμό με σημαντική εξοικονόμηση του κόστους, αν και αρχικά απαιτεί μεγάλες επενδύσεις. Εκτός αυτού, η δυνατότητα σύγκρισης είναι εξασφαλισμένη μιας και όλα τα έγγραφα των εργασιών δημοσιεύονται και θα μπορούσαν ακόμη και να υπόκεινται σε νομική αξιολόγηση.<br /> <br /> Τέλος, πρέπει να προστεθεί ότι ένα μεγάλο μέρος της χρησιμότητας της μεθοδολογίας έγκειται στην παραγωγική της ικανότητα. Είναι επίσης δυνατόν να παραχθούν νέοι χάρτες αλλάζοντας απλά το χαρτογραφικό υπόβαθρο, δηλαδή τις δορυφορικές εικόνες. Με αυτόν τον τρόπο, είναι δυνατόν να ληφθούν νέα προϊόντα με έναν κύκλο εναλλαγής πολύ μικρότερο σε σχέση με αυτόν των παραδοσιακών τεχνικών και με πολύ ανώτερες ιδιότητες όσον αφορά την ακρίβεια και την αντικειμενικότητα.<br /> <br /> <br /> <br /> [[category: Αστικός και περιφερειακός σχεδιασμός]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%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%80%CE%BF%CF%85_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CF%8C%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CE%B9_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CF%89%CE%BD_%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. 2011-02-08T17:59:10Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Eileen M. Brennan<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing techniques applied to landslide studies.<br /> <br /> <br /> Οι μελέτες για τις κατολισθήσεις μπορούν να οργανωθούν σε 3 φάσεις:<br /> <br /> 1. Εντοπισμός και ταξινόμηση των κατολισθήσεων.<br /> <br /> 2. Δραστηριότητα παρακολούθησης των υφιστάμενων κατολισθήσεων.<br /> <br /> 3. Ανάλυση και πρόβλεψη των αποτυχιών της κλίσης στον χώρο (χωρική κατανομή) και στον χρόνο (χρονική κατανομή).<br /> <br /> Οι τεχνικές τηλεπισκόπησης μπορούν να χρησιμοποιηθούν και συχνά χρησιμοποιούνται και στα 3 στάδια μελέτης των κατολισθήσεων.<br /> <br /> <br /> Παραδείγματα μερικών εργαλείων τηλεπισκόπησης:<br /> [[Εικόνα: MN10 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Αυτή η εικόνα είναι ένα παράδειγμα του γιατί είναι τόσο σημαντικό να προσπαθήσουμε να προβλέψουμε γεγονότα κατολισθήσεων και τις αποτυχίες της κλίσης. Είναι μια εικόνα μιας ροής από συντρίμμια στο Rudd Canyon στο Farmington, Utah, την άνοιξη του 1983. (Φωτογραφία: S. Ellen, USGS).''']]<br /> [[Εικόνα: MN10 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης επικινδυνότητας ενός μέρους της περιφέρειας του Κόλπου του Σαν Φρανσίσκο.''']]<br /> [[Εικόνα: MN10 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Χάρτης επικινδυνότητας κατολίσθησης στις Ηνωμένες Πολιτείες.''']]<br /> [[Εικόνα: MN10 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Χάρτης κατολισθήσεων των Ηνωμένων Πολιτειών.''']]<br /> • Αεροφωτογραφία<br /> <br /> • Δορυφορικές εικόνες και ραντάρ<br /> <br /> • Παγκόσμιο σύστημα εντοπισμού στίγματος (GPS)<br /> <br /> • Μοντέλα προσομοίωσης και βάσεις δεδομένων<br /> <br /> • Παρεμβαλλομετρία<br /> <br /> • Στερεοφωτογραμμετρία<br /> <br /> • Ψηφιακή φωτογραμμετρία<br /> <br /> <br /> '''1ο Στάδιο: Ανίχνευση και ταξινόμηση κατολισθήσεων.'''<br /> <br /> Για τη μελέτη των κατολισθήσεων, θα πρέπει να είναι κάποιος σε θέση να δεί το μέγεθος και την αντίθεση των χαρακτηριστικών κατολισθήσεων και τη μορφολογική έκφραση της τοπογραφίας εντός και γύρω από την κατολίσθηση. Παράμετροι που μπορεί να είναι σημαντικοί για τον καθορισμό είναι το είδος της μετακίνησης που επήλθε, ο βαθμός της σημερινής δραστηριότητας της κατολίσθησης, καθώς και το βάθος στο οποίο έχει συμβεί η κίνηση. <br /> <br /> Τα πιο συνηθισμένα εργαλεία τηλεπισκόπησης που χρησιμοποιούνται για την ανίχνευση και ταξινόμηση των κατολισθήσεων είναι οι αεροφωτογραφίες. Η αεροφωτογραφία έχει γίνει πρότυπο εργαλείο το οποίο βοηθά στη μελέτη των κατολισθήσεων. <br /> <br /> Άλλοι τύποι τεχνικών τηλεπισκόπησης που χρησιμοποιούνται για την ανίχνευση και την ταξινόμηση είναι: <br /> <br /> Στερεοσκοπικές εικόνες<br /> <br /> Δορυφορικές εικόνες <br /> <br /> Ραντάρ <br /> <br /> <br /> '''Δεύτερο Στάδιο: Έλεγχος Κίνησης της κατολίσθησης'''<br /> <br /> Το δεύτερο στάδιο σε μια μελέτη κατολίσθησης παρακολουθεί τυπικά την μετακίνηση των κατολισθητικών φαινομένων. Αυτό συνεπάγεται τη σύγκριση των συνθηκών κατολισθήσεων στην πάροδο του χρόνου, την ταχύτητα της κίνησης, και την αλλαγή στην τοπογραφία της επιφάνειας. Υπάρχουν διάφορες τεχνικές τηλεπισκόπισης που χρησιμοποιούνται συνήθως σε αυτό το στάδιο της μελέτης της κατολίσθησης όπως είναι οι παρακάτω:<br /> <br /> Παγκόσμιο Σύστημα Εντοπισμού Θέσης (GPS) <br /> <br /> Δορυφορικές εικόνες <br /> <br /> Ραντάρ<br /> <br /> Στερεοφωτογραμμετρία<br /> <br /> <br /> '''Στάδιο 3: Ανάλυση και Πρόβλεψη Αστοχίας πρανών'''<br /> <br /> Ανάλυση κινδύνου κατολίσθησης<br /> <br /> <br /> '''Κίνδυνος '''<br /> <br /> Η πιθανότητα εμφάνισης ενός δυνητικού φαινομένου εντός συγκεκριμένης χρονικής περιόδου και σε μια δεδομένη περιοχή (Varnes, 1984).<br /> <br /> <br /> '''Διαχωρισμός σε ζώνες'''<br /> <br /> Η διαίρεση της γης σε ομοιογενείς περιοχές ή τομείς και η κατάταξή τους ανάλογα με τον βαθμό του πραγματικού/δυνητικού κινδύνου που προκαλείται από μαζικές μετακινήσεις (Varnes, 1984). <br /> <br /> Ο κίνδυνος κατολισθήσεως συνήθως απεικονίζεται σε χάρτες που δείχνουν τη χωροταξική κατανομή των τάξεων κινδύνου, ή &quot;των ζωνών του κίνδύνου κατολίσθησης.&quot; Η ανάπτυξη αυτών των ζωνών απαιτεί γνώση των διαδικασιών που δραστηριοποιούνται στην περιοχή στο στάδιο της ανάλυσης, καθώς και παράγοντες (γεωλογικούς και ενεργοποίησης) με αποτέλεσμα την εμφάνιση κατολισθήσεων. <br /> <br /> <br /> '''Συμπεράσματα '''<br /> <br /> Οι τεχνικές τηλεπισκόπησης έχουν σε μεγάλο βαθμό ενισχύσει τις έρευνες των κατολισθήσεων, τόσο σε τοπικό όσο και περιφερειακό επίπεδο. Αν και δεν αντικαθιστούν την επιτόπια εργασία, διεπιστημονικών ερευνητικών στρατηγικών, καθώς και τον έλεγχο της αξιοπιστίας των μοντέλων πρόβλεψης κατολισθήσεων, οι τεχνικές τηλεπισκόπησης παρέχουν ένα πρόσθετο εργαλείο από το οποίο μπορούμε να εξάγουμε πληροφορίες σχετικά με τις αιτίες των καθιζήσεων και τα γεγονότα. Το σημαντικότερο ήταν ότι βοήθησαν σε μεγάλο βαθμό στην πρόβλεψη των μελλοντικών περιστατικών κατολίσθησης, η οποία είναι πολύ σημαντική για εκείνους που κατοικούν σε περιοχές που περιβάλλονται από ασταθή πρανή.<br /> <br /> <br /> [[category:Κατολισθήσεις]]</div>

Odaliski26 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_%CF%84%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2011-02-08T17:55:45Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Raimon Salvador, Ricardo Dnaz- Delgado, Jordi Valeriano and Xavier Pons<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of forest fires.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η Τηλεπισκόπηση ως εργαλείο για την παρακολούθηση των δασικών πυρκαγιών , την μελέτη της πυρκαγιάς και των συνέπειών της στις κοινωνίες των φυτών καθώς και η ένταξη των αποτελεσμάτων σε ένα πρόγραμμα Gis.<br /> <br /> Μία ημιαυτόματη μέθοδος για την παρακολούθηση των δασικών πυρκαγιών, κατά την διάρκεια μεγάλων περιόδων, με μέσα τις εικόνες της τηλεπισκόπησης έχει αναπτυχθεί τα τελευταία χρόνια. Εφαρμόστηκε κατά την περίοδο 1975-1993 και τα αποτελέσματα έχουν δωθεί σε έναν χάρτη με το ιστορικό των πυρκαγιών της Καταλονίας (Βορειοανατολικά της Ισπανίας). Οι χάρτες αυτοί έχουν μετατραπεί το τελευταίο διάστημα σε διανυσματικά επίπεδα, και όλα τα αποτελέσματα έχουν ενσωματωθεί σε προγράμματα Gis.<br /> <br /> Οι δορυφόροι παρατήρησης της Γης που ισχύουν σήμερα για την ανίχνευση των περιοχών που έχουν καεί, με την βοήθεια των εικόνων του δείκτη βλάστησης (NDVI), βασίστηκαν σε έναν συγκεκριμένο συνδυασμό των ζωνών στο κόκκινο και στο εγγύς υπέρυθρο το οποίο αντικατοπτρίζει το ποσό της πράσινης βλάστησης.Η χρονική σειρά των εικόνων έχει χρησιμοποιηθεί για την παρακολούθηση της διαδικασίας της αναγέννησης η οποία πραγματοποιείται από τις κοινωνίες των φυτών ύστερα από μία πυρκαγιά. Στην συνέχεια γίνεται σύγκριση του ρυθμού αναγέννησης μεταξύ των φυτών και αναλύονται και οι χωρικές κατανομές των μεγεθών της πυρκαγιάς.<br /> <br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η περιοχή μελέτης περιλαμβάνει μια έκταση περίπου 32000 km², στα βορειοανατολικά της Ιβηρικής Χερσονήσου. Περίπου το 60% της περιοχής μελέτης καλύπτεται από βλάστηση (κυρίως φρύγανα και δάση) . Το μεγαλύτερο μέρος της περιοχής μελέτης έχει μεσογειακό κλίμα, με καλό καιρό και μία σημαντική ξηρασία κατά την διάρκεια του καλοκαιριού, η οποία συχνά οδηγεί σε δασικές πυρκαγιές.<br /> <br /> <br /> <br /> '''Δορυφορικές εικόνες'''<br /> [[Εικόνα: MN8 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης των καμένων δασικών περιοχών και η συχνότητα των πυρκαγιών στην Καταλονία, κατά την περίοδο 1975-1993. Μέθοδος των ανωτάτων και κατωτάτων ορίων.''']]<br /> [[Εικόνα: MN8 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Γραφικά τα οποία δείχνουν τα ποσοστά των παραλείψεων και λαθών της Επιτροπής για τις δύο μεθόδους και η διακύμανσή τους ανάλογα με το αυξανόμενο μέγεθος''']]<br /> Λόγω του κατακερματισμού της βλάστησης δεν κατέστη δυνατή η χρήση του NOAA-AVHRR για λεπτομερή χαρτογράφηση. Μεταξύ αισθητήρων υψηλής χωρικής ανάλυσης επιλέχτηκε τελικά ο Landsat – MSS. Στην συνέχεια, οι εικόνες έπρεπε να διορθωθούν γεωμετρικά προκειμένου να καταχωρηθούν σωστά. Για τον λόγο αυτό χρησιμοποιήθηκε το μοντέλο διόρθωσης Palΰ and Pons (1995).<br /> <br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> <br /> '''Πυρανίχνευση Scar'''<br /> <br /> Η αφαίρεση των τιμών του NDVI μεταξύ των διαδοχικών εικόνων επελέγη ως η καταλληλότερη μέθοδος λόγω της απλότητας και της ευρρωστίας της. Καλλιέργειες, σύννεφα και γλυκά ύδατα μαζί με φυλλοβόλα δάση απέφεραν μία απότομη πτώση των τιμών του NDVI.<br /> <br /> <br /> '''Ένωση δεδομένων και ανάλυση του καθεστώτος της φωτιάς'''<br /> <br /> Αφού εφαρμόστηκε η ημιαυτόματη μέθοδος, τα αποτελέσματα επικυρώθηκαν με την συμβολή του DARP. Στην συνέχεια, οι ουλές που προήλθαν από τις πυρκαγιές ενσωματώθηκαν σε μία βάση δεδομένων GIS προκειμένου να συνυπολογιστούν οι περιβαλλοντικές και χωρικές παράμετροι που αφορούσαν την κάθε φωτιά.<br /> <br /> <br /> <br /> '''Παρακολούθηση της αναγέννησης των φυτών '''<br /> <br /> Προκειμένου να εξεταστεί η μεταβλητότητα των απαντήσεων της βλάστησης στην φωτιά, τα αποτελέσματα χρησιμοποιήθηκαν για να εντοπιστούν τα σημάδια της πυρκαγιάς και να επιλεχθούν από αυτά διάφορες καμένες εκτάσεις για την παρακολούθηση των διαδικασιών ανάπλασής τους. Αυτό είχε ως αποτέλεσμα την παρακολούθηση ποικιλίας φυτών της Μεσογείου τα οποία βρίσκονται σε διάφορες περιοχές της Καταλονίας.<br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Παρακάτω (Εικόνα 1) εμφανίζεται ο χάρτης με το ιστορικό των πυρκαγιών της Καταλονίας καθώς και η συχνότητά τους. Σύμφωνα με την μέθοδο αυτή το 53,36% των πυρκαγιών είναι ίσο ή και μεγαλύτερο των 30 εκταρίων (175 πυρκαγιές) αισθητά πιο πάνω από το 43,60% των πυρκαγιών που διαπιστώθηκαν με την εφαρμογή άλλης μεθόδου. (143 πυρκαγιές).Ο βαθμός της ανίχνευσης βελτιώθηκε με την αύξηση του μεγέθους των πυρκαγιών.Ορισμένα προκαταρκτικά αποτελέσματα της αναγέννησης των φυτών μετά την πυρκαγιά έδειξε ότι το 80% της συνολικής έκτασης που κάηκε στην Καταλονία, προέρχεται από μικρές πυρκαγιές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Οι δορυφορικές εικόνες έχουν μια σημαντική αξία για τη χαρτογράφηση των καμένων εκτάσεων. Οι γνώσεις σχετικά με τις περιοχές αυτές μπορεί να βοηθήσει την κατανόηση της δομής και της δυναμικής των τοπίων της βλάστησης. Επιπλέον, υπάρχει παγκόσμιο ενδιαφέρον για την παρακολούθηση των καθεστώτων της φωτιάς. Παρά τα τεχνικά προβλήματα που οφείλονται στην ηλικία του, εικόνες από τον MSS αισθητήρα είναι ιδιαίτερα χρήσιμες για το έργο της χαρτογράφησης της πυρκαγιάς.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Odaliski26 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_%CF%84%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2011-02-08T17:43:19Z

<p>Odaliski26: New page: '''Συγγραφείς''' Raimon Salvador, Ricardo Dnaz- Delgado, Jordi Valeriano and Xavier Pons '''Πηγή''' Remote sensing of forest fires. '''Σκοπός''' Η Τηλεπι...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Raimon Salvador, Ricardo Dnaz- Delgado, Jordi Valeriano and Xavier Pons<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of forest fires.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η Τηλεπισκόπηση ως εργαλείο για την παρακολούθηση των δασικών πυρκαγιών , την μελέτη της πυρκαγιάς και των συνέπειών της στις κοινωνίες των φυτών καθώς και η ένταξη των αποτελεσμάτων σε ένα πρόγραμμα Gis.<br /> <br /> Μία ημιαυτόματη μέθοδος για την παρακολούθηση των δασικών πυρκαγιών, κατά την διάρκεια μεγάλων περιόδων, με μέσα τις εικόνες της τηλεπισκόπησης έχει αναπτυχθεί τα τελευταία χρόνια. Εφαρμόστηκε κατά την περίοδο 1975-1993 και τα αποτελέσματα έχουν δωθεί σε έναν χάρτη με το ιστορικό των πυρκαγιών της Καταλονίας (Βορειοανατολικά της Ισπανίας). Οι χάρτες αυτοί έχουν μετατραπεί το τελευταίο διάστημα σε διανυσματικά επίπεδα, και όλα τα αποτελέσματα έχουν ενσωματωθεί σε προγράμματα Gis.<br /> <br /> Οι δορυφόροι παρατήρησης της Γης που ισχύουν σήμερα για την ανίχνευση των περιοχών που έχουν καεί, με την βοήθεια των εικόνων του δείκτη βλάστησης (NDVI), βασίστηκαν σε έναν συγκεκριμένο συνδυασμό των ζωνών στο κόκκινο και στο εγγύς υπέρυθρο το οποίο αντικατοπτρίζει το ποσό της πράσινης βλάστησης.Η χρονική σειρά των εικόνων έχει χρησιμοποιηθεί για την παρακολούθηση της διαδικασίας της αναγέννησης η οποία πραγματοποιείται από τις κοινωνίες των φυτών ύστερα από μία πυρκαγιά. Στην συνέχεια γίνεται σύγκριση του ρυθμού αναγέννησης μεταξύ των φυτών και αναλύονται και οι χωρικές κατανομές των μεγεθών της πυρκαγιάς.<br /> <br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η περιοχή μελέτης περιλαμβάνει μια έκταση περίπου 32000 km², στα βορειοανατολικά της Ιβηρικής Χερσονήσου. Περίπου το 60% της περιοχής μελέτης καλύπτεται από βλάστηση (κυρίως φρύγανα και δάση) . Το μεγαλύτερο μέρος της περιοχής μελέτης έχει μεσογειακό κλίμα, με καλό καιρό και μία σημαντική ξηρασία κατά την διάρκεια του καλοκαιριού, η οποία συχνά οδηγεί σε δασικές πυρκαγιές.<br /> <br /> <br /> <br /> '''Δορυφορικές εικόνες'''<br /> [[Εικόνα: MN8 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης των καμένων δασικών περιοχών και η συχνότητα των πυρκαγιών στην Καταλονία, κατά την περίοδο 1975-1993. Μέθοδος των ανωτάτων και κατωτάτων ορίων.''']]<br /> [[Εικόνα: MN8 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Γραφικά τα οποία δείχνουν τα ποσοστά των παραλείψεων και λαθών της Επιτροπής για τις δύο μεθόδους και η διακύμανσή τους ανάλογα με το αυξανόμενο μέγεθος''']]<br /> Λόγω του κατακερματισμού της βλάστησης δεν κατέστη δυνατή η χρήση του NOAA-AVHRR για λεπτομερή χαρτογράφηση. Μεταξύ αισθητήρων υψηλής χωρικής ανάλυσης επιλέχτηκε τελικά ο Landsat – MSS. Στην συνέχεια, οι εικόνες έπρεπε να διορθωθούν γεωμετρικά προκειμένου να καταχωρηθούν σωστά. Για τον λόγο αυτό χρησιμοποιήθηκε το μοντέλο διόρθωσης Palΰ and Pons (1995).<br /> <br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> <br /> '''Πυρανίχνευση Scar'''<br /> <br /> Η αφαίρεση των τιμών του NDVI μεταξύ των διαδοχικών εικόνων επελέγη ως η καταλληλότερη μέθοδος λόγω της απλότητας και της ευρρωστίας της. Καλλιέργειες, σύννεφα και γλυκά ύδατα μαζί με φυλλοβόλα δάση απέφεραν μία απότομη πτώση των τιμών του NDVI.<br /> <br /> <br /> '''Ένωση δεδομένων και ανάλυση του καθεστώτος της φωτιάς'''<br /> <br /> Αφού εφαρμόστηκε η ημιαυτόματη μέθοδος, τα αποτελέσματα επικυρώθηκαν με την συμβολή του DARP. Στην συνέχεια, οι ουλές που προήλθαν από τις πυρκαγιές ενσωματώθηκαν σε μία βάση δεδομένων GIS προκειμένου να συνυπολογιστούν οι περιβαλλοντικές και χωρικές παράμετροι που αφορούσαν την κάθε φωτιά.<br /> <br /> <br /> <br /> '''Παρακολούθηση της αναγέννησης των φυτών '''<br /> <br /> Προκειμένου να εξεταστεί η μεταβλητότητα των απαντήσεων της βλάστησης στην φωτιά, τα αποτελέσματα χρησιμοποιήθηκαν για να εντοπιστούν τα σημάδια της πυρκαγιάς και να επιλεχθούν από αυτά διάφορες καμένες εκτάσεις για την παρακολούθηση των διαδικασιών ανάπλασής τους. Αυτό είχε ως αποτέλεσμα την παρακολούθηση ποικιλίας φυτών της Μεσογείου τα οποία βρίσκονται σε διάφορες περιοχές της Καταλονίας.<br /> <br /> <br /> <br /> '''Αποτελέσματα '''<br /> <br /> Παρακάτω (Εικόνα 1) εμφανίζεται ο χάρτης με το ιστορικό των πυρκαγιών της Καταλονίας καθώς και η συχνότητά τους. Σύμφωνα με την μέθοδο αυτή το 53,36% των πυρκαγιών είναι ίσο ή και μεγαλύτερο των 30 εκταρίων (175 πυρκαγιές) αισθητά πιο πάνω από το 43,60% των πυρκαγιών που διαπιστώθηκαν με την εφαρμογή άλλης μεθόδου. (143 πυρκαγιές).Ο βαθμός της ανίχνευσης βελτιώθηκε με την αύξηση του μεγέθους των πυρκαγιών.Ορισμένα προκαταρκτικά αποτελέσματα της αναγέννησης των φυτών μετά την πυρκαγιά έδειξε ότι το 80% της συνολικής έκτασης που κάηκε στην Καταλονία, προέρχεται από μικρές πυρκαγιές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Οι δορυφορικές εικόνες έχουν μια σημαντική αξία για τη χαρτογράφηση των καμένων εκτάσεων. Οι γνώσεις σχετικά με τις περιοχές αυτές μπορεί να βοηθήσει την κατανόηση της δομής και της δυναμικής των τοπίων της βλάστησης. Επιπλέον, υπάρχει παγκόσμιο ενδιαφέρον για την παρακολούθηση των καθεστώτων της φωτιάς. Παρά τα τεχνικά προβλήματα που οφείλονται στην ηλικία του, εικόνες από τον MSS αισθητήρα είναι ιδιαίτερα χρήσιμες για το έργο της χαρτογράφησης της πυρκαγιάς.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD. 2011-02-08T17:25:36Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Nickolas M. Short<br /> <br /> <br /> '''Πηγή'''<br /> [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Δορυφορική εικόνα που απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λήφθηκε με την χρήση SIR-C ραντάρ. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Λήφθηκε με χρήση JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Πλημμύρες στο Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik6.jpg| thumb| right| '''ΕΙΚΟΝΑ 6: Αεροφωτογραφία του ποταμού Μισσούρι ο οποίος πλημμύρισε στις 30 Ιουλίου 1993, στην γειτνίαση της Cedar City και Jefferson City Memorial Airport, Βόρεια από την Jefferson City, Missouri, κοιτώντας Νότια. (Τραβηγμένη από τον αυτοκινητόδρομο του Μισσούρι και την Υπηρεσία Μεταφοράς.)''']]<br /> [[Εικόνα: MN5 eik7.jpg| thumb| right| '''ΕΙΚΟΝΑ 7: Πλημμύρα στον ποταμό Μισσούρι.''']]<br /> [[Εικόνα: MN5 eik8.jpg| thumb| right| '''ΕΙΚΟΝΑ 8: Πλημμυρισμένη περιοχή στις πεδιάδες του ποταμού του Μισισιπή. ''']]<br /> [[Εικόνα: MN5 eik9.jpg| thumb| right| '''ΕΙΚΟΝΑ 9: Πλημμύρες στο Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik10.jpg| thumb| right| '''ΕΙΚΟΝΑ 10: Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου.''']]<br /> [[Εικόνα: MN5 eik11.jpg| thumb| right| '''ΕΙΚΟΝΑ 11: RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse.''']]<br /> [[Εικόνα: MN5 eik12.jpg| thumb| right| '''ΕΙΚΟΝΑ 12: Eικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.''']]<br /> [[Εικόνα: MN5 eik13.jpg| thumb| right| '''ΕΙΚΟΝΑ 13: RADARSAT απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη.''']]<br /> [[Εικόνα: MN5 eik14.jpg| thumb| right| '''ΕΙΚΟΝΑ 14: Χάρτης που απεικονίζει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες.''']]<br /> Mapping the extent of flooding.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η χαρτογράφηση χρησιμοποιήθηκε για την πρόβλεψη μεγάλων πλημμυρών στη βόρεια Midwest, την άνοιξη του 1997. Η δορυφορική απεικόνιση έδωσε μια κριτική ματιά στις μεγάλες πλημμύρες του Κόκκινου Ποταμού στη Βόρεια Ντακότα και τη Μανιτόμπα (Καναδάς), και σε άλλες πόλεις κατά μήκος των συνόρων του κράτους με την Μινεσότα.<br /> <br /> <br /> '''Περιγραφή εικόνων '''<br /> <br /> Οι ανοιξιάτικες πλημμύρες είναι συχνό φαινόμενο σε περιοχές της λεκάνης του ποταμού Μισισιπή. Η μεγαλύτερη πλημμύρα που παρατηρήθηκε τα τελευταία 100 χρόνια προέκυψε από το λιώσιμο των πάγων και την βροχή στα τέλη Μαρτίου του 1973. Στην εικόνα 1 Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.<br /> <br /> <br /> 20 χρόνια αργότερα το Midwest πλημμύρισε και πάλι, με πολλά μέρη να καταγράφουν τα υψηλότερα επίπεδα πλημμυρών στην ιστορία τους. Μετά από αρκετούς μήνες με υπερβολικές βροχοπτώσεις οι οποίες είχαν ως αποτέλεσμα να κορεστεί το έδαφος, στα τέλη του Ιουλίου και του Αυγούστου του 1993 η στάθμη του νερού αυξήθηκε σε τέτοιο βαθμό που ξεπέρασε το στάδιο των πλημμυρών. Η δορυφορική απεικόνιση διαδραμάτισε για ακόμη μια φορά ρόλο-κλειδί στο να πάρει μια σειρά από καλές εικόνες της πλημμυρισμένης περιοχής.<br /> <br /> Για άλλη μια φορά εξετάζουμε τις πεδινές περιοχές βορειοδυτικά του Σαιντ Λούις. Πρώτη εικόνα είναι η εικόνα 2 Landsat.<br /> <br /> Η επόμενη εικόνα (εικόνα 3) λήφθηκε με την χρήση SIR-C ραντάρ. (Σημειώστε ότι ο προσανατολισμός έχει δυτικά κοντά στην κορυφή.) Κάτω από αυτήν είναι μια εικόνα τραβηγμένη με JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο, το οποίο προσφέρει αρκετή λεπτομέρεια. (εικόνα 4).<br /> <br /> Οι πλημμύρες του 1993 επηρέασαν πολλά ποτάμια. Στις φωτογραφίες 5, 6, 7, 8, και 9 απεικονίζονται οι πλημμύρες στο St.Louis, Missouri και Alton, Illinois.<br /> <br /> Πλημμύρες μπορεί να παρατηρηθούν οπουδήποτε σε όλες τις ηπείρους εκτός από την Ανταρκτική. Η επόμενη εικόνα (εικόνα 10) είναι ένα Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου. Τα νερά από τις πλημμύρες έχουν εξαπλωθεί σε έκταση μεγαλύτερη από 50 χιλιόμετρα.<br /> <br /> Ακολουθεί μια εικόνα RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse. (Εικόνα 11)<br /> <br /> Σε αυτή την ασυνήθιστη εικόνα (Εικόνα 12), μία εικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.<br /> <br /> Τα Radar αποτελούν και αυτά ιδιαίτερα ισχυρά εργαλεία στην αναγνώριση του μεγέθους των νερών των πλημμυρών, αφού η χαμηλή ανακλαστικότητα από το νερό τα κάνει να φαίνεται σκούρα. Οι πλημμύρες μπορεί να είναι επωφελείς, καθώς και επιζήμιες. Οι παρακάτω εικόνες RADARSAT (Εικόνα 13) απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη. Νερά από τις βροχές των μουσώνων συλλέγονται στη λεκάνη και τροφοδοτείται έτσι η καλλιέργεια ρυζιού που προσφέρει το κύριο επισιτιστικό εφοδιασμό του Βιετνάμ και της Καμπότζης.<br /> <br /> Τέλος απεικονίζεται ένας χάρτης που δείχνει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες. (Εικόνα 14). Η αποτύπωση των χαρτών αυτών γίνεται από NOAA/NESDIS.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Το άρθρο αυτό φιλοδοξεί να μεταδώσει ότι η κύρια χρήση της τηλεπισκόπησης παραμένει η επιτήρηση των καιρικών συστημάτων και των ωκεανών σε τοπικές και παγκόσμιες κλίμακες. Αυτό επιτυγχάνεται λόγω της ευρείας εμφάνισης του νερού στην επιφάνεια της γης (ακόμα μεγαλύτερη από το 70% της επιφάνειας των ωκεανών, αν συμπεριληφθούν και οι πάγοι της Ανταρκτικής που αποθηκεύει πάνω από το 80% του παγκοσμίου γλυκού νερού, αλλά και την Γροιλανδία.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD. 2011-02-08T17:23:56Z

<p>Odaliski26: New page: '''Συγγραφείς''' Nickolas M. Short '''Πηγή''' [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν απ...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Nickolas M. Short<br /> <br /> <br /> '''Πηγή'''<br /> [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Δορυφορική εικόνα που απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λήφθηκε με την χρήση SIR-C ραντάρ. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Λήφθηκε με χρήση JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Πλημμύρες στο Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik6.jpg| thumb| right| '''ΕΙΚΟΝΑ 6: Αεροφωτογραφία του ποταμού Μισσούρι ο οποίος πλημμύρισε στις 30 Ιουλίου 1993, στην γειτνίαση της Cedar City και Jefferson City Memorial Airport, Βόρεια από την Jefferson City, Missouri, κοιτώντας Νότια. (Τραβηγμένη από τον αυτοκινητόδρομο του Μισσούρι και την Υπηρεσία Μεταφοράς.)''']]<br /> [[Εικόνα: MN5 eik7.jpg| thumb| right| '''ΕΙΚΟΝΑ 7: Πλημμύρα στον ποταμό Μισσούρι.''']]<br /> [[Εικόνα: MN5 eik8.jpg| thumb| right| '''ΕΙΚΟΝΑ 8: Πλημμυρισμένη περιοχή στις πεδιάδες του ποταμού του Μισισιπή. ''']]<br /> [[Εικόνα: MN5 eik9.jpg| thumb| right| '''ΕΙΚΟΝΑ 9: Πλημμύρες στο Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik10.jpg| thumb| right| '''ΕΙΚΟΝΑ 10: Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου.''']]<br /> [[Εικόνα: MN5 eik11.jpg| thumb| right| '''ΕΙΚΟΝΑ 11: RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse.''']]<br /> [[Εικόνα: MN5 eik12.jpg| thumb| right| '''ΕΙΚΟΝΑ 12: Eικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.''']]<br /> [[Εικόνα: MN5 eik13.jpg| thumb| right| '''ΕΙΚΟΝΑ 13: RADARSAT απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη.''']]<br /> [[Εικόνα: MN5 eik14.jpg| thumb| right| '''ΕΙΚΟΝΑ 14: Χάρτης που απεικονίζει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες.''']]<br /> Mapping the extent of flooding.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η χαρτογράφηση χρησιμοποιήθηκε για την πρόβλεψη μεγάλων πλημμυρών στη βόρεια Midwest, την άνοιξη του 1997. Η δορυφορική απεικόνιση έδωσε μια κριτική ματιά στις μεγάλες πλημμύρες του Κόκκινου Ποταμού στη Βόρεια Ντακότα και τη Μανιτόμπα (Καναδάς), και σε άλλες πόλεις κατά μήκος των συνόρων του κράτους με την Μινεσότα.<br /> <br /> <br /> '''Περιγραφή εικόνων '''<br /> <br /> Οι ανοιξιάτικες πλημμύρες είναι συχνό φαινόμενο σε περιοχές της λεκάνης του ποταμού Μισισιπή. Η μεγαλύτερη πλημμύρα που παρατηρήθηκε τα τελευταία 100 χρόνια προέκυψε από το λιώσιμο των πάγων και την βροχή στα τέλη Μαρτίου του 1973. Στην εικόνα 1 Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.<br /> <br /> <br /> 20 χρόνια αργότερα το Midwest πλημμύρισε και πάλι, με πολλά μέρη να καταγράφουν τα υψηλότερα επίπεδα πλημμυρών στην ιστορία τους. Μετά από αρκετούς μήνες με υπερβολικές βροχοπτώσεις οι οποίες είχαν ως αποτέλεσμα να κορεστεί το έδαφος, στα τέλη του Ιουλίου και του Αυγούστου του 1993 η στάθμη του νερού αυξήθηκε σε τέτοιο βαθμό που ξεπέρασε το στάδιο των πλημμυρών. Η δορυφορική απεικόνιση διαδραμάτισε για ακόμη μια φορά ρόλο-κλειδί στο να πάρει μια σειρά από καλές εικόνες της πλημμυρισμένης περιοχής.<br /> <br /> Για άλλη μια φορά εξετάζουμε τις πεδινές περιοχές βορειοδυτικά του Σαιντ Λούις. Πρώτη εικόνα είναι η εικόνα 2 Landsat.<br /> <br /> Η επόμενη εικόνα (εικόνα 3) λήφθηκε με την χρήση SIR-C ραντάρ. (Σημειώστε ότι ο προσανατολισμός έχει δυτικά κοντά στην κορυφή.) Κάτω από αυτήν είναι μια εικόνα τραβηγμένη με JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο, το οποίο προσφέρει αρκετή λεπτομέρεια. (εικόνα 4).<br /> <br /> Οι πλημμύρες του 1993 επηρέασαν πολλά ποτάμια. Στις φωτογραφίες 5, 6, 7, 8, και 9 απεικονίζονται οι πλημμύρες στο St.Louis, Missouri και Alton, Illinois.<br /> <br /> Πλημμύρες μπορεί να παρατηρηθούν οπουδήποτε σε όλες τις ηπείρους εκτός από την Ανταρκτική. Η επόμενη εικόνα (εικόνα 10) είναι ένα Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου. Τα νερά από τις πλημμύρες έχουν εξαπλωθεί σε έκταση μεγαλύτερη από 50 χιλιόμετρα.<br /> <br /> Ακολουθεί μια εικόνα RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse. (Εικόνα 11)<br /> <br /> Σε αυτή την ασυνήθιστη εικόνα (Εικόνα 12), μία εικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.<br /> <br /> Τα Radar αποτελούν και αυτά ιδιαίτερα ισχυρά εργαλεία στην αναγνώριση του μεγέθους των νερών των πλημμυρών, αφού η χαμηλή ανακλαστικότητα από το νερό τα κάνει να φαίνεται σκούρα. Οι πλημμύρες μπορεί να είναι επωφελείς, καθώς και επιζήμιες. Οι παρακάτω εικόνες RADARSAT (Εικόνα 13) απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη. Νερά από τις βροχές των μουσώνων συλλέγονται στη λεκάνη και τροφοδοτείται έτσι η καλλιέργεια ρυζιού που προσφέρει το κύριο επισιτιστικό εφοδιασμό του Βιετνάμ και της Καμπότζης.<br /> <br /> Τέλος απεικονίζεται ένας χάρτης που δείχνει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες. (Εικόνα 14). Η αποτύπωση των χαρτών αυτών γίνεται από NOAA/NESDIS.<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Το άρθρο αυτό φιλοδοξεί να μεταδώσει ότι η κύρια χρήση της τηλεπισκόπησης παραμένει η επιτήρηση των καιρικών συστημάτων και των ωκεανών σε τοπικές και παγκόσμιες κλίμακες. Αυτό επιτυγχάνεται λόγω της ευρείας εμφάνισης του νερού στην επιφάνεια της γης (ακόμα μεγαλύτερη από το 70% της επιφάνειας των ωκεανών, αν συμπεριληφθούν και οι πάγοι της Ανταρκτικής που αποθηκεύει πάνω από το 80% του παγκοσμίου γλυκού νερού, αλλά και την Γροιλανδία.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9D%CE%AC%CE%BD%CE%BF%CF%85_%CE%9C%CE%AC%CF%81%CE%B8%CE%B1 2011-02-08T17:05:34Z

<p>Odaliski26: </p> <hr /> <div>* [[Μια ολοκληρωμένη προσέγγιση για την εντατικοποίηση των καλλιεργειών πατάτας με την χρήση των τηλεπισκοπικών δεδομένων.]]<br /> <br /> * [[Γεωγραφικό μοντέλο για τον ακριβή έλεγχο της γεωργίας σε πραγματικό χρόνο τηλεανίχνευσης.]]<br /> <br /> * [[Μεθοδολογία χαρτογράφησης της χρήσης γης, με την χρήση της τηλεπισκόπησης για οδηγίες περιφερειακού σχεδιασμού στην Segovia, Ισπανία.]]<br /> <br /> * [[Εκτίμηση του δείκτη φυλλικής επιφάνειας με την χρήση της τεχνικής τηλεπισκόπησης στο Εθνικό Πάρκο: Khao Phra Wihan.]]<br /> <br /> * [[Χαρτογράφηση της έκτασης των πλημμυρών.]]<br /> <br /> * [[Ποσοτικοποίηση φωτός στην αλιεία του Dosidicus gigas στον Ανατολικό Ειρηνικό Ωκεανό με την χρήση της τηλεπισκόπησης.]]<br /> <br /> * [[Η τηλεπισκόπηση ως εργαλείο για την βιομάζα των δασών.]]<br /> <br /> * [[Τηλεπισκόπηση των δασικών πυρκαγιών.]]<br /> <br /> * [[Τηλεπισκόπηση στους πάγους της θάλασσας.]]<br /> <br /> * [[Τεχνικές τηλεπισκόπησης που εφαρμόζονται για την μελέτη των κατολισθήσεων.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%AD%CE%BA%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CF%8E%CE%BD 2011-02-08T17:03:49Z

<p>Odaliski26: New page: '''Συγγραφείς''' Nickolas M. Short [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν από τις πλη...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Nickolas M. Short<br /> <br /> [[Εικόνα: MN5 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.''']]<br /> [[Εικόνα: MN5 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Δορυφορική εικόνα που απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λήφθηκε με την χρήση SIR-C ραντάρ. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']]<br /> [[Εικόνα: MN5 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Λήφθηκε με χρήση JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο. Απεικονίζει τις πλημμύρες στην περιοχή του Σαιντ Λούις.''']][[Εικόνα: MN5 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Πλημμύρες στο Σαιντ Λούις.''']][[Εικόνα: MN5 eik6.jpg| thumb| right| '''ΕΙΚΟΝΑ 6: Αεροφωτογραφία του ποταμού Μισσούρι ο οποίος πλημμύρισε στις 30 Ιουλίου 1993, στην γειτνίαση της Cedar City και Jefferson City Memorial Airport, Βόρεια από την Jefferson City, Missouri, κοιτώντας Νότια. (Τραβηγμένη από τον αυτοκινητόδρομο του Μισσούρι και την Υπηρεσία Μεταφοράς.)''']][[Εικόνα: MN5 eik7.jpg| thumb| right| '''ΕΙΚΟΝΑ 7: Πλημμύρα στον ποταμό Μισσούρι.''']][[Εικόνα: MN5 eik8.jpg| thumb| right| '''ΕΙΚΟΝΑ 8: Πλημμυρισμένη περιοχή στις πεδιάδες του ποταμού του Μισισιπή. ''']][[Εικόνα: MN5 eik9.jpg| thumb| right| '''ΕΙΚΟΝΑ 9: Πλημμύρες στο Ιλλινόις.''']][[Εικόνα: MN5 eik10.jpg| thumb| right| '''ΕΙΚΟΝΑ 10: Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου.''']][[Εικόνα: MN5 eik11.jpg| thumb| right| '''ΕΙΚΟΝΑ 11: RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse.''']][[Εικόνα: MN5 eik12.jpg| thumb| right| '''ΕΙΚΟΝΑ 12: Eικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.''']][[Εικόνα: MN5 eik13.jpg| thumb| right| '''ΕΙΚΟΝΑ 13: RADARSAT απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη.''']][[Εικόνα: MN5 eik14.jpg| thumb| right| '''ΕΙΚΟΝΑ 14: Χάρτης που απεικονίζει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες.''']]<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Mapping the extent of flooding.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η χαρτογράφηση χρησιμοποιήθηκε για την πρόβλεψη μεγάλων πλημμυρών στη βόρεια Midwest, την άνοιξη του 1997. Η δορυφορική απεικόνιση έδωσε μια κριτική ματιά στις μεγάλες πλημμύρες του Κόκκινου Ποταμού στη Βόρεια Ντακότα και τη Μανιτόμπα (Καναδάς), και σε άλλες πόλεις κατά μήκος των συνόρων του κράτους με την Μινεσότα.<br /> <br /> <br /> <br /> '''Περιγραφή εικόνων'''<br /> <br /> Οι ανοιξιάτικες πλημμύρες είναι συχνό φαινόμενο σε περιοχές της λεκάνης του ποταμού Μισισιπή. Η μεγαλύτερη πλημμύρα που παρατηρήθηκε τα τελευταία 100 χρόνια προέκυψε από το λιώσιμο των πάγων και την βροχή στα τέλη Μαρτίου του 1973. Στην εικόνα 1 Landsat-1 (με παλαιότερη άποψη πριν από τις πλημμύρες), συνέλαβε την έκταση των πλημμυρών μία ημέρα χωρίς σύννεφα, δείχνοντας St. Louis, Missouri, και τις πεδιάδες των πλημμυρών των ποταμών του Μισισιπή, Missouri και Ιλλινόις.<br /> <br /> 20 χρόνια αργότερα το Midwest πλημμύρισε και πάλι, με πολλά μέρη να καταγράφουν τα υψηλότερα επίπεδα πλημμυρών στην ιστορία τους. Μετά από αρκετούς μήνες με υπερβολικές βροχοπτώσεις οι οποίες είχαν ως αποτέλεσμα να κορεστεί το έδαφος, στα τέλη του Ιουλίου και του Αυγούστου του 1993 η στάθμη του νερού αυξήθηκε σε τέτοιο βαθμό που ξεπέρασε το στάδιο των πλημμυρών. Η δορυφορική απεικόνιση διαδραμάτισε για ακόμη μια φορά ρόλο-κλειδί στο να πάρει μια σειρά από καλές εικόνες της πλημμυρισμένης περιοχής.<br /> <br /> Για άλλη μια φορά εξετάζουμε τις πεδινές περιοχές βορειοδυτικά του Σαιντ Λούις. Πρώτη εικόνα είναι η εικόνα 2 Landsat.<br /> <br /> Η επόμενη εικόνα (εικόνα 3) λήφθηκε με την χρήση SIR-C ραντάρ. (Σημειώστε ότι ο προσανατολισμός έχει δυτικά κοντά στην κορυφή.) Κάτω από αυτήν είναι μια εικόνα τραβηγμένη με JERS-1 ραντάρ και ένα SPOT 3-band σύνθετο, το οποίο προσφέρει αρκετή λεπτομέρεια. (εικόνα 4).<br /> <br /> Οι πλημμύρες του 1993 επηρέασαν πολλά ποτάμια. Στις φωτογραφίες 5, 6, 7, 8, και 9 απεικονίζονται οι πλημμύρες στο St.Louis, Missouri και Alton, Illinois.<br /> <br /> Πλημμύρες μπορεί να παρατηρηθούν οπουδήποτε σε όλες τις ηπείρους εκτός από την Ανταρκτική. Η επόμενη εικόνα (εικόνα 10) είναι ένα Landsat-1 subscene (6 Φεβ 1974) του Barcoo ποταμού στο Queensland / Νότια Αυστραλία, πλημμυρισμένη από βροχές κατά την διάρκεια του Φθινοπώρου. Τα νερά από τις πλημμύρες έχουν εξαπλωθεί σε έκταση μεγαλύτερη από 50 χιλιόμετρα.<br /> <br /> Ακολουθεί μια εικόνα RADARSAT που απεικονίζει τις πλημμύρες κατά μήκος του ποταμού Yangtse. (Εικόνα 11)<br /> <br /> Στην επόμενη ασυνήθιστη εικόνα (Εικόνα 12), μία εικόνα τραβηγμένη από ένα ERS-1 ραντάρ ενώνεται με μία εικόνα τραβηγμένη από ένα ERS-2 ραντάρ. Το μπλε και το κόκκινο απεικονίζουν τα νερά των πλημμυρών.<br /> <br /> Τα Radar αποτελούν και αυτά ιδιαίτερα ισχυρά εργαλεία στην αναγνώριση του μεγέθους των νερών των πλημμυρών, αφού η χαμηλή ανακλαστικότητα από το νερό τα κάνει να φαίνεται σκούρα. Οι πλημμύρες μπορεί να είναι επωφελείς, καθώς και επιζήμιες. Οι παρακάτω εικόνες RADARSAT (Εικόνα 13) απεικονίζουν την ετήσια πλημμύρα στη λεκάνη του ποταμού Μεκόνγκ στην Καμπότζη. Νερά από τις βροχές των μουσώνων συλλέγονται στη λεκάνη και τροφοδοτείται έτσι η καλλιέργεια ρυζιού που προσφέρει το κύριο επισιτιστικό εφοδιασμό του Βιετνάμ και της Καμπότζης.<br /> <br /> Τέλος απεικονίζεται ένας χάρτης που δείχνει περιοχές με υψηλή υγρασία εδάφους, μια κατάσταση που μαρτυρά κορεσμό του νερού από προηγούμενες έντονες βροχοπτώσεις ή πλημμύρες. (Εικόνα 14). Η αποτύπωση των χαρτών αυτών γίνεται από NOAA/NESDIS.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Το άρθρο αυτό φιλοδοξεί να μεταδώσει ότι η κύρια χρήση της τηλεπισκόπησης παραμένει η επιτήρηση των καιρικών συστημάτων και των ωκεανών σε τοπικές και παγκόσμιες κλίμακες. Αυτό επιτυγχάνεται λόγω της ευρείας εμφάνισης του νερού στην επιφάνεια της γης (ακόμα μεγαλύτερη από το 70% της επιφάνειας των ωκεανών, αν συμπεριληφθούν και οι πάγοι της Ανταρκτικής που αποθηκεύει πάνω από το 80% του παγκοσμίου γλυκού νερού, αλλά και την Γροιλανδία.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%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%80%CE%BF%CF%85_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CF%8C%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CE%B9_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CF%89%CE%BD_%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. 2011-01-20T21:35:51Z

<p>Odaliski26: New page: '''Συγγραφείς''' Eileen M. Brennan '''Πηγή''' Remote sensing techniques applied to landslide studies. Οι μελέτες για τις κατολισθήσεις μπ...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Eileen M. Brennan<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing techniques applied to landslide studies.<br /> <br /> <br /> Οι μελέτες για τις κατολισθήσεις μπορούν να οργανωθούν σε 3 φάσεις:<br /> <br /> 1. Εντοπισμός και ταξινόμηση των κατολισθήσεων.<br /> <br /> 2. Δραστηριότητα παρακολούθησης των υφιστάμενων κατολισθήσεων.<br /> <br /> 3. Ανάλυση και πρόβλεψη των αποτυχιών της κλίσης στον χώρο (χωρική κατανομή) και στον χρόνο (χρονική κατανομή).<br /> <br /> Οι τεχνικές τηλεπισκόπησης μπορούν να χρησιμοποιηθούν και συχνά χρησιμοποιούνται και στα 3 στάδια μελέτης των κατολισθήσεων.<br /> <br /> <br /> Παραδείγματα μερικών εργαλείων τηλεπισκόπησης:<br /> [[Εικόνα: MN10 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Αυτή η εικόνα είναι ένα παράδειγμα του γιατί είναι τόσο σημαντικό να προσπαθήσουμε να προβλέψουμε γεγονότα κατολισθήσεων και τις αποτυχίες της κλίσης. Είναι μια εικόνα μιας ροής από συντρίμμια στο Rudd Canyon στο Farmington, Utah, την άνοιξη του 1983. (Φωτογραφία: S. Ellen, USGS).''']]<br /> [[Εικόνα: MN10 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης επικινδυνότητας ενός μέρους της περιφέρειας του Κόλπου του Σαν Φρανσίσκο.''']]<br /> [[Εικόνα: MN10 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Χάρτης επικινδυνότητας κατολίσθησης στις Ηνωμένες Πολιτείες.''']]<br /> [[Εικόνα: MN10 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Χάρτης κατολισθήσεων των Ηνωμένων Πολιτειών.''']]<br /> • Αεροφωτογραφία<br /> <br /> • Δορυφορικές εικόνες και ραντάρ<br /> <br /> • Παγκόσμιο σύστημα εντοπισμού στίγματος (GPS)<br /> <br /> • Μοντέλα προσομοίωσης και βάσεις δεδομένων<br /> <br /> • Παρεμβαλλομετρία<br /> <br /> • Στερεοφωτογραμμετρία<br /> <br /> • Ψηφιακή φωτογραμμετρία<br /> <br /> <br /> '''1ο Στάδιο: Ανίχνευση και ταξινόμηση κατολισθήσεων.'''<br /> <br /> Για τη μελέτη των κατολισθήσεων, θα πρέπει να είναι κάποιος σε θέση να δεί το μέγεθος και την αντίθεση των χαρακτηριστικών κατολισθήσεων και τη μορφολογική έκφραση της τοπογραφίας εντός και γύρω από την κατολίσθηση. Παράμετροι που μπορεί να είναι σημαντικοί για τον καθορισμό είναι το είδος της μετακίνησης που επήλθε, ο βαθμός της σημερινής δραστηριότητας της κατολίσθησης, καθώς και το βάθος στο οποίο έχει συμβεί η κίνηση. <br /> <br /> Τα πιο συνηθισμένα εργαλεία τηλεπισκόπησης που χρησιμοποιούνται για την ανίχνευση και ταξινόμηση των κατολισθήσεων είναι οι αεροφωτογραφίες. Η αεροφωτογραφία έχει γίνει πρότυπο εργαλείο το οποίο βοηθά στη μελέτη των κατολισθήσεων. <br /> <br /> Άλλοι τύποι τεχνικών τηλεπισκόπησης που χρησιμοποιούνται για την ανίχνευση και την ταξινόμηση είναι: <br /> <br /> Στερεοσκοπικές εικόνες<br /> <br /> Δορυφορικές εικόνες <br /> <br /> Ραντάρ <br /> <br /> <br /> '''Δεύτερο Στάδιο: Έλεγχος Κίνησης της κατολίσθησης'''<br /> <br /> Το δεύτερο στάδιο σε μια μελέτη κατολίσθησης παρακολουθεί τυπικά την μετακίνηση των κατολισθητικών φαινομένων. Αυτό συνεπάγεται τη σύγκριση των συνθηκών κατολισθήσεων στην πάροδο του χρόνου, την ταχύτητα της κίνησης, και την αλλαγή στην τοπογραφία της επιφάνειας. Υπάρχουν διάφορες τεχνικές τηλεπισκόπισης που χρησιμοποιούνται συνήθως σε αυτό το στάδιο της μελέτης της κατολίσθησης όπως είναι οι παρακάτω:<br /> <br /> Παγκόσμιο Σύστημα Εντοπισμού Θέσης (GPS) <br /> <br /> Δορυφορικές εικόνες <br /> <br /> Ραντάρ<br /> <br /> Στερεοφωτογραμμετρία<br /> <br /> <br /> '''Στάδιο 3: Ανάλυση και Πρόβλεψη Αστοχίας πρανών'''<br /> <br /> Ανάλυση κινδύνου κατολίσθησης<br /> <br /> <br /> '''Κίνδυνος '''<br /> <br /> Η πιθανότητα εμφάνισης ενός δυνητικού φαινομένου εντός συγκεκριμένης χρονικής περιόδου και σε μια δεδομένη περιοχή (Varnes, 1984).<br /> <br /> <br /> '''Διαχωρισμός σε ζώνες'''<br /> <br /> Η διαίρεση της γης σε ομοιογενείς περιοχές ή τομείς και η κατάταξή τους ανάλογα με τον βαθμό του πραγματικού/δυνητικού κινδύνου που προκαλείται από μαζικές μετακινήσεις (Varnes, 1984). <br /> <br /> Ο κίνδυνος κατολισθήσεως συνήθως απεικονίζεται σε χάρτες που δείχνουν τη χωροταξική κατανομή των τάξεων κινδύνου, ή &quot;των ζωνών του κίνδύνου κατολίσθησης.&quot; Η ανάπτυξη αυτών των ζωνών απαιτεί γνώση των διαδικασιών που δραστηριοποιούνται στην περιοχή στο στάδιο της ανάλυσης, καθώς και παράγοντες (γεωλογικούς και ενεργοποίησης) με αποτέλεσμα την εμφάνιση κατολισθήσεων. <br /> <br /> <br /> '''Συμπεράσματα '''<br /> <br /> Οι τεχνικές τηλεπισκόπησης έχουν σε μεγάλο βαθμό ενισχύσει τις έρευνες των κατολισθήσεων, τόσο σε τοπικό όσο και περιφερειακό επίπεδο. Αν και δεν αντικαθιστούν την επιτόπια εργασία, διεπιστημονικών ερευνητικών στρατηγικών, καθώς και τον έλεγχο της αξιοπιστίας των μοντέλων πρόβλεψης κατολισθήσεων, οι τεχνικές τηλεπισκόπησης παρέχουν ένα πρόσθετο εργαλείο από το οποίο μπορούμε να εξάγουμε πληροφορίες σχετικά με τις αιτίες των καθιζήσεων και τα γεγονότα. Το σημαντικότερο ήταν ότι βοήθησαν σε μεγάλο βαθμό στην πρόβλεψη των μελλοντικών περιστατικών κατολίσθησης, η οποία είναι πολύ σημαντική για εκείνους που κατοικούν σε περιοχές που περιβάλλονται από ασταθή πρανή.</div>

Odaliski26 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_%CF%83%CF%84%CE%BF%CF%85%CF%82_%CF%80%CE%AC%CE%B3%CE%BF%CF%85%CF%82_%CF%84%CE%B7%CF%82_%CE%B8%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82. 2011-01-20T21:09:41Z

<p>Odaliski26: New page: '''Συγγραφείς''' Siri-Jodha Khalsa '''Πηγή''' Remote sensing of sea ice. Οι δορυφόροι μπορούν να μετρήσουν εύκολα τον θαλάσσ...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Siri-Jodha Khalsa<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of sea ice.<br /> <br /> <br /> Οι δορυφόροι μπορούν να μετρήσουν εύκολα τον θαλάσσιο πάγο στις περιοχές του ορατού, υπέρυθρου, και μικροκυμάτων του ηλεκτρομαγνητικού φάσματος. Ωστόσο, υπάρχουν πλεονεκτήματα και μειονεκτήματα σε κάθε τύπο ακτινοβολιας. Καμία από τις παραπάνω φασματικές περιοχές δεν επιτρέπει στους επιστήμονες στη βέλτιστη προβολή θαλάσσιου πάγου σε όλες τις συνθήκες.<br /> <br /> <br /> '''Η περιοχή του ορατού'''[[Εικόνα: MN9 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Δορυφορική άποψη της διάλυσης του θαλάσσιου πάγου στη Θάλασσα Beaufort στις ακτές της Αλάσκας, 15 Απριλίου 2004. Το άνω ήμισυ της εικόνας με πολλές σκοτεινές γραμμές είναι ο πάγος στη θάλασσα, και το στερεό λευκό αντικείμενο είναι η ακτή της Αλάσκας, με περιθώριο της ταχείας πάγου. ''']]<br /> [[Εικόνα: MN9 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης θερμοκρασίας της επιφάνειας του πάγου του James Bay Καναδάς, 24 Φεβρουαρίου 2000.''']]<br /> [[Εικόνα: MN9 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Συγκέντρωση του πάγου της θάλασσας της Ανταρκτικής, που κυμαίνονται από 0 τοις εκατό (μωβ) έως 100 τοις εκατό (λευκού χρώματος) στις 07 Αυγούστου 2004. Η Ανταρκτική εμφανίζεται με γκρι χρώμα, και η αποδέσμευση των ωκεανών παρουσιάζεται σε σκούρο μπλε.''']]<br /> [[Εικόνα: MN9 eik4.jpg| thumb| right| '''ΕΙΚΟΝΑ 4: Scatterometer εικόνα της Ανταρκτικής, 19 Ιουλίου 2003, από τον QuikSCAT δορυφόρο. Αυτή η σύνθετη εικόνα είναι επικεντρωμένη πάνω από το Νότιο Πόλο. Η Ανταρκτική ξεχωρίζει με λευκό περίγραμμα. ''']]<br /> [[Εικόνα: MN9 eik5.jpg| thumb| right| '''ΕΙΚΟΝΑ 5: Εικόνα ραντάρ του θαλάσσιου πάγου στη Θάλασσα Μποφόρ, βόρεια της Αλάσκας, όπως καταγράφτηκε από RADARSAT.''']]<br /> Το φως που ανιχνεύουν τα μάτια μας είναι ορατή ηλιακή ακτινοβολία που αντανακλάται από τα αντικείμενα γύρω μας. &quot;Λευκότερα&quot; αντικείμενα (εκείνα με υψηλό albedo) αντανακλούν περισσότερη ακτινοβολία από ότι «πιο σκοτεινά» αντικείμενα. Ο θαλάσσιος πάγος έχει μεγαλύτερη ανακλαστικότητα από τον περιβάλλοντα ωκεανό, ιδιότητα η οποία τον καθιστά εύκολο στο να ανιχνευθεί από ορατά όργανα τηλεπισκόπησης. Περιορισμοί οι οποίοι ενδεχομένως να παρουσιαστούν είναι οι ακόλουθοι:<br /> <br /> 1) Δεδομένου ότι οι αισθητήρες αυτοί αντανακλούν ακτινοβολία από τον ήλιο, τα ορατά δεδομένα μπορούν να συλλέγονται μόνον κατά τη διάρκεια της ημέρας. Η αδυναμία να μετρήσουν τη νύχτα είναι ένα πρόβλημα για τη μέτρηση των θαλάσσιων πάγων, η οποία υφίσταται κυρίως στις πολικές περιοχές, όπου κυριαρχεί το σκοτάδι.<br /> <br /> 2) Επειδή τα σύννεφα αντανακλούν επίσης ορατή ακτινοβολία, ένας συννεφιασμένος ουρανός αποτρέπει τους δορυφόρους από το να βλέπουν το ορατό φως που αντανακλάται από τον θαλάσσιο πάγο. Δυστυχώς, οι πολικές περιοχές που καλύπτονται από πάγο τείνουν να είναι συννεφιασμένες, με τα σύννεφα να επισκιάζουν τους θαλάσσιους πάγους σε ποσοστό που κυμαίνεται από 70 μέχρι 90%. <br /> <br /> Οι παρακάτω δορυφόροι και οι αισθητήρες είναι μια επιλογή μεταξύ αυτών που παρατηρούν την ορατή ακτινοβολία. Κάποιοι από αυτούς χρησιμοποιούνται συχνά για τον εντοπισμό και τον προσδιορισμό της θέσης του θαλάσσιου πάγου: NOAA, MODIS, DMSP.<br /> <br /> <br /> '''Υπέρυθρο'''<br /> <br /> Δορυφορικοί αισθητήρες οι οποίοι μετρούν την υπέρυθρη ακτινοβολία συνάγουν το ποσό της θερμότητας που εκπέμπεται από ένα αντικείμενο στην επιφάνεια της Γης. Αντικείμενα με μέση θερμοκρασία της Γης (περίπου -50 έως 50 βαθμούς Κελσίου, ή -58 έως 122 βαθμούς Φαρενάιτ) εκπέμπουν μεγαλύτερο μέρος της ενέργειάς τους στην υπέρυθρη περιοχή.<br /> <br /> Οι υπέρυθροι αισθητήρες μπορούν να ανιχνεύσουν εύκολα θαλάσσιο πάγο, επειδή η θερμοκρασία είναι γενικά πολύ πιο ψυχρή από τον περιβάλλοντα ωκεανό. Μία τυπική θερμοκρασία του θαλάσσιου πάγου κατά την διάρκεια του χειμώνα είναι: -20 έως -40 βαθμούς Κελσίου (-4 έως -40 βαθμούς Φαρενάιτ, ενώ η θερμοκρασία περιβάλλοντος των ωκεανών είναι πάνω από το σημείο πήξης. Περιορισμοί στη μέτρηση της υπέρυθρης ακτινοβολίας από το διάστημα περιλαμβάνουν τα ακόλουθα: <br /> <br /> 1)Επειδή τα σύννεφα επίσης εκπέμπουν και αντανακλούν την υπέρυθρη ακτινοβολία, αποτρέπουν τους δορυφόρους από το να ανιχνεύουν υπέρυθρη ακτινοβολία από τον θαλάσσιο πάγο. <br /> <br /> 2)Οι θαλάσσιοι πάγοι λιώνουν κατά την διάρκεια του καλοκαιριού, καθώς η θερμοκρασία της επιφάνειας της θάλασσας αυξάνεται μέχρι το σημείο πήξης. Το λιώσιμο των πάγων στη θάλασσα είναι δύσκολο να διακριθεί από γειτονικούς ωκεανούς που βρίσκονται επίσης κοντά στο σημείο πήξης. <br /> <br /> Οι αισθητήρες που χρησιμοποιούνται για την παρατήρηση της υπέρυθρης ακτινοβολίας είναι και πάλι οι: NOAA, MODIS, DMSP.<br /> <br /> <br /> '''Παθητική μικροκυματική'''<br /> <br /> Τα αντικείμενα στην επιφάνεια της Γης δεν εκπέμπουν μόνο στην υπέρυθρη ακτινοβολία. Εκπέμπουν επίσης και σε μικροκύματα με σχετικά χαμηλά επίπεδα ενέργειας. Όταν ένας αισθητήρας ανιχνεύει την ακτινοβολία μικροκυμάτων που εκπέμπεται από τη Γη, τότε η εκπεμπόμενη ακτινοβολία ονομάζεται παθητική μικροκυμάτων. Τα σύννεφα δεν εκπέμπουν πολύ ακτινοβολία μικροκυμάτων, σε σύγκριση με το θαλάσσιο πάγο. Έτσι, τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και να χρησιμοποιηθούν για την ανίχνευση των θαλάσσιων πάγων κατά τη διάρκεια της ημέρας και της νύχτας, ανεξάρτητα από την κάλυψη νεφών.<br /> <br /> Οι φυσικές ιδιότητες του αντικειμένου, όπως είναι η σύνθεση του ατόμου και η κρυσταλλική δομή, είναι αυτές που καθορίζουν το ποσό της ακτινοβολίας μικροκυμάτων που εκπέμπει. Η κρυσταλλική δομή του πάγου εκπέμπει συνήθως περισσότερη ενέργεια μικροκυμάτων από αυτή που εκπέμπει το υγρό νερό στον ωκεανό. Έτσι, οι αισθητήρες που ανιχνεύουν παθητική μικροκυματική ακτινοβολία μπορούν να διακρίνουν εύκολα τον θαλάσσιο πάγο από τον ωκεανό.<br /> <br /> Ένα σημαντικό μειονέκτημα στην μέτρηση της παθητικής μικροκυματικής ακτινοβολίας είναι ότι το ενεργειακό επίπεδο είναι αρκετά χαμηλό. Ως αποτέλεσμα, η ακτινοβολία πρέπει να συλλέγεται κατά μήκος μιας ευρύτερης περιοχής. Αυτό έχει σαν αποτέλεσμα να μην μπορούν να διακριθούν λεπτομέρειες του θαλάσσιου πάγου.<br /> <br /> Λόγω της ικανότητάς τους να εντοπίζουν θαλάσσιο πάγο μέσα από σύννεφα κατά τη διάρκεια της ημέρας και της νύχτας, οι αισθητήρες αυτοί παρέχουν σχεδόν πλήρη εικόνα όλων των περιοχών θάλασσας που καλύπτονται από τον πάγο κάθε μέρα. Οι αισθητήρες αυτοί έχουν δώσει μια πιο ολοκληρωμένη, μακροπρόθεσμη παρατηρήση του θαλάσσιου πάγου, που επιτρέπει στους επιστήμονες την ανίχνευση αξιοσημείωτων μεταβολών του θαλάσσιου πάγου της Αρκτικής.<br /> <br /> <br /> '''Ενεργός μικροκυμάτων'''<br /> <br /> Οι αισθητήρες-δορυφόροι μπορούν επίσης να εκπέμψουν μικροκύματα ενεργά προς την επιφάνεια της Γης. Αυτά τα μικροκύματα ανακλώνται στην επιφάνεια και επιστρέφουν στους αισθητήρες. Αυτό το είδος της τηλεπισκόπησης ονομάζεται ενεργός μικροκυμάτων, ή ραντάρ. Η ίδια τεχνολογία χρησιμοποιείται για να εντοπίζει αεροσκάφη, πλοία, καθώς και την επιτάχυνση των αυτοκινήτων. Όπως και με την παθητική ενέργεια μικροκυμάτων, οι φυσικές ιδιότητες των αντικειμένων στην επιφάνεια της Γης καθορίζουν το ύψος και τα χαρακτηριστικά της ακτινοβολίας των μικροκυμάτων που επιστρέφουν πάλι στον αισθητήρα. Τρεις τύποι τέτοιων αισθητήρων χρησιμοποιούνται για την ανίχνευση του θαλάσσιου πάγου: Τα ραντάρ απεικόνησης, τα ραντάρ μη απεικόνησης, και τα altimeters.<br /> <br /> <br /> '''Ραντάρ απεικόνησης'''<br /> <br /> Είναι παρόμοια με μια φωτογραφία που λαμβάνεται από μια φωτογραφική μηχανή, αλλά η εικόνα των κυμάτων ραντάρ, δεν είναι ορατή στο φως. Σε αυτή την κατηγορία ανήκουν οι αισθητήρες SAR.<br /> <br /> <br /> '''Ραντάρ μη απεικόνησης'''<br /> <br /> Αυτός ο τύπος αισθητήρα, που ονομάζεται επίσης διασπορόμετρο, μετρά την ποσότητα της ενέργειας που αντικατοπτρίζεται, από την επιφάνεια της Γης. Δεν μπορούν να αποκτήσουν την ίδια λεπτομέρεια, όπως ο αισθητήρας SAR, αλλά παρέχει πλήρη, ημερήσια στοιχεία για τον θαλάσσιο πάγο κατά την διάρκεια μέρας και νύχτας, μέσα από τα σύννεφα.<br /> <br /> <br /> '''Altimeter'''<br /> <br /> Ένας άλλος τύπος υψόμετρου, που ονομάζεται υψόμετρο λέιζερ και στέλνει παλμούς του ορατού φωτός προς τη Γη.</div>

Odaliski26 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_%CF%84%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2011-01-20T20:43:08Z

<p>Odaliski26: New page: '''Συγγραφείς''' Raimon Salvador, Ricardo Dnaz- Delgado, Jordi Valeriano and Xavier Pons '''Πηγή''' Remote sensing of forest fires. '''Σκοπός ''' Η Τηλεπι...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Raimon Salvador, Ricardo Dnaz- Delgado, Jordi Valeriano and Xavier Pons<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of forest fires.<br /> <br /> <br /> '''Σκοπός '''<br /> <br /> Η Τηλεπισκόπηση ως εργαλείο για την παρακολούθηση των δασικών πυρκαγιών , την μελέτη της πυρκαγιάς και των συνέπειών της στις κοινωνίες των φυτών καθώς και η ένταξη των αποτελεσμάτων σε ένα πρόγραμμα Gis.<br /> <br /> Μία ημιαυτόματη μέθοδος για την παρακολούθηση των δασικών πυρκαγιών, κατά την διάρκεια μεγάλων περιόδων, με μέσα τις εικόνες της τηλεπισκόπησης έχει αναπτυχθεί τα τελευταία χρόνια. Εφαρμόστηκε κατά την περίοδο 1975-1993 και τα αποτελέσματα έχουν δωθεί σε έναν χάρτη με το ιστορικό των πυρκαγιών της Καταλονίας (Βορειοανατολικά της Ισπανίας). Οι χάρτες αυτοί έχουν μετατραπεί το τελευταίο διάστημα σε διανυσματικά επίπεδα, και όλα τα αποτελέσματα έχουν ενσωματωθεί σε προγράμματα Gis.<br /> <br /> Οι δορυφόροι παρατήρησης της Γης που ισχύουν σήμερα για την ανίχνευση των περιοχών που έχουν καεί, με την βοήθεια των εικόνων του δείκτη βλάστησης (NDVI), βασίστηκαν σε έναν συγκεκριμένο συνδυασμό των ζωνών στο κόκκινο και στο εγγύς υπέρυθρο το οποίο αντικατοπτρίζει το ποσό της πράσινης βλάστησης.Η χρονική σειρά των εικόνων έχει χρησιμοποιηθεί για την παρακολούθηση της διαδικασίας της αναγέννησης η οποία πραγματοποιείται από τις κοινωνίες των φυτών ύστερα από μία πυρκαγιά. Στην συνέχεια γίνεται σύγκριση του ρυθμού αναγέννησης μεταξύ των φυτών και αναλύονται και οι χωρικές κατανομές των μεγεθών της πυρκαγιάς.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> [[Εικόνα: MN8 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης των καμένων δασικών περιοχών και η συχνότητα των πυρκαγιών στην Καταλονία, κατά την περίοδο 1975-1993. Μέθοδος των ανώτατων και κατώτατων ορίων.''']]<br /> [[Εικόνα: MN8 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Γραφικά τα οποία δείχνουν τα ποσοστά των παραλείψεων και λαθών της Επιτροπής για τις δύο μεθόδους και την διακύμανσή τους ανάλογα με το αυξανόμενο μέγεθος.''']]<br /> Η περιοχή μελέτης περιλαμβάνει μια έκταση περίπου 32000 km², στα βορειοανατολικά της Ιβηρικής Χερσονήσου. Περίπου το 60% της περιοχής μελέτης καλύπτεται από βλάστηση (κυρίως φρύγανα και δάση) . Το μεγαλύτερο μέρος της περιοχής μελέτης έχει μεσογειακό κλίμα, με καλό καιρό και μία σημαντική ξηρασία κατά την διάρκεια του καλοκαιριού, η οποία συχνά οδηγεί σε δασικές πυρκαγιές.<br /> <br /> <br /> '''Δορυφορικές εικόνες '''<br /> <br /> Λόγω του κατακερματισμού της βλάστησης δεν κατέστη δυνατή η χρήση του NOAA-AVHRR για λεπτομερή χαρτογράφηση. Μεταξύ αισθητήρων υψηλής χωρικής ανάλυσης επιλέχτηκε τελικά ο Landsat – MSS. Στην συνέχεια, οι εικόνες έπρεπε να διορθωθούν γεωμετρικά προκειμένου να καταχωρηθούν σωστά. Για τον λόγο αυτό χρησιμοποιήθηκε το μοντέλο διόρθωσης Palΰ and Pons (1995).<br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> '''Πυρανίχνευση Scar'''<br /> <br /> Η αφαίρεση των τιμών του NDVI μεταξύ των διαδοχικών εικόνων επελέγη ως η καταλληλότερη μέθοδος λόγω της απλότητας και της ευρρωστίας της. Καλλιέργειες, σύννεφα και γλυκά ύδατα μαζί με φυλλοβόλα δάση απέφεραν μία απότομη πτώση των τιμών του NDVI.<br /> <br /> '''Ένωση δεδομένων και ανάλυση του καθεστώτος της φωτιάς'''<br /> <br /> Αφού εφαρμόστηκε η ημιαυτόματη μέθοδος, τα αποτελέσματα επικυρώθηκαν με την συμβολή του DARP. Στην συνέχεια, οι ουλές που προήλθαν από τις πυρκαγιές ενσωματώθηκαν σε μία βάση δεδομένων GIS προκειμένου να συνυπολογιστούν οι περιβαλλοντικές και χωρικές παράμετροι που αφορούσαν την κάθε φωτιά.<br /> <br /> '''Παρακολούθηση της αναγέννησης των φυτών'''<br /> <br /> Προκειμένου να εξεταστεί η μεταβλητότητα των απαντήσεων της βλάστησης στην φωτιά, τα αποτελέσματα χρησιμοποιήθηκαν για να εντοπιστούν τα σημάδια της πυρκαγιάς και να επιλεχθούν από αυτά διάφορες καμένες εκτάσεις για την παρακολούθηση των διαδικασιών ανάπλασής τους. Αυτό είχε ως αποτέλεσμα την παρακολούθηση ποικιλίας φυτών της Μεσογείου τα οποία βρίσκονται σε διάφορες περιοχές της Καταλονίας.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Παρακάτω (Εικόνα 1) εμφανίζεται ο χάρτης με το ιστορικό των πυρκαγιών της Καταλονίας καθώς και η συχνότητά τους. Σύμφωνα με την μέθοδο αυτή το 53,36% των πυρκαγιών είναι ίσο ή και μεγαλύτερο των 30 εκταρίων (175 πυρκαγιές) αισθητά πιο πάνω από το 43,60% των πυρκαγιών που διαπιστώθηκαν με την εφαρμογή άλλης μεθόδου. (143 πυρκαγιές).Ο βαθμός της ανίχνευσης βελτιώθηκε με την αύξηση του μεγέθους των πυρκαγιών.Ορισμένα προκαταρκτικά αποτελέσματα της αναγέννησης των φυτών μετά την πυρκαγιά έδειξε ότι το 80% της συνολικής έκτασης που κάηκε στην Καταλονία, προέρχεται από μικρές πυρκαγιές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Οι δορυφορικές εικόνες έχουν μια σημαντική αξία για τη χαρτογράφηση των καμένων εκτάσεων. Οι γνώσεις σχετικά με τις περιοχές αυτές μπορεί να βοηθήσει την κατανόηση της δομής και της δυναμικής των τοπίων της βλάστησης. Επιπλέον, υπάρχει παγκόσμιο ενδιαφέρον για την παρακολούθηση των καθεστώτων της φωτιάς. Παρά τα τεχνικά προβλήματα που οφείλονται στην ηλικία του, εικόνες από τον MSS αισθητήρα είναι ιδιαίτερα χρήσιμες για το έργο της χαρτογράφησης της πυρκαγιάς.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%97_%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%89%CF%82_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B2%CE%B9%CE%BF%CE%BC%CE%AC%CE%B6%CE%B1_%CF%84%CF%89%CE%BD_%CE%B4%CE%B1%CF%83%CF%8E%CE%BD. 2011-01-20T19:59:03Z

<p>Odaliski26: New page: '''Συγγραφείς''' Andrew K. Johnston, Geoffrey Parker, Michael Lefsk '''Πηγή''' Remote sensing of forest biomass. '''Σκοπός''' [[Εικόνα: MN7 eik1.jpg| thumb|...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Andrew K. Johnston, Geoffrey Parker, Michael Lefsk<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Remote sensing of forest biomass.<br /> <br /> <br /> '''Σκοπός'''<br /> [[Εικόνα: MN7 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Landsat εικόνα της περιοχής της Ουάσιγκτον.''']]<br /> [[Εικόνα: MN7 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Landsat Thematic Mapper εικόνα του κέντρου Περιβαλλοντικής Έρευνας Smithsonian, στο Maryland. Tα στοιχεία του εδάφους για την παρούσα μελέτη συλλέχθηκαν στο πλαίσιο του δάσους το οποίο είναι ορατό στην άκρη της Chesapeake Bay. Λευκές γραμμές δείχνουν τις διαδρομές πτήσης του εναέριου οργάνου λέιζερ. .''']]<br /> [[Εικόνα: MN7 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Λοξή φωτογραφική άποψη του χώρου λόγω του ότι είχε μετρηθεί με μείκτες προφίλ. Ο πύργος της εικόνας χρησιμοποιείται από SERC για την έρευνα της ατμόσφαιρας των δασών.''']]<br /> <br /> Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται προκειμένου να ερευνηθούν οι διάφορες αλλαγές που παρατηρούνται στα δάση. Τα αποτελέσματα θα οδηγήσουν στην καλύτερη κατανόηση μιας μεγάλης κλίμακας της δομής ενός δάσους, που αποτελέι και έναν σημαντικό στόχο της παγκόσμιας έρευνας αλλαγής.<br /> <br /> <br /> '''Γιατί είναι σημαντικά τα δάση;'''<br /> <br /> Τα δάση καλύπτουν περίπου το 1/3 της επιφάνειας της γης με αποτέλεσμα την ανταλλαγή αερίων και ενέργειας μεταξύ της ατμόσφαιρας και της επιφάνειας της γης. Περίπου το 80% της παγκόσμιας βιομάζας περιέχεται σε δάση, και αποτελεί το κεντρικό συστατικό των αποθεμάτων για την απόκτηση του άνθρακα στην βιόσφαιρα. Η ανάπτυξη επομένως των δασών αποτελεί κρίσιμο παράγοντα για τις ατμοσφαιρικές συγκεντρώσεις διοξειδίου του άνθρακα, ένα κεντρικό ζήτημα της έρευνας στον τομέα της αλλαγής. Η μέτρηση του μεγέθους και της πολυπλοκότητας των δάσών θα επιτρέψει στους επιστήμονες να κατανοήσουν καλύτερα αυτές τις περιβαλλοντικές διαδικασίες.<br /> <br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> Τα υπό μελέτη δάση βρίσκονται στο Κέντρο Περιβαλλοντικής Έρευνας του Smithsonian το οποίο βρίσκεται κοντά στην Ουάσιγκτον. Δεδομένα τηλεπισκόπησης τραβηγμένα από δορυφόρους και από ένα εναέριο σύστημα χρησιμοποιούνται για την επέκταση της τοπικής άποψης της διάρθρωσης προκειμένου να γίνουν προβλέψεις για τις αλλαγές στην δομή και τη στάση της βιομάζας σε περιφερειακή κλίμακα.<br /> <br /> <br /> '''Αισθητήρες που χρησιμοποιούνται'''<br /> <br /> Γίνεται χρήση του Landsat Thematic Mapper και περιλαμβάνονται 19 λήψεις κατά το χρονικό διάστημα 1982-1997. Οι εικόνες αυτές δείχνουν την ακτινοβολία σε 7 ορατά και υπέρυθρα μήκη κύματος. Η μελέτη αυτή χρησιμοποιεί επίσης στοιχεία από ένα νέο είδος αισθητήρα, προκειμένου να μετρηθούν άμεσα οι σημαντικές πτυχές της δομής των δασών. Η συσκευή αυτή είναι γνωστή ως NASA's SLICER (Scanning Lidar Imager of Canopies by Echo Retrieval) και μετρά τον χρόνο που απαιτείται προκειμένου να πάει και να επιστρέψει ένας παλμός φωτός λέιζερ, με σκοπό να καθοριστεί η απόσταση προς την κατοπτρική επιφάνεια.<br /> <br /> <br /> '''Επιστημονικά αποτελέσματα'''<br /> <br /> Τα δεδομένα των Landsat και SLICER καταχωρούνται από κοινού. Τα δεδομένα ανάκλασης των Landsat έχουν σχέση με τις μετρήσεις του ύψους του κουβουκλίου. Τα προκαταρκτικά αποτελέσματα ανακοινώθηκαν την άνοιξη του 1999 κατά την συνεδρίαση της Αμερικανικής Γεωφυσική Ένωσης.<br /> <br /> <br /> '''Μελλοντική Εργασία'''<br /> <br /> Τα μακροπρόθεσμα αποτελέσματα από τη μελέτη αυτή μπορεί να περιλαμβάνουν εξισώσεις που θα αφορούν την κατάσταση του κουβουκλίου και των δεδομένων Landsat για την εκτίμηση της δομής των κουβουκλίων, καθώς και μια ανάλυση της σχέσης μεταξύ των φασματικών μετρήσεων και των αξιών της δασικής βιομάζας. Οι σχέσεις μεταξύ της βιομάζας και της ανάκλασης θα συγκριθούν στατιστικώς με εκείνα που παρατηρήθηκαν με τα στοιχεία λέιζερ, ελέγχοντας με αυτό τον τρόπο την ισχύ της περιφερειακής τους κλίμακας. Αυτά τα αποτελέσματα μπορούν να προβλέπουν μεθόδους εκτίμησης της βιομάζας και άλλων παραμέτρων σε περιφερειακή κλίμακα, ένα ουσιαστικό μέρος της κατανόησης των διαδικασιών των πλανητικών αλλαγών.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BF%CF%83%CE%BF%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%86%CF%89%CF%84%CF%8C%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BB%CE%B9%CE%B5%CE%AF%CE%B1_%CF%84%CE%BF%CF%85_Dosidicus_gigas_%CF%83%CF%84%CE%BF%CE%BD_%CE%91%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CF%8C_%CE%95%CE%B9%CF%81%CE%B7%CE%BD%CE%B9%CE%BA%CF%8C_%CE%A9%CE%BA%CE%B5%CE%B1%CE%BD%CF%8C_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%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. 2011-01-20T19:38:17Z

<p>Odaliski26: New page: '''Συγγραφείς''' C.M. Waludaa,, C. Yamashirob, C.D. Elvidgec, V.R. Hobsond, P.G. Rodhousea '''Πηγή''' Quantifying light-fishing for Dosidicus gigas in the eastern Pacific...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> C.M. Waludaa,, C. Yamashirob, C.D. Elvidgec, V.R. Hobsond, P.G. Rodhousea<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Quantifying light-fishing for Dosidicus gigas in the eastern Pacific using satellite remote sensing.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Στην παρούσα μελέτη, εξετάζουμε την αλιεία του D. gigas στα ανοικτά της ακτής του Περού καθώς και σε παρακείμενη ανοικτή θάλασσα κατά τη διάρκεια της αλιευτικής περιόδου του 1999 με την χρήση τεχνικών δορυφορικής τηλεπισκόπησης και Γεωγραφικών Πληροφοριακών Συστημάτων (GIS).<br /> <br /> Στοιχεία σχετικά με την διανομή των ατομικών σκαφών έχουν ληφθεί μέσω δορυφόρου παρακολούθησης που χρησιμοποιούν το σύστημα ARGOS, και συγκρίνονται με την θέση των φώτων αλιείας που προέρχονται από την χρήση DMSP-OLS. Η τοποθεσία του στόλου, όπως προκύπτει από τις δύο αυτές πηγές δεδομένων συγκρίνεται σε ετήσια και μηνιαία βάση, και η περιοχή φωτίζεται ανά σκάφος. Χρησιμοποιήθηκε μια ανάλυση παλινδρόμησης συγκρίνοντας την φωτεινή επιφάνεια με τον αριθμό των αλιευτικών σκαφών για την ποσοτικοποίηση του στόλου που χρησιμοποιούν τα φώτα. Χρησιμοποιώντας αυτή την βαθμονόμηση, η επίπτωση της αλιείας στα ανοικτά της ακτής του Περού εξετάστηκε και ποσοτικά.<br /> <br /> <br /> '''Υλικά και μέθοδοι '''<br /> [[Εικόνα: MN6 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης του Ανατολικού Ειρηνικού. Καταδεικνύει την περιοχή από την οποία το Αμυντικό Μετερωρολογικό Δορυφορικό Πρόγραμμα καθώς και ΑΡΓΟΣ δεδομένα περιγράφουν την κατανομή των αλιευτικών στόλων του D.gigas. Η διακεκομένη γραμμή δείχνει 200 ναυτικά μίλια Αποκλειστικής Οικονομικής Ζώνης.''']]<br /> [[Εικόνα: MN6 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Ο αριθμός των αλιευτικών σκαφών στα ύδατα του Περού έναντι του αριθμού των φωτεινών pixels σε αντίστοιχες εικόνες DMSP-OLS.''']]<br /> Μια σειρά από 103 single-pass ορατές εικόνες λήφθηκαν από το DMSP-OLS για την συγκεκριμένη περιοχή. Οι εικόνες είχαν επιλεγεί για την περίοδο Ιουλίου - Δεκεμβρίου 1999, μια περίοδο πολύ λειτουργική για την συγκεκριμένη αλιεία. Στην συνέχεια ενσωματώθηκαν σε ένα γεωγραφικό σύστημα πληροφοριών. <br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Το 1999 και οι 2 πηγές δεδομένων ανακάλυψαν μια παρόμοια περιοχή αλιείας. Καθόλη την αλιευτική περίοδο η αλιεία ήταν επικεντρωμένη στην περιοχή αυτή , με περιστασιακή αλιεία στα νότια της περιοχής και με τον στόλο να κινείται προς τα νότια καθώς η σεζόν προχωρούσε. <br /> <br /> Η τοποθεσία του αλιευτικού στόλου παρατηρήθηκε με επιτυχία με χρήση δορυφορικών τηλεπισκοπικών δεδομένων από το DMSP-OLS, καθώς και με χρήση δορυφορικής παρακολούθησης με ΑΡΓΟΣ. Η χρήση των δεδομένων DMSP-OLS φαίνεται να παρέχει μια έγκυρη ένδειξη της κατανομής και αφθονίας του αλιευτικού στόλου στα ανοικτά της ακτής του Περού. Δεδομένα ΑΡΓΟΣ υπάρχουν διαθέσιμα συχνότερα και καλύπτουν το σύνολο της αλιευτικής περιόδου, αλλά τα DMSP-OLS δεδομένα φαίνεται να αποτελούν μια καλή προσέγγιση για την εξέταση της χωρικής κατανομής του στόλου. Και τα δύο σύνολα δεδομένων λαμβάνονται αυτόματα έτσι ώστε να είναι αδύνατο να χαθεί η τοποθεσία ενός σκάφους, καθιστώντας την δορυφορική παρακολούθηση ως ένα ισχυρό εργαλείο για την αστυνόμευση της αλιείας, καθώς και την εκτίμηση της αλιευτικής προσπάθειας στην ανοικτή θάλασσα.<br /> <br /> Η κατανομή του στόλου το 1999 ήταν παρόμοια με εκείνη που παρατηρήθηκε κατά τα προηγούμενα έτη, όπως προκύπτει από τα DMSP-OLS δεδομένα. Φαίνεται, ότι ο πληθυσμός του καλαμαριού κατοικεί σε μια αρκετά συνεκτική περιοχή από χρόνο σε χρόνο, τουλάχιστον στα ανοικτά των ακτών του Περού.<br /> <br /> Η συγκέντρωση των καλαμαριών σε αυτή την περιοχή είναι πιθανόν να σχετίζεται με την υψηλή παραγωγικότητα της περιοχής, η οποία συνδέεται με το σύστημα ανάβλυσης του Περού καθώς και με την υψηλή παραγωγικότητα ενός συγκεκριμένου είδους ψαριών τα οποία αποτελούν ένα μεγάλο μέρος της διατροφής του D.gigas. <br /> <br /> Η χρήση της φωτεινής επιφάνειας ως μέτρο του μεγέθους του στόλου φαίνεται να είναι ένας καλός εκτιμητής του αριθμού των σκαφών. <br /> <br /> Μία μικρή μεταβλητότητα παρατηρήθηκε στο φως που εξέπεμψε ένα μόνο σκάφος και η οποία μπορεί να αποδοθεί σε παράγοντες όπως είναι η ατμοσφαιρική μεταβλητότητα, η γωνία του δορυφόρου και η υψηλή νέφωση. Η περιοχή η οποία φωτίζεται από ένα μόνο σκάφος είναι πολύ μεγαλύτερη από το μέγεθος του ίδιου του πλοίου, και είναι πολύ δύσκολο να ποσοτικοποιηθεί το φως το οποίο ανακλάται από την επιφάνεια του ωκεανού.<br /> <br /> Η σύγκριση του αριθμού των σκαφών με την φωτιζόμενη περιοχή απέδωσε παρόμοια αποτελέσματα με μια προηγούμενη ανάλυση η οποία εξετάζει την αλιεία στο Νότιο Ατλαντικό (Waluda et al. 2002). Ο αριθμός των αλιευτικών σκαφών ανά τη νύχτα στα ύδατα των Νήσων Φώκλαντ βρέθηκε να είναι πολύ υψηλότερο από τον αντίστοιχο αριθμό στα ύδατα του Περού (κατά μέσο όρο 75 σκάφη σε σύγκριση με 6 στην παρούσα μελέτη), αλλά τα ίδια πλοία είναι πιθανόν να εμπλέκονται σε κάθε τύπο αλιείας.<br /> <br /> Η αλιεία της ανοικτής θάλασσας μπορεί να είναι λιγότερο σημαντική από την άποψη της διατήρησης των αποθεμάτων, αλλά τα DMSP-OLS δεδομένα μπορούν να χρησιμοποιηθούν για την ποσοτικοποίηση της κατανομής και την αφθονία του στόλου που αλιεύει στα ανοικτά των ακτών του Περού και παρέχει ένα μέσο για την παρακολούθηση της αλιείας.<br /> <br /> Η εργασία αυτή μας επέτρεψε να εκτιμηθεί πόσο φως (σε όσον αφορά την έκταση) εκπέμπεται από ένα μόνο αλιευτικό σκάφος, και μπορεί να αποδειχθεί ένα ισχυρό εργαλείο για την αξιολόγηση της αλιείας με την χρήση δορυφορικής τηλεπισκόπησης.</div>

Odaliski26 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%BF%CF%85_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%86%CF%85%CE%BB%CE%BB%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AE%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%83%CF%84%CE%BF_%CE%95%CE%B8%CE%BD%CE%B9%CE%BA%CF%8C_%CE%A0%CE%AC%CF%81%CE%BA%CE%BF:_Khao_Phra_Wihan. 2011-01-20T18:56:46Z

<p>Odaliski26: New page: '''Συγγραφείς''' Mr. Apinan Kantirach, Mrs. Praneet Ditsariyaku '''Πηγή''' Leaf Area Index Estimation by Using Remote Sensing Technique in Khao Phra Wihan National Park....</p> <hr /> <div>'''Συγγραφείς''' <br /> <br /> Mr. Apinan Kantirach, Mrs. Praneet Ditsariyaku<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Leaf Area Index Estimation by Using Remote Sensing Technique in Khao Phra Wihan National Park.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Βρίσκεται στο Εθνικό Πάρκο Khao Phra Wihan στα βορειοανατολικά της Ταϋλάνδης , με συνολική έκταση 130 km².<br /> <br /> <br /> '''Δεδομένα δορυφόρων '''<br /> <br /> Τα δορυφορικά δεδομένα αποκτήθηκαν με την χρήση LANDSAT-5 TM, στις 22 Φεβρουαρίου του 2006. Η εικόνα αποτελείται από 7 μπάντες: 4 φασματικές, μία κοντά στο υπέρυθρο, μία στο μέσο του υπέρυθρου και μία θερμική.<br /> <br /> <br /> '''Μέθοδοι '''<br /> [[Εικόνα: MN4 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Περιοχή μελέτης στο Εθνικό Πάρκο Khao Phra Wiham στην Ταυλάνδη.''']]<br /> [[Εικόνα: MN4 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Οι χάρτες κάλυψης της γης.''']]<br /> [[Εικόνα: MN4 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Οι προβλεπόμενοι χάρτες LAI.''']]<br /> '''Κατάταξη εικόνων '''<br /> <br /> Τα διορθωμένα γεωμετρικά και ραδιομετρικά στοιχεία LANDSAT-5 καταχωρούνται χρησιμοποιώντας GCPs, τα οποία συλλέχθηκαν με την χρήση GPS στο πεδίο. Η εικόνα γεωαναφοράς εφαρμόστηκε σε ένα UTM σύστημα συντεταγμένων με αποτέλεσμα η μέση τετραγωνική απόκλιση να είναι μικρότερη του 1 pixel. Προ-ταξινόμηση έγινε με τη μορφή ελεγχόμενου ταξινομητή χρησιμοποιώντας ένα σύνολο από πεδία ασκήσεων όπως : δάση, γεωργία, ανοικτό έδαφος και σώμα νερού. Μετά την ταξινόμηση το αποτέλεσμα είχε ελεχθεί στον τομέα αυτό. Τέλος, έγινε σύγκριση των γνωστών στοιχείων αναφοράς με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης προκειμένου να έχουμε ακρίβεια στην αξιολόγηση της χρήσης του λάθους της μήτρας.<br /> <br /> <br /> '''Πεδία των δεδομένων '''<br /> <br /> Η έρευνα πραγματοποιήθηκε τον Φεβρουάριο του 2006 για τη μέτρηση των παραμέτρων των δασών. Οι παράμετροι περιλαμβάνουν τον αριθμό των ειδών των δένδρων (&gt; 1,3 μ. ύψος), dbh και το ύψος των δέντρων. Επιλέχθηκαν τελικά 30 πεδία με διαστάσεις 30*30 μέτρα με το καθένα να εκπροσωπεί διαφορετικό τύπο δασών με ποικίλη πυκνότητα.<br /> <br /> <br /> ''' Αποτελέσματα '''<br /> <br /> Η επιβλεπόμενη ταξινόμηση απασχολεί 4 κατηγορίες χρήσης της γης: δάση, γεωργία, ανοιχτή γη και σώμα νερού. Αυτές οι 4 αποτελούν και τα πεδία της εκπαίδευσης. Η χρήση των εικόνων είχε ως αποτέλεσμα την εξής κατάταξη: το δάσος καταλαμβάνει 59.99 km², η γεωργία 68,06 km², το ανοιχτό έδαφος 10,60 km² και τέλος το νερό 1,69 km². Η αξιολόγηση έγινε με ακρίβεια της τάξεως του 97,5%.<br /> <br /> <br /> '''Επίλογος'''<br /> <br /> Από τη μελέτη, συμπεραίνουμε ότι οι μετασχηματισμοί του λόγου της μπάντας από LANDSAT-5 TM μπορεί να χρησιμοποιηθεί για την εκτίμηση του δείκτη της φυλλικής επιφάνειας της φυτοκάλυψης. <br /> Τα αποτελέσματα δείχνουν ότι ο δείκτης μεταφοράς βλάστησης (TVI) χρησιμοποιώντας τα θεματικά πεδία του πράσινου, του κόκκινου και του εγγύς υπέρυθρου, στις αντίστοιχες ζώνες, παρέχει την καλύτερη γραμμική παλινδρόμηση και είναι κατάλληλο για τον υπολογισμό του δείκτη φυλλικής επιφάνειας, π.χ. y = 21524TVI - 18560 (R² = 0.6364). <br /> Μία μέση φυλλική επιφάνεια είναι περίπου 37,241.34 m² / ha-1. <br /> Η ανακλαστικότητα στην υπέρυθρη περιοχή είναι κατάλληλη σε λογαριθμικό μοντέλο y = 9991NDVI1.7742 (R² = 0,672). <br /> Μια μέση φυλλική επιφάνεια της τάξεως των 37,014.73 m²/ ha-1 υπολογίζεται για το Εθνικό Πάρκο. <br /> Επομένως η χρήση του LANDSAT-5 είναι σημαντική για την κατάταξη του δείκτη βλάστησης και για τον προσδιορισμό της σχέσης των δορυφορικών δεδομένων σε ένα μοντέλο μπάντας.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%B8%CE%BF%CE%B4%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%87%CF%81%CE%AE%CF%83%CE%B7%CF%82_%CE%B3%CE%B7%CF%82,_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%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%B3%CE%B9%CE%B1_%CE%BF%CE%B4%CE%B7%CE%B3%CE%AF%CE%B5%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%B5%CF%81%CE%B5%CE%B9%CE%B1%CE%BA%CE%BF%CF%8D_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_Segovia,_%CE%99%CF%83%CF%80%CE%B1%CE%BD%CE%AF%CE%B1. 2011-01-20T18:41:03Z

<p>Odaliski26: New page: '''Συγγραφείς''' Francisco J. Tapiador , Jose L. Casanova '''Πηγή''' Land use mapping methodology using remote sensing for the regional planning directives in Segovia, Sp...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> Francisco J. Tapiador , Jose L. Casanova<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Land use mapping methodology using remote sensing for the regional planning directives in Segovia, Spain.<br /> <br /> <br /> '''Περιοχή μελέτης '''<br /> <br /> Η περιοχή μελέτης καλύπτει 3.419 km². Ο αριθμός των δήμων που έπρεπε να χαρτογραφηθούν ήταν 97. Οι άνθρωποι οι οποίοι άμεσα επηρεάζονται από τις εργασίες συντονισμού είναι 105.000 χωρίς να λαμβάνεται υπόψιν ο πληθυσμός της Μαδρίτης που χρησιμοποιεί αυτόν τον τομέα για λόγους ψυχαγωγίας ή ως δεύτερη κατοικία. Αυτά τα αριθμητικά στοιχεία αντικατοπτρίζουν το μέγεθος του προβλήματος. <br /> <br /> <br /> '''Μέθοδοι'''<br /> [[Εικόνα: MN3 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Περιοχή μελέτης. Εμφανίζονται οι Δήμοι και ο πληθυσμός.''']]<br /> [[Εικόνα: MN3 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: α) Αρχική κατάταξη CORINE LC (με τα κενά να δείχνουν την δορυφορική εικόνα. Η εικόνα καλύπτει 10*15 χμ. β) Πρώτα όρια οριοθέτησης του χάρτη χρήσεων γης. ''']]<br /> [[Εικόνα: MN3 eik3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Κάλυψη γης CORINE και νέα κατάταξη.''']]<br /> <br /> Το σχέδιο χρήσης γης CORINE αποτελεί σημείο καμπής στην ιστορία των χαρτών χρήσεως της γης. Τόσο η οικονομική όσο και η χωρική κλίμακα του έργου, καθώς και τα τεχνικά και ανθρώπινα μέσα που συμμετέχουν καθιστούν αναγκαία μια σαφή και πλήρη μεθοδολογική ακολουθία. Εκτός από την εντατική χρήση των δορυφορικών εικόνων, προσφέρει νέες δυνατότητες, όπως είναι η ευρεία γεωγραφική κάλυψη, η αντικειμενικότητα, δυνατότητες για γρήγορη ενημέρωση και βελτίωση των ορατών μηκών κύματος. Ωστόσο, το έργο αυτό δεν αντικατοπτρίζει τόσο την χρήση της γης, αλλά μάλλον την κάλυψη της γης. Δηλαδή, δεν αφορά την κοινωνικοοικονομική λειτουργία των στοιχείων της επιφάνειας της γης, αλλά την ίδια την φύση της γης. Για τη χωροταξία, η πρώτη προσέγγιση είναι απαραίτητη, ενώ η δεύτερη περιορίζεται στις περιβαλλοντικές μελέτες, οι οποίες ήταν και ο στόχος του προγράμματος CORINE. <br /> <br /> Ένα από τα πιο σημαντικά σημεία σε αυτό το έργο είναι η επεξεργασία και η εστίαση των δορυφορικών εικόνων (Landsat-TM και MSS, HRV SPOT, XS και Pan). Η προσέγγιση που ακολουθήθηκε έγινε με την βοήθεια φωτοερμηνείας των εικόνων ψευδούς χρώματος.<br /> <br /> Στην συνέχεια ακολουθεί η προετοιμασία μιας σειράς χαρτογραφικών προϊόντων κατά την οποία μια άκρως εξειδικευμένη τεχνική ομάδα θα προβεί σε ταξινόμηση της κάλυψης της γης σύμφωνα με τις γεωγραφικές τους γνώσεις.<br /> <br /> Η προ-διαδικασία ενημέρωσης από την &quot;ακατέργαστη&quot; εικόνα υποδοχής του δορυφόρου, στην διορθωμένη εικόνα γεωαναφοράς, είναι ουσιαστικής σημασίας για την τελική ποιότητα του προϊόντος. Απαιτείται επίσης η εξέταση και η λεπτομερής μελέτη άλλων παραγόντων, όπως είναι η ελάχιστη χαρτογραφική μονάδα ή η κατάλληλη κλίμακα εργασίας. Τα κριτήρια που ακολουθούνται για την οριοθέτηση των φυσιογραφικών μονάδων καθώς και η διάκριση της κάλυψης γης αποτελούν στόχο του σχεδίου CORINE. <br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Το κύριο αποτέλεσμα αυτής της μεθοδολογίας ήταν ο ίδιος ο χάρτης. Οι παραστάσεις των μεθόδων σύντηξης δεδομένων έχουν σκοπό μία πολυφασματική εικόνα 5 μέτρων να μπορεί να διαβαστεί εύκολα. Οι μέθοδοι συγχώνευσης δεδομένων αποδείχθηκαν χρήσιμες για την αύξηση της χωρικής ανάλυσης. Πρέπει ακόμα να σημειωθούν ορισμένα στοιχεία όπως: α) η ένταξη των φορέων και των πληροφοριών οι οποίες αφορούν στην χρήση γης όσον αφορά στην διαδικασία δημιουργίας της γης, β) η ανάγκη διαφοροποίησης μεταξύ ορισμένων κατηγοριών όπως πχ: η στέγαση, γ) τα χαρακτηριστικά της γρήγορης ανανέωσης, αντικειμενικότητας, και ακρίβειας του χάρτη. Όλα τα παραπάνω έχουν ως αποτέλεσμα την δημιουργία μίας εύκολης, επαναλαμβανόμενης, οικονομικής, και γρήγορης μεθοδολογίας, σαφώς πιο βελτιωμένης σε σχέση με τις παλιές μεθόδους που βασίζονταν σε έναν μόνο εμπειρογνώμονα ψηφιοποίησης αεροφωτογραφιών. Με την βελτιωμένη αυτή μέθοδο, ελαχιστοποιούνται τα λάθη και η ανατροφοδότηση είναι πιο επιτυχημένη. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ένα από τα συμπεράσματα αυτής της εργασίας είναι η ανάγκη δημιουργίας μιας διεπιστημονικής ομάδας που να συμβάλλει στην ανάπτυξη ενός έργου με τα χαρακτηριστικά αυτά, μια ομάδα που να προέρχεται από πολύ διαφορετικά πεδία, όπως είναι οι ιδιωτικές επιχειρήσεις και τα πανεπιστήμια, αλλά που να χρειάζεται συμπλήρωμα. Η κατασκευή ενός χάρτη σαν αυτόν απαιτεί την ισχυρή ενοποίηση εμπειρογνωμόνων από όλους τους τομείς, συντονισμένους σύμφωνα με σαφείς οδηγίες και τη μεθοδολογία. <br /> <br /> Όσον αφορά το προϊόν, έχει παρατηρηθεί ότι η χρήση προηγμένων τεχνικών τηλεανίχνευσης συνεπάγεται μια σημαντική εξέλιξη, τόσο ποιοτική όσο και ποσοτική, στην οποία ο οικονομικός παράγοντας παίζει επίσης σημαντικό ρόλο.<br /> <br /> Η τηλεπισκόπηση εφαρμόζεται στον περιφερειακό σχεδιασμό με σημαντική εξοικονόμηση του κόστους, αν και αρχικά απαιτεί μεγάλες επενδύσεις. Εκτός αυτού, η δυνατότητα σύγκρισης είναι εξασφαλισμένη μιας και όλα τα έγγραφα των εργασιών δημοσιεύονται και θα μπορούσαν ακόμη και να υπόκεινται σε νομική αξιολόγηση.<br /> <br /> Τέλος, πρέπει να προστεθεί ότι ένα μεγάλο μέρος της χρησιμότητας της μεθοδολογίας έγκειται στην παραγωγική της ικανότητα. Είναι επίσης δυνατόν να παραχθούν νέοι χάρτες αλλάζοντας απλά το χαρτογραφικό υπόβαθρο, δηλαδή τις δορυφορικές εικόνες. Με αυτόν τον τρόπο, είναι δυνατόν να ληφθούν νέα προϊόντα με έναν κύκλο εναλλαγής πολύ μικρότερο σε σχέση με αυτόν των παραδοσιακών τεχνικών και με πολύ ανώτερες ιδιότητες όσον αφορά την ακρίβεια και την αντικειμενικότητα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD. 2011-01-20T17:51:35Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> <br /> '''Πηγή'''<br /> <br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> <br /> '''Η περιοχή μελέτης'''<br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8C_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%AE_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CF%80%CF%81%CE%B1%CE%B3%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8C_%CF%87%CF%81%CF%8C%CE%BD%CE%BF_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82. 2011-01-20T17:50:38Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς''' <br /> <br /> O. Beeri, A. Peled, Remote Sensing and GIS Laboratory, Department of Geography, University of Haifa<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Geographical model for precise agriculture monitoring with real-time remote sensing.<br /> <br /> <br /> <br /> '''Στόχος της μελέτης'''<br /> <br /> Η ανάπτυξη ενός μοντέλου τηλεανίχνευσης, για την παρακολούθηση της γεωργίας, το οποίο θα επιτρέπει την λήψη αποφάσεων μέρα με την μέρα.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Το μοντέλο αποτελείται από πέντε στάδια: <br /> <br /> 1) Προετοιμασία των πληροφοριακών στρωμάτων σχετικά με τα στοιχεία που επηρεάζουν την καλλιέργεια (π.χ. άρδευση).<br /> <br /> 2) Η ταυτόχρονη συλλογή φασματικών και φυτικών δεδομένων.<br /> <br /> 3) Επεξεργασία εικόνας, στατιστικές αναλύσεις και παραγωγή των χαρτών της βλάστησης.<br /> <br /> 4) Λήψη αποφάσεων με βάση αυτούς τους χάρτες ή με βάση χάρτες προβλεπόμενης απόδοσης, και<br /> <br /> 5) Ποιοτικός έλεγχος της διαδικασίας χαρτογράφησης.<br /> <br /> [[Εικόνα: MN2 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Οικόπεδα σιταριού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Δεκεμβρίου 1999.''']]<br /> <br /> [[Εικόνα: MN2 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χαρακτηριστικά βαμβακιού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Ιουνίου του 2000.''']]<br /> <br /> Εφαρμόζοντας αυτό το μοντέλο στο σιτάρι και στο βαμβάκι, πειράματα απέδειξαν ότι αποτελέσματα θα μπορούσαν να επιτευχθούν μέσα σε 48 ώρες. Ο περιορισμός του χρόνου αποτελεί σημαντικό στοιχείο της γεωργικής παρακολούθησης, όπου η διαδικασίας λήψης αποφάσεων προϋποθέτει ότι οι ιδιότητες μιας καλλιέργειας δεν θα αλλάξουν κατά το χρονικό διάστημα από την στιγμή που διενεργείται η παρακολούθηση μέχρι και την λήψη των αποφάσεων που ακολουθείται έπειτα από οποιαδήποτε εφαρμογή της θεραπείας. Το μοντέλο αυτό πέτυχε να εξασφαλίσει μια σύσταση όταν ο καιρός απαιτούσε την γρήγορη λήψη αποφάσεων. Η μέθοδος αυτή πέτυχε να μειώσει την παραδοσιακή διάρκεια των διαδικασιών που απαιτούνται για την εργαστηριακή ανάλυση των φυτών, από 5-7 μέρες σε μόλις 2 μέρες.<br /> <br /> Τα αποτελέσματα της μελέτης, οι χάρτες καθώς και οι συστάσεις αναρτήθηκαν σε μία ιστοσελίδα η οποία επιτρέπει στον γεωπόνο αλλά και στον γεωργό να προβάλλουν στοιχεία τους, τα εξαγάγουν τα απαραίτητα συμπεράσματα και να ενεργήσουν αναλόγως.<br /> <br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Τα αποτελέσματα της τηλεπισκόπησης ήταν σαφώς καλύτερα από τις παραδοσιακές θεραπείες ελέγχου. Οι βαθμοί συσχέτισης μεταξύ των χαρτών πρόβλεψης και των δεδομένων ήταν της τάξεως του 75%-95%. Μόνη εξαίρεση αποτέλεσαν οι χάρτες υγρασίας οι οποίοι παρουσίασαν χαμηλή αξιοπιστία. Φαίνεται ότι η τηλεπισκόπηση, σε ένα ευρύτερο φάσμα , θα μπορούσε να βελτιώσει την αξιοπιστία των χαρτών και να ενισχύσει τα αποτελέσματα των αναλύσεων. Η καινοτόμος προσέγγιση που ακολουθείται στο προτεινόμενο μοντέλο κατέδειξε την απλότητα της μεθοδολογίας της τηλεπισκόπησης, επιτρέποντας αυτή η προσέγγιση να χρησιμοποιείται στην λήψη αποφάσεων σε καθημερινή βάση.<br /> <br /> Εκτός από την απλότητά του, το προτεινόμενο μοντέλο χρησιμοποιεί τιμές που ανταποκρίνονται στην πραγματικότητα όπως είναι το ύψος του φυτού.<br /> <br /> Η Τηλεπισκόπηση που εφαρμόζεται για την γεωργική παρακολούθηση απαιτεί την μετατροπή των φασματικών δεδομένων σε ποσοτικές γεωργικές παραμέτρους και δείκτες προκειμένου να ενταχθούν σε μία εμπορική ανάπτυξη καλλιεργειών.<br /> <br /> Το συγκεκριμένο μοντέλο παρουσιάζει δύο διαφορετικές επιλογές λήψης αποφάσεων: <br /> <br /> α) Για την παρακολούθηση του βαμβακιού χρησιμοποιήθηκαν χάρτες τηλεανίχνευσης για την αναβάθμιση των πληροφοριών που αφορούσαν στο ύψος των φυτών.<br /> <br /> β) Για το σιτάρι η παρακολούθηση στηρίχτηκε σε πρόβλεψη των αποδόσεων.<br /> <br /> Η αεροφωτογραφία χρησιμοποιείται ήδη για την χαρτογράφηση του καθεστώτος του αζώτου στο σιτάρι αλλά και την έλλειψη του νερού στο βαμβάκι.<br /> <br /> Το μοντέλο χρησιμοποιεί αυτές τις προσεγγίσεις για να καταγράψει τις αποφάσεις εκείνες που θα καλύπτουν τις απαιτήσεις της κάθε καλλιέργειας. Καταδεικνύει δηλαδή την ικανότητα να προσαρμόζει την παραγωγή σύμφωνα με την λήψη αποφάσεων προσαρμοσμένων στις απαιτήσεις της κάθε καλλιέργειας.<br /> <br /> Αν και αυτή η εργασία παρουσιάζει τη χρησιμότητα αυτού του μοντέλου σε δύο γεωργικές καλλιέργειες, αναμένεται ότι αυτή η ικανότητα θα διευκολύνει την εφαρμογή του μοντέλου αυτού σε διαφορετικές καλλιέργειες, ή σε διαφορετικές απαιτήσεις της ανάπτυξης του βαμβακιού και του σιταριού.<br /> <br /> Όπως αυτό το μοντέλο βαθμονομεί τα στοιχεία για κάθε καλλιέργεια και για κάθε απαίτηση που οδηγεί στην λήψη αποφάσεων, αναμένεται ότι και άλλες καλλιέργειες θα μπορούσαν να ελέγχονται με την ίδια ακρίβεια.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8C_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CE%BD_%CE%B1%CE%BA%CF%81%CE%B9%CE%B2%CE%AE_%CE%AD%CE%BB%CE%B5%CE%B3%CF%87%CE%BF_%CF%84%CE%B7%CF%82_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CF%80%CF%81%CE%B1%CE%B3%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8C_%CF%87%CF%81%CF%8C%CE%BD%CE%BF_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82. 2011-01-20T17:45:33Z

<p>Odaliski26: New page: '''Συγγραφείς''' O. Beeri, A. Peled, Remote Sensing and GIS Laboratory, Department of Geography, University of Haifa '''Πηγή''' Geographical model for precise agriculture...</p> <hr /> <div>'''Συγγραφείς'''<br /> <br /> O. Beeri, A. Peled, Remote Sensing and GIS Laboratory, Department of Geography, University of Haifa<br /> <br /> <br /> '''Πηγή'''<br /> <br /> Geographical model for precise agriculture monitoring with real-time remote sensing.<br /> <br /> <br /> <br /> '''Στόχος της μελέτης'''<br /> <br /> Η ανάπτυξη ενός μοντέλου τηλεανίχνευσης, για την παρακολούθηση της γεωργίας, το οποίο θα επιτρέπει την λήψη αποφάσεων μέρα με την μέρα.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Το μοντέλο αποτελείται από πέντε στάδια: <br /> <br /> 1) Προετοιμασία των πληροφοριακών στρωμάτων σχετικά με τα στοιχεία που επηρεάζουν την καλλιέργεια (π.χ. άρδευση).<br /> <br /> 2) Η ταυτόχρονη συλλογή φασματικών και φυτικών δεδομένων.<br /> <br /> 3) Επεξεργασία εικόνας, στατιστικές αναλύσεις και παραγωγή των χαρτών της βλάστησης.<br /> <br /> 4) Λήψη αποφάσεων με βάση αυτούς τους χάρτες ή με βάση χάρτες προβλεπόμενης απόδοσης, και<br /> <br /> 5) Ποιοτικός έλεγχος της διαδικασίας χαρτογράφησης.<br /> <br /> [[Εικόνα: MN2 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Οικόπεδα σιταριού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Δεκεμβρίου 1999.''']]<br /> <br /> [[Εικόνα: MN2 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χαρακτηριστικά βαμβακιού τα οποία έχουν χαρτογραφηθεί, σύμφωνα με δεδομένα της 28ης Ιουνίου του 2000.''']]<br /> <br /> Εφαρμόζοντας αυτό το μοντέλο στο σιτάρι και στο βαμβάκι, πειράματα απέδειξαν ότι αποτελέσματα θα μπορούσαν να επιτευχθούν μέσα σε 48 ώρες. Ο περιορισμός του χρόνου αποτελεί σημαντικό στοιχείο της γεωργικής παρακολούθησης, όπου η διαδικασίας λήψης αποφάσεων προϋποθέτει ότι οι ιδιότητες μιας καλλιέργειας δεν θα αλλάξουν κατά το χρονικό διάστημα από την στιγμή που διενεργείται η παρακολούθηση μέχρι και την λήψη των αποφάσεων που ακολουθείται έπειτα από οποιαδήποτε εφαρμογή της θεραπείας. Το μοντέλο αυτό πέτυχε να εξασφαλίσει μια σύσταση όταν ο καιρός απαιτούσε την γρήγορη λήψη αποφάσεων. Η μέθοδος αυτή πέτυχε να μειώσει την παραδοσιακή διάρκεια των διαδικασιών που απαιτούνται για την εργαστηριακή ανάλυση των φυτών, από 5-7 μέρες σε μόλις 2 μέρες.<br /> <br /> Τα αποτελέσματα της μελέτης, οι χάρτες καθώς και οι συστάσεις αναρτήθηκαν σε μία ιστοσελίδα η οποία επιτρέπει στον γεωπόνο αλλά και στον γεωργό να προβάλλουν στοιχεία τους, τα εξαγάγουν τα απαραίτητα συμπεράσματα και να ενεργήσουν αναλόγως.<br /> <br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Τα αποτελέσματα της τηλεπισκόπησης ήταν σαφώς καλύτερα από τις παραδοσιακές θεραπείες ελέγχου. Οι βαθμοί συσχέτισης μεταξύ των χαρτών πρόβλεψης και των δεδομένων ήταν της τάξεως του 75%-95%. Μόνη εξαίρεση αποτέλεσαν οι χάρτες υγρασίας οι οποίοι παρουσίασαν χαμηλή αξιοπιστία. Φαίνεται ότι η τηλεπισκόπηση, σε ένα ευρύτερο φάσμα , θα μπορούσε να βελτιώσει την αξιοπιστία των χαρτών και να ενισχύσει τα αποτελέσματα των αναλύσεων. Η καινοτόμος προσέγγιση που ακολουθείται στο προτεινόμενο μοντέλο κατέδειξε την απλότητα της μεθοδολογίας της τηλεπισκόπησης, επιτρέποντας αυτή η προσέγγιση να χρησιμοποιείται στην λήψη αποφάσεων σε καθημερινή βάση.<br /> <br /> Εκτός από την απλότητά του, το προτεινόμενο μοντέλο χρησιμοποιεί τιμές που ανταποκρίνονται στην πραγματικότητα όπως είναι το ύψος του φυτού.<br /> <br /> Η Τηλεπισκόπηση που εφαρμόζεται για την γεωργική παρακολούθηση απαιτεί την μετατροπή των φασματικών δεδομένων σε ποσοτικές γεωργικές παραμέτρους και δείκτες προκειμένου να ενταχθούν σε μία εμπορική ανάπτυξη καλλιεργειών.<br /> <br /> Το συγκεκριμένο μοντέλο παρουσιάζει δύο διαφορετικές επιλογές λήψης αποφάσεων: <br /> <br /> α) Για την παρακολούθηση του βαμβακιού χρησιμοποιήθηκαν χάρτες τηλεανίχνευσης για την αναβάθμιση των πληροφοριών που αφορούσαν στο ύψος των φυτών.<br /> <br /> β) Για το σιτάρι η παρακολούθηση στηρίχτηκε σε πρόβλεψη των αποδόσεων.<br /> <br /> Η αεροφωτογραφία χρησιμοποιείται ήδη για την χαρτογράφηση του καθεστώτος του αζώτου στο σιτάρι αλλά και την έλλειψη του νερού στο βαμβάκι.<br /> <br /> Το μοντέλο χρησιμοποιεί αυτές τις προσεγγίσεις για να καταγράψει τις αποφάσεις εκείνες που θα καλύπτουν τις απαιτήσεις της κάθε καλλιέργειας. Καταδεικνύει δηλαδή την ικανότητα να προσαρμόζει την παραγωγή σύμφωνα με την λήψη αποφάσεων προσαρμοσμένων στις απαιτήσεις της κάθε καλλιέργειας.<br /> <br /> Αν και αυτή η εργασία παρουσιάζει τη χρησιμότητα αυτού του μοντέλου σε δύο γεωργικές καλλιέργειες, αναμένεται ότι αυτή η ικανότητα θα διευκολύνει την εφαρμογή του μοντέλου αυτού σε διαφορετικές καλλιέργειες, ή σε διαφορετικές απαιτήσεις της ανάπτυξης του βαμβακιού και του σιταριού.<br /> <br /> Όπως αυτό το μοντέλο βαθμονομεί τα στοιχεία για κάθε καλλιέργεια και για κάθε απαίτηση που οδηγεί στην λήψη αποφάσεων, αναμένεται ότι και άλλες καλλιέργειες θα μπορούσαν να ελέγχονται με την ίδια ακρίβεια.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9D%CE%AC%CE%BD%CE%BF%CF%85_%CE%9C%CE%AC%CF%81%CE%B8%CE%B1 2011-01-19T12:55:29Z

<p>Odaliski26: </p> <hr /> <div>* [[Μια ολοκληρωμένη προσέγγιση για την εντατικοποίηση των καλλιεργειών πατάτας με την χρήση των τηλεπισκοπικών δεδομένων.]]<br /> <br /> * [[Γεωγραφικό μοντέλο για τον ακριβή έλεγχο της γεωργίας σε πραγματικό χρόνο τηλεανίχνευσης.]]<br /> <br /> * [[Μεθοδολογία χαρτογράφησης της χρήσης γης, με την χρήση της τηλεπισκόπησης για οδηγίες περιφερειακού σχεδιασμού στην Segovia, Ισπανία.]]<br /> <br /> * [[Εκτίμηση του δείκτη φυλλικής επιφάνειας με την χρήση της τεχνικής τηλεπισκόπησης στο Εθνικό Πάρκο: Khao Phra Wihan.]]<br /> <br /> * [[Χαρτογράφηση της έκτασης των πλημμυρών]]<br /> <br /> * [[Ποσοτικοποίηση φωτός στην αλιεία του Dosidicus gigas στον Ανατολικό Ειρηνικό Ωκεανό με την χρήση της τηλεπισκόπησης.]]<br /> <br /> * [[Η τηλεπισκόπηση ως εργαλείο για την βιομάζα των δασών.]]<br /> <br /> * [[Τηλεπισκόπηση των δασικών πυρκαγιών]]<br /> <br /> * [[Τηλεπισκόπηση στους πάγους της θάλασσας.]]<br /> <br /> * [[Τεχνικές τηλεπισκόπησης που εφαρμόζονται για την μελέτη των κατολισθήσεων.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD. 2011-01-19T12:49:54Z

<p>Odaliski26: New page: '''Συγγραφείς''' S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO) '''Πηγή''' An integrated approach for potato crop int...</p> <hr /> <div>'''Συγγραφείς'''<br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> '''Πηγή'''<br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> <br /> '''Η περιοχή μελέτης'''<br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9D%CE%AC%CE%BD%CE%BF%CF%85_%CE%9C%CE%AC%CF%81%CE%B8%CE%B1 2011-01-19T12:46:51Z

<p>Odaliski26: </p> <hr /> <div>* [[Μια ολοκληρωμένη προσέγγιση για την εντατικοποίηση των καλλιεργειών πατάτας με την χρήση των τηλεπισκοπικών δεδομένων.]]<br /> <br /> * [[Γεωγραφικό μοντέλο για τον ακριβή έλεγχο της γεωργίας σε πραγματικό χρόνο τηλεανίχνευσης.]]<br /> <br /> * [[Μεθοδολογία χαρτογράφησης της χρήσης γης, με την χρήση της τηλεπισκόπησης για οδηγίες περιφερειακού σχεδιασμού στην Segovia, Ισπανία.]]<br /> <br /> * [[Εκτίμηση του δείκτη φυλλικής επιφάνειας με την χρήση της τεχνικλης τηλεπισκόπησης στο Εθνικό Πάρκο: Khao Phra Wihan.]]<br /> <br /> * [[Χαρτογράφηση της έκτασης των πλημμυρών]]<br /> <br /> * [[Ποσοτικοποίηση φωτός στην αλιεία του Dosidicus gigas στον Ανατολικό Ειρηνικό Ωκεανό με την χρήση της τηλεπισκόπησης.]]<br /> <br /> * [[Η τηλεπισκόπηση ως εργαλείο για την βιομάζα των δασών.]]<br /> <br /> * [[Τηλεπισκόπηση των δασικών πυρκαγιών]]<br /> <br /> * [[Τηλεπισκόπηση στους πάγους της θάλασσας.]]<br /> <br /> * [[Τεχνικές τηλεπισκόπησης που εφαρμόζονται για την μελέτη των κατολισθήσεων.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9D%CE%AC%CE%BD%CE%BF%CF%85_%CE%9C%CE%AC%CF%81%CE%B8%CE%B1 2011-01-19T12:45:12Z

<p>Odaliski26: </p> <hr /> <div>* [[Μια ολοκληρωμένη προσέγγιση για την εντατικοποίηση των καλλιεργειών πατάτας με την χρήση των τηλεπισκοπικών δεδομένων.]]<br /> <br /> * [[Γεωγραφικό μοντέλο για τον ακριβή έλεγχο της γεωργίας σε πραγματικό χρόνο τηλεανίχνευσης.]]<br /> <br /> * [[C]]<br /> <br /> * [[D]]<br /> <br /> * [[E]]<br /> <br /> * [[F]]<br /> <br /> * [[G]]<br /> <br /> * [[H]]<br /> <br /> * [[I]]<br /> <br /> * [[J]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2011-01-19T12:44:31Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> '''Πηγή'''<br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> <br /> '''Η περιοχή μελέτης''' <br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2011-01-19T12:44:12Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> '''Πηγή'''<br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> <br /> <br /> [[Εικόνα: MN2 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Η περιοχή μελέτης (Tabouk), Landsat TM, Πηγη:Ιδία''']]<br /> <br /> [[Εικόνα: MN2 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Η περιοχή μελέτης (Tabouk), Landsat TM, Πηγη:Ιδία''']]<br /> '''Η περιοχή μελέτης''' <br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B7_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CF%84%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CF%80%CE%B1%CF%84%CE%AC%CF%84%CE%B1%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2011-01-19T12:43:20Z

<p>Odaliski26: </p> <hr /> <div>'''Συγγραφείς'''<br /> S. Panigrahy, M. Chakraborty, Agricultural Resources Division (RSAG), Space Applications Centre (ISRO)<br /> <br /> <br /> '''Πηγή'''<br /> An integrated approach for potato crop intensification using temporal<br /> remote sensing data.<br /> <br /> [[Εικόνα: MN2 eik1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Η περιοχή μελέτης (Tabouk), Landsat TM, Πηγη:Ιδία''']]<br /> <br /> [[Εικόνα: MN2 eik2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Η περιοχή μελέτης (Tabouk), Landsat TM, Πηγη:Ιδία''']]<br /> '''Η περιοχή μελέτης''' <br /> <br /> Η περιοχή μελέτης είναι η περιοχή Bardhaman στην Δυτική Βεγγάλη. Περίπου το 62,5% της περιοχής είναι κάτω από τη γεωργική χρήση (SAC, 1995). Οι πατάτες καλλιεργούνται ως αρδευόμενες καλλιέργειες κατά τους μήνες Δεκέμβριο-Μάρτιο.<br /> Γενικά, οι όψιμες ποικιλίες καλλιεργούνται μέσα σε διάστημα 3 - 3,5 μηνών. Όπως αναφέρθηκε από τις γεωργικές στατιστικές, η καλλιέργεια εξαπλώθηκε πάνω από 13 τετράγωνα στο ανατολικό τμήμα της περιοχής.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> Οι Ινδικοί δορυφόροι τηλεπισκόπησης 1Α και 1Β παρέχουν δεδομένα στο κόκκινο, μπλε, πράσινο και στις NIR μπάντες. Στην μελέτη αυτή χρησιμοποιήθηκαν LISS- I δεδομένα που αποκτήθηκαν στις: 21 Ιανουαρίου 1993, 14 Ιανουαρίου 1994 και 6 Ιανουαρίου 1995. Ακόμα, IRS 1C WiFS δεδομένα χρησιμοποιήθηκαν για να χαρτογραφηθεί η χωρική κατανομή των καλλιεργειών της πατάτας στην περιοχή. Η γεωγραφική βάση δεδομένων της περιοχής δημιουργήθηκε βάσει του τοπογραφικού χάρτη Έρευνας της Ινδίας με κλίμακα 1: 250.000.<br /> Στην συνέχεια, οι ταξινομημένες εικόνες χρησιμοποιήθηκαν προκειμένου να ταξινομηθεί η περιοχή η οποία βρισκόταν σταθερά υπό την καλλιέργεια πατάτας τα τελευταία 3 χρόνια. Διαμορφώθηκε έτσι το περιβάλλον ανάπτυξης στης πατάτας, μετά και από την ενσωμάτωση των στοιχείων του εδάφους, της φυσιογραφίας, της βροχόπτωσης και της θερμοκρασίας. <br /> Multi IRS καθώς και LISS-I δεδομένα που προέκυψαν μεταξύ 25 Οκτωβρίου 1992 και 17 Μαρτίου 1993 χρησιμοποιήθηκαν για να προκύψουν τα στοιχεία αμειψισποράς της περιοχής. Προκύπτει έτσι η εξής κατηγοριοποίηση των περιοχών: α) περιοχές με αιξανόμενο ρυθμό πατάτας, β) περιοχές με άλλες καλλιέργειες, και γ) περιοχές οι οποίες βρίσκονται σε αγρανάπαυση. Οι περιοχές της 3ης κατηγορίας ήταν αυτές που κρίθηκαν ως τομείς προτεραιότητας για την καλλιέργεια πατάτας.<br /> <br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> <br /> Η πατάτα είναι μία ποώδης καλλιέργεια η οποία σπείρεται από τα τέλη Νοεμβρίου έως τις αρχές Δεκεμβρίου. Μετά την αρχική περίοδο σταθεροποίησης, η ανάπτυξη της καλλιέργειας είναι πολύ γρήγορη. Επιτυγχάνει την πλήρη αγενή της ανάπτυξη από τα μέσα Ιανουαρίου οπότε και εμφανίζει ένα έντονο κόκκινο στο ψευδές σύνθετο χρώμα των IRS LISS-I δεδομένων. Έτσι, τα στοιχεία που αποκτήθηκαν κατά το χρονικό διάστημα 15-30 Ιανουαρίου κρίθηκαν κατάλληλα για την καλλιέργεια πατάτας. Η ανάλυση των πολυετών στοιχείων έδειξαν ότι η καλλιέργεια είχε επεκταθεί σε περισσότερα από δώδεκα τετράγωνα στην περιοχή. Ωστόσο, μόνο τα τέσσερα τετράγωνα καταλαμβάνουν μια μεγάλη γειτονική περιοχή. Η ανάλυση των στατιστικών στοιχείων που συγκεντρώνονται από τα αρχεία του Τμήματος Γεωργίας δείχνουν ότι αυτές ήταν οι παραδοσιακές περιοχές στην καλλιέργεια πατάτας.<br /> Διαπιστώθηκε ακόμα ότι οι κύριοι παράγοντες για την καλλιέργεια πατάτας στην συγκεκριμένη περιοχή δεν ήταν τόσο η βροχόπτωση και η θερμοκρασία, αλλά το έδαφος και η φυσιογραφία. Η καλλιέργεια βρέθηκε να έχει αναπτυχθεί σε λίγες μόνο φυσιογραφικές μονάδες. Έτσι, από τις 23 φυσιογραφικές μονάδες, μόνο τέσσερις βρέθηκαν να είναι σημαντικές για την πατατοκαλλιέργεια. Μεταξύ των είκοσι κατηγοριών του εδάφους, έξι διαπιστώθηκε ότι ήταν συνδεδεμένες με την πατατοκαλλιέργεια στην περιοχή.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ψηφιακή επεξεργασία εικόνας των δεδομένων τηλεπισκοπικής ανίχνευσης σε συνδυασμό με δεδομένα του εδάφους και της φυσιογραφίας χρησιμοποιήθηκαν για να ορίσουν και να οριοθετήσουν το ευνοϊκότερο περιβάλλον για την καλλιέργεια πατάτας στην περιοχή Bardhaman. Η προσέγγιση αυτή είναι ιδιαίτερα χρήσιμη για λαχανικά, κηπευτικά και άλλες καλλιέργειες που απαιτούν ένα συγκεκριμένο περιβάλλον για την επιτυχή εισαγωγή. Παραδοσιακά, οι περισσότερες από αυτές τις καλλιέργειες καλλιεργούνται από τους γεωργούς με γνώμονα την πείρα τους και μετά από συμβουλές εμπειρογνωμόνων μέσω δοκιμών επίδειξης.<br /> Έτσι, περιοχές όπου οι καλλιέργειες καλλιεργούνται εντατικά, μπορούν κάλλιστα να χρησιμοποιηθούν για το μοντέλο του περιβάλλοντος ανάπτυξης για την περιοχή αυτή. Δεδομένα IRS LISS-I διαπιστώνεται ότι είναι κατάλληλα για την εναλλαγή καλλιεργειών, για γεωργικές περιοχές και για περιοχές στο πλαίσιο μιας συγκεκριμένης καλλιέργειας.<br /> Το Υπουργείο Γεωργίας προβλέπει μια βιώσιμη αύξηση της γεωργικής παραγωγής μέσω διαφόρων μηχανισμών, σε καλλιέργειες όπως είναι τα δημητριακά, το βαμβάκι, το ζαχαροκάλαμο, και η πατάτα.</div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN9_eik5.jpg 2011-01-19T12:41:23Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN9_eik4.jpg 2011-01-19T12:41:15Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN9_eik3.jpg 2011-01-19T12:41:08Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN9_eik2.jpg 2011-01-19T12:40:59Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN9_eik1.jpg 2011-01-19T12:40:52Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN8_eik2.jpg 2011-01-19T12:40:44Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN8_eik1.jpg 2011-01-19T12:40:35Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN7_eik3.jpg 2011-01-19T12:40:26Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN7_eik2.jpg 2011-01-19T12:40:18Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN7_eik1.jpg 2011-01-19T12:40:09Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN6_eik2.jpg 2011-01-19T12:39:59Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN6_eik1.jpg 2011-01-19T12:39:47Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik9.jpg 2011-01-19T12:39:37Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik8.jpg 2011-01-19T12:39:22Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik7.jpg 2011-01-19T12:39:08Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik6.jpg 2011-01-19T12:38:51Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik5.jpg 2011-01-19T12:38:42Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik4.jpg 2011-01-19T12:38:27Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:MN5_eik3.jpg 2011-01-19T12:38:19Z

<p>Odaliski26: </p> <hr /> <div></div>

Odaliski26