http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Pandri21&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%2FPandri21 2026-04-25T16:40:08Z Από RemoteSensing Wiki MediaWiki 1.16.2 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%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2010-03-03T22:11:22Z

<p>Pandri21: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών.'''<br /> <br /> Χρήστος Βασιλάκος1,2, Κώστας Καλαμποκίδης1, Ιωάννης Χατζόπουλος2, Γεώργιος Κάλλος3 και Ιωάννης Ματσίνος2 <br /> 1Πανεπιστήμιο Αιγαίου, Τμήμα Γεωγραφίας <br /> 2Πανεπιστήμιο Αιγαίου, Τμήμα Περιβάλλοντος <br /> 3Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Τμήμα Φυσικής<br /> Πηγή: http://www.aegean.edu/environment/labs/Remote_sensing/publications/Hazard_full_v1.pdf<br /> <br /> ''Αντικείμενο εφαρμογής'': Διαχείριση Κινδύνων <br /> <br /> ''Στόχοι εφαρμογής'': Προσπάθειας ανάπτυξης ενός ποσοτικού Ελληνικού Συστήματος Εκτίμησης Κινδύνου Πυρκαγιών, με περιοχή μελέτης το νησί της Λέσβου. Το προτεινόμενο σύστημα εκτιμά χωρικά την πυρο-επικινδυνότητα σε τοπική κλίμακα, και έχει τη δυνατότητα πρόβλεψης βασιζόμενο σε μετεωρολογικά δεδομένα. Το κύριο προϊόν του συστήματος είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς βασιζόμενος σε τρεις άλλους επιμέρους δείκτες: το Μετεωρολογικό Δείκτη Κινδύνου, το Βλαστητικό Δείκτη Κινδύνου και τον Κοινωνικό-Οικονομικό Δείκτη Κινδύνου. Όλοι οι επιμέρους δείκτες είναι δυναμικοί, δηλαδή μεταβάλλονται στο χρόνο, και αποτελούν μια συστηματική, ποσοτική και χωρική εκτίμηση του κινδύνου. Η σχέση μεταξύ εμφάνισης της φωτιάς και των παραμέτρων-μεταβλητών που ενσωματώνονται στους παραπάνω δείκτες, βασίζεται σε ιστορικά στατιστικά στοιχεία πυρκαγιών και μοντελοποιήθηκε με τη χρήση μεθόδων τεχνητής νοημοσύνης και συγκεκριμένα των νευρωνικών δικτύων. Το συγκεκριμένο σύστημα βασίζεται σε μια ρεαλιστική προσέγγιση, έτσι ώστε οι παράμετροι που το αποτελούν να είναι εύκολο να μετρηθούν και το σύστημα να είναι έτοιμο για επιχειρησιακή εφαρμογή σε τοπικό επίπεδο, όπου και λαμβάνονται οι κρίσιμες αποφάσεις στο στάδιο της πρόληψης και καταστολής. Κύριες πηγές για τον καθορισμό των παραμέτρων αποτελούν δορυφορικές εικόνες από τους δέκτες QuickBird και Landsat ETM καθώς και το μοντέλο πρόγνωσης καιρού SKIRON ενώ η διαχείριση, σύνθεση και χωρική ανάλυση των παραμέτρων, ως θεματικών επιφανειών, πραγματοποιείται με τη χρήση Συστημάτων Γεωγραφικών Πληροφοριών.Ως περιοχή μελέτης επιλέχτηκε το νησί της Λέσβου που βρίσκεται στο βόρειο-ανατολικό Αιγαίο με έκταση 1672 km2<br /> <br /> ''Είδη δορυφορικών συστημάτων'': QuickBird και Landsat ETM<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> για την χαρτογράφηση του οδικού δικτύου, των οικισμών και των αγροτικών περιοχών χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα υψηλής χωρικής διακριτικής ικανότητας από τον δέκτη QuickBird με μέγεθος pixel 2,8 m. Για να αντικατασταθούν οι περιοχές που είχαν νεφοκάλυψη χρησιμοποιήθηκε εικόνα Landsat ETM με μέγεθος pixel 30 m στο πολυφασματικό και 15 m στο πανχρωματικό. Από όλα τα κανάλια του Landsat ETM επιλέχθηκαν το μπλε, πράσινο, κόκκινο και κοντινό υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird, και συνενώθηκαν με το πανχρωματικό έτσι ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15 m γεωμετρική διαχωριστική ικανότητα.<br /> Προεπεξεργασίες: Τα σκηνικά διορθώθηκαν γεωμετρικά με τη βοήθεια χαρτών και GPS και έπειτα συνενώθηκαν σταδιακά σε ένα ενιαίο μωσαϊκό πραγματοποιώντας παράλληλα και ραδιομετρικές διορθώσεις προκειμένου να εξαλειφθούν οι διαφορές που υπήρχαν στα ιστογράμματά τους, κυρίως λόγω της διαφορετικής ημέρας και γωνίας λήψης<br /> Χρήση επιπρόσθετων δεδομένων: Ο Μετεωρολογικός Δείκτης Κινδύνου βασίζεται σε μετεωρολογικά δεδομένα τα οποία συλλέγονται από 4 αυτόματους τηλεμετρικούς μετεωρολογικούς σταθμούς (ΑΤΜΟΣ). Χρησιμοποιώντας αυτά τα δεδομένα, υπολογίζεται ο πραγματικός Μετεωρολογικός Δείκτης Κινδύνου και κατά συνέπεια ο πραγματικός Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς.<br /> Ο Βλαστητικός Δείκτης Κινδύνου αναφέρεται στην πιθανότητα εμφάνισης πυρκαγιάς λόγω της τοπογραφίας, του είδους της βλάστησης και της κατάστασής της. Περιοχές με τα ίδια είδη βλάστησης μπορούν να έχουν διαφορετικό κίνδυνο λόγω της μορφολογίας (ύψος, πυκνότητα) και της ποσότητας της βλάστησης. Αυτή η διαφοροποίηση συνοψίζεται στα διαφορετικά μοντέλα καύσιμης ύλης (Deeming et al., 1977). Για την δημιουργία της χωρικής επιφάνειας μοντέλων καύσιμης ύλης στη Λέσβο, χρησιμοποιήθηκαν οι χρήσεις γης CORINE οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BEHAVE (Anderson, 1982).<br /> Ο Κοινωνικο-Οικονομικός Δείκτης Κινδύνου αναφέρεται στην επικινδυνότητα μιας περιοχής λόγω της ανθρώπινης παρουσίας. Η χωρική ανάλυση του ανθρώπινου ρίσκου είναι αρκετά περίπλοκη λόγω της δυσκολίας να απεικονισθούν χωρικά οι ανθρώπινες δραστηριότητες (Vega-Garcia et al., 1993). Η κύρια μέθοδος που χρησιμοποιείται για τη χαρτογράφηση του ανθρώπινου ρίσκου είναι ο συσχετισμός της χωρικής κατανομής της έναρξης των πυρκαγιών με την εγγύτητα σε ανθρώπινες δραστηριότητες.<br /> <br /> [[Εικόνα:Image20_p.jpg | thumb | right | Διάγραμμα Ροής Εργασιών., πηγή:http://www.aegean.edu/environment/labs/Remote_sensing/publications/Hazard_full_v1.pdf]]<br /> <br /> ''Αναγκαιότητα'': Η αναπτύξει ένα νέου ποσοτικού συστήματος εκτίμησης κινδύνου πυρκαγιάς το οποίο θα βασίζεται σε παραμέτρους οι οποίοι θα μπορούν να προσδιοριστούν εύκολα και γρήγορα.<br /> Προχωρημένες Επεξεργασίες: Για την εκπαίδευση των νευρωνικών δικτύων χρησιμοποιήθηκαν 420 πυρκαγιές οι οποίες εκδηλώθηκαν στο χρονικό διάστημα 1970-2001. Για αυτές τις πυρκαγιές συλλέχθηκαν όλα τα ιστορικά δεδομένα τα οποία χρειάζονται στην εκπαίδευση και χαρτογραφήθηκαν με τη βοήθεια συνεντεύξεων των κατοίκων, ενώ οι μεταβλητές που αναφέρονται σε αποστάσεις από κάποια παράμετρο για κάθε σημείο έναρξης υπολογίστηκαν με τη χρήση Συστημάτων Γεωγραφικών Πληροφοριών. Για τη σωστή εκπαίδευση, δημιουργήθηκαν τυχαία σημεία που προσομοίωναν τη μη εμφάνισης πυρκαγιάς για συγκεκριμένη χρονική στιγμή κατά το έτος 2003.<br /> <br /> [[Εικόνα:Image21_p.jpg | thumb | right | Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς στις ημερομηνίες 23/6/2003 και 27/8/2003., πηγή:http://www.aegean.edu/environment/labs/Remote_sensing/publications/Hazard_full_v1.pdf]]<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': Πραγματοποιήθηκαν πολλαπλές δοκιμές ώστε να επιλεγεί η τελική δομή των νευρωνικών δικτύων για κάθε δείκτη, παρακολουθώντας κυρίως τα ποσοστά σωστής ταξινόμησης των δειγμάτων εκπαίδευσης και επαλήθευσης καθώς και του μέσου τετραγωνικού σφάλματος (MSE). Ως ρυθμός εκμάθησης επιλέχθηκε ρ=0,1 ενώ ο νευρώνας στην έξοδο θεωρείται ενεργοποιημένος με τιμή μεγαλύτερη από 0,5. Πιο εύκολα προσεγγίστηκε η συνάρτηση του Μετεωρολογικού Δείκτη Κινδύνου, ενώ ο Κοινωνικό-Οικονομικός Δείκτης Κινδύνου είχε καλύτερα ποσοστά ταξινόμησης των πυρκαγιών του 2003. Έχοντας τους παραπάνω χάρτες-αποτελέσματα θα μπορούσαν οι τοπικές πυροσβεστικές και πολιτειακές αρχές να τους χρησιμοποιήσουν ως ένα σημαντικό εργαλείο υποστήριξης αποφάσεων για την πρόληψη και καταστολή των δασικών πυρκαγιών. Στόχος της παρούσας εργασίας ήταν να αναπτυχθεί για πρώτη φορά ένα ποσοτικό σύστημα εκτίμησης του κινδύνου πυρκαγιών μεγάλης κλίμακας με δυνατότητα βραχυπρόθεσμης πρόγνωσης. Με την υιοθέτηση ενός τέτοιου συστήματος είναι εφικτός ο εντοπισμός περιοχών με υψηλό δείκτη κινδύνου/ επικινδυνότητας έτσι ώστε να πραγματοποιείται αποτελεσματικότερη διασπορά των δυνάμεων φύλαξης και πρώτης προσβολής, ενώ δίνεται η δυνατότητα για την έγκαιρη λήψη αποτρεπτικών μέτρων.</div>

Pandri21 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%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2010-03-03T22:09:03Z

<p>Pandri21: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών.'''<br /> <br /> Χρήστος Βασιλάκος1,2, Κώστας Καλαμποκίδης1, Ιωάννης Χατζόπουλος2, Γεώργιος Κάλλος3 και Ιωάννης Ματσίνος2 <br /> 1Πανεπιστήμιο Αιγαίου, Τμήμα Γεωγραφίας <br /> 2Πανεπιστήμιο Αιγαίου, Τμήμα Περιβάλλοντος <br /> 3Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Τμήμα Φυσικής<br /> Πηγή: http://www.aegean.edu/environment/labs/Remote_sensing/publications/Hazard_full_v1.pdf<br /> <br /> ''Αντικείμενο εφαρμογής'': Διαχείριση Κινδύνων <br /> <br /> ''Στόχοι εφαρμογής'': Προσπάθειας ανάπτυξης ενός ποσοτικού Ελληνικού Συστήματος Εκτίμησης Κινδύνου Πυρκαγιών, με περιοχή μελέτης το νησί της Λέσβου. Το προτεινόμενο σύστημα εκτιμά χωρικά την πυρο-επικινδυνότητα σε τοπική κλίμακα, και έχει τη δυνατότητα πρόβλεψης βασιζόμενο σε μετεωρολογικά δεδομένα. Το κύριο προϊόν του συστήματος είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς βασιζόμενος σε τρεις άλλους επιμέρους δείκτες: το Μετεωρολογικό Δείκτη Κινδύνου, το Βλαστητικό Δείκτη Κινδύνου και τον Κοινωνικό-Οικονομικό Δείκτη Κινδύνου. Όλοι οι επιμέρους δείκτες είναι δυναμικοί, δηλαδή μεταβάλλονται στο χρόνο, και αποτελούν μια συστηματική, ποσοτική και χωρική εκτίμηση του κινδύνου. Η σχέση μεταξύ εμφάνισης της φωτιάς και των παραμέτρων-μεταβλητών που ενσωματώνονται στους παραπάνω δείκτες, βασίζεται σε ιστορικά στατιστικά στοιχεία πυρκαγιών και μοντελοποιήθηκε με τη χρήση μεθόδων τεχνητής νοημοσύνης και συγκεκριμένα των νευρωνικών δικτύων. Το συγκεκριμένο σύστημα βασίζεται σε μια ρεαλιστική προσέγγιση, έτσι ώστε οι παράμετροι που το αποτελούν να είναι εύκολο να μετρηθούν και το σύστημα να είναι έτοιμο για επιχειρησιακή εφαρμογή σε τοπικό επίπεδο, όπου και λαμβάνονται οι κρίσιμες αποφάσεις στο στάδιο της πρόληψης και καταστολής. Κύριες πηγές για τον καθορισμό των παραμέτρων αποτελούν δορυφορικές εικόνες από τους δέκτες QuickBird και Landsat ETM καθώς και το μοντέλο πρόγνωσης καιρού SKIRON ενώ η διαχείριση, σύνθεση και χωρική ανάλυση των παραμέτρων, ως θεματικών επιφανειών, πραγματοποιείται με τη χρήση Συστημάτων Γεωγραφικών Πληροφοριών.Ως περιοχή μελέτης επιλέχτηκε το νησί της Λέσβου που βρίσκεται στο βόρειο-ανατολικό Αιγαίο με έκταση 1672 km2<br /> <br /> ''Είδη δορυφορικών συστημάτων'': QuickBird και Landsat ETM<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> για την χαρτογράφηση του οδικού δικτύου, των οικισμών και των αγροτικών περιοχών χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα υψηλής χωρικής διακριτικής ικανότητας από τον δέκτη QuickBird με μέγεθος pixel 2,8 m. Για να αντικατασταθούν οι περιοχές που είχαν νεφοκάλυψη χρησιμοποιήθηκε εικόνα Landsat ETM με μέγεθος pixel 30 m στο πολυφασματικό και 15 m στο πανχρωματικό. Από όλα τα κανάλια του Landsat ETM επιλέχθηκαν το μπλε, πράσινο, κόκκινο και κοντινό υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird, και συνενώθηκαν με το πανχρωματικό έτσι ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15 m γεωμετρική διαχωριστική ικανότητα.<br /> Προεπεξεργασίες: Τα σκηνικά διορθώθηκαν γεωμετρικά με τη βοήθεια χαρτών και GPS και έπειτα συνενώθηκαν σταδιακά σε ένα ενιαίο μωσαϊκό πραγματοποιώντας παράλληλα και ραδιομετρικές διορθώσεις προκειμένου να εξαλειφθούν οι διαφορές που υπήρχαν στα ιστογράμματά τους, κυρίως λόγω της διαφορετικής ημέρας και γωνίας λήψης<br /> Χρήση επιπρόσθετων δεδομένων: Ο Μετεωρολογικός Δείκτης Κινδύνου βασίζεται σε μετεωρολογικά δεδομένα τα οποία συλλέγονται από 4 αυτόματους τηλεμετρικούς μετεωρολογικούς σταθμούς (ΑΤΜΟΣ). Χρησιμοποιώντας αυτά τα δεδομένα, υπολογίζεται ο πραγματικός Μετεωρολογικός Δείκτης Κινδύνου και κατά συνέπεια ο πραγματικός Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς.<br /> Ο Βλαστητικός Δείκτης Κινδύνου αναφέρεται στην πιθανότητα εμφάνισης πυρκαγιάς λόγω της τοπογραφίας, του είδους της βλάστησης και της κατάστασής της. Περιοχές με τα ίδια είδη βλάστησης μπορούν να έχουν διαφορετικό κίνδυνο λόγω της μορφολογίας (ύψος, πυκνότητα) και της ποσότητας της βλάστησης. Αυτή η διαφοροποίηση συνοψίζεται στα διαφορετικά μοντέλα καύσιμης ύλης (Deeming et al., 1977). Για την δημιουργία της χωρικής επιφάνειας μοντέλων καύσιμης ύλης στη Λέσβο, χρησιμοποιήθηκαν οι χρήσεις γης CORINE οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BEHAVE (Anderson, 1982).<br /> Ο Κοινωνικο-Οικονομικός Δείκτης Κινδύνου αναφέρεται στην επικινδυνότητα μιας περιοχής λόγω της ανθρώπινης παρουσίας. Η χωρική ανάλυση του ανθρώπινου ρίσκου είναι αρκετά περίπλοκη λόγω της δυσκολίας να απεικονισθούν χωρικά οι ανθρώπινες δραστηριότητες (Vega-Garcia et al., 1993). Η κύρια μέθοδος που χρησιμοποιείται για τη χαρτογράφηση του ανθρώπινου ρίσκου είναι ο συσχετισμός της χωρικής κατανομής της έναρξης των πυρκαγιών με την εγγύτητα σε ανθρώπινες δραστηριότητες.<br /> <br /> ''Αναγκαιότητα'': Η αναπτύξει ένα νέου ποσοτικού συστήματος εκτίμησης κινδύνου πυρκαγιάς το οποίο θα βασίζεται σε παραμέτρους οι οποίοι θα μπορούν να προσδιοριστούν εύκολα και γρήγορα.<br /> Προχωρημένες Επεξεργασίες: Για την εκπαίδευση των νευρωνικών δικτύων χρησιμοποιήθηκαν 420 πυρκαγιές οι οποίες εκδηλώθηκαν στο χρονικό διάστημα 1970-2001. Για αυτές τις πυρκαγιές συλλέχθηκαν όλα τα ιστορικά δεδομένα τα οποία χρειάζονται στην εκπαίδευση και χαρτογραφήθηκαν με τη βοήθεια συνεντεύξεων των κατοίκων, ενώ οι μεταβλητές που αναφέρονται σε αποστάσεις από κάποια παράμετρο για κάθε σημείο έναρξης υπολογίστηκαν με τη χρήση Συστημάτων Γεωγραφικών Πληροφοριών. Για τη σωστή εκπαίδευση, δημιουργήθηκαν τυχαία σημεία που προσομοίωναν τη μη εμφάνισης πυρκαγιάς για συγκεκριμένη χρονική στιγμή κατά το έτος 2003.<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': Πραγματοποιήθηκαν πολλαπλές δοκιμές ώστε να επιλεγεί η τελική δομή των νευρωνικών δικτύων για κάθε δείκτη, παρακολουθώντας κυρίως τα ποσοστά σωστής ταξινόμησης των δειγμάτων εκπαίδευσης και επαλήθευσης καθώς και του μέσου τετραγωνικού σφάλματος (MSE). Ως ρυθμός εκμάθησης επιλέχθηκε ρ=0,1 ενώ ο νευρώνας στην έξοδο θεωρείται ενεργοποιημένος με τιμή μεγαλύτερη από 0,5. Πιο εύκολα προσεγγίστηκε η συνάρτηση του Μετεωρολογικού Δείκτη Κινδύνου, ενώ ο Κοινωνικό-Οικονομικός Δείκτης Κινδύνου είχε καλύτερα ποσοστά ταξινόμησης των πυρκαγιών του 2003. Έχοντας τους παραπάνω χάρτες-αποτελέσματα θα μπορούσαν οι τοπικές πυροσβεστικές και πολιτειακές αρχές να τους χρησιμοποιήσουν ως ένα σημαντικό εργαλείο υποστήριξης αποφάσεων για την πρόληψη και καταστολή των δασικών πυρκαγιών. Στόχος της παρούσας εργασίας ήταν να αναπτυχθεί για πρώτη φορά ένα ποσοτικό σύστημα εκτίμησης του κινδύνου πυρκαγιών μεγάλης κλίμακας με δυνατότητα βραχυπρόθεσμης πρόγνωσης. Με την υιοθέτηση ενός τέτοιου συστήματος είναι εφικτός ο εντοπισμός περιοχών με υψηλό δείκτη κινδύνου/ επικινδυνότητας έτσι ώστε να πραγματοποιείται αποτελεσματικότερη διασπορά των δυνάμεων φύλαξης και πρώτης προσβολής, ενώ δίνεται η δυνατότητα για την έγκαιρη λήψη αποτρεπτικών μέτρων.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image21_p.jpg 2010-03-03T22:09:01Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image20_p.jpg 2010-03-03T22:08:33Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 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%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2010-03-03T21:52:45Z

<p>Pandri21: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]</div>

Pandri21 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%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2010-03-03T21:49:19Z

<p>Pandri21: Removing all content from page</p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-03-03T21:38:43Z

<p>Pandri21: </p> <hr /> <div>* [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> <br /> * [[Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.]]<br /> <br /> * [[Μεταβολές Χρήσης γης και Κάλυψη γης στην Greater Dhaka, Μπαγκλαντές με χρήση δορυφορικών δεδομένων για την προώθηση της βιώσιμης αστικοποίησης.]] <br /> <br /> * [[Ενσωμάτωση τηλεπισκόπησης,GIS και μοντέλων πρόβλεψης για την παρακολούθηση αποδάσωσης και διάβρωσης στο Peten Reserve, της Γουατεμάλας.]] <br /> <br /> * [[Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 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%CE%B5%CF%87%CE%BD%CE%B7%CF%84%CE%AE_%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD. 2010-03-03T21:38:17Z

<p>Pandri21: New page: Add Your Content Here category:Διαχείριση κινδύνων</p> <hr /> <div>Add Your Content Here <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-03-03T10:18:04Z

<p>Pandri21: </p> <hr /> <div>* [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> <br /> * [[Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.]]<br /> <br /> * [[Μεταβολές Χρήσης γης και Κάλυψη γης στην Greater Dhaka, Μπαγκλαντές με χρήση δορυφορικών δεδομένων για την προώθηση της βιώσιμης αστικοποίησης.]] <br /> <br /> * [[Ενσωμάτωση τηλεπισκόπησης,GIS και μοντέλων πρόβλεψης για την παρακολούθηση αποδάσωσης και διάβρωσης στο Peten Reserve, της Γουατεμάλας.]] <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82,GIS_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CF%89%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B1%CF%80%CE%BF%CE%B4%CE%AC%CF%83%CF%89%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%BF_Peten_Reserve,_%CF%84%CE%B7%CF%82_%CE%93%CE%BF%CF%85%CE%B1%CF%84%CE%B5%CE%BC%CE%AC%CE%BB%CE%B1%CF%82. 2010-03-03T10:17:13Z

<p>Pandri21: New page: category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων '''Ενσωμάτωση τηλεπισκόπησης,GIS ...</p> <hr /> <div> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]<br /> <br /> '''Ενσωμάτωση τηλεπισκόπησης,GIS και μοντέλων πρόβλεψης για την παρακολούθηση αποδάσωσης και διάβρωσης στο Peten Reserve, της Γουατεμάλας.'''<br /> <br /> ''Integrating Remote Sensing, GIS and Prediction Models to Monitor the Deforestation and Erosion in Peten Reserve, Guatemala.''<br /> <br /> R. Bruno1, M. Follador1,2, M. Paegelow2, F. Renno2, N. Villa3<br /> 1 DICMA, Engineering, Università di Bologna, Italy<br /> 2 GEODE/CNRS, Université de Toulouse le Mirail, France<br /> 3 GRIMM, Université de Toulouse le Mirail, France<br /> Society for Mathematical Geology, XIth International Congress,2006, Université de Liège - Belgium<br /> <br /> ''Αντικείμενο εφαρμογής'': Δασική Διαχείριση – Προσδιορισμός Αλλαγών<br /> <br /> ''Στόχοι εφαρμογής'': Αυτή η συνεισφορά παρέχει μια στρατηγική για την μελέτη και την μοντελοποίηση της αποψίλωσης και της φθοράς του εδάφους στο φυσικά διατηρημένα δάσος του Peten, Guatemala, χρησιμοποιώντας μια φτωχή χωρική βάση δεδομένων. Μία διαδικασία (Multispectral Image Processing) των Spot και TM Landsat δεδομένων επέτρεψε την κατανόηση της συμπεριφοράς της δυναμικής της πρωθύστερης επιφάνειας του εδάφους. Μια ανάλυση του Normalized Difference Vegetation and Hydric Stress index most informative RGB (σύμφωνα με τα στατιστικά κριτήρια) και τα Πρωταρχικά Συστατικά, καταδείκνυε την σημασία και την κατεύθυνση των περιβαντολλογικών αντίκτυπων. Από τις δορυφορικές εικόνες παίρνουμε καινούρια περιβαλλοντικά κριτήρια (αποστάσεις από τους δρόμους, αγωγούς πετρελαίου, DEM, και άλλα), τα οποία και επηρέαζαν την χωρική κατανομή των προβλεπόμενων πιθανοτήτων της επιφάνειας του εδάφους. Συγκρίθηκαν τα αποτελέσματα διαφόρων πιθανών προσεγγίσεων (Markov Chains, Multi Criteria Evaluation and Cellular Automata; Neural Networks) αναλύοντας τα υπόλοιπα έτσι ώστε να βελτιωθεί το ρίσκο του μελλοντικού μοντέλου αποψίλωσης.<br /> <br /> ''Πως γινόταν παλιότερα'': Δεν αναφέρεται<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat TM - Spot<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> Επισημαίνουμε ότι tο πιό κατάλληλο RGB παράγωγο συντέθηκε από τα κανάλια ενός του ορατό, ενός κοντά του υπέρυθρου και ενός του μέσου υπέρυθρη (δηλ. 1988_TM 145, 1992_TM 147), συγχρόνως το λιγότερο πληροφοριακό σύνολο δεδομένων ήταν το αποκαλούμενο «αληθινό σύνθετο χρώματος» (δηλ. RGB_TM 321). Συνδυάστηκαν διαφορετικά κανάλια, και η σχέση μεταξύ του κόκκινου, του υπέρυθρου, που συντέθηκαν από NDVI (ομαλοποιημένος δείκτης βλάστησης διαφοράς) χρησιμοποιήθηκε για να περιγράψει το δασικά καθάρισμα και την αναγεννημένη περιοχή, η σχέση μεταξύ του κοντινού υπέρυθρου και του μέσου υπέρυθρου, που συντίθενται από NDII (ομαλοποιημένος υπέρυθρος δείκτης διαφοράς), επισημαίνει τις διαβρωμένες περιοχές ή τις hydric περιοχές.<br /> Προεπεξεργασίες: Μια ραδιομετρική διόρθωση βασισμένη στο DOC (dark object Subtraction, σκοτεινό αντικείμενο αφαίρεση) εφαρμόστηκε για να μειώσει την ατμοσφαιρική διασπορά μέσα σε κάθε σκηνή. Η στατιστική μελέτη των τιμών του εικονοστοιχείου (ND) επέτρεψε στον υπολογισμό του πιό πληροφοριακού συνόλου δεδομένων, που μειώνει το συσχετισμό μεταξύ των καναλιών. Χρησιμοποιήθηκε ο βέλτιστος παράγοντας δεικτών (Optimum Index Factor, βασισμένος στην αναλογία μεταξύ του δείκτη σταθερής απόκλισης και συσχετισμού της εικόνας NDs), ώστε να επιλεχθεί το καλύτερο σύνθετο χρώματος για κάθε έτος.<br /> <br /> [[Εικόνα:Image18_p.jpg | thumb | right | Δυναμική χρήσης γης της περιοχής Peten, από το 1998 ως το 2003. Μέθοδος ανίχνευσης αλλαγής RGB-NDIm. Καλυμμένες εικόνες (σύννεφα, νερό, σκιές σύννεφων)., πηγή:Society for Mathematical Geology, XIth International Congress]]<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Μια μέθοδος ανίχνευσης αλλαγής βασισμένη στο RGB- (NDIm) εφαρμόστηκε για τις χρονοσειρές των TM δεδομένων και του δεδομένων του Spot. Προσοχή δόθηκε στη δυναμική χρήσης γης μετά από τις μεγάλες άγριες πυρκαγιές μέσα στο 1998. Το RGB παράγωγο δημιουργήθηκε χρησιμοποιώντας το NDIm του 1998 (Spot) _R, το 2000 (ETM) _G και 2003 (ETM) _B. Όλες οι εικόνες είχαν χωρική ακρίβεια εικονοστοιχείου (5x5m).Η ερμηνεία του τελικού σύνθετου χρώματος βοηθήθηκε από τις απόψεις των εμπειρογνωμόνων σε αυτήν την περιοχή. Τελικά αναγνωρίστηκαν 10 κατηγορίες, με τις διαφορετικές αλλαγές στο φυτικό σθένος ή διαφορετική hydric πίεση, από το 1998 (πριν από τις μεγάλες πυρκαγιές) έως 2003. Παρουσιάστηκε μόνο η κύρια δυναμική, συμπεριλαμβανομένων των κατηγοριών με τις παρόμοιες τιμές και συμπεριφορά στην ίδια ομάδα <br /> Μια εποπτευμένη ταξινόμηση (supervised classification) εφαρμόστηκε στο περισσότερο πληροφοριακό σύνθετο χρώματος (σύμφωνα με το OIF) για κάθε ημερομηνία. Χρησιμοποιήθηκε ένας μικτός αλγόριθμος βασισμένος σε MaxLikelihood (που αναλύει μόνο το ND κάθε ενιαίου εικονοστοιχείου) και στο αλληλεπιδρόμενο υπό όρους πρότυπο (για την εξέταση των στοιχείων της χωρικής διανομής), έτσι η κατηγορία που αποδίδεται σε ένα εικονοστοιχείο εξαρτήθηκε και από την αξία της και από τις κατηγορίες των γειτονικών εικονοστοιχείων. Αρχικά επισημάνθηκαν 4 κατηγορίες (υψηλό δάσος, χαμηλό δάσος + δευτεροβάθμιο αναγεννημένο δάσος, υγρά εδάφη, λιβάδι + χαμηλή αναγέννηση) με έναν δείκτη Κ περίπου 0.7-0.8, λόγω της μεγάλης σύγχυσης μεταξύ του υψηλού δάσους και του χαμηλού δάσους, ιδιαίτερα κατά τη διάρκεια της εποχής της βροχής. <br /> <br /> ''Προχωρημένες Επεξεργασίες'': <br /> Χρησιμοποιήθηκε για τη διαμόρφωση αυτού του προβλήματος, ένα από τα πολυάριθμα νευρικά μοντέλα που αναπτύχθηκαν κατά τα προηγούμενα έτη: το πολυστρωματικό perceptrons (multi-layer perceptrons). Επίσης, αντίθετα από τα καθαρά μαθηματικά πρότυπα, τα geomatic πρότυπα πρόβλεψης που εφαρμόζονται στην περιβαλλοντική δυναμική περιλαμβάνουν ένα μέρος της ανθρώπινης διενεργηθείσας γεωγραφικής ανάλυσης, για να πραγματοποιήσουν τη σχέση μεταξύ της δυναμικής κάλυψης εδάφους και των πιθανών επεξηγηματικών κριτηρίων. Για την υλοποίηση του μοντέλου έγινε χρήση του λογισμικού GIS (σε συνδυασμό με το Idrisi 32 Kilimanjaro) και ενός περιοριστικού καταλόγου κριτηρίων έτσι ώστε η μεθοδολογία να ίσχυε και για άλλες εκτάσεις. Η βαθμολόγηση θα εκτελέσθηκε με τη διαμόρφωση ενός γνωστού μέρους κάλυψης εδάφους, στην τελευταία διαθέσιμη ημερομηνία. <br /> <br /> [[Εικόνα:Image19_p.jpg | thumb | right | Νευρωνικό Δίκτυο, πηγή:Society for Mathematical Geology, XIth International Congress]]<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': Η έρευνα πάνω στις φυσικές δυναμικές χρήσης της γης (1988-2003) στην la Joyanca Region, Peten, δείχνει δυο διαφορετικές τάσεις: μέσα στα όρια που παραχώρησαν οι φυλές μπορούμε να παρατηρήσουμε την γέννηση μικρών ανοιχτών περιοχών οι οποίες αλλάζουν περιοδικά, επιτρέποντας κατά αυτό τον τρόπο μια πιο γρήγορη αναγέννηση του δάσους και μια πιο καλά προσαρμοσμένη χρήση των φυσικών προϊόντων. Σε αντιδιαστολή με αυτά, στις προσκείμενες περιοχές , οι οποίες θεωρητικά προστατεύονται από κυβερνητικούς νόμους, καταδεικνύουμε μια προοδευτική επέκταση της αποψίλωσης για παράνομες δραστηριότητες ράντσων και επακόλουθο στρες και φτώχεμα του χώματος, με εντοπισμένα φαινόμενα αποσάθρωσης. Τα προβλεπόμενα μοντέλα μας αφήνουν το περιθώριο σχεδιασμού μελλοντικών σεναρίων δυναμικής χρήσης της γης in La Joyanca Region. Αυτά αποτελούν ένα σημαντικό εργαλείο για να τεστάρουμε την επίδραση της καινούριας κυβερνητικής πολιτικής των επικοινωνιακών παραχωρήσεων στις γηγενείς φυλές, η οποία θα πρέπει να εγγυάται την μείωση της αυθόρμητης και ανεξέλεγκτης εποίκισης και της πύρινης λαίλαπας, συχνότερα στα Φυσικά Πάρκα (Nittler et al. 2005). Εάν τα αποτελέσματα των δικών μας μοντέλων πρόβλεψης θα είναι ενθαρρυντικά, η πολιτική των κοινωνικών παραχωρήσεων θα είναι πιο εκτεταμένη σε άλλη περιοχή στα βόρεια του Peten, με την εγγύηση μιας καλύτερης και πιο ανθεκτικής χρήσης του τροπικού δάσους και με την αντικατάσταση των απαρχαιωμένων και αναποτελεσματικών νόμων για την προστασία των Φυσικών Πόρων.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-03-03T10:10:36Z

<p>Pandri21: </p> <hr /> <div>* [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> <br /> * [[Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.]]<br /> <br /> * [[Μεταβολές Χρήσης γης και Κάλυψη γης στην Greater Dhaka, Μπαγκλαντές με χρήση δορυφορικών δεδομένων για την προώθηση της βιώσιμης αστικοποίησης.]] <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AD%CF%82_%CE%A7%CF%81%CE%AE%CF%83%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%9A%CE%AC%CE%BB%CF%85%CF%88%CE%B7_%CE%B3%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_Greater_Dhaka,_%CE%9C%CF%80%CE%B1%CE%B3%CE%BA%CE%BB%CE%B1%CE%BD%CF%84%CE%AD%CF%82_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%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_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CE%BF%CF%8E%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B2%CE%B9%CF%8E%CF%83%CE%B9%CE%BC%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7%CF%82. 2010-03-03T10:09:56Z

<p>Pandri21: New page: category:Ανίχνευση μεταβολών αστικής γης '''Μεταβολές Χρήσης γης και Κάλυψη γης στην Greater Dhaka, Μπαγκλαντέ...</p> <hr /> <div> [[category:Ανίχνευση μεταβολών αστικής γης]]<br /> <br /> '''Μεταβολές Χρήσης γης και Κάλυψη γης στην Greater Dhaka, Μπαγκλαντές με χρήση δορυφορικών δεδομένων για την προώθηση της βιώσιμης αστικοποίησης.''' <br /> <br /> ''Land use and land cover change in Greater Dhaka, Bangladesh: Using remote sensing to promote sustainable urbanization''<br /> <br /> Applied Geography 29 (2009) 390–401<br /> Ashraf M. Dewan a,*, Yasushi Yamaguchi b<br /> (a) Department of Earth and Environmental Sciences, Nagoya University, Japan<br /> (b) Graduate School of Environmental Studies, Nagoya University, Japan<br /> <br /> ''Αντικείμενο εφαρμογής'': Αστικός και περιφερειακός σχεδιασμός - Ανίχνευση μεταβολών αστικής γης<br /> <br /> ''Στόχοι εφαρμογής'': Αυτή η μελέτη αξιολογεί τις αλλαγές στη χρήση/κάλυψης γης (LULC, land use/land cover) και της αστικής επέκτασης στην Greater Dhaka, του Μπαγκλαντές, ανάμεσα στο 1975 και το 2003 χρησιμοποιώντας εικόνες από δορυφόρο και κοινωνικό-οικονομικά δεδομένα. Χωρικές και χρονικές φυσικές δυναμικές των αλλαγών στη χρήση της επιφάνειας του εδάφους προσδιορίστηκαν ποσοτικά μετά από την χρήση 3 εικόνων Landsat, ενός ελεγχόμενου βάσει ταξινόμησης αλγόριθμου και της προ-ταξινομησης αλλαγής της τεχνικής ανίχνευσης στα GIS.Η ακρίβεια των Landsat-derived χαρτών κυμαίνεται από το 85-90%. Η ανάλυση αποκάλυψε ότι η υπάρχουσα ανάπτυξη των κατοικημένων περιοχών στην Greater Dhaka κατά την διάρκεια την περιόδου μελέτης είχε σαν αποτέλεσμα την σημαντική μείωση των υδάτινων μαζών, της καλλιεργήσιμης γης, της βλάστησης και των υγροτόπων. Η αστική επέκταση της γης έχει πιο πολύ δημιουργηθεί από την ανύψωση, την πληθυσμιακή αύξηση και την οικονομική ανάπτυξη. Η ραγδαία αστική επέκταση μέσω κενών νόμων για περιοχές και της αποψίλωσης της βλάστησης είχαν σαν αποτέλεσμα ένα ευρύ φάσμα περιβαλλοντικών επιπτώσεων, συμπεριλαμβανομένης της ποιότητας της διαμονής. Όσο τόσο αξιόπιστα και τρέχοντα δεδομένα απουσιάζουν για το Bangladesh, τόσο οι χάρτες για τη χρήση της γης που έγιναν γι’ αυτή τη μελέτη θα συνεισφέρουν και για την ανάπτυξη κατοχυρωμένων αποφάσεων σχεδιασμού για την αστική χρήση της γης και επίσης για την πρόβλεψη πιθανών μελλοντικών αλλαγών στα μοντέλα ανάπτυξης. <br /> <br /> [[Εικόνα:Image16_p.jpg | thumb | right | Κατηγοριοποίηση χρήσης/κάλυψης γης για την περιοχή μελέτης, πηγή:Applied Geography 29 (2009) 390–401]]<br /> <br /> ''Πως γινόταν παλιότερα'': Οι πολυάριθμες μέθοδοι ανίχνευσης αλλαγής έχουν αναπτυχθεί για να αξιολογήσουν τις παραλλαγές σε LULC χρησιμοποιώντας δορυφορικά στοιχεία. Από αυτές τις τεχνικές, οι προ και συγκρίσεις μετα-ταξινόμησης διαδικασίες (pre- and post-classification) έχουν χρησιμοποιηθεί εκτενώς. Στην προσέγγιση pre-classification, διαδικασίες όπως εικόνας, change vector analysis, διανυσματική ανάλυση αλλαγής, κατευθύνει την ταξινόμηση πολυ-ημερομηνίας, δεικτών βλάστησης και ανάλυση τμημάτων αρχής, έχουν αναπτυχθεί. Η βασική προϋπόθεση αυτών των διαδικασιών είναι ότι αλλάζει το αποτέλεσμα LULC στις διαφορές τιμές του συντελεστή ανάκλασης εικονοστοιχείου μεταξύ των ημερομηνιών ενδιαφέροντος.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat <br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> Όλα τα κανάλια χρησιμοποιήθηκαν για την κατηγοριοποίηση των εικόνων, εκτός των θερμικών καναλιών.<br /> Προεπεξεργασίες: Έγινε γεωμετρική διόρθωση όλων των δορυφορικών Landsat TM εικόνων για την περιοχή μελέτης, με την εικόνα του 1997 ως αναφορά. Χρησιμοποιήθηκε μια πρώτης τάξης πολυνομιακή συνάρτηση και οι εικόνες επαναπροσδιορίστηκαν με 30m εικονοστοιχεία με την χρήση της μεθόδου πλησιέστερου σημείου. Δημιουργήθηκε και χρησιμοποιήθηκε μια ψεύτικη σύνθετη (RGB 432) εικόνα ETM χρώματος που απεικονίζει τα διαφορετικά LULC που χρησιμοποιούνται στον τομέα για να προσδιορίσει τα υπάρχοντα χαρακτηριστικά γνωρίσματα κάλυψης εδάφους.<br /> <br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Έξι χωριστοί τύποι LULC προσδιορίστηκαν: σώματα νερού, υγρότοποι/πεδινά, οικιστικές περιοχές, καλλιεργημένο έδαφος, βλάστηση και γυμνό χώμα/υλικά οδόστρωσης Ένας εποπτευμένος αλγόριθμος ταξινόμησης μέγιστης πιθανότητας (MLC), χρησιμοποιήθηκε για να λάβει το καλύτερο από τα δορυφορικά δεδομένα και εάν κάθε κατηγορία έχει μια γκαουσσιανή διανομή (Bolstad &amp; Το Lillesand, το 1991), εφαρμόστηκε έπειτα σε κάθε εικόνα. Η μετα-ταξινόμησης διαδικασία επομένως που χρησιμοποιήθηκε είναι μια μέθοδος για να βελτιωθεί η ακρίβεια της ταξινόμησης δεδομένου ότι είναι μια απλή και αποτελεσματική μέθοδος.<br /> Στοιχεία του Landsat που χρησιμοποιούν το δείκτη V-S-W (Yamagata, Sugita, &amp; Το Yasuoka, το 1997), πριν από μια βασισμένη στους κανόνες τεχνική που χρησιμοποιεί τις θεματικές πληροφορίες και τα στοιχεία GIS (π.χ. DEM, δημοτικοί χάρτες και οργανισμοί νερού, κ.λπ.) υιοθετήθηκε στο χωρικό ERDAS για να διορθώσει τις προηγουμένως λανθασμένες κατηγορίες κάλυψης εδάφους.<br /> <br /> [[Εικόνα:Image17_p.jpg | thumb | right | Σημαντικές μετατροπές χρήση γης την Greater Dhaka (α) 1975-1992 (β) 1992-2003., πηγή:Applied Geography 29 (2009) 390–401]]<br /> <br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': 200 σημεία αναφοράς συλλέχτηκαν με την χρήση GPS. 45 σημεία ήταν σημεία αναφοράς (ground control points. Τα GIS, όπως ο τομέας ενδιαφέροντος (AOI) εφαρμόστηκαν έπειτα στη χρησιμοποίηση στοιχείων στην οπτική ανάλυση, τα στοιχεία αναφοράς, καθώς επίσης και τοπική γνώση, χρησιμοποιήθηκαν για να χωρίσουν και να κωδικοποιήσουν εκ νέου αυτές τις καλύψεις έτσι ώστε να προσεγγίσουν περισσότερο τις αληθινές κατηγορίες. Η σύγκριση της μετα-ταξινόμησης στην ανίχνευση των αλλαγών πραγματοποιήθηκε χρησιμοποιώντας το GIS, παράγοντας τους χάρτες αλλαγής για την κατανόηση του χωρικού σχεδίου της αλλαγής μεταξύ των ετών. <br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Αυτή η μελέτη έχει προσδιορίσει τις αλλαγές LULC και τις φυσικές δυναμικές της αστικής επέκτασης στην Greater Dhaka, Bangladesh, χρησιμοποιώντας δορυφορικά δεδομένα σε συνδυασμό με κοινωνικό-οικονομικές μεταβλητές. Η αστική επέκταση έχει προσδιοριστεί ποσοτικά κατά τη διάρκεια των τελευταίων 28 χρόνων με την χρήση της τεχνικής της μετά-ταξινομημένης σύγκρισης. Η Greater Dhaka βρέθηκε να έχει αντιμετωπίσει ραγδαίες αλλαγές στην LULC, ιδιαίτερα σε κατοικημένες/αστικές περιοχές. Η ανάλυση ανέδειξε ότι οι αστικές περιοχές αυξήθηκαν από 6131 hα κατά τη διάρκεια του 1975-1992 και 4422 ha από το 1992 έως το 2003, πράγμα που είχε σαν αποτέλεσμα την απτή μείωση των υδάτινων μαζών στην περιοχή, της βλάστησης, των καλλιεργήσιμων εκτάσεων και των υγροτόπων/πεδινών περιοχών. Η δραματική επέκταση των αστικών περιοχών στην Dhaka κατέδειξε καθαρά τις χωρο-χρονικές διαφοροποιήσεις. Η κατάχρηση των υδάτινων μαζών, της βλάστησης και των πεδινών περιοχών σε αστικές έχει προκαλέσει εκτεταμένη και ποικιλόμορφη υποβάθμιση στην υπό μελέτη περιοχή και η ευπάθεια για πλημμύρες και η αύξηση των φτωχογειτονιών είναι τα κύρια αρνητικά αποτελέσματα τα οποία σχετίζονται με την ραγδαία αστική ανάπτυξη. Η επέκταση της αστικής γης έχει ιδιαίτερα προωθηθεί από την πληθυσμιακή αύξηση και την οικονομική ανάπτυξη. Η ενιαία χρήση των GIS, RS και των κοινωνικό-οικονομικών δεδομένων μπορούν συνεπώς να χρησιμοποιηθούν αποτελεσματικά για την κατανόηση των χωρο-χρονικών φυσικών δυναμικών αλλαγών των LULC. Η ερμηνεία και η ταξινόμηση των RS δεδομένων ήταν χρήσιμες για την εκτίμηση του ποσοστού και της χωρικής διαμόρφωσης της αστικής επέκτασης στην Greater Dhaka, Bangladesh. . Όσο τόσο αξιόπιστα και τρέχοντα δεδομένα απουσιάζουν για το Bangladesh, τόσο οι χάρτες για τη χρήση της γης που έγιναν γι’ αυτή τη μελέτη θα συνεισφέρουν και για την ανάπτυξη κατοχυρωμένων αποφάσεων σχεδιασμού για την αστική χρήση της γης και επίσης για την πρόβλεψη πιθανών μελλοντικών αλλαγών στα μοντέλα ανάπτυξης.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image19_p.jpg 2010-03-03T10:05:17Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image18_p.jpg 2010-03-03T10:05:02Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image17_p.jpg 2010-03-03T10:04:42Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image16_p.jpg 2010-03-03T10:04:27Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-24T13:26:41Z

<p>Pandri21: </p> <hr /> <div>* [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> <br /> * [[Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-24T13:26:26Z

<p>Pandri21: </p> <hr /> <div>* [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> <br /> 8 [[Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A5%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B7_%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%84%CF%89%CE%BD_%CF%85%CF%80%CE%BF%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%83%CF%85%CE%B3%CE%BA%CE%BF%CE%BC%CE%B9%CE%B4%CE%AE%CF%82_%CF%80%CE%BF%CF%85_%CE%BA%CE%B1%CE%BB%CF%8D%CF%80%CF%84%CE%BF%CF%85%CE%BD_%CE%B1%CE%B3%CF%81%CE%BF%CF%84%CE%B9%CE%BA%CE%AE_%CE%B3%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_hyperspectral_%CE%BA%CE%B1%CE%B9_IKONOS_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1. 2010-02-24T13:25:36Z

<p>Pandri21: </p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.'''<br /> <br /> ''Estimating and mapping crop residues cover on agricultural lands using hyperspectral and IKONOS data''<br /> <br /> Remote Sensing of Environment 104 (2006) 447–459<br /> <br /> A. Bannari a,c, , A. Pacheco b, K. Staenz c, H. McNairn b, K. Omari a<br /> a Department of Geography, University of Ottawa, Ottawa, , Canada <br /> b Agriculture and Agri-food Canada, 960 Carling Avenue, Ottawa, Canada <br /> c Canada Centre for Remote Sensing, Natural Resources Canada, <br /> <br /> ''Αντικείμενο εφαρμογής'': Γεωργία – Ενέργειες φυτικής διαχείρισης<br /> <br /> ''Στόχοι εφαρμογής'': Τα αφημένα κατάλοιπα των σοδειών στις αγροτικές περιοχές μετά την συγκομιδή παίζουν έναν σημαντικό ρόλο στον έλεγχο και την προστασία του εδάφους ενάντια στην διάβρωση που προκαλεί το νερό και ο αέρας. Μια πρόκληση της τηλεπισκόπισης είναι να χρησιμοποιήσει με διαφορετικό τρόπο τα κατάλοιπα της σοδειάς διαφοροποιώντας τα από το σκέτο χώμα και την φυτική βλάστηση. Τα στοιχεία αποκτήθηκαν σε μια γεωργική περιοχή κοντά στο Indian<br /> Head (50°32 ′ Ν 103°40 ′ W), στο νότιο Saskatchewan, 68 χλμ ανατολικά της Regina, Καναδάς. Οι τομείς που χρησιμοποιούνται για οι σκοποί επικύρωσης βρέθηκαν σε ένα αγρόκτημα δοκιμής. Οκτώ τομείς 12 εκταρίων επιλέχτηκαν για τις επίγειες μετρήσεις, τέσσερις που σπάρθηκαν με το σίτο , δύο που σπάρθηκαν με το canola και δύο με το μπιζέλι. Σε κάθε τομέα, η τρείς κατηγορίες που εξετάστηκαν (υπολείμματα συγκομιδών, γυμνό χώμα και βλάστηση) είχα αντιπροσωπευθεί σημαντικά<br /> <br /> ''Πως γινόταν παλιότερα'': Οπτική εκτίμηση (McNairn &amp; Protz, 1993), γραμμή παρεμβολή (line transect, Morrison και λοιποί., 1993, 1995), παρεμπόδιση σημείου (Daughtry και λοιποί., 1995), ραβδί μετρητών (Hartwig &amp; Laflen, 1978, και οι φωτογραφικές τεχνικές (Morrison &amp; Τσίτσεστερ, 1991). Δυστυχώς, αυτές οι μέθοδοι είναι χρονοβόρες και μην εφαρμόσιμες για τη μεγάλη χωρική κάλυψη (Daughtry και λοιποί., 1996).<br /> <br /> ''Είδη δορυφορικών συστημάτων'': airborne hyperspectral Probe-1 και IKONOS<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών -Χρησιμότητα των δεικτών/καναλιών:'' <br /> Για τον IKONOS χρησιμοποιήθηκαν μόνο το πολυφασματατικά κανάλια και τα αντίστοιχα δεδομένα..<br /> Το Probe-1 είναι ένα όργανο «whiskbroom style», το οποίο συλλέγει τα στοιχεία στην από διασταύρωση ιχνών κατεύθυνσης από τη μηχανική ανίχνευση και στη διαμήκη κατεύθυνση τηςμετακίνησης της αερομεταφερόμενης πλατφόρμας. Αυτός ο αισθητήρας απαιτεί 128 κανάλια, με περιοχή μήκους κύματος από 400-nm έως 2500-nm. Oι καθαρές φασματικές υπογραφές (υπολείμματα, γυμνό χώμα και βλάστηση) εξήχθησαν με το χέρι από τα στοιχεία εικόνας βασισμένα στην προγενέστερη γνώση των τομέων παρατήρησης. <br /> <br /> [[Εικόνα:Image14 p.jpg | thumb | right | Ταξινόμηση των επίγειων κάθετων φωτογραφιών, πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> ''Προεπεξεργασίες'': <br /> Μια εργαστηριακή βαθμολόγηση ολοκληρώθηκε για τον Probe-1 αισθητήρας για να λάβει το σκοτεινό τρέχον σήμα, τους ραδιομετρικούς συντελεστές, και για να εξακριβώσουν την κεντρική θέση των φασματικών ζωνών.<br /> Η εικόνα IKONOS διορθώθηκε ραδιομετρικά χρησιμοποιώντας σχετικά φίλτρα φασματικής απάντησης και οι ραδιομετρικοί συντελεστές βαθμολόγησης δόθηκαν με τα στοιχεία.<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Χρήση GPS δεδομένων για την γεωαναφορά των δεδομένων και την επαλήθευση των δεδομένων που προέκυψαν από την ανάλυση των δεδομένων.<br /> <br /> ''Προχωρημένες Επεξεργασίες'': <br /> Linear Spectral Mixture Analysis (LSMA) Αυτό η προσέγγιση υποθέτει ότι η πηγή της φασματικής υπογραφής από ένα εικονοστοιχείο περιέχει περισσότερα από ένα ευδιάκριτα συστατικά (Schwarz, 1998). Η θεμελιώδης υπόθεση της LSMA ανάλυσης είναι ότι γενικά κάθε εικονοστοιχείο είναι ένα φυσικό μίγμα διάφορων συστατικών που ζυγίζονται από την αφθονία της επιφάνειας, και το φάσμα του μίγματος είναι ένας γραμμικός συνδυασμός του φασματικού συντελεστή ανάκλασης.<br /> Στατιστικοί μέθοδοι. Διάφορες στατιστικά υπολογίστηκαν και για τις επίγειες μετρήσεις (παρατηρηθείσες τιμές) και για τα στοιχεία των εικόνων (προβλεφθείσες τιμές). Οι στατιστικές σταθερής απόκλισης επέτρεψαν την αξιολόγηση της μεταβλητότητας των στοιχείων. Αυτή η παράμετρος αναφέρθηκε σε όλες τις δοκιμές ως ποσοστό λάθους του μέσου όρου που εξήχθη από τις επίγειες μετρήσεις (κάθετες φωτογραφίες) και τα στοιχεία εικόνας.<br /> <br /> [[Εικόνα:Image15 p.jpg | thumb | right | Χάρτες κάλυψης συγκομιδών τοις εκατό (μέρος) από (α) hyperspectral και (β) IKONOS , πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> <br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Σε αυτή τη μελέτη, η δυνατότητα της υπερφασματικής (Probe-1) και της πολυφασματικής υψηλής χωρικής ανάλυσης (IKONOS) δεδομένων έγιναν αντικείμενα σύγκρισης για τον υπολογισμό και την χαρτογράφηση των καταλοίπων στις αγροτικές περιοχές με την χρήση της προσέγγισης της βεβιασμένης γραμμικής ανάλυσης μείγματος. Τα δεδομένα της εικόνας βαθμονομήθηκαν φασματικά και ραδιομετρικά, διορθώθηκαν ατμοσφαιρικά τόσο όσο και γεωμετρικά. Τα καθαρά φασματικά χαρακτηριστικά των καταλοίπων, του χώματος και της εδαφοκάλυψης εξελέγησαν χειρονακτικά από τα δεδομένα της εικόνας βάσει της προηγούμενης γνώσης για τα χωράφια. Το ποσοστό(δείγματος) για κάθε δειγματοληπτικό στάδιο βγήκε μετά από τη χρήση αμιγών και ελεγμένων μετρήσεων ενάντια στην αναφορά του εδάφους. Τα καλύτερα αποτελέσματα επιτεύχθηκαν για την εδαφοκάλυψη (index of agreement (D)=0.92 and root mean square error (RMSE)=0.09), καθορίστηκαν για την ρυπαρότητα της endmembers canola,του μπιζελιού και του σταριού, τα οποία ακολούθησαν τα κατάλοιπα σταριού (D=0.76 and RMSE=0.12).Μελετώντας μόνο τα κατάλοιπα σταριού στους αγρούς με canola D increases to 0.86.Τα κομμάτια του εδάφους δεν εκτιμήθηκαν γενικά σωστά με D=0.72, και έτσι δεν μπορούν να υπάρξουν συγκεκριμένες βελτιώσεις μετά τον καθορισμό για την επίδραση της σκιάς. Οι υπολογισμοί από τα δεδομένα IKONOS ήταν φτωχότεροι για τις ίδιες εδαφοκαλύψεις (residues: D=0.40 and RMSE=0.24; crop: D=0.51 and RMSE=0.38; soil: D=0.58 and RMSE=0.29).<br /> Σχετικά με τα δεδομένα του IKONOS ο βαθμός επιτυχίας των υπερφασματικών δεδομένων οφείλεται κυρίως στην εξελιγμένη φασματική ομάδα χαρακτηριστικών, κυρίως στο SWIR, που είναι πιο ευαίσθητο ως προς τα κατάλοιπα (lignin and cellulose absorption features), το χώμα και την εδαφοκάλυψη.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A5%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B7_%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%84%CF%89%CE%BD_%CF%85%CF%80%CE%BF%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%83%CF%85%CE%B3%CE%BA%CE%BF%CE%BC%CE%B9%CE%B4%CE%AE%CF%82_%CF%80%CE%BF%CF%85_%CE%BA%CE%B1%CE%BB%CF%8D%CF%80%CF%84%CE%BF%CF%85%CE%BD_%CE%B1%CE%B3%CF%81%CE%BF%CF%84%CE%B9%CE%BA%CE%AE_%CE%B3%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_hyperspectral_%CE%BA%CE%B1%CE%B9_IKONOS_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1. 2010-02-24T13:23:20Z

<p>Pandri21: </p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.'''<br /> <br /> ''Estimating and mapping crop residues cover on agricultural lands using hyperspectral and IKONOS data''<br /> <br /> Remote Sensing of Environment 104 (2006) 447–459<br /> <br /> A. Bannari a,c, , A. Pacheco b, K. Staenz c, H. McNairn b, K. Omari a<br /> a Department of Geography, University of Ottawa, Ottawa, , Canada <br /> b Agriculture and Agri-food Canada, 960 Carling Avenue, Ottawa, Canada <br /> c Canada Centre for Remote Sensing, Natural Resources Canada, <br /> <br /> ''Αντικείμενο εφαρμογής'': Γεωργία – Ενέργειες φυτικής διαχείρισης<br /> <br /> ''Στόχοι εφαρμογής'': Τα αφημένα κατάλοιπα των σοδειών στις αγροτικές περιοχές μετά την συγκομιδή παίζουν έναν σημαντικό ρόλο στον έλεγχο και την προστασία του εδάφους ενάντια στην διάβρωση που προκαλεί το νερό και ο αέρας. Μια πρόκληση της τηλεπισκόπισης είναι να χρησιμοποιήσει με διαφορετικό τρόπο τα κατάλοιπα της σοδειάς διαφοροποιώντας τα από το σκέτο χώμα και την φυτική βλάστηση. Τα στοιχεία αποκτήθηκαν σε μια γεωργική περιοχή κοντά στο Indian<br /> Head (50°32 ′ Ν 103°40 ′ W), στο νότιο Saskatchewan, 68 χλμ ανατολικά της Regina, Καναδάς. Οι τομείς που χρησιμοποιούνται για οι σκοποί επικύρωσης βρέθηκαν σε ένα αγρόκτημα δοκιμής. Οκτώ τομείς 12 εκταρίων επιλέχτηκαν για τις επίγειες μετρήσεις, τέσσερις που σπάρθηκαν με το σίτο , δύο που σπάρθηκαν με το canola και δύο με το μπιζέλι. Σε κάθε τομέα, η τρείς κατηγορίες που εξετάστηκαν (υπολείμματα συγκομιδών, γυμνό χώμα και βλάστηση) είχα αντιπροσωπευθεί σημαντικά<br /> <br /> ''Πως γινόταν παλιότερα'': Οπτική εκτίμηση (McNairn &amp; Protz, 1993), γραμμή παρεμβολή (line transect, Morrison και λοιποί., 1993, 1995), παρεμπόδιση σημείου (Daughtry και λοιποί., 1995), ραβδί μετρητών (Hartwig &amp; Laflen, 1978, και οι φωτογραφικές τεχνικές (Morrison &amp; Τσίτσεστερ, 1991). Δυστυχώς, αυτές οι μέθοδοι είναι χρονοβόρες και μην εφαρμόσιμες για τη μεγάλη χωρική κάλυψη (Daughtry και λοιποί., 1996).<br /> <br /> ''Είδη δορυφορικών συστημάτων'': airborne hyperspectral Probe-1 και IKONOS<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών -Χρησιμότητα των δεικτών/καναλιών:'' <br /> Για τον IKONOS χρησιμοποιήθηκαν μόνο το πολυφασματατικά κανάλια και τα αντίστοιχα δεδομένα..<br /> Το Probe-1 είναι ένα όργανο «whiskbroom style», το οποίο συλλέγει τα στοιχεία στην από διασταύρωση ιχνών κατεύθυνσης από τη μηχανική ανίχνευση και στη διαμήκη κατεύθυνση τηςμετακίνησης της αερομεταφερόμενης πλατφόρμας. Αυτός ο αισθητήρας απαιτεί 128 κανάλια, με περιοχή μήκους κύματος από 400-nm έως 2500-nm. Oι καθαρές φασματικές υπογραφές (υπολείμματα, γυμνό χώμα και βλάστηση) εξήχθησαν με το χέρι από τα στοιχεία εικόνας βασισμένα στην προγενέστερη γνώση των τομέων παρατήρησης. <br /> <br /> [[Εικόνα:Image_14p.jpg | thumb | right | Ταξινόμηση των επίγειων κάθετων φωτογραφιών, πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> ''Προεπεξεργασίες'': <br /> Μια εργαστηριακή βαθμολόγηση ολοκληρώθηκε για τον Probe-1 αισθητήρας για να λάβει το σκοτεινό τρέχον σήμα, τους ραδιομετρικούς συντελεστές, και για να εξακριβώσουν την κεντρική θέση των φασματικών ζωνών.<br /> Η εικόνα IKONOS διορθώθηκε ραδιομετρικά χρησιμοποιώντας σχετικά φίλτρα φασματικής απάντησης και οι ραδιομετρικοί συντελεστές βαθμολόγησης δόθηκαν με τα στοιχεία.<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Χρήση GPS δεδομένων για την γεωαναφορά των δεδομένων και την επαλήθευση των δεδομένων που προέκυψαν από την ανάλυση των δεδομένων.<br /> <br /> ''Προχωρημένες Επεξεργασίες'': <br /> Linear Spectral Mixture Analysis (LSMA) Αυτό η προσέγγιση υποθέτει ότι η πηγή της φασματικής υπογραφής από ένα εικονοστοιχείο περιέχει περισσότερα από ένα ευδιάκριτα συστατικά (Schwarz, 1998). Η θεμελιώδης υπόθεση της LSMA ανάλυσης είναι ότι γενικά κάθε εικονοστοιχείο είναι ένα φυσικό μίγμα διάφορων συστατικών που ζυγίζονται από την αφθονία της επιφάνειας, και το φάσμα του μίγματος είναι ένας γραμμικός συνδυασμός του φασματικού συντελεστή ανάκλασης.<br /> Στατιστικοί μέθοδοι. Διάφορες στατιστικά υπολογίστηκαν και για τις επίγειες μετρήσεις (παρατηρηθείσες τιμές) και για τα στοιχεία των εικόνων (προβλεφθείσες τιμές). Οι στατιστικές σταθερής απόκλισης επέτρεψαν την αξιολόγηση της μεταβλητότητας των στοιχείων. Αυτή η παράμετρος αναφέρθηκε σε όλες τις δοκιμές ως ποσοστό λάθους του μέσου όρου που εξήχθη από τις επίγειες μετρήσεις (κάθετες φωτογραφίες) και τα στοιχεία εικόνας.<br /> <br /> [[Εικόνα:Image_15p.jpg | thumb | right | Χάρτες κάλυψης συγκομιδών τοις εκατό (μέρος) από (α) hyperspectral και (β) IKONOS , πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> <br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Σε αυτή τη μελέτη, η δυνατότητα της υπερφασματικής (Probe-1) και της πολυφασματικής υψηλής χωρικής ανάλυσης (IKONOS) δεδομένων έγιναν αντικείμενα σύγκρισης για τον υπολογισμό και την χαρτογράφηση των καταλοίπων στις αγροτικές περιοχές με την χρήση της προσέγγισης της βεβιασμένης γραμμικής ανάλυσης μείγματος. Τα δεδομένα της εικόνας βαθμονομήθηκαν φασματικά και ραδιομετρικά, διορθώθηκαν ατμοσφαιρικά τόσο όσο και γεωμετρικά. Τα καθαρά φασματικά χαρακτηριστικά των καταλοίπων, του χώματος και της εδαφοκάλυψης εξελέγησαν χειρονακτικά από τα δεδομένα της εικόνας βάσει της προηγούμενης γνώσης για τα χωράφια. Το ποσοστό(δείγματος) για κάθε δειγματοληπτικό στάδιο βγήκε μετά από τη χρήση αμιγών και ελεγμένων μετρήσεων ενάντια στην αναφορά του εδάφους. Τα καλύτερα αποτελέσματα επιτεύχθηκαν για την εδαφοκάλυψη (index of agreement (D)=0.92 and root mean square error (RMSE)=0.09), καθορίστηκαν για την ρυπαρότητα της endmembers canola,του μπιζελιού και του σταριού, τα οποία ακολούθησαν τα κατάλοιπα σταριού (D=0.76 and RMSE=0.12).Μελετώντας μόνο τα κατάλοιπα σταριού στους αγρούς με canola D increases to 0.86.Τα κομμάτια του εδάφους δεν εκτιμήθηκαν γενικά σωστά με D=0.72, και έτσι δεν μπορούν να υπάρξουν συγκεκριμένες βελτιώσεις μετά τον καθορισμό για την επίδραση της σκιάς. Οι υπολογισμοί από τα δεδομένα IKONOS ήταν φτωχότεροι για τις ίδιες εδαφοκαλύψεις (residues: D=0.40 and RMSE=0.24; crop: D=0.51 and RMSE=0.38; soil: D=0.58 and RMSE=0.29).<br /> Σχετικά με τα δεδομένα του IKONOS ο βαθμός επιτυχίας των υπερφασματικών δεδομένων οφείλεται κυρίως στην εξελιγμένη φασματική ομάδα χαρακτηριστικών, κυρίως στο SWIR, που είναι πιο ευαίσθητο ως προς τα κατάλοιπα (lignin and cellulose absorption features), το χώμα και την εδαφοκάλυψη.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A5%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B7_%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%84%CF%89%CE%BD_%CF%85%CF%80%CE%BF%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%83%CF%85%CE%B3%CE%BA%CE%BF%CE%BC%CE%B9%CE%B4%CE%AE%CF%82_%CF%80%CE%BF%CF%85_%CE%BA%CE%B1%CE%BB%CF%8D%CF%80%CF%84%CE%BF%CF%85%CE%BD_%CE%B1%CE%B3%CF%81%CE%BF%CF%84%CE%B9%CE%BA%CE%AE_%CE%B3%CE%B7_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_hyperspectral_%CE%BA%CE%B1%CE%B9_IKONOS_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1. 2010-02-24T13:22:32Z

<p>Pandri21: New page: category:Ενέργειες φυτικής διαχείρισης '''Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής π...</p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Υπολογισμός και η χαρτογράφηση των υπολειμμάτων συγκομιδής που καλύπτουν αγροτική γη με χρήση hyperspectral και IKONOS δεδομένα.'''<br /> <br /> ''Estimating and mapping crop residues cover on agricultural lands using hyperspectral and IKONOS data''<br /> <br /> Remote Sensing of Environment 104 (2006) 447–459<br /> <br /> A. Bannari a,c, , A. Pacheco b, K. Staenz c, H. McNairn b, K. Omari a<br /> a Department of Geography, University of Ottawa, Ottawa, , Canada <br /> b Agriculture and Agri-food Canada, 960 Carling Avenue, Ottawa, Canada <br /> c Canada Centre for Remote Sensing, Natural Resources Canada, <br /> <br /> ''Αντικείμενο εφαρμογής'': Γεωργία – Ενέργειες φυτικής διαχείρισης<br /> <br /> ''Στόχοι εφαρμογής'': Τα αφημένα κατάλοιπα των σοδειών στις αγροτικές περιοχές μετά την συγκομιδή παίζουν έναν σημαντικό ρόλο στον έλεγχο και την προστασία του εδάφους ενάντια στην διάβρωση που προκαλεί το νερό και ο αέρας. Μια πρόκληση της τηλεπισκόπισης είναι να χρησιμοποιήσει με διαφορετικό τρόπο τα κατάλοιπα της σοδειάς διαφοροποιώντας τα από το σκέτο χώμα και την φυτική βλάστηση. Τα στοιχεία αποκτήθηκαν σε μια γεωργική περιοχή κοντά στο Indian<br /> Head (50°32 ′ Ν 103°40 ′ W), στο νότιο Saskatchewan, 68 χλμ ανατολικά της Regina, Καναδάς. Οι τομείς που χρησιμοποιούνται για οι σκοποί επικύρωσης βρέθηκαν σε ένα αγρόκτημα δοκιμής. Οκτώ τομείς 12 εκταρίων επιλέχτηκαν για τις επίγειες μετρήσεις, τέσσερις που σπάρθηκαν με το σίτο , δύο που σπάρθηκαν με το canola και δύο με το μπιζέλι. Σε κάθε τομέα, η τρείς κατηγορίες που εξετάστηκαν (υπολείμματα συγκομιδών, γυμνό χώμα και βλάστηση) είχα αντιπροσωπευθεί σημαντικά<br /> <br /> ''Πως γινόταν παλιότερα'': Οπτική εκτίμηση (McNairn &amp; Protz, 1993), γραμμή παρεμβολή (line transect, Morrison και λοιποί., 1993, 1995), παρεμπόδιση σημείου (Daughtry και λοιποί., 1995), ραβδί μετρητών (Hartwig &amp; Laflen, 1978, και οι φωτογραφικές τεχνικές (Morrison &amp; Τσίτσεστερ, 1991). Δυστυχώς, αυτές οι μέθοδοι είναι χρονοβόρες και μην εφαρμόσιμες για τη μεγάλη χωρική κάλυψη (Daughtry και λοιποί., 1996).<br /> <br /> ''Είδη δορυφορικών συστημάτων'': airborne hyperspectral Probe-1 και IKONOS<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών -Χρησιμότητα των δεικτών/καναλιών:'' <br /> Για τον IKONOS χρησιμοποιήθηκαν μόνο το πολυφασματατικά κανάλια και τα αντίστοιχα δεδομένα..<br /> Το Probe-1 είναι ένα όργανο «whiskbroom style», το οποίο συλλέγει τα στοιχεία στην από διασταύρωση ιχνών κατεύθυνσης από τη μηχανική ανίχνευση και στη διαμήκη κατεύθυνση τηςμετακίνησης της αερομεταφερόμενης πλατφόρμας. Αυτός ο αισθητήρας απαιτεί 128 κανάλια, με περιοχή μήκους κύματος από 400-nm έως 2500-nm. Oι καθαρές φασματικές υπογραφές (υπολείμματα, γυμνό χώμα και βλάστηση) εξήχθησαν με το χέρι από τα στοιχεία εικόνας βασισμένα στην προγενέστερη γνώση των τομέων παρατήρησης. <br /> <br /> [[Εικόνα:Image 14p.jpg | thumb | right | Ταξινόμηση των επίγειων κάθετων φωτογραφιών, πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> ''Προεπεξεργασίες'': <br /> Μια εργαστηριακή βαθμολόγηση ολοκληρώθηκε για τον Probe-1 αισθητήρας για να λάβει το σκοτεινό τρέχον σήμα, τους ραδιομετρικούς συντελεστές, και για να εξακριβώσουν την κεντρική θέση των φασματικών ζωνών.<br /> Η εικόνα IKONOS διορθώθηκε ραδιομετρικά χρησιμοποιώντας σχετικά φίλτρα φασματικής απάντησης και οι ραδιομετρικοί συντελεστές βαθμολόγησης δόθηκαν με τα στοιχεία.<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Χρήση GPS δεδομένων για την γεωαναφορά των δεδομένων και την επαλήθευση των δεδομένων που προέκυψαν από την ανάλυση των δεδομένων.<br /> <br /> ''Προχωρημένες Επεξεργασίες'': <br /> Linear Spectral Mixture Analysis (LSMA) Αυτό η προσέγγιση υποθέτει ότι η πηγή της φασματικής υπογραφής από ένα εικονοστοιχείο περιέχει περισσότερα από ένα ευδιάκριτα συστατικά (Schwarz, 1998). Η θεμελιώδης υπόθεση της LSMA ανάλυσης είναι ότι γενικά κάθε εικονοστοιχείο είναι ένα φυσικό μίγμα διάφορων συστατικών που ζυγίζονται από την αφθονία της επιφάνειας, και το φάσμα του μίγματος είναι ένας γραμμικός συνδυασμός του φασματικού συντελεστή ανάκλασης.<br /> Στατιστικοί μέθοδοι. Διάφορες στατιστικά υπολογίστηκαν και για τις επίγειες μετρήσεις (παρατηρηθείσες τιμές) και για τα στοιχεία των εικόνων (προβλεφθείσες τιμές). Οι στατιστικές σταθερής απόκλισης επέτρεψαν την αξιολόγηση της μεταβλητότητας των στοιχείων. Αυτή η παράμετρος αναφέρθηκε σε όλες τις δοκιμές ως ποσοστό λάθους του μέσου όρου που εξήχθη από τις επίγειες μετρήσεις (κάθετες φωτογραφίες) και τα στοιχεία εικόνας.<br /> <br /> [[Εικόνα:Image 15p.jpg | thumb | right | Χάρτες κάλυψης συγκομιδών τοις εκατό (μέρος) από (α) hyperspectral και (β) IKONOS , πηγή:Remote Sensing of Environment 104 (2006) 447–459]]<br /> <br /> <br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Σε αυτή τη μελέτη, η δυνατότητα της υπερφασματικής (Probe-1) και της πολυφασματικής υψηλής χωρικής ανάλυσης (IKONOS) δεδομένων έγιναν αντικείμενα σύγκρισης για τον υπολογισμό και την χαρτογράφηση των καταλοίπων στις αγροτικές περιοχές με την χρήση της προσέγγισης της βεβιασμένης γραμμικής ανάλυσης μείγματος. Τα δεδομένα της εικόνας βαθμονομήθηκαν φασματικά και ραδιομετρικά, διορθώθηκαν ατμοσφαιρικά τόσο όσο και γεωμετρικά. Τα καθαρά φασματικά χαρακτηριστικά των καταλοίπων, του χώματος και της εδαφοκάλυψης εξελέγησαν χειρονακτικά από τα δεδομένα της εικόνας βάσει της προηγούμενης γνώσης για τα χωράφια. Το ποσοστό(δείγματος) για κάθε δειγματοληπτικό στάδιο βγήκε μετά από τη χρήση αμιγών και ελεγμένων μετρήσεων ενάντια στην αναφορά του εδάφους. Τα καλύτερα αποτελέσματα επιτεύχθηκαν για την εδαφοκάλυψη (index of agreement (D)=0.92 and root mean square error (RMSE)=0.09), καθορίστηκαν για την ρυπαρότητα της endmembers canola,του μπιζελιού και του σταριού, τα οποία ακολούθησαν τα κατάλοιπα σταριού (D=0.76 and RMSE=0.12).Μελετώντας μόνο τα κατάλοιπα σταριού στους αγρούς με canola D increases to 0.86.Τα κομμάτια του εδάφους δεν εκτιμήθηκαν γενικά σωστά με D=0.72, και έτσι δεν μπορούν να υπάρξουν συγκεκριμένες βελτιώσεις μετά τον καθορισμό για την επίδραση της σκιάς. Οι υπολογισμοί από τα δεδομένα IKONOS ήταν φτωχότεροι για τις ίδιες εδαφοκαλύψεις (residues: D=0.40 and RMSE=0.24; crop: D=0.51 and RMSE=0.38; soil: D=0.58 and RMSE=0.29).<br /> Σχετικά με τα δεδομένα του IKONOS ο βαθμός επιτυχίας των υπερφασματικών δεδομένων οφείλεται κυρίως στην εξελιγμένη φασματική ομάδα χαρακτηριστικών, κυρίως στο SWIR, που είναι πιο ευαίσθητο ως προς τα κατάλοιπα (lignin and cellulose absorption features), το χώμα και την εδαφοκάλυψη.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image15_p.jpg 2010-02-24T13:16:09Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image14_p.jpg 2010-02-24T13:15:55Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T14:14:18Z

<p>Pandri21: </p> <hr /> <div><br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T13:59:53Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> <br /> * [[Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού στην Κίνα από Vegetation Sensor]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%AE%CF%81%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BA%CE%BB%CF%85%CF%83%CE%BC%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CF%84%CE%B1%CF%86%CF%8D%CF%84%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%B1%CF%80%CF%8C_Vegetation_Sensor 2010-02-23T13:59:08Z

<p>Pandri21: </p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες από τοπικής κλίμακας σε κλίμακες τοπίων στην Κίνα χρησιμοποιώντας δεδομένα από αισθητήρα βλάστησης (Vegetation Sensor VGT)''' <br /> <br /> ''Observation of flooding and rice transplanting of paddy rice fields at the site to landscape scales in China using VEGETATION sensor data.''<br /> <br /> INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022<br /> X. XIAO, S. BOLES, S. FROLKING, W. SALAS, B. MOORE III, C. LI<br /> Complex Systems Research Center, Institute for the Study of Earth, Oceans<br /> and Space, University of New Hampshire, Durham, NH 03824, USA<br /> L. HE and R. ZHAO<br /> Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences,<br /> Nanjing, China<br /> <br /> ''Αντικείμενο Εφαρμογής'': Γεωργία και Διαχείριση Γης <br /> <br /> ''Στόχος Εφαρμογής'': Η παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες της Κίνας (περιοχή μελέτης 175km x 165km) με την χρήση δορυφορικού αισθητήρα βλάστησης. Ο στόχος της εφαρμογής ήταν να αξιολογήσει τη δυνατότητα χρήσης multi-temporal VGT στοιχείων για τον προσδιορισμό του χρόνου και της έκταση του κατακλυσμού και της μεταφύτευσης ρυζιού σε κλίμακες αγροκτήματος και ευρύτερου τοπίου.<br /> ''Πως γινόταν παλιότερα'': Εμπειρικά ανάλογα την εποχή.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': SPOT-4 <br /> <br /> [[Εικόνα:Image 1p.jpg | thumb | right | Περιοχή μελέτης – Ορυζώνας , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα δεκτών/καναλιών'': <br /> Ο δορυφόρος φέρει, τον δέκτη βλάστησης (VEGETATION instrument, VGT) και το όργανο υψηλής ανάλυσης στο ορατό και το υπέρυθρο (HRVIR). O VGT-sensor έχει 4 φασματικά κανάλια, ισάξια του Landsat TM. Παρέχει καθημερινές εικόνες 1-ΚΜ ακρίβειας και επίσης παρέχει 3 στάνταρ προϊόντα το (α) φυσικό παράγωγο (VGT-P, physical product), (β) το καθημερινό συνθετικό παράγωγο (VGT-S1, daily synthesis product) και (γ) το δεκαήμερο συνθετικό παράγωγο (VGT-S10, 10-day synthesis product).<br /> Χρησιμοποιήθηκαν oι τέσσερις φασματικές ζώνες (B0 (430-470), B2(610-680), B3 (780-890), MIR(1580-1750)) στα VGT-S10 (01 Μαρτίου έως 30 Νοεμβρίου 1999) προϊόντα που ήταν οι εκτιμήσεις του συντελεστή ανάκλασης της επίγειας επιφάνειας. Το μέσο-επέρυθρο κανάλι (mid-infrared, MIR) είναι εξαιρετικά ευαίσθητο στην εδαφική υγρασία, την περιεκτικότητα σε νερό της εδαφοκάλυψης και την περιεκτικότητα σε υγρασία των φύλλων.<br /> <br /> ''Προεπεξεργασίες'': Για τα VGT-S10 δεδομένα χρησιμοποιήθηκε η σύνθετη προσέγγιση, η οποία βασίζεται στις τιμές εντός ενός δεκαημέρου που παίρνει ένα εικονοστοιχείο χρησιμοποιώντας το μέγιστο ομαλοποιημένο δείκτη διαφοράς της βλάστησης (maximum Normalized Difference Vegetation Index, NDV), το οποίο βοηθά στην ελαχιστοποίηση της επίδρασης της κάλυψης από σύννεφα και της μεταβλητότητας στο ατμοσφαιρικό οπτικό βάθος.<br /> Ο SMAC αλγόριθμος εφαρμόστηκε στις VGT εικόνες για τις διορθώσεις που προκαλούνται από το όζον, τα αερολύματα και τους υδρατμούς. Επίσης χρησιμοποιήθηκε ο ομαλοποιημένος δείκτης διαφοράς νερού (Normalized Difference Water Index NDWI) ο οποίος δείχνει το νερό της βλάστησης (που χρησιμοποιεί τις τιμές συντελεστή ανάκλασης δύο near-infrared, μια ζώνη που κεντροθετούνται σε περίπου 860 NM, και μια άλλη κατά 1240nm). NDWI θεωρήθηκε ένας συμπληρωματικός δείκτης βλάστησης στο NDVI.<br /> Ψηφιακές Επεξεργασίες: Σε αυτήν την μελέτη, NDWI και NDVI υπολογίστηκαν για κάθε ένα από τα VGT-S10 προϊόντα, χρησιμοποιώντας τις τιμές συντελεστή ανάκλασης της επίγειας επιφάνειας των φασματικών ζωνών, τα ακόλουθα:<br /> NDWIVGT=(B3­ MIR)/(B3+MIR) <br /> NDVIVGT=(B3­ B2)/(B3+B2)<br /> <br /> [[Εικόνα:Image2_p.jpg | thumb | right | Χάρτες για τις διαφορές μεταξύ των τιμών NDVI και NDWI για διάφορα δεκαήμερα μελέτης , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Επίγειες εργασίες και μετρήσεις με χρήση GPS για τον όσο πιο ακριβή εντοπισμό των αντίστοιχων υπό μελέτη θέσεων. <br /> <br /> ''Σημαντικά αποτελέσματα'': Χάρτες διαφορών των τιμών μεταξύ NDVI και NDWI για την υπό μελέτη περιοχή δημιουργήθηκαν και συγκρίθηκαν. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι η NDVI και NDWI χρονική ανωμαλία στη χρονική σειρά των εικόνων VGT μπορεί να παρέχει ένα απλό και αποτελεσματικό εργαλείο για την αναγνώριση της κατάκλισης και της μεταφύτευσης του ρυζιού στον ορυζώνα από τοπικής έως περιφερειακή κλίμακα μελέτης.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%AE%CF%81%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BA%CE%BB%CF%85%CF%83%CE%BC%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CF%84%CE%B1%CF%86%CF%8D%CF%84%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%B1%CF%80%CF%8C_Vegetation_Sensor 2010-02-23T13:56:22Z

<p>Pandri21: </p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες από τοπικής κλίμακας σε κλίμακες τοπίων στην Κίνα χρησιμοποιώντας δεδομένα από αισθητήρα βλάστησης (Vegetation Sensor VGT)''' <br /> <br /> ''Observation of flooding and rice transplanting of paddy rice fields at the site to landscape scales in China using VEGETATION sensor data.''<br /> <br /> INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022<br /> X. XIAO, S. BOLES, S. FROLKING, W. SALAS, B. MOORE III, C. LI<br /> Complex Systems Research Center, Institute for the Study of Earth, Oceans<br /> and Space, University of New Hampshire, Durham, NH 03824, USA<br /> L. HE and R. ZHAO<br /> Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences,<br /> Nanjing, China<br /> <br /> ''Αντικείμενο Εφαρμογής'': Γεωργία και Διαχείριση Γης <br /> <br /> ''Στόχος Εφαρμογής'': Η παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες της Κίνας (περιοχή μελέτης 175km x 165km) με την χρήση δορυφορικού αισθητήρα βλάστησης. Ο στόχος της εφαρμογής ήταν να αξιολογήσει τη δυνατότητα χρήσης multi-temporal VGT στοιχείων για τον προσδιορισμό του χρόνου και της έκταση του κατακλυσμού και της μεταφύτευσης ρυζιού σε κλίμακες αγροκτήματος και ευρύτερου τοπίου.<br /> ''Πως γινόταν παλιότερα'': Εμπειρικά ανάλογα την εποχή.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': SPOT-4 <br /> <br /> [[Εικόνα:Image1p.jpg | thumb | right | Περιοχή μελέτης – Ορυζώνας , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα δεκτών/καναλιών'': <br /> Ο δορυφόρος φέρει, τον δέκτη βλάστησης (VEGETATION instrument, VGT) και το όργανο υψηλής ανάλυσης στο ορατό και το υπέρυθρο (HRVIR). O VGT-sensor έχει 4 φασματικά κανάλια, ισάξια του Landsat TM. Παρέχει καθημερινές εικόνες 1-ΚΜ ακρίβειας και επίσης παρέχει 3 στάνταρ προϊόντα το (α) φυσικό παράγωγο (VGT-P, physical product), (β) το καθημερινό συνθετικό παράγωγο (VGT-S1, daily synthesis product) και (γ) το δεκαήμερο συνθετικό παράγωγο (VGT-S10, 10-day synthesis product).<br /> Χρησιμοποιήθηκαν oι τέσσερις φασματικές ζώνες (B0 (430-470), B2(610-680), B3 (780-890), MIR(1580-1750)) στα VGT-S10 (01 Μαρτίου έως 30 Νοεμβρίου 1999) προϊόντα που ήταν οι εκτιμήσεις του συντελεστή ανάκλασης της επίγειας επιφάνειας. Το μέσο-επέρυθρο κανάλι (mid-infrared, MIR) είναι εξαιρετικά ευαίσθητο στην εδαφική υγρασία, την περιεκτικότητα σε νερό της εδαφοκάλυψης και την περιεκτικότητα σε υγρασία των φύλλων.<br /> <br /> ''Προεπεξεργασίες'': Για τα VGT-S10 δεδομένα χρησιμοποιήθηκε η σύνθετη προσέγγιση, η οποία βασίζεται στις τιμές εντός ενός δεκαημέρου που παίρνει ένα εικονοστοιχείο χρησιμοποιώντας το μέγιστο ομαλοποιημένο δείκτη διαφοράς της βλάστησης (maximum Normalized Difference Vegetation Index, NDV), το οποίο βοηθά στην ελαχιστοποίηση της επίδρασης της κάλυψης από σύννεφα και της μεταβλητότητας στο ατμοσφαιρικό οπτικό βάθος.<br /> Ο SMAC αλγόριθμος εφαρμόστηκε στις VGT εικόνες για τις διορθώσεις που προκαλούνται από το όζον, τα αερολύματα και τους υδρατμούς. Επίσης χρησιμοποιήθηκε ο ομαλοποιημένος δείκτης διαφοράς νερού (Normalized Difference Water Index NDWI) ο οποίος δείχνει το νερό της βλάστησης (που χρησιμοποιεί τις τιμές συντελεστή ανάκλασης δύο near-infrared, μια ζώνη που κεντροθετούνται σε περίπου 860 NM, και μια άλλη κατά 1240nm). NDWI θεωρήθηκε ένας συμπληρωματικός δείκτης βλάστησης στο NDVI.<br /> Ψηφιακές Επεξεργασίες: Σε αυτήν την μελέτη, NDWI και NDVI υπολογίστηκαν για κάθε ένα από τα VGT-S10 προϊόντα, χρησιμοποιώντας τις τιμές συντελεστή ανάκλασης της επίγειας επιφάνειας των φασματικών ζωνών, τα ακόλουθα:<br /> NDWIVGT=(B3­ MIR)/(B3+MIR) <br /> NDVIVGT=(B3­ B2)/(B3+B2)<br /> <br /> [[Εικόνα:Image2_p.jpg | thumb | right | Χάρτες για τις διαφορές μεταξύ των τιμών NDVI και NDWI για διάφορα δεκαήμερα μελέτης , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Επίγειες εργασίες και μετρήσεις με χρήση GPS για τον όσο πιο ακριβή εντοπισμό των αντίστοιχων υπό μελέτη θέσεων. <br /> <br /> ''Σημαντικά αποτελέσματα'': Χάρτες διαφορών των τιμών μεταξύ NDVI και NDWI για την υπό μελέτη περιοχή δημιουργήθηκαν και συγκρίθηκαν. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι η NDVI και NDWI χρονική ανωμαλία στη χρονική σειρά των εικόνων VGT μπορεί να παρέχει ένα απλό και αποτελεσματικό εργαλείο για την αναγνώριση της κατάκλισης και της μεταφύτευσης του ρυζιού στον ορυζώνα από τοπικής έως περιφερειακή κλίμακα μελέτης.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image_1p.jpg 2010-02-23T13:55:46Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%AE%CF%81%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CF%84%CE%B1%CE%BA%CE%BB%CF%85%CF%83%CE%BC%CE%BF%CF%8D_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CF%84%CE%B1%CF%86%CF%8D%CF%84%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CF%81%CF%85%CE%B6%CE%B9%CE%BF%CF%8D_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%AF%CE%BD%CE%B1_%CE%B1%CF%80%CF%8C_Vegetation_Sensor 2010-02-23T13:55:14Z

<p>Pandri21: New page: category:Ενέργειες φυτικής διαχείρισης '''Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες α...</p> <hr /> <div> [[category:Ενέργειες φυτικής διαχείρισης]]<br /> <br /> '''Παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες από τοπικής κλίμακας σε κλίμακες τοπίων στην Κίνα χρησιμοποιώντας δεδομένα από αισθητήρα βλάστησης (Vegetation Sensor VGT)''' <br /> <br /> ''Observation of flooding and rice transplanting of paddy rice fields at the site to landscape scales in China using VEGETATION sensor data.''<br /> <br /> INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022<br /> X. XIAO, S. BOLES, S. FROLKING, W. SALAS, B. MOORE III, C. LI<br /> Complex Systems Research Center, Institute for the Study of Earth, Oceans<br /> and Space, University of New Hampshire, Durham, NH 03824, USA<br /> L. HE and R. ZHAO<br /> Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences,<br /> Nanjing, China<br /> <br /> ''Αντικείμενο Εφαρμογής'': Γεωργία και Διαχείριση Γης <br /> <br /> ''Στόχος Εφαρμογής'': Η παρατήρηση κατακλυσμού και μεταφύτευσης ρυζιού σε ορυζώνες της Κίνας (περιοχή μελέτης 175km x 165km) με την χρήση δορυφορικού αισθητήρα βλάστησης. Ο στόχος της εφαρμογής ήταν να αξιολογήσει τη δυνατότητα χρήσης multi-temporal VGT στοιχείων για τον προσδιορισμό του χρόνου και της έκταση του κατακλυσμού και της μεταφύτευσης ρυζιού σε κλίμακες αγροκτήματος και ευρύτερου τοπίου.<br /> ''Πως γινόταν παλιότερα'': Εμπειρικά ανάλογα την εποχή.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': SPOT-4 <br /> <br /> [[Εικόνα:Image1_p_a.jpg | thumb | right | Περιοχή μελέτης – Ορυζώνας , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα δεκτών/καναλιών'': <br /> Ο δορυφόρος φέρει, τον δέκτη βλάστησης (VEGETATION instrument, VGT) και το όργανο υψηλής ανάλυσης στο ορατό και το υπέρυθρο (HRVIR). O VGT-sensor έχει 4 φασματικά κανάλια, ισάξια του Landsat TM. Παρέχει καθημερινές εικόνες 1-ΚΜ ακρίβειας και επίσης παρέχει 3 στάνταρ προϊόντα το (α) φυσικό παράγωγο (VGT-P, physical product), (β) το καθημερινό συνθετικό παράγωγο (VGT-S1, daily synthesis product) και (γ) το δεκαήμερο συνθετικό παράγωγο (VGT-S10, 10-day synthesis product).<br /> Χρησιμοποιήθηκαν oι τέσσερις φασματικές ζώνες (B0 (430-470), B2(610-680), B3 (780-890), MIR(1580-1750)) στα VGT-S10 (01 Μαρτίου έως 30 Νοεμβρίου 1999) προϊόντα που ήταν οι εκτιμήσεις του συντελεστή ανάκλασης της επίγειας επιφάνειας. Το μέσο-επέρυθρο κανάλι (mid-infrared, MIR) είναι εξαιρετικά ευαίσθητο στην εδαφική υγρασία, την περιεκτικότητα σε νερό της εδαφοκάλυψης και την περιεκτικότητα σε υγρασία των φύλλων.<br /> <br /> ''Προεπεξεργασίες'': Για τα VGT-S10 δεδομένα χρησιμοποιήθηκε η σύνθετη προσέγγιση, η οποία βασίζεται στις τιμές εντός ενός δεκαημέρου που παίρνει ένα εικονοστοιχείο χρησιμοποιώντας το μέγιστο ομαλοποιημένο δείκτη διαφοράς της βλάστησης (maximum Normalized Difference Vegetation Index, NDV), το οποίο βοηθά στην ελαχιστοποίηση της επίδρασης της κάλυψης από σύννεφα και της μεταβλητότητας στο ατμοσφαιρικό οπτικό βάθος.<br /> Ο SMAC αλγόριθμος εφαρμόστηκε στις VGT εικόνες για τις διορθώσεις που προκαλούνται από το όζον, τα αερολύματα και τους υδρατμούς. Επίσης χρησιμοποιήθηκε ο ομαλοποιημένος δείκτης διαφοράς νερού (Normalized Difference Water Index NDWI) ο οποίος δείχνει το νερό της βλάστησης (που χρησιμοποιεί τις τιμές συντελεστή ανάκλασης δύο near-infrared, μια ζώνη που κεντροθετούνται σε περίπου 860 NM, και μια άλλη κατά 1240nm). NDWI θεωρήθηκε ένας συμπληρωματικός δείκτης βλάστησης στο NDVI.<br /> Ψηφιακές Επεξεργασίες: Σε αυτήν την μελέτη, NDWI και NDVI υπολογίστηκαν για κάθε ένα από τα VGT-S10 προϊόντα, χρησιμοποιώντας τις τιμές συντελεστή ανάκλασης της επίγειας επιφάνειας των φασματικών ζωνών, τα ακόλουθα:<br /> NDWIVGT=(B3­ MIR)/(B3+MIR) <br /> NDVIVGT=(B3­ B2)/(B3+B2)<br /> <br /> [[Εικόνα:Image2_p.jpg | thumb | right | Χάρτες για τις διαφορές μεταξύ των τιμών NDVI και NDWI για διάφορα δεκαήμερα μελέτης , πηγή:INT.J. REMOTE SENSING, 2002, vol. 23, no. 15, 3009–3022]]<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Επίγειες εργασίες και μετρήσεις με χρήση GPS για τον όσο πιο ακριβή εντοπισμό των αντίστοιχων υπό μελέτη θέσεων. <br /> <br /> ''Σημαντικά αποτελέσματα'': Χάρτες διαφορών των τιμών μεταξύ NDVI και NDWI για την υπό μελέτη περιοχή δημιουργήθηκαν και συγκρίθηκαν. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι η NDVI και NDWI χρονική ανωμαλία στη χρονική σειρά των εικόνων VGT μπορεί να παρέχει ένα απλό και αποτελεσματικό εργαλείο για την αναγνώριση της κατάκλισης και της μεταφύτευσης του ρυζιού στον ορυζώνα από τοπικής έως περιφερειακή κλίμακα μελέτης.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image_1_pa.jpg 2010-02-23T13:48:16Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T13:45:32Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> <br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> <br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> <br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> <br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> <br /> * [[Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%88%CE%BB%CE%B5%CE%B3%CF%87%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CF%8D%CE%BE%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC_%CE%BC%CE%AE%CE%BA%CE%BF%CF%82_%CF%84%CE%BF%CF%85_Wadi_Al-Rumah 2010-02-23T13:44:27Z

<p>Pandri21: New page: category:Εκτίμηση παραγωγής/Απόδοση '''Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah, KSA χρησι...</p> <hr /> <div> [[category:Εκτίμηση παραγωγής/Απόδοση]]<br /> <br /> '''Έλεγχος της αύξησης της βλάστησης κατά μήκος του Wadi Al-Rumah, KSA χρησιμοποιώντας το C-κανάλι του Radarsat, το L-κανάλι του JERS-1 σε σύγκριση με δεδομένα του JERS-1.'''<br /> <br /> ''Monitoring of vegetation growth along Wadi Al-Rumah, KSA using C-band of Radarsat, L-band of JERS-1 and comparison with LandsatTM data''<br /> <br /> Advances in Space Research, Volume 26, Issue 7, 2000, Pages 1155-1158<br /> Sultan Al-Sultan ‘, STanaka 2, A.Hoyano ‘, and T.Sugimura ’<br /> 1 Tokyo Institute of Technology, 4259 Nagatsuta-cho, Miabri-ku, Yokohama-shi 226 JAPAN<br /> 2 Remote Sensing Technology Center of Japan., l-9-9 Roppongi, Minato-ku, Tokyo 1064032 JAPAN<br /> <br /> ''Αντικείμενο εφαρμογής'': Γεωργία – Πρόβλεψης Γεωργικής Παραγωγής<br /> <br /> ''Στόχοι εφαρμογής'': Να δώσει έμφαση στην γεωργική βλάστηση, στην παρατήρηση των σταδίων ανάπτυξης, της αντανάκλασης της πυκνότητας της βλάστησης, των εντοπισμό δένδρων, δίνοντας έμφαση όμως στο σιτάρι και στο τριφύλλι. Καθώς και ποια δορυφορικά δεδομένα είναι χρήσιμα, πως μπορούν να συνδυαστούν και να ενσωματωθούν με ένα χρήσιμο τρόπο στην περιοχή της Σαουδικής Αραβίας.<br /> <br /> ''Πως γινόταν παλιότερα'': Με άμεσες μετρήσεις σε γεωργικές περιοχές.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat TM, Radarsat SAR και JERS-1 SAR.<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'':<br /> Έγινε χρήση δεδομένων Landsat Thematic Mapper (23 Φεβρουαρίου και 11 Μαρτίου 1998), για τον Radarsat SAR το C-κανάλι που είναι κατάλληλο για την παρατήρηση της ανάπτυξης ρυζιού και σιταριού (19 Φεβρουαρίου και 15 Μαρτίου 1998) και για τον JERS-1 SAR το L-κανάλι.<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα''<br /> Υποτέθηκε ότι το προϊόν του ύψους των φυτών και η πυκνότητα των φυτών ήταν ανάλογα προς την ανάδρομη ένταση (backscattering intensity) των δεδομένων του SAR, του C καναλιού. Επεξεργάστηκε η διαφορά της ανάδρομης έντασης, που υπήρχε μεταξύ ενός τομέα σίτου και της γυμνής εδαφολογικής επιφάνειας, καθώς επίσης και ο συντελεστής ανάδρομης έντασης του σίτου ανάλογα με το ύψος και την πυκνότητα των φυτών.<br /> Έγινε ταυτόχρονη σύγκριση μεταξύ των δεδομένων του Landsat, για τις ημερομηνίες της 23 Φεβρουαρίου και της 11 Μαρτίου του 1998, με αποτέλεσμα ο έλεγχος των δύο δορυφορικών εικόνων, να παρουσιάσει μικρή αλλαγή στη βλάστηση του τόνου του χρώματος στις ορατές και κοντινές υπέρυθρες περιοχές κατά μήκος Wadi Al-Rumah. Επιλέχτηκαν τα κανάλια TM 3.4, και 5 ως προτιμητέες για την ανίχνευση της αλλαγής. Το κανάλι 4 έχει προφανώς την απάντηση στην εύρεση του φυτικού υλικού. Το κανάλι 3 επιλέχτηκε για το λόγο ότι η περιοχή κόκκινου φωτός χρησιμοποιείται ως πηγή για το δείκτη βλάστησης. Το κανάλι 5 επιλέχτηκε επειδή αυτό παρουσιάζει σχετικά καλό χωρισμό μέσα στη αγροτική γη. Τέλος, συγκρίθηκε κάθε εικόνα για την ανίχνευση των αλλαγών κατά τη διάρκεια αυτών των τεσσάρων εβδομάδων από τις 23 Φεβρουαρίου έως τις 11 Μαΐου. Τελικά δημιουργήθηκε ένα σύνθετου χρώματος παράγωγο. <br /> Στην περιοχή δοκιμής, η ανίχνευση των δέντρων ήταν ουσιαστικά σημαντική. Για αυτό το λόγο χρησιμοποιήθηκε η εικόνα του JERS-L/SAR και συγκεκριμένα το παράγωγο του L καναλιού, που ήταν το καταλληλότερο για τον προσδιορισμό των δέντρων έναντι του C καναλιού, λόγω της διαφοράς των γωνιών επίπτωσης. <br /> Επιπρόσθετα έγινε και επιτόπια έρευνα για την διερεύνηση της ακρίβειας των εξαχθέντων συμπερασμάτων της επεξεργασίας. <br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθ''όδου: <br /> Από την άποψη της χρησιμοποίηση της τεχνολογίας της τηλεπισκόπησης για γεωργικό έλεγχο, εξετάστηκε ποιοι είναι καλύτεροι αισθητήρες, που μπορούν να χρησιμοποιηθούν, ιδιαίτερα για την περιοχή δοκιμής. Το τελικό αντικείμενο της μελέτης ήταν να γίνει κατανοητός ο έλεγχος της γεωργικής περιοχής σε πραγματικό - χρόνο και να παρατηρηθεί η διανομή των δέντρων. Το στάδιο της αύξησης του σίτου και του τριφυλλιού μπορεί να παρατηρηθεί από τα δεδομένα του καναλιού C. Τα δεδομένα από τον Landsat TM μπορεί να χρησιμοποιηθούν στην παρατήρηση του καλλιεργήσιμου. Τα δέντρα παρατηρήθηκαν με τα δεδομένα από το L κανάλι. Ως τελικό συμπέρασμα ήταν ότι μπορούν να εξαχθούν ασφαλή συμπεράσματα για αγροτικές-ερήμους περιοχές με τον συνδυασμό του C καναλιού και των υπολοίπων οπτικών αισθητήρων.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T13:40:18Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> * [[Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%80%CE%BF%CE%B4%CE%AC%CF%83%CF%89%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CF%84%CF%81%CE%BF%CF%80%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7%CE%BD_Rondonia_%CF%84%CE%B7%CF%82_%CE%92%CF%81%CE%B1%CE%B6%CE%B9%CE%BB%CE%AF%CE%B1%CF%82,_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD. 2010-02-23T13:39:37Z

<p>Pandri21: </p> <hr /> <div> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]<br /> <br /> Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.<br /> Detection of deforestation and land conversion in Rondonia, Brazil using change detection techniques<br /> INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750<br /> L. S. GUILD (NASA Ames Research Center, USA)<br /> W. B. COHEN (Department of Forest Science, Oregon State University, USA)<br /> and J. B. KAUFFMAN (Department of Fisheries and Wildlife, Oregon State University, Corvallis, USA)<br /> <br /> ''Αντικείμενο εφαρμογής'': Δασική διαχείριση, προσδιορισμός αλλαγών.<br /> <br /> <br /> ''Στόχοι εφαρμογής'': Ο στόχος της έρευνας ήταν να συγκριθούν οι τεχνικές ανίχνευσης αλλαγών για τον εντοπισμό αποδασωμένων εκτάσεων και βοσκότοπων, λόγω της γεωργικής επέκτασης στην Rondonia. Χρησιμοποιήθηκαν δεδομένα από Landsat Thematic Mapper (TM), για διάφορες ημερομηνίας μεταξύ του 1984 και του 1992. Εξετάστηκε περιοχή έκτασης 94370 εκταρίων σε τομέα ενεργού αποδάσωσης για να χαρτογραφήσουν την αλλαγή κάλυψης της περιοχής. Έγινε περαιτέρω χρήση μετασχηματισμών, του Tasselled Cap (TC) και του μετασχηματισμού κύριων συστατικών (principal components, PC) και της μεθόδου διαφοροποίησης εικόνας για την εύρεση της αντίθεσης μεταξύ των δασικών, καθαρισμένων περιοχών και των περιοχών που αναγεννιούνται.<br /> Πως γινόταν παλιότερα: Με χρήση δορυφορικών συστημάτων και δεδομένων, αλλά συνήθως με μονοδιάστατα δεδομένα μιας ημερομηνίας ή για την μονοδιάστατη αναγνώριση των αποδασοτέων περιοχών. <br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat 4 και Landsat 5<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> Landsat TM. Έγινε χρήση όλων των καναλιών του Landsat ΤΜ <br /> <br /> ''Προεπεξεργασίες'': <br /> Οι δορυφορικές εικόνες καταχωρήθηκαν (co-registered) χρησιμοποιώντας έναν αυτοματοποιημένο σύστημα από σημεία δεσμών (tie points) και μιας τεχνικής συσχετισμού περιοχής (area correlation technique). Η ραδιομετρική διόρθωση εξετάστηκε αλλά δεν διενεργήθηκε επειδή η προκαταρκτική ανάλυση έδειξε ότι η φασματική αλλαγή που συνδέεται με την αποδάσωση και το «καθάρισμα» του εδάφους είναι πολύ μεγαλύτερη από τις αλλαγές που συνδέονται με τη γωνία του ήλιου και την ατμοσφαιρική παραλλαγή. Επιπλέον, επειδή αναλύθηκαν οι ψηφιακοί αριθμοί σε ένα σύνολο στατιστικών αναλύσεων για την ταξινόμηση της κάλυψης του εδάφους, η βαθμολόγηση (calibration) δεν ήταν σημαντική. <br /> <br /> [[Εικόνα:Image12_p.jpg | thumb | right | Tasselled cap εικόνες από Landsat TM δεδομένα για την περιοχή μελέτης Rondonia (α) 24 Ιουνίου 1984. Η δασική μετατροπή σε λιβάδι και καλλιέργεια είναι παρούσα κατά μήκος της εθνικής οδού. Το κόκκινο δείχνει τις καθαρισμένες περιοχές με ελάχιστη ή καθόλου βλάστηση, το κίτρινος αντιπροσωπεύει τους τομείς επαναδημιουργίας της βλάστησης, πράσινος/το μπλε υποδεικνύει το αρχικό δάσος, και οι μπλε περιοχές είναι νερό. (β) 16 Ιουλίου 1986. Η δασική μετατροπή σε λιβάδι και καλλιέργεια έχει επεκταθεί κατά μήκος της εθνικής οδού BR-364 και επεκτείνεται έξω από την εθνική οδό. (γ) 24 Ιουλίου 1992. Ο ποταμός Jamari αυξήθηκε λόγω της ολοκλήρωσης του υδρο-ηλεκτρικού σταθμού του το 1989. Μερικές περιοχές δασών, λιβαδιού και καλλιέργειας χάθηκαν λόγω της πλημμύρας του ποταμού Jamari, πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750]]<br /> <br /> <br /> [[Εικόνα:Image12_p.jpg | thumb | right | Η ταξινόμηση της σύνθετης εικόνας που προήλθε από την Tasselled cap ταξινόμηση (δείκτες του 1984, του 1986 και του 1992 TC) για την περιοχή μελέτης Rondonia .Οι κατηγορίες αλλαγής κάλυψης εδάφους περιλαμβάνουν το αρχικό δάσος, το αναπαραγμένο (δάσος/καλλιέργεια), τις καθαρισμένες περιοχές (καλλιέργεια λιβαδιού), τις περιοχές που πλημμυρίζουν, τους προγενέστερους κατακλυσμούς, το νερό (ποταμός Jamari και άλλοι παραπόταμοι) και τη δεξαμενή (ορυχείο κασσίτερου). , πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750]]<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Τρεις τεχνικές ανίχνευσης αλλαγής χρησιμοποιήθηκαν ώστε να ανιχνευθούν οι αλλαγές στους τύπους κάλυψης εδάφους (αρχικό δάσος, που αναπαράγει το δάσος και καθαρισμένος/λιβάδι) χρησιμοποιώντας: (1) εικόνες πολλαπλών ημερομηνιών TC, (2) PC ανάλυση των εικόνων TC, και (3) διαφοροποίηση των εικόνων TC.<br /> Ο γραμμικός μετασχηματισμός TC χρησιμοποιήθηκε για να μειώσει το φασματικό πλεονασμό του Thematic Mapper Landsat (TM), των ορατών και υπέρυθρων ζωνών, για να δημιουργήσει τους δείκτες βλάστησης ανάλογα την φωτεινότητα, την απόχρωση του πρασίνου και την υγρασία. Τα βάρη του μετασχηματισμού TC ήταν καθορισμένα, ο αισθητήρας συγκεκριμένος, και η εικόνα δεν ήταν εξαρτώμενη.<br /> Ο μετασχηματισμός κύριων συστατικών (PC) είναι επίσης μια τεχνική συμπίεσης δεδομένων, αλλά αντίθετα από το TC δεν είναι φυσικά βασισμένη. Οι εικόνες PC έχουν νέους άξονες αναφοράς, που είναι ορθογώνιοι ο ένας στον άλλο και εξηγούν τα μειωμένα επίπεδα διαφοράς με κάθε διαδοχικό συστατικό. Αντίθετα από το TC, τα βάρη στο μετασχηματισμό PC δεν ήταν συγκεκριμένα και η εικόνα ήταν εξαρτώμενη. <br /> Η μέθοδος της διαφοροποίησης της εικόνας ήταν μια τρίτη κοινή προσέγγιση ανίχνευσης αλλαγής για τις δασικές και γεωργικές περιοχές. Ήταν μια απλή προσέγγιση, με την οποία τα συμπίπτουσα κανάλια των διαφορετικών ημερομηνίας ζευγαριών αφαιρούνται. Η παραγόμενη εικόνα με θετικές και αρνητικές τιμές αντιπροσωπεύει την αλλαγή και οι τιμές κοντά στο μηδέν δεν αντιπροσωπεύουν καμία αλλαγή. <br /> Στην εργασία αυτή επιλέχτηκε η μέθοδος μετασχηματισμού TC, στην βάση των τριών που μπορούσαν να χρησιμοποιηθούν, γιατί οι παραγόμενες TC εικόνες παρείχαν έντονα τις αντιθέσεις μεταξύ δάσους, καθαρισμένων περιοχών και αναγεννημένων περιοχών.<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Η αποψίλωση του αρχικού δάσους ήταν εμφανής και ανιχνεύτηκε εύκολα στις προσεγγίσεις ταξινόμησης αλλαγής κάλυψης εδάφους. οι τρεις τεχνικές ταξινόμησης παρήγαγαν αποδεκτής ακρίβειας δεδομένα ανάλογα τον αριθμό των κατηγοριών που παρήχθησαν για κάθε χάρτη αλλαγής κάλυψης εδάφους και για την ανάλυση διαφορετικών ημερομηνιών. Η ταξινόμηση TC έδωσε την υψηλότερη ακρίβεια μεταξύ των τριών προσεγγίσεων, με μια γενική ακρίβεια 79.3% και με συντελεστή κάπα 0.78 Ο χάρτης αλλαγής κάλυψης εδάφους TC επιλέχτηκε για την ανάλυση αλλαγής κάλυψης εδάφους λόγω της υψηλότερων ακρίβειας και του αριθμού των ταξινομικών κατηγοριών. Η γνώση της χρήσης γης σε συνδυασμό διαφορετικών ημερών ΤΜ δεδομένων οδήγησαν στην καλύτερη και πληρέστερη ερμηνεία των τύπων κάλυψης του εδάφους και της έκτασης της πλημμύρας, σε σχέση με την ανάλυση μόνο μιας ημερομηνίας ΤΜ δεδομένων.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%80%CE%BF%CE%B4%CE%AC%CF%83%CF%89%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%BC%CE%B5%CF%84%CE%B1%CF%84%CF%81%CE%BF%CF%80%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7%CE%BD_Rondonia_%CF%84%CE%B7%CF%82_%CE%92%CF%81%CE%B1%CE%B6%CE%B9%CE%BB%CE%AF%CE%B1%CF%82,_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD. 2010-02-23T13:39:02Z

<p>Pandri21: New page: category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων Ανίχνευση της αποδάσωσης και τη...</p> <hr /> <div> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]<br /> <br /> Ανίχνευση της αποδάσωσης και της μετατροπής του εδάφους στην Rondonia της Βραζιλίας, χρησιμοποιώντας τεχνικές ανίχνευσης αλλαγών.<br /> Detection of deforestation and land conversion in Rondonia, Brazil using change detection techniques<br /> INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750<br /> L. S. GUILD (NASA Ames Research Center, USA)<br /> W. B. COHEN (Department of Forest Science, Oregon State University, USA)<br /> and J. B. KAUFFMAN (Department of Fisheries and Wildlife, Oregon State University, Corvallis, USA)<br /> <br /> ''Αντικείμενο εφαρμογής'': Δασική διαχείριση, προσδιορισμός αλλαγών.<br /> <br /> [[Εικόνα:Image12_p.jpg | thumb | right | Tasselled cap εικόνες από Landsat TM δεδομένα για την περιοχή μελέτης Rondonia (α) 24 Ιουνίου 1984. Η δασική μετατροπή σε λιβάδι και καλλιέργεια είναι παρούσα κατά μήκος της εθνικής οδού. Το κόκκινο δείχνει τις καθαρισμένες περιοχές με ελάχιστη ή καθόλου βλάστηση, το κίτρινος αντιπροσωπεύει τους τομείς επαναδημιουργίας της βλάστησης, πράσινος/το μπλε υποδεικνύει το αρχικό δάσος, και οι μπλε περιοχές είναι νερό. (β) 16 Ιουλίου 1986. Η δασική μετατροπή σε λιβάδι και καλλιέργεια έχει επεκταθεί κατά μήκος της εθνικής οδού BR-364 και επεκτείνεται έξω από την εθνική οδό. (γ) 24 Ιουλίου 1992. Ο ποταμός Jamari αυξήθηκε λόγω της ολοκλήρωσης του υδρο-ηλεκτρικού σταθμού του το 1989. Μερικές περιοχές δασών, λιβαδιού και καλλιέργειας χάθηκαν λόγω της πλημμύρας του ποταμού Jamari, πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750]]<br /> <br /> ''Στόχοι εφαρμογής'': Ο στόχος της έρευνας ήταν να συγκριθούν οι τεχνικές ανίχνευσης αλλαγών για τον εντοπισμό αποδασωμένων εκτάσεων και βοσκότοπων, λόγω της γεωργικής επέκτασης στην Rondonia. Χρησιμοποιήθηκαν δεδομένα από Landsat Thematic Mapper (TM), για διάφορες ημερομηνίας μεταξύ του 1984 και του 1992. Εξετάστηκε περιοχή έκτασης 94370 εκταρίων σε τομέα ενεργού αποδάσωσης για να χαρτογραφήσουν την αλλαγή κάλυψης της περιοχής. Έγινε περαιτέρω χρήση μετασχηματισμών, του Tasselled Cap (TC) και του μετασχηματισμού κύριων συστατικών (principal components, PC) και της μεθόδου διαφοροποίησης εικόνας για την εύρεση της αντίθεσης μεταξύ των δασικών, καθαρισμένων περιοχών και των περιοχών που αναγεννιούνται.<br /> Πως γινόταν παλιότερα: Με χρήση δορυφορικών συστημάτων και δεδομένων, αλλά συνήθως με μονοδιάστατα δεδομένα μιας ημερομηνίας ή για την μονοδιάστατη αναγνώριση των αποδασοτέων περιοχών. <br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat 4 και Landsat 5<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': <br /> Landsat TM. Έγινε χρήση όλων των καναλιών του Landsat ΤΜ <br /> <br /> ''Προεπεξεργασίες'': <br /> Οι δορυφορικές εικόνες καταχωρήθηκαν (co-registered) χρησιμοποιώντας έναν αυτοματοποιημένο σύστημα από σημεία δεσμών (tie points) και μιας τεχνικής συσχετισμού περιοχής (area correlation technique). Η ραδιομετρική διόρθωση εξετάστηκε αλλά δεν διενεργήθηκε επειδή η προκαταρκτική ανάλυση έδειξε ότι η φασματική αλλαγή που συνδέεται με την αποδάσωση και το «καθάρισμα» του εδάφους είναι πολύ μεγαλύτερη από τις αλλαγές που συνδέονται με τη γωνία του ήλιου και την ατμοσφαιρική παραλλαγή. Επιπλέον, επειδή αναλύθηκαν οι ψηφιακοί αριθμοί σε ένα σύνολο στατιστικών αναλύσεων για την ταξινόμηση της κάλυψης του εδάφους, η βαθμολόγηση (calibration) δεν ήταν σημαντική. <br /> <br /> <br /> [[Εικόνα:Image12_p.jpg | thumb | right | Η ταξινόμηση της σύνθετης εικόνας που προήλθε από την Tasselled cap ταξινόμηση (δείκτες του 1984, του 1986 και του 1992 TC) για την περιοχή μελέτης Rondonia .Οι κατηγορίες αλλαγής κάλυψης εδάφους περιλαμβάνουν το αρχικό δάσος, το αναπαραγμένο (δάσος/καλλιέργεια), τις καθαρισμένες περιοχές (καλλιέργεια λιβαδιού), τις περιοχές που πλημμυρίζουν, τους προγενέστερους κατακλυσμούς, το νερό (ποταμός Jamari και άλλοι παραπόταμοι) και τη δεξαμενή (ορυχείο κασσίτερου). , πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 4, 731–750]]<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Τρεις τεχνικές ανίχνευσης αλλαγής χρησιμοποιήθηκαν ώστε να ανιχνευθούν οι αλλαγές στους τύπους κάλυψης εδάφους (αρχικό δάσος, που αναπαράγει το δάσος και καθαρισμένος/λιβάδι) χρησιμοποιώντας: (1) εικόνες πολλαπλών ημερομηνιών TC, (2) PC ανάλυση των εικόνων TC, και (3) διαφοροποίηση των εικόνων TC.<br /> Ο γραμμικός μετασχηματισμός TC χρησιμοποιήθηκε για να μειώσει το φασματικό πλεονασμό του Thematic Mapper Landsat (TM), των ορατών και υπέρυθρων ζωνών, για να δημιουργήσει τους δείκτες βλάστησης ανάλογα την φωτεινότητα, την απόχρωση του πρασίνου και την υγρασία. Τα βάρη του μετασχηματισμού TC ήταν καθορισμένα, ο αισθητήρας συγκεκριμένος, και η εικόνα δεν ήταν εξαρτώμενη.<br /> Ο μετασχηματισμός κύριων συστατικών (PC) είναι επίσης μια τεχνική συμπίεσης δεδομένων, αλλά αντίθετα από το TC δεν είναι φυσικά βασισμένη. Οι εικόνες PC έχουν νέους άξονες αναφοράς, που είναι ορθογώνιοι ο ένας στον άλλο και εξηγούν τα μειωμένα επίπεδα διαφοράς με κάθε διαδοχικό συστατικό. Αντίθετα από το TC, τα βάρη στο μετασχηματισμό PC δεν ήταν συγκεκριμένα και η εικόνα ήταν εξαρτώμενη. <br /> Η μέθοδος της διαφοροποίησης της εικόνας ήταν μια τρίτη κοινή προσέγγιση ανίχνευσης αλλαγής για τις δασικές και γεωργικές περιοχές. Ήταν μια απλή προσέγγιση, με την οποία τα συμπίπτουσα κανάλια των διαφορετικών ημερομηνίας ζευγαριών αφαιρούνται. Η παραγόμενη εικόνα με θετικές και αρνητικές τιμές αντιπροσωπεύει την αλλαγή και οι τιμές κοντά στο μηδέν δεν αντιπροσωπεύουν καμία αλλαγή. <br /> Στην εργασία αυτή επιλέχτηκε η μέθοδος μετασχηματισμού TC, στην βάση των τριών που μπορούσαν να χρησιμοποιηθούν, γιατί οι παραγόμενες TC εικόνες παρείχαν έντονα τις αντιθέσεις μεταξύ δάσους, καθαρισμένων περιοχών και αναγεννημένων περιοχών.<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Η αποψίλωση του αρχικού δάσους ήταν εμφανής και ανιχνεύτηκε εύκολα στις προσεγγίσεις ταξινόμησης αλλαγής κάλυψης εδάφους. οι τρεις τεχνικές ταξινόμησης παρήγαγαν αποδεκτής ακρίβειας δεδομένα ανάλογα τον αριθμό των κατηγοριών που παρήχθησαν για κάθε χάρτη αλλαγής κάλυψης εδάφους και για την ανάλυση διαφορετικών ημερομηνιών. Η ταξινόμηση TC έδωσε την υψηλότερη ακρίβεια μεταξύ των τριών προσεγγίσεων, με μια γενική ακρίβεια 79.3% και με συντελεστή κάπα 0.78 Ο χάρτης αλλαγής κάλυψης εδάφους TC επιλέχτηκε για την ανάλυση αλλαγής κάλυψης εδάφους λόγω της υψηλότερων ακρίβειας και του αριθμού των ταξινομικών κατηγοριών. Η γνώση της χρήσης γης σε συνδυασμό διαφορετικών ημερών ΤΜ δεδομένων οδήγησαν στην καλύτερη και πληρέστερη ερμηνεία των τύπων κάλυψης του εδάφους και της έκτασης της πλημμύρας, σε σχέση με την ανάλυση μόνο μιας ημερομηνίας ΤΜ δεδομένων.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image13_p.jpg 2010-02-23T13:34:26Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image12_p.jpg 2010-02-23T13:34:15Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T13:33:20Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> * [[Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%85%CE%B2%CF%81%CE%B9%CE%B4%CE%B9%CE%BA%CE%AE_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%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%87%CF%81%CE%AE%CF%83%CE%B7%CF%82_/%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CE%B1%CF%80%CF%8C_Landsat_7_Enhanced_Thematic_Mapper_Plus_(ETM%2B) 2010-02-23T13:32:28Z

<p>Pandri21: </p> <hr /> <div> [[category:Ανίχνευση μεταβολών αστικής γης]]<br /> <br /> '''Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)'''<br /> <br /> ''A hybrid approach to urban land use/cover mapping using Landsat 7 Enhanced Thematic Mapper Plus (ETM+) images''<br /> INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700<br /> C. P. LO and JINMU CHOI (Department of Geography, University of Georgia, Athens, GA 30602, USA)<br /> <br /> ''Αντικείμενο εφαρμογής'': Αστικός και περιφερειακός σχεδιασμός. Ανίχνευση μεταβολών αστικής γης<br /> <br /> ''Στόχοι εφαρμογής'': Εφαρμογή της υβριδικής προσέγγισης, όπου και δύο προσεγγίσεις, η εποπτευμένη (supervised) και μη-επιβλεπόμενης (unsupervised) καθώς επίσης και hard και soft μέθοδοι ταξινόμησης συνδυάζονται σε σχέσεις για να βελτιώσουν την ακρίβεια της ταξινόμησης της χρήσης/κάλυψης γης του αστικού περιβάλλοντος από Landsat 7 ETM+ εικόνες. Η μελέτη ασχολείται επίσης και με μερικά χαρακτηριστικά των ταξινομήσεων ανά-εικονοστοιχείου (per-pixel classification) και ανά-τμημάτων (per-parcel-classification). Μπορεί, επομένως, να εξετάσει κάποια φασματική μεταβλητότητα μεταξύ των κατηγοριών και μέσα στις κατηγορίες.<br /> <br /> [[Εικόνα:Image10_p.jpg | thumb | right | Η υβριδική προσέγγιση της κάλυψης/χρήσης γης ταξινόμηση, πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700]]<br /> <br /> ''Πως γινόταν παλιότερα'': Σε προβλήματα ταξινόμησης χρήσης γης/κάλυψης στο αστικό περιβάλλον διαφορετικές προσεγγίσεις έχουν αναπτυχθεί: (α) ασαφή ταξινόμηση (fuzzy classification) και subpixel χαρτογράφηση για την ταξινόμηση ανά-εικονοστοιχείου βασισμένη στις φασματικές πληροφορίες, (β) ταξινόμηση ανά-τμήμα (per-parcel classification) στην οποία τα μεμονωμένα τμήματα κάλυψης εδάφους σκιαγραφούνται από μερικά χαρτογραφικά διανύσματα (όπως ένας ψηφιοποιημένος χάρτης γραμμών της αστικής περιοχής) στην εικόνα για την ταξινόμηση και (γ) ενσωμάτωση των χωρικών χαρακτηριστικών γνωρισμάτων πλαισίου και σύστασης ώστε να εκμεταλλευτούν τις χωρικές πληροφορίες στην ταξινόμηση.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat 7<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Ο Landsat 7 έχει οκτώ κανάλια, ένα θερμικό κανάλι με 60m χωρική ακρίβεια και ένα πανγχρωματικό κανάλι με 15m χωρική ακρίβεια και έξι κανάλια στο ορατό και κοντινό υπέρυθρο (VNIR) με 30m χωρική ακρίβεια. Η ταξινόμηση χρήσης/κάλυψης γης χρησιμοποίησε μόνο τα έξι κανάλια στο ορατό και κοντινό υπέρυθρο. Ωστόσο, το πανγχρωματικό κανάλι παρέχει πολύ καλά δευτερεύοντα στοιχεία για οπτικό έλεγχο της ακρίβειας της ταξινόμησης χρήσης/κάλυψης γης. Η περιοχή μελέτης ήταν η περιοχή της Ατλάντας και έγινε χρήση δύο ETM+ δεδομένων την περίοδο 5 Απριλίου 2000 και 28 Σεπτεμβρίου 2000. <br /> <br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Η στρατηγική της μελέτης ήταν να συνδυαστούν τα πλεονεκτήματα της εποπτευόμενης (supervised) και μη-επιβλεπόμενης (unsupervised) προσέγγισης με τις hard και soft μεθόδους ταξινόμησης ώστε να ανιχνεύσουν την ιδιαίτερη και συνεχή κάλυψη εδάφους του αστικού περιβάλλοντος. Επομένως έγινε χρήση αρχικά μιας μη-επιβλεπόμενης ταξινόμησης (ISODATA) για να ταξινομήσει την εικόνα ETM+ της 28ης Σεπτεμβρίου 2000, η οποία παρήγαγε 60 φασματικές συστάδες, με οκτώ τύπους χρήσης γης/κάλυψης. Επίσης έγινε χρήση μιας επιβλεπόμενης ασαφούς προσέγγισης και περαιτέρω χρήση hard και soft μεθόδους ταξινόμησης. Οι παραγόμενοι χάρτες χρήσης/κάλυψης γης επικαλύφτηκαν (overlay) ώστε να παραχθεί ο τελικός χάρτης. <br /> Οι θόρυβοι στα δορυφορικά στοιχεία αφαιρέθηκαν χρησιμοποιώντας ένα 3x3 modal φίλτρο με μηδέν τιμή στις τέσσερις γωνίες του κύτταρα ώστε τα γραμμικά χαρακτηριστικά γνωρίσματα να διατηρηθούν. <br /> <br /> [[Εικόνα:Image11_p.jpg | thumb | right | (a) ψευδό-παράγωγο (false colour composite) του Landsat 7 ETM+, (b)χάρτης χρήσης/κάλυψης γης παραγόμενος από την υβριδική μέθοδο, (c)χάρτης χρήσης/κάλυψης γης παραγόμενος από την ISODATA clustering μέθοδο, (d ) χάρτης χρήσης/κάλυψης γης παραγόμενος από την επιβλεπόμενη ασαφούς ταξινόμιση (supervised fuzzy method); (e) χάρτης χρήσης/κάλυψης γης παραγόμενος από την επιβλεπόμενη μέγιστης πιθανότητα ταξινόμηση (supervised maximum likelihood classification), πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700]]<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Η υβριδική προσέγγιση είχε ως σκοπό να βελτιώσει την ακρίβεια της ανά-εικονοστοιχείο ταξινόμηση χρήσης/κάλυψης γης από τα πολυφασματικά δεδομένα Landsat ETM+ σε έναν αστικό περιβάλλον στις ΗΠΑ, στην Ατλάντα. <br /> Η υβριδική προσέγγιση, που συνδυάζει τα πλεονεκτήματα μιας μη-επιβλεπόμενης (ISODATA) προσέγγισης, με μια επιβλεπόμενη ασαφούς μέθοδο ταξινόμησης, είναι το αποτέλεσμα της μελέτης. Η προσέγγιση αυτή έδωσε πολύ καλύτερα αποτελέσματα από τις κοινές μεθόδους και αν και αναπτύχτηκε για ανά-εικονοστοιχείου ταξινόμηση (per-pixel classification), μπορεί άνετα να χρησιμοποιηθεί και για την ανα-τμημάτων ταξινόμηση. (per-parcel-classification).</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CF%85%CE%B2%CF%81%CE%B9%CE%B4%CE%B9%CE%BA%CE%AE_%CF%80%CF%81%CE%BF%CF%83%CE%AD%CE%B3%CE%B3%CE%B9%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%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%87%CF%81%CE%AE%CF%83%CE%B7%CF%82_/%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CE%B1%CF%80%CF%8C_Landsat_7_Enhanced_Thematic_Mapper_Plus_(ETM%2B) 2010-02-23T13:31:56Z

<p>Pandri21: New page: category:Ανίχνευση μεταβολών αστικής γης '''Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κ...</p> <hr /> <div><br /> [[category:Ανίχνευση μεταβολών αστικής γης]]<br /> <br /> '''Μια υβριδική προσέγγιση στην αστική χαρτογράφηση χρήσης /κάλυψης γης χρησιμοποιώντας εικόνες από Landsat 7 Enhanced Thematic Mapper Plus (ETM+)'''<br /> <br /> ''A hybrid approach to urban land use/cover mapping using Landsat 7 Enhanced Thematic Mapper Plus (ETM+) images''<br /> INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700<br /> C. P. LO and JINMU CHOI (Department of Geography, University of Georgia, Athens, GA 30602, USA)<br /> <br /> ''Αντικείμενο εφαρμογής'': Αστικός και περιφερειακός σχεδιασμός. Ανίχνευση μεταβολών αστικής γης<br /> <br /> ''Στόχοι εφαρμογής'': Εφαρμογή της υβριδικής προσέγγισης, όπου και δύο προσεγγίσεις, η εποπτευμένη (supervised) και μη-επιβλεπόμενης (unsupervised) καθώς επίσης και hard και soft μέθοδοι ταξινόμησης συνδυάζονται σε σχέσεις για να βελτιώσουν την ακρίβεια της ταξινόμησης της χρήσης/κάλυψης γης του αστικού περιβάλλοντος από Landsat 7 ETM+ εικόνες. Η μελέτη ασχολείται επίσης και με μερικά χαρακτηριστικά των ταξινομήσεων ανά-εικονοστοιχείου (per-pixel classification) και ανά-τμημάτων (per-parcel-classification). Μπορεί, επομένως, να εξετάσει κάποια φασματική μεταβλητότητα μεταξύ των κατηγοριών και μέσα στις κατηγορίες.<br /> <br /> ''Πως γινόταν παλιότερα'': Σε προβλήματα ταξινόμησης χρήσης γης/κάλυψης στο αστικό περιβάλλον διαφορετικές προσεγγίσεις έχουν αναπτυχθεί: (α) ασαφή ταξινόμηση (fuzzy classification) και subpixel χαρτογράφηση για την ταξινόμηση ανά-εικονοστοιχείου βασισμένη στις φασματικές πληροφορίες, (β) ταξινόμηση ανά-τμήμα (per-parcel classification) στην οποία τα μεμονωμένα τμήματα κάλυψης εδάφους σκιαγραφούνται από μερικά χαρτογραφικά διανύσματα (όπως ένας ψηφιοποιημένος χάρτης γραμμών της αστικής περιοχής) στην εικόνα για την ταξινόμηση και (γ) ενσωμάτωση των χωρικών χαρακτηριστικών γνωρισμάτων πλαισίου και σύστασης ώστε να εκμεταλλευτούν τις χωρικές πληροφορίες στην ταξινόμηση.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat 7<br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών - Χρησιμότητα των δεικτών/καναλιών'': Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Ο Landsat 7 έχει οκτώ κανάλια, ένα θερμικό κανάλι με 60m χωρική ακρίβεια και ένα πανγχρωματικό κανάλι με 15m χωρική ακρίβεια και έξι κανάλια στο ορατό και κοντινό υπέρυθρο (VNIR) με 30m χωρική ακρίβεια. Η ταξινόμηση χρήσης/κάλυψης γης χρησιμοποίησε μόνο τα έξι κανάλια στο ορατό και κοντινό υπέρυθρο. Ωστόσο, το πανγχρωματικό κανάλι παρέχει πολύ καλά δευτερεύοντα στοιχεία για οπτικό έλεγχο της ακρίβειας της ταξινόμησης χρήσης/κάλυψης γης. Η περιοχή μελέτης ήταν η περιοχή της Ατλάντας και έγινε χρήση δύο ETM+ δεδομένων την περίοδο 5 Απριλίου 2000 και 28 Σεπτεμβρίου 2000. <br /> <br /> [[Εικόνα:Image10_p.jpg | thumb | right | Η υβριδική προσέγγιση της κάλυψης/χρήσης γης ταξινόμηση, πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700]]<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Η στρατηγική της μελέτης ήταν να συνδυαστούν τα πλεονεκτήματα της εποπτευόμενης (supervised) και μη-επιβλεπόμενης (unsupervised) προσέγγισης με τις hard και soft μεθόδους ταξινόμησης ώστε να ανιχνεύσουν την ιδιαίτερη και συνεχή κάλυψη εδάφους του αστικού περιβάλλοντος. Επομένως έγινε χρήση αρχικά μιας μη-επιβλεπόμενης ταξινόμησης (ISODATA) για να ταξινομήσει την εικόνα ETM+ της 28ης Σεπτεμβρίου 2000, η οποία παρήγαγε 60 φασματικές συστάδες, με οκτώ τύπους χρήσης γης/κάλυψης. Επίσης έγινε χρήση μιας επιβλεπόμενης ασαφούς προσέγγισης και περαιτέρω χρήση hard και soft μεθόδους ταξινόμησης. Οι παραγόμενοι χάρτες χρήσης/κάλυψης γης επικαλύφτηκαν (overlay) ώστε να παραχθεί ο τελικός χάρτης. <br /> Οι θόρυβοι στα δορυφορικά στοιχεία αφαιρέθηκαν χρησιμοποιώντας ένα 3x3 modal φίλτρο με μηδέν τιμή στις τέσσερις γωνίες του κύτταρα ώστε τα γραμμικά χαρακτηριστικά γνωρίσματα να διατηρηθούν. <br /> <br /> [[Εικόνα:Image11_p.jpg | thumb | right | (a) ψευδό-παράγωγο (false colour composite) του Landsat 7 ETM+, (b)χάρτης χρήσης/κάλυψης γης παραγόμενος από την υβριδική μέθοδο, (c)χάρτης χρήσης/κάλυψης γης παραγόμενος από την ISODATA clustering μέθοδο, (d ) χάρτης χρήσης/κάλυψης γης παραγόμενος από την επιβλεπόμενη ασαφούς ταξινόμιση (supervised fuzzy method); (e) χάρτης χρήσης/κάλυψης γης παραγόμενος από την επιβλεπόμενη μέγιστης πιθανότητα ταξινόμηση (supervised maximum likelihood classification), πηγή:INT. J. REMOTE SENSING, 2004, VOL. 25, NO. 14, 2687–2700]]<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Η υβριδική προσέγγιση είχε ως σκοπό να βελτιώσει την ακρίβεια της ανά-εικονοστοιχείο ταξινόμηση χρήσης/κάλυψης γης από τα πολυφασματικά δεδομένα Landsat ETM+ σε έναν αστικό περιβάλλον στις ΗΠΑ, στην Ατλάντα. <br /> Η υβριδική προσέγγιση, που συνδυάζει τα πλεονεκτήματα μιας μη-επιβλεπόμενης (ISODATA) προσέγγισης, με μια επιβλεπόμενη ασαφούς μέθοδο ταξινόμησης, είναι το αποτέλεσμα της μελέτης. Η προσέγγιση αυτή έδωσε πολύ καλύτερα αποτελέσματα από τις κοινές μεθόδους και αν και αναπτύχτηκε για ανά-εικονοστοιχείου ταξινόμηση (per-pixel classification), μπορεί άνετα να χρησιμοποιηθεί και για την ανα-τμημάτων ταξινόμηση. (per-parcel-classification).</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image11_p.jpg 2010-02-23T13:27:01Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image10_p.jpg 2010-02-23T13:26:48Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-23T13:22:18Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> * [[Τηλεπισκόπηση και GIS για την χαρτογράφηση της Αιγύπτου.]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_GIS_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CE%B7%CF%82_%CE%91%CE%B9%CE%B3%CF%8D%CF%80%CF%84%CE%BF%CF%85. 2010-02-23T13:21:32Z

<p>Pandri21: </p> <hr /> <div> [[category:Χαρτογραφία]]<br /> <br /> '''Τηλεπισκόπηση και GIS για την χαρτογράφηση και τον έλεγχο αλλαγών εδαφοκάλυψης και χρήσεων γης στην Βορειοδυτική παράκτια ζώνη της Αιγύπτου.'''<br /> <br /> ''Remote sensing and GIS for mapping and monitoring land cover and land-use changes in the Northwestern coastal zone of Egypt<br /> Applied Geography 27 (2007) 28–41''<br /> Adel Shalaby and Ryutaro Tateishi<br /> (Center for Environmental Remote Sensing CEReS, Chiba University, Japan)<br /> <br /> ''Αντικείμενο εφαρμογής'': Αστικό και περιφερειακός σχεδιασμός. Χαρτογράφηση μεταβολών εδαφοκάλυψης και χρήσεων γης. <br /> Στόχοι εφαρμογής: Στόχοι της μελέτης ήταν να παρουσιάσουν για την βορειοδυτική παράκτια ζώνη της Αιγύπτου (μεταξύ 30o35˙50̋ και 31o00˙00 ̋ Βόρεια και 28o40˙00 ̋ και 29 o50˙00 ̋ Ανατολικά, 3750km2) τα ακόλουθα: (α) μια πρόσφατη άποψη για τους τύπους κάλυψης εδάφους και τις αλλαγές κάλυψης εδάφους που έχουν πραγματοποιηθεί τα τελευταία 14 χρόνια, (β) να ενσωματώσει την οπτική ερμηνεία με την εποπτευμένη ταξινόμηση χρησιμοποιώντας τα GIS και (γ) να εξετάσει τις ικανότητες της ενσωμάτωσης της τηλεπισκόπησης και των GIS στη μελέτη της χωρικής διανομής της διαφορετικής εδαφοκάλυψης.<br /> <br /> ''Πως γινόταν παλιότερα'': πολλές μελέτες είχαν γίνει τις αλλαγές κάλυψης εδάφους και χρήσης γης κάνοντας χρήση δεδομένων όπως: (α) δεκαετών στοιχείων NOAA-AVHRR στην αφρικανική ήπειρο μεταξύ 1982 και 1991, (β) με οπτική σύγκριση δορυφορικών, χαρτών και αεροφωτογραφιών για την Ινδία, (γ) από multi-temporal NDVI χαρακτηριστικά NDVI που προέρχονται από δέκα εικόνες Landsat TM για να αξιολογήσει τις αλλαγές κάλυψης εδάφους στην Αίγυπτο.<br /> <br /> [[Εικόνα:Image7_p.jpg | thumb | right | Ψεύτικο σύνθετο χρώματος εικόνα από Landsat ETM+ (2001) καναλίων 4,3,2., πηγή:Applied Geography 27 (2007) 28–41]]<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat <br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών -Χρησιμότητα των δεικτών/καναλιών'': <br /> Ο Landsat δορυφόρος μεταφέρει του δέκτες Thematic Mapper (TM) και Enhanced Thematic Mapper (ETM+). Οι εικόνες Τα ψεύτικα σύνθετα που παρήχθησαν προήλθαν από την χρήση των 4,3,2 καναλιών.<br /> <br /> ''Προεπεξεργασίες'': Γεωμετρική διόρθωση πραγματοποιήθηκε με σημεία επίγειου ελέγχου (ground control points) από τοπογραφικούς χάρτες κλίμακας 1:5000 παραγωγής 1983.<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Αύξηση εικόνας και οπτική ερμηνεία: Ο στόχος της αύξησης εικόνας είναι να βελτιωθεί η οπτική ερμηνεία μιας εικόνας με την αύξηση της προφανούς διάκρισης μεταξύ των χαρακτηριστικών γνωρισμάτων. Το τέντωμα αντίθεσης (Contrast stretching) εφαρμόστηκε στις δύο εικόνες και δύο ψεύτικα σύνθετα χρώματος (FCC) παρήχθησαν. Αυτή η FCC ερμηνεύθηκε οπτικά χρησιμοποιώντας στην οθόνη την ψηφιοποίηση προκειμένου να σκιαγραφηθούν οι κατηγορίες κάλυψης εδάφους που θα μπορούσαν να ερμηνευθούν εύκολα. <br /> Ταξινόμηση εικόνας έγινε με την εποπτευμένη ταξινόμηση, χρησιμοποιώντας τα επίγεια σημεία ελέγχου και τους ψηφιακούς τοπογραφικούς χάρτες της περιοχής μελέτης. Η περιοχή ταξινομήθηκε σε οκτώ κύριες κατηγορίες: νερό της θάλασσας, αλατισμένα έλη, Sabkha, αγροί, λιβάδι, γυμνό έδαφος, αστικός και δεσμίδες χαρτιού<br /> Σε αυτήν την μελέτη, η μέγιστη πιθανότητα Η εποπτεύουσα ταξινόμηση (supervised classification) και η μετα-ταξινόμηση (post-classification), οι τεχνικές ανίχνευσης αλλαγής εφαρμόστηκαν στις εικόνες Landsat που αποκτήθηκαν το 1987 και το 2001, αντίστοιχα, για να χαρτογραφήσουν τις αλλαγές κάλυψης εδάφους στη βορειοδυτική ακτή της Αιγύπτου. <br /> <br /> [[Εικόνα:Image8_p.jpg | thumb | right | Κλάσεις εδαφοκάλυψης όπως προέκυψαν από ψηφιοποίηση, κάνοντας χρήση Landsat ETM+ 2001, πηγή:Applied Geography 27 (2007) 28–41]]<br /> <br /> [[Εικόνα:Image9_p.jpg | thumb | right | Εικόνα εύρεσης αλλαγών εδαφοκάλυψης μεταξύ του 1987 και 2001, πηγή:Applied Geography 27 (2007) 28–41]]<br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Έγινε χρήση ψηφιακών τοπογραφικών χαρτών κλίμακας 1:50,000 για τη γεωμετρική διόρθωση των δορυφορικών εικόνων και για μερικές πληροφορίες επίγειας αλήθειας. Επίσης, επίγειες πληροφορίες συλλέχθηκαν μεταξύ του 1999 μέχρι 2002 με σκοπό την εποπτευμένη αξιολόγηση της ταξινόμησης. <br /> Προκειμένου να αυξηθεί η ακρίβεια της χαρτογράφησης της κάλυψης του εδάφους των δύο δορυφορικών εικόνων, βοηθητικά δεδομένα και τα αποτελέσματα της οπτικής ερμηνείας ενσωματώθηκαν με στα αποτελέσματα ταξινόμησης με την χρήση των GIS και το λογισμικό επικαλύψεων, IDRISI Kilimanjaro.<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Οι στόχοι αυτής της μελέτης ήταν να παρασχεθεί μια πρόσφατη ερμηνεία για τους τύπους κάλυψης εδάφους και τις αλλαγές κάλυψης εδάφους που έχουν πραγματοποιηθεί τα τελευταία δεκατέσσερα χρόνια, να ενσωματωθεί η οπτική ερμηνεία με την εποπτευμένη ταξινόμηση που χρησιμοποιούν τα GIS και να εξετάσει τις ικανότητες ενσωμάτωσης της τηλεπισκόπησης και των GIS στη μελέτη της χωρικής διανομής των διαφορετικών αλλαγών κάλυψης εδάφους. Διαπιστώθηκε ότι η ενσωμάτωση της οπτικής ερμηνείας με την εποπτευμένη ταξινόμηση οδήγησε στην αύξηση στη γενική ακρίβεια κατά περίπου 10%. Για την παρούσα μελέτη, η γενική ακρίβεια ταξινόμησης βρέθηκε να είναι 91% για το 1987 και 92.3% για το 2001. Η χρονική δυναμική των στοιχείων τηλεπισκόπησης μπορεί να διαδραματίσει έναν σημαντικό ρόλο στον έλεγχο και την ανάλυση της αλλαγής κάλυψης εδάφους.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image9_p.jpg 2010-02-23T13:18:55Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image8_p.jpg 2010-02-23T13:18:42Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Image7_p.jpg 2010-02-23T13:18:27Z

<p>Pandri21: </p> <hr /> <div></div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_GIS_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%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%84%CE%B7%CF%82_%CE%91%CE%B9%CE%B3%CF%8D%CF%80%CF%84%CE%BF%CF%85. 2010-02-23T13:16:08Z

<p>Pandri21: New page: category:Χαρτογραφία '''Τηλεπισκόπηση και GIS για την χαρτογράφηση και τον έλεγχο αλλαγών εδαφοκάλυψης κ...</p> <hr /> <div> [[category:Χαρτογραφία]]<br /> <br /> '''Τηλεπισκόπηση και GIS για την χαρτογράφηση και τον έλεγχο αλλαγών εδαφοκάλυψης και χρήσεων γης στην Βορειοδυτική παράκτια ζώνη της Αιγύπτου.'''<br /> <br /> ''Remote sensing and GIS for mapping and monitoring land cover and land-use changes in the Northwestern coastal zone of Egypt<br /> Applied Geography 27 (2007) 28–41''<br /> Adel Shalaby and Ryutaro Tateishi<br /> (Center for Environmental Remote Sensing CEReS, Chiba University, Japan)<br /> <br /> ''Αντικείμενο εφαρμογής'': Αστικό και περιφερειακός σχεδιασμός. Χαρτογράφηση μεταβολών εδαφοκάλυψης και χρήσεων γης. <br /> Στόχοι εφαρμογής: Στόχοι της μελέτης ήταν να παρουσιάσουν για την βορειοδυτική παράκτια ζώνη της Αιγύπτου (μεταξύ 30o35˙50̋ και 31o00˙00 ̋ Βόρεια και 28o40˙00 ̋ και 29 o50˙00 ̋ Ανατολικά, 3750km2) τα ακόλουθα: (α) μια πρόσφατη άποψη για τους τύπους κάλυψης εδάφους και τις αλλαγές κάλυψης εδάφους που έχουν πραγματοποιηθεί τα τελευταία 14 χρόνια, (β) να ενσωματώσει την οπτική ερμηνεία με την εποπτευμένη ταξινόμηση χρησιμοποιώντας τα GIS και (γ) να εξετάσει τις ικανότητες της ενσωμάτωσης της τηλεπισκόπησης και των GIS στη μελέτη της χωρικής διανομής της διαφορετικής εδαφοκάλυψης.<br /> <br /> ''Πως γινόταν παλιότερα'': πολλές μελέτες είχαν γίνει τις αλλαγές κάλυψης εδάφους και χρήσης γης κάνοντας χρήση δεδομένων όπως: (α) δεκαετών στοιχείων NOAA-AVHRR στην αφρικανική ήπειρο μεταξύ 1982 και 1991, (β) με οπτική σύγκριση δορυφορικών, χαρτών και αεροφωτογραφιών για την Ινδία, (γ) από multi-temporal NDVI χαρακτηριστικά NDVI που προέρχονται από δέκα εικόνες Landsat TM για να αξιολογήσει τις αλλαγές κάλυψης εδάφους στην Αίγυπτο.<br /> <br /> ''Είδη δορυφορικών συστημάτων'': Landsat <br /> <br /> ''Είδη δορυφόρων, δεκτών και καναλιών -Χρησιμότητα των δεικτών/καναλιών'': <br /> Ο Landsat δορυφόρος μεταφέρει του δέκτες Thematic Mapper (TM) και Enhanced Thematic Mapper (ETM+). Οι εικόνες Τα ψεύτικα σύνθετα που παρήχθησαν προήλθαν από την χρήση των 4,3,2 καναλιών.<br /> <br /> ''Προεπεξεργασίες'': Γεωμετρική διόρθωση πραγματοποιήθηκε με σημεία επίγειου ελέγχου (ground control points) από τοπογραφικούς χάρτες κλίμακας 1:5000 παραγωγής 1983.<br /> <br /> ''Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα'': <br /> Αύξηση εικόνας και οπτική ερμηνεία: Ο στόχος της αύξησης εικόνας είναι να βελτιωθεί η οπτική ερμηνεία μιας εικόνας με την αύξηση της προφανούς διάκρισης μεταξύ των χαρακτηριστικών γνωρισμάτων. Το τέντωμα αντίθεσης (Contrast stretching) εφαρμόστηκε στις δύο εικόνες και δύο ψεύτικα σύνθετα χρώματος (FCC) παρήχθησαν. Αυτή η FCC ερμηνεύθηκε οπτικά χρησιμοποιώντας στην οθόνη την ψηφιοποίηση προκειμένου να σκιαγραφηθούν οι κατηγορίες κάλυψης εδάφους που θα μπορούσαν να ερμηνευθούν εύκολα. <br /> Ταξινόμηση εικόνας έγινε με την εποπτευμένη ταξινόμηση, χρησιμοποιώντας τα επίγεια σημεία ελέγχου και τους ψηφιακούς τοπογραφικούς χάρτες της περιοχής μελέτης. Η περιοχή ταξινομήθηκε σε οκτώ κύριες κατηγορίες: νερό της θάλασσας, αλατισμένα έλη, Sabkha, αγροί, λιβάδι, γυμνό έδαφος, αστικός και δεσμίδες χαρτιού<br /> Σε αυτήν την μελέτη, η μέγιστη πιθανότητα Η εποπτεύουσα ταξινόμηση (supervised classification) και η μετα-ταξινόμηση (post-classification), οι τεχνικές ανίχνευσης αλλαγής εφαρμόστηκαν στις εικόνες Landsat που αποκτήθηκαν το 1987 και το 2001, αντίστοιχα, για να χαρτογραφήσουν τις αλλαγές κάλυψης εδάφους στη βορειοδυτική ακτή της Αιγύπτου. <br /> <br /> ''Χρήση επιπρόσθετων δεδομένων'': Έγινε χρήση ψηφιακών τοπογραφικών χαρτών κλίμακας 1:50,000 για τη γεωμετρική διόρθωση των δορυφορικών εικόνων και για μερικές πληροφορίες επίγειας αλήθειας. Επίσης, επίγειες πληροφορίες συλλέχθηκαν μεταξύ του 1999 μέχρι 2002 με σκοπό την εποπτευμένη αξιολόγηση της ταξινόμησης. <br /> Προκειμένου να αυξηθεί η ακρίβεια της χαρτογράφησης της κάλυψης του εδάφους των δύο δορυφορικών εικόνων, βοηθητικά δεδομένα και τα αποτελέσματα της οπτικής ερμηνείας ενσωματώθηκαν με στα αποτελέσματα ταξινόμησης με την χρήση των GIS και το λογισμικό επικαλύψεων, IDRISI Kilimanjaro.<br /> <br /> ''Αποτελέσματα και αξιολόγηση της μεθόδου'': <br /> Οι στόχοι αυτής της μελέτης ήταν να παρασχεθεί μια πρόσφατη ερμηνεία για τους τύπους κάλυψης εδάφους και τις αλλαγές κάλυψης εδάφους που έχουν πραγματοποιηθεί τα τελευταία δεκατέσσερα χρόνια, να ενσωματωθεί η οπτική ερμηνεία με την εποπτευμένη ταξινόμηση που χρησιμοποιούν τα GIS και να εξετάσει τις ικανότητες ενσωμάτωσης της τηλεπισκόπησης και των GIS στη μελέτη της χωρικής διανομής των διαφορετικών αλλαγών κάλυψης εδάφους. Διαπιστώθηκε ότι η ενσωμάτωση της οπτικής ερμηνείας με την εποπτευμένη ταξινόμηση οδήγησε στην αύξηση στη γενική ακρίβεια κατά περίπου 10%. Για την παρούσα μελέτη, η γενική ακρίβεια ταξινόμησης βρέθηκε να είναι 91% για το 1987 και 92.3% για το 2001. Η χρονική δυναμική των στοιχείων τηλεπισκόπησης μπορεί να διαδραματίσει έναν σημαντικό ρόλο στον έλεγχο και την ανάλυση της αλλαγής κάλυψης εδάφους.</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-22T14:32:00Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [[Χρήση Landsat 7 TM δεδομένων, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-22T14:31:41Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [[Χρήση Landsat 7 TM δεδομένων, τα οποία απόκτησαν ημέρες μετά από ένα γεγονός πλημμυρας, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B4%CF%81%CE%B9%CF%8C%CF%80%CE%BF%CF%85%CE%BB%CE%BF%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2010-02-22T14:30:58Z

<p>Pandri21: </p> <hr /> <div>Add Your Content Here <br /> * [[Πρόβλεψη παραγωγής σίτου από δεδομένα IKONOS: μια νέα προσέγγιση ]]<br /> * [[Μια αποδοτική μέθοδος για χαρτογράφηση του βαθμού πλημμυράς σε μια παράκτια κοίτη πλημμυρών χρησιμοποιώντας Landsat TM και DEM στοιχεία]]<br /> * [['''Χρήση Landsat 7 TM δεδομένων, τα οποία απόκτησαν ημέρες μετά από ένα γεγονός πλημμυρας, για να σκιαγραφηθεί ο βαθμός πλημμύρας σε μια παράκτια κοίτη πλημμυρών.]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

Pandri21