RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Θερμική τηλεπισκόπηση των αστικών επιφανειών

2014-05-23T14:10:55Z

Peny Poulaki:

'''Authors:''' J.A. Voogt, T.R. Oke

'''Θερμική τηλεπισκόπηση των αστικών επιφανειών: Ορισμοί'''

Εδώ, χρησιμοποιείται ο όρος της απευθείας θερμοκρασίας φωτεινότητας για να περιγραφεί η θερμοκρασία που προκύπτει από την αντιστροφή του νόμου του Planck για ένα θερμικό δέκτη. Συσχετίζονται με την ανίχνευση της λαμβάνουσας ακτινοβολίας σε μια θερμοκρασία, χωρίς να λαμβάνονται υπόψη διαδικασίες που επηρεάζουν την ακτινοβολία. Απευθείας ραδιομετρικές θερμοκρασίες χαρακτηρίζονται αυτές που έχουν διορθωθεί για μία συγκεκριμένη γωνία εξέτασης. Αυτοί οι ορισμοί ισχύουν σε μία ομοιογενή επιφάνεια αλλά μπορούν να επεκταθούν και σε ετερογενείς επιφάνειες. Οι αστικές θερμονησίδες καθορίζονται για διαφορετικά στρώματα αστικής ατμόσφαιρας και για διάφορες επιφάνειες. Μια αστική θερμονησίδα αναφέρεται στην πιο πολύ θερμότητα που απορρέει από ένα αστικό περιβάλλον σε σχέση με το περίχωρα. Τα φαινόμενα αυτά φαίνονται καλύτερα τη νύχτα όταν οι διαφορές θερμοκρασίας μεγιστοποιούνται.( εικόνα 1α ). Η αποτελεσματική περιοχή πηγής για μία μακρινή θερμική μέτρηση είναι το στιγμιαίο οπτικό πεδίο (IFOV) του δέκτη προβαλλόμενο πάνω στην επιφάνεια. Η εικόνα 1 παρουσιάζει τις θερμοκρασίες επιφάνειας κατά μήκος μιας διασταύρωσης του Βανκούβερ.
[[Εικόνα: Thermal121.jpg|thumb|right |'''Εικόνα 1:''' : θερμοκρασίες επιφάνειας κατά μήκος μιας διασταύρωσης του Βανκούβερ.]]
Οι παρατηρήσεις έγιναν από έναν αερομεταφερόμενο θερμικό ανιχνευτή με 12ο FOV σε ένα ύψος περίπου 2100 μ (ημέρα) και 1500 μ (νύχτα). Το αρχικό σήμα μετατρέπεται σε μία θερμοκρασία την απευθείας θερμοκρασία φωτεινότητα. Το δεύτερο στάδιο είναι να εφαρμοστεί διόρθωση λόγω των επιδράσεων της ατμόσφαιρας. Αυτό επιτυγχάνεται με τη χρήση του μοντέλου μεταφοράς LOWTRAN 7. Το τρίτο στάδιο είναι ο υπολογισμός της απευθείας ραδιομετρικής θερμοκρασίας χρησιμοποιώντας εκτιμήσεις της προσπίπτουσας ακτινοβολίας που προέρχεται από το LOWTRAN και μια εκτίμηση της ικανότητας εκπομπής της επιφάνειας που ποικίλει από 0.97 (0.98 όταν παρατηρήθηκε δροσιά) για γεωργικές εκτάσεις σε 0.95 για αστικοποιημένες επιφάνειες (εικόνα 1c).
Η αστική αναπαράσταση επιφάνειας πρέπει να βελτιωθεί για να περιλάβει επιδράσεις μικρής κλίμακας όπως: γεωμετρία στεγών, ύψος του κτηρίου και γεωμετρία της βλάστησης.

'''Τρόπος ανίχνευσης θερμοκρασίας'''

Οι θερμικοί δέκτες υπολογίζουν την επιφανειακή θερμοκρασία από την ακτινοβολία που παραλαμβάνεται από έναν ανιχνευτή υπό συγκεκριμένη γωνία. Οι μετρήσεις υπόκεινται στις επιδράσεις: (α) της ατμοσφαιρικής απορρόφησης και της εκπομπής μεταξύ δέκτη και επιφάνειας, και (β) των χαρακτηριστικών της επιφάνειας. Η ανίχνευση καθίσταται δύσκολη σε περίπτωση ετερογένειας ή τραχύτητας του εδάφους.

'''Παρατηρήσεις της αποτελεσματικής θερμικής ανισοτροπίας.'''

Η αποτελεσματική θερμική ανισοτροπία από επιλεγμένες αστικές περιοχές έχουν παρατηρηθεί χρησιμοποιώντας και μετρήσεις στο επίπεδο του εδάφους και τηλεπισκοπικές. Οι αστικές περιοχές παρουσιάζουν σημαντική αποτελεσματική θερμική ανισοτροπία. Επίσης μετρήσεις δείχνουν ότι η ανισοτροπία παραμένει ισχυρή σε κατοικημένες περιοχές με χαμηλά κτήρια και υψηλή και πλούσια βλάστηση.
Δεν περιορίζεται μόνο σε περιόδους ημέρας αλλά φαίνεται να δημιουργείται και σε νυχτερινές ώρες.
Η εφαρμογή διορθώσεων μπορεί να ασκήσει ουσιαστική επίδραση στο παραγόμενο μέγεθος SUHI και στη διαφορά μεταξύ των θερμοκρασιών στο επίπεδο φυτοκάλυψης και αυτών στο επίπεδο επιφάνειας. Σχετικά καλή ανταπόκριση υπάρχει με τις τιμές NDVI υπολογισμένες από το δέκτη AVHRR. Το 1998 προτάθηκε ένας αλγόριθμος εκπομπής για το νέο δέκτη ASTER ο οποίος φαίνεται να λειτουργεί καλά με τα μικτά εικονοστοιχεία παρά την εξάρτηση της ακτινοβολίας από τις τραχιές επιφάνειες όπως τις αστικές χαράδρες.

'''Μοντελοποιώντας τη θερμική ανισοτροπία'''

Υπάρχουν πολλά μοντέλα για τη διόρθωση της ανισότροπης μικροκυματικής ακτινοβολίας. Παρέχουν τη δυνατότητα ομαλούς κανονικοποίησης του συντελεστή ανάκλασης. Τα θερμικά μοντέλα έχουν χρησιμοποιηθεί πέρα από γεωργικές και για δασικές επιφάνειες για τον υπολογισμό του μεγέθους και του χρόνου ανισοτροπίας.
Η εικόνα 2 συνοψίζει την πααραγόμενη από το μοντέλο ανισοτροπία για 45ο από το ναδίρ και συγκρινόμενες με δέκτη σε ελικόπτερο. Οι μοντελοποιημένες τιμές χρησιμοποιούν μέσες θερμοκρασίες από τοίχους, δρόμους και στέγες.

[[Εικόνα: Thermal122.jpg|thumb|right |'''Εικόνα 2:''' παρατηρούμενες και προκύπτουσα από μοντέλο ανισοτροπία]]

'''Ποια είναι η σχέση μεταξύ των αστικών θερμονησίδων από δορυφόρους και από μετρήσεις στον αέρα'''

Οι αστικές θερμοκρασίες αέρα επηρεάζονται από διάφορες άλλες διαδικασίες στο UCL (urban canopy layer). Οι θερμοκρασίες αέρα καθορίζονται εν μέρει από την απόκλιση της ακτινοβολίας στον όγκο αέρα του UCL. Η μετατόπιση όπως προκύπτει λόγω της χωρικής διαμόρφωσης διάφορων στοιχείων της αστικής επιφάνειας που επηρεάζουν την επιφανειακή υγρασία, την αεροδυναμική τραχύτητα και την απορρόφηση θερμότητας είναι επίσης σημαντική. Ο αντίκτυπος της μικρομετατόπισης εξηγείται μέσω της ατμοσφαιρικής μίξης σε επίπεδο μικροκλίμακας. Το IFOV του θερμικού δέκτη βλέπει ένα ουσιαστικό μίγμα των επιφανειών ενσωματώνοντας την μετατόπιση, έτσι ώστε οι συσχετισμοί να περιλαμβάνουν σημαντικό θόρυβο. Οι συσχετισμοί της θερμοκρασίας επιφάνειας με τη θερμοκρασία αέρα βελτιώνεται τη νύχτα, όταν η μετατόπιση μειώνεται. Κάποιες βελτιώσεις έχουν γίνει με τη χρήση του NDVI συνήθως σε περιοχές πλούσιες σε βλάστηση.

'''Πόσο κατάλληλα είναι τα θερμικά στοιχεία τηλεπισκόπησης;'''

Μια βασική δυσκολία στην εκτίμηση της τυρβώδους ροής θερμότητας με τηλεπισκόπηση είναι η σχέση μεταξύ της θερμοκρασίας επιφανείας και της αεροδυναμικής θερμοκρασίας (T0 aero). Μια προσέγγιση για την αποφυγή των συνεπειών από τη χρήση της διπλής ή ενιαίας θερμορροής είναι να μοντελοποιηθεί η αεροδυναμική διάμετρος. Μια άλλη επιλογή είναι να χρησιμοποιηθούν τηλεπισκοπικές παράμετροι.
Μία καλή προσέγγιση είναι η τριγωνική μέθοδος που συνδέει σε ένα μοντέλο μεταφοράς (το χώμα τη βλάστηση και την ατμόσφαιρα.) SVAT και σχετίζεται με τη θερμοκρασία επιφανείας και το NDVI. Αυτή η προσέγγιση χρησιμοποιεί τις σχέσεις μεταξύ θερμοκρασίας και NDVI για να παραγάγει μία κλασματική φυτοκάλυψη και περιεκτικότητα σε υγρασία, και επίσης στιγμιαίος ροές απευθείας και λανθάνουσας θερμότητας. Η μέθοδος έχει επίσης εφαρμοστεί για να ανιχνεύσει τις αλλαγές χρήσης γης λόγω της αστικοποίησης και για να παρέχει τις εκτιμήσεις τοπικού κλίματος.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Πουλάκη Παναγιώτα

2014-05-23T13:57:02Z

Peny Poulaki: Νέα σελίδα με '* Περιοχική Εκτίμηση Ξηρασίας * [[ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣ...'

* [[Περιοχική Εκτίμηση Ξηρασίας]]
* [[ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣΗΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗΣ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΑΓΡΟΤΙΚΗΣ ΠΕΡΙΟΧΗΣ]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο) ]]

ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣΗΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗΣ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΑΓΡΟΤΙΚΗΣ ΠΕΡΙΟΧΗΣ

2014-05-23T13:54:14Z

Peny Poulaki:

'''ΠΕΡΙΛΗΨΗ'''

Στη διατριβή αυτή επιχειρήθηκε η διερεύνηση των δυνατοτήτων βελτίωσης των ψηφιακών τηλεπισκοπικών μεθόδων και τεχνικών με παράλληλη αξιοποίηση και των αναλογικών, για την διερεύνηση και απογραφή των χρήσεων γης μιας αγροτικής περιοχής της χώρας μας. Επειδή η χώρα μας διακρίνεται για το μεγάλο πλήθος μικρών και διεσπαρμένων Μοναδιαίων Ιδιοκτησιών / Χρήσεων / Εκμεταλλεύσεων Γης, γι αυτό σ' αυτή την έρευνα απαιτήθηκε η συστηματική μελέτη των φυσικών παραμέτρων και συνθηκών που διέπουν την περιοχή της έρευνας (περιοχή νομού Κορινθίας). Οι φυσικές παράμετροι οι οποίες μελετήθηκαν συστηματικά είναι η γεωλογία, το έδαφος, η υδρολογία, το κλίμα, η φυσική βλάστηση, τα είδη των καλλιεργειών και η κατανομή τους στο νομό και το μέγεθος και η διάρθρωση των μοναδιαίων ιδιοκτησιών/ χρήσεων/ εκμεταλλεύσεων γης του νομού Κορινθίας. Βάσει δε της τελευταίας παραμέτρου, επιχειρήθηκε αρχικά μια προεκτίμηση της ανώτατης δυνατής ακρίβειας των τηλεπισκοπικών μεθόδων ταξινόμησης, υπολογίζοντας το ποσοστό των αγροτεμαχίων της περιοχής της έρευνας τα οποία έχουν έκταση μικρότερη της έκτασης που αντιστοιχεί στην διακριτική ικανότητα των τηλεπισκοπικών δεκτών LANDSAT ΤΜ και SPOT αντίστοιχα. Για την εφαρμογή των αναλογικών και ψηφιακών μεθόδων απαιτήθηκε η συστηματική μελέτη όλων των φαινολογικών / φυσιολογικών στοιχείων των καλλιεργειών της περιοχής της έρευνας καθώς και η συστηματική ανάλυση όλων των βιολογικών και γεωμετρικών παραμέτρων που επηρεάζουν τη φασματική υπογραφή των χρήσεων καλύψεων γης. Η αναλογική φωτοερμηνεία των καλλιεργειών της περιοχής της έρευνας όπως απεικονίζονται σε αεροφωτογραφίες κλίμακας 1:6000, αφ'ενός μεν αξιοποίησε και τα πορίσματα της έρευνας των φαινολογικών / φυσιολογικών και των βιολογικών και γεωμετρικών χαρακτηριστικών των καλλιεργειών της περιοχής, αφ' ετέρου δε συνέβαλε στην ολοκλήρωση των επιγείων ελέγχων οι οποίοι υλοποιήθηκαν σε τέσσερεις αντιπροσωπευτικές περιοχές του νομού.Επιπλέον, πριν την εφαρμογή των ψηφιακών μοντέλων ταξινόμησης έγινε μια συστηματική μελέτη και εφαρμογή των καταλληλότερων αναγωγών και επεξεργασιών οι οποίες συμβάλλουν στην αύξηση της γεωμετρικής ακρίβειας κι αξιοπιστίας των ταξινομήσεων. Οι επεξεργασίες αυτές συνίστανται στη γεωμετρική διόρθωση των διατιθέμενων τηλεπισκοπικών απεικονίσεων, στην εφαρμογή του καταλληλότερου φίλτρου για την ακριβέστερη μεταφορά των δεδομένων των επιγείων ελέγχων, στην επιλογή των καναλιών τα οποία θα συμμετέχουν στις μεθόδους ταξινόμησης, περιορίζοντας έτσι το χρόνο διεξαγωγής των ταξινομήσεων χωρίς να μειώνουν την ακρίβεια τους.Ως τηλεπισκοπικοί μέθοδοι ταξινόμησης των χρήσεων γης της περιοχής της έρευνας χρησιμοποιήθηκαν, η μέθοδος της μεγίστης πιθανοφάνειας η οποία ανήκει στα στοχαστικά μοντέλα ταξινόμησης και μία προτεινόμενη μέθοδος από αυτή την έρευνα η οποία βασίζεται στην αιτιοκρατική προσέγγιση.To στοχαστικό μοντέλο της μεγίστης πιθανοφάνειας εφαρμόστηκε σε LANDSAT ΤΜ και SPOT απεικονίσεις μιας και δύο εποχών λήψης καθώς και σε προεπεξεργασμένες απεικονίσεις. Πριν την εφαρμογή της μεθόδου σε απεικονίσεις δύο εποχών λήψης επιχειρήθηκε ραδιομετρική αναγωγή των χειμερινών απεικονίσεων στις συνθήκες λήψης των θερινών απεικονίσεων και εκτίμηση της αξιοπιστίας των χειμερινών ανηγμένων απεικονίσεων.Η αξιολόγηση των αποτελεσμάτων αυτών των ταξινομήσεων έδειξε σε ποσοτικό επίπεδο τις δυνατότητες ακρίβειας αυτού του μοντέλου για την ταξινόμηση αγροτικών περιοχών της χώρας μας. Συγκεκριμένα η ακρίβεια αυτή ανέρχεται σε 80% περίπου για τις γενικές χρήσεις γης και σε 45% περίπου για τα είδη των καλλιεργειών. Η ακρίβεια των ταξινομήσεων ως προς τις γενικές χρήσεις γης συμπίπτει με αυτή άλλων ερευνητικών εργασιών οι οποίες αφορούν σε χώρες με μεγαλύτερες ιδιοκτησίες/ χρήσεις/ εκμεταλλεύσεις γης, ενώ η ακρίβεια ως προς τα είδη των καλλιεργειών είναι μειωμένη,γεγονός που οφείλεται στις ιδιαιτερότητες της ελληνικής γης.Παράλληλα, από τις παρατηρήσεις που έγιναν στα αποτελέσματα της ακρίβειας των ταξινομήσεων διαπιστώθηκε ότι, οι κατηγορίες των καλλιεργειών μπορούν να ομαδοποιηθούν και να διακριθούν μεταξύ τους ανάλογα με την πυκνότητα βλάστησης. Ετσι προκύπτουν τρεις βασικές ομάδες πυκνότητας βλάστησης. Οι κατηγορίες των ειδών καλλιεργειών οι οποίες ανήκουν σε μια ομάδα πυκνότητας βλάστησης συγχέονται σε μεγάλο βαθμό στις ταξινομήσεις με τη μέθοδο της μεγίστης πιθανοφάνειας αλλά μπορούν να διακριθούν ανάλογα με τις τιμές των ειδοποιών τους χαρακτηριστικών.Ετσι κατά την προτεινόμενη μέθοδο ταξινόμησης η οποία βασίζεται στην αιτιοκρατική προσέγγιση και χρησιμοποιεί τεχνικές Νευρωνικών Δικτύων, μελετήθηκε αρχικά σε ποιες επεξεργασμένες απεικονίσεις αναδεικνύονται καλύτερα τα ειδοποιά χαρακτηριστικά των καλλιεργειών.Στη συνέχεια, από τη φυσική εξήγηση της συμπεριφοράς των ειδοποιών χαρακτηριστικών της κάθε καλλιέργειας προέκυψε ο Μηχανισμός Επαγωγής, ένας μηχανισμός λήψης αποφάσεων που υλοποιείται με τη βοήθεια λογικών συλλογισμών και αλληλοσυσχετισμών, για την ταξινόμηση των τηλεπισκοπικών δεδομένων. Ο Μηχανισμός Επαγωγής αποτελεί το εμπειρικό τμήμα του μοντέλου της νέας μεθόδου ταξινόμησης. Ειδικότερα κατά τη νέα μέθοδο ταξινόμησης, μια καλλιέργεια κατατάσσεται αρχικά ανάλογα με την πυκνότητα χλωροφύλλης και στη συνέχεια διαχωρίζεται από άλλες λλιέργειες που παρουσιάζουν την ίδια πυκνότητα χλωροφύλλης, ανάλογα με τη σχέση υγρασίας -βλάστησης, διαφοράς υγρασίας βλάστησης, κλπ., στις διάφορες εποχές του έτους. Το σύνολο των συναρτήσεων οι οποίες διαχωρίζουν τα είδη των καλλιεργειών συγκροτούν τη Βάση Γνώσης η οποία αποτελεί το αριθμητικό τμήμα του μοντέλου, καταρτίστηκε δε με τεχνικές που εφαρμόζουν τα Τεχνητά Νευρωνικά Δίκτυα.Ο αλγόριθμος μάθησης που χρησιμοποιήθηκε σύμφωνα με την θεωρία των Νευρωνικών Δικτύων, είναι ο αλγόριθμος "perceptron" ο οποίος καταρτίζει συναρτήσεις για το μη γραμμικό διαχωρισμό των κατηγοριών πυκνότητας βλάστησης αυξάνοντας τα στρώμματα των επεξεργαστικών του μονάδων, ενώ καταρτίζει συναρτήσεις για τον γραμμικό διαχωρισμό των ειδών καλλιεργειών της κάθε κατηγορίας πυκνότητας βλάστησης χρησιμοποιώντας μόνο δύο στρώμματα (εισόδου - εξόδου). Η νέα μέθοδος ταξινόμησης βελτίωσε τα αποτελέσματα των ταξινομήσεων σε σχέση με τη μέθοδο της μεγίστης πιθανοφάνειας κατά 6-10%, παρ' όλο τα δυσμενή χαρακτηριστικά που παρουσιάζει η ελληνική αγροτική γη (μικρός κλήρος, έντονη εναλλαγή καλλιεργειών, κλπ.
Το φαινόμενο της πολυκαλλιέργειας που παρατηρείται στη περιοχή διαστρεβλώνει τα στατιστικά στοιχεία. Δηλαδή ένα αγροτεμάχιο που έχει δηλωθεί στη Στατιστική Υπηρεσία ως μέσης έκτασης 6 στρεμμάτων δεν καλύπτεται καθ' όλη την έκταση του από μία και μόνο καλλιέργεια αλλά από περισσότερες οι οποίες καλύπτουν η κάθε μιά ενιαίο τμήμα της έκτασης του και το χωρίζουν σε περισσότερες της μιας Μοναδιαίες Χρήσεις Εκμεταλλεύσεις Γης (Αεροφωτογραφία 199049,). Ενδεικτικά, μελετήσαμε συστηματικά το σχήμα, το μέγεθος και τη διάρθρωση των Μοναδιαίων Ιδιοκτησιών Χρήσεων Εκμεταλλεύσεων Γης (ΜΙΧΕΓ), όπως αυτά προέκυψαν: από τον επίγειο έλεγχο στην περιοχή νοτιοδυτικά του Κοράκου, την ψηφιοποίηση της αντίστοιχης αεροφωτογραφίας (κλίμακα 1:6000) και την αναγωγή στο χαρτογραφικό υπόβαθρο της περιοχής, την στατιστική επεξεργασία των στοιχείων επιφάνειας/κάλυψης. Το σχήμα και η διάρθρωση των ΜΙΧΕΓ αποδίδονται χαρακτηριστικά στο διάγραμμα και την αεροφωτογραφία της επόμενης σελίδας. Το σχήμα των Ιδιοκτησιών / Εκμεταλλεύσεων Γης όπως εμφανίζεται στο διάγραμμα είναι ποικίλο και ακανόνιστο. Στο γεγονός αυτό συντείνουν αφ'ενός μεν το συχνό φαινόμενο συνύπαρξης σε ένα αγροτεμάχιο κτιριακής εγκατάστασης, δένδρων και αμπελιών (Αεροφωτογραφία 19949 επισήμανση 4), αφ'ετέρου δε η προσπάθεια διαχωρισμού και χωριστής απόδοσης τους στο διάγραμμα. Η τάξη μεγέθους των ΜΙΧΕΓ που απογράφηκαν στο συγκεκριμένο επίγειο έλεγχο.

'''ΣΥΜΠΕΡΑΣΜΑΤΑ ΠΡΟΟΠΤΙΚΕΣ'''

Στην έρευνα αυτή μελετήθηκαν οι δυνατότητες και οι περιορισμοί: των αναλογικών / φωτοερμηνευτικών μεθόδων (Α) και των ψηφιακών τηλεπισκοπικών μεθόδων (Β) ώστε να ανδειχθούν τα καίρια σημεία δυνατότητας συμβολής τους στην ανάπτυξη της νέας βελτιωμένης μεθόδου ταξινόμησης (Γ) για την διερεύνηση, απογραφή και χαρτογράφηση των χρήσεων γης μιας αγροτικής περιοχής της Ελλάδας και πιο συγκεκριμένα μιας περιοχής του νομού Κορινθίας, η οποία παρουσιάζει τα ιδιαίτερα χαρακτηριστικά της ελληνικής φυσικής και κοινωνικοοικονομικής πραγματικότητας. Οι παράμετροι της φυσικής και κοινωνικοοικονομικής πραγματικότητας της περιοχής της έρευνας (ενότητα 2), αφ'ενός μεν αναδεικνύουν την πολυπλοκότητα της περιοχής, αφ' ετέρου δε προδιαγράφουν τις συνθήκες των προς απογραφή χρήσεων / εκμεταλλεύσεων γης.

Α. Οι Αναλογικές Φωτοεομπνευτικές Μέθοδοι
Η ακρίβεια της θεματικής χαρτογράφησης η οποία προκύπτει απ'την ερμηνεία αναλογικών τηλεπισκοπικών απεικονίσεων, έχει άμεση σχέση με την κλίμακα των αεροφωτογραφιών. Οι αεροφωτογραφίες κλίμακας 1 /6.000 με ημερομηνία λήψης το μήνα Ιούνιο, οι οποίες μελετήθηκαν και για τις οποίες καταρτίσαμε αναλογικά / φωτοερμηνευτικά κλειδιά (ενότητα 3), δίνουν αξιόπιστα αποτελέσματα για την ελληνική πραγματικότητα, απαιτείται όμως μεγάλος αριθμός αεροφωτογραφιών για την θεματική χαρτογράφηση μεγάλων επιφανειών, γεγονός που καθιστά τη μέθοδο δύσχρηστη. Η φωτοερμηνεία με αεροφωτογραφίες κλίμακας 1/20.000 καθιστά τη μέθοδο περισσότερο εύχρηστη αλλά περιορίζει την ακρίβεια της. Εν τούτοις η χρήση, ανάλυση και αξιοποίηση των στατιστικών στοιχείων της περιοχής (πίνακες 6,7 και 11) μπορεί να αποτελέσει την βασική υποδομή για την κατάρτιση λογικών κανόνων αποκλεισμού ή επιλογής μιας καλλιέργειας, ανάλογα με την περιοχή μελέτης (κεφάλαια 2.3, 2.4.2 και 2.4.3). Οι κανόνες αυτοί αυξάνουν τις δυνατότητες ακρίβειας της φωτοερμηνευτικής μεθόδου στην συγκεκριμένη κλίμακα. Με την ανάπτυξη των ψηφιακών τηλεπισκοπικών μεθόδων η εφαρμογή της αναλογικής φωτοερμηνείας συμπληρώνει και ενίοτε διορθώνει τα δεδομένα των επιγείων ελέγχων, τα οποία είναι απαραίτητα για την εφαρμογή των ψηφιακών τηλεπισκοπικών μεθόδων.
Συμπεράσματα που αφορούν στις απαιτούμενες επεξεργασίες των δεδομένων των τπλεπισκοπικών απεικονίσεων πριν την επεξεργασία τους από τις μεθόδους τςιξινόμπσης. Η αξιοποίηση των στατιστικών δεδομένων των τηλεπισκοπικών απεικονίσεων (ενότητα
6), έτσι ώστε η εφαρμογή των μεθόδων ταξινόμησης να δίνει τα βέλτιστα αποτελέσματα τα οποία θα εξαρτώνται μόνο από την διακριτική / διαχωριστική Ικανότητα του δέκτη, την πολυπλοκότητα της περιοχής της έρευνας και τις δυνατότητες του εκάστοτε ταξινομητή,δίνει τα παρακάτω αποτελέσματα:
α) υπάρχει γραμμικό φίλτρο και συγκεκριμένα το [(0,-1,-1) (0,12,-1,) (0,-1,-1)] (κεφάλαιο
6.3) μετά την εφαρμογή του οποίου αναδεικνύονται καλύτερα οι ιδιαιτερότητες της ελληνικής αγροτικής γης και εντοπίζονται καλύτερα τα όρια των μοναδιαίων ιδιοκτησιών/ χρήσεων/ εκμεταλλεύσεων χρήσεων γης με αποτέλεσμα να χαράσσονται με περισσότερη ακρίβεια οι ζώνες ελέγχου. Το συμπέρασμα αυτό προέκυψε με προσεκτική αντιπαραβολή της αεροφωτογραφίας της περιοχής με την απεικόνιση που προέκυψε από την εφαρμογή του φίλτρου, β) με τον υπολογισμό των τιμών απόκλισης μεταξύ ζευγών ζωνών ελέγχου (κεφάλαιο 6.5) αφ' ενός μεν αποφεύγονται πιθανές λανθασμένες χαράξεις, αφ' ετέρου δε είναι δυνατόν να προβλεφθούν συγχύσεις μεταξύ διαφορετικών χρήσεων / εκμεταλλεύσεων γης, γ) σε μια ταξινόμηση μπορεί να συμμετέχει μικρότερος αριθμός καναλιών τα οποία όμως θα έχουν μεταξύ τους μεγάλη τυπική απόκλιση (κεφάλαιο 6.5). Με αυτό τον τρόπο θα έχουμε το ίδιο αξιόπιστα αποτελέσματα σε λιγότερο υπολογιστικό χρόνο, δ) οι SPOT απεικονίσεις ενδείκνυται περισσότερο για την χάραξη των ζωνών ελέγχου, ενώ οι LANDSAT ΤΜ για την εφαρμογή των δεικτών. Β3. Συμπεράσματα από την εφαρμογή της μεθόδου της μεγίστης πιθανοφάνειας. Η εφαρμογή της μεθόδου της μεγίστης πιθανοφάνειας για την ταξινόμηση της περιοχής της έρευνας απέδειξε ότι: α) η μέθοδος δίνει αποτελέσματα για την ταξινόμηση της περιοχής μελέτης σε γενικές κατηγορίες χρήσεων γης όμοια με αυτά άλλων ερευνητικών εργασιών (J.P. Gastellu, Etchecorry & al, 1987) [24γ], (Silvano di Venzo & al, 1987) [81α], (L Wastenson & al, 1987) [95β]. Σ' αυτές τις κατηγορίες όμως, οι ιδιαιτερότητες της ελληνικής πραγματικότητας και ιδιαίτερα αυτή της μικρής και κατακερματισμένης ιδιοκτησίας, δεν έχουν επίδραση. Εδώ θα πρέπει να αναφέρουμε το γεγονός ότι οι ακρίβεια της .

ΚΑΡΑΘΑΝΑΣΗ ΒΑΣΙΛΕΙΑΣ(1992). ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣΗΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗΣ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΑΓΡΟΤΙΚΗΣ ΠΕΡΙΟΧΗΣ. Διδακτορική διατριβή. Αθήνα.

[[category:Γεωργία]]

ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣΗΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗΣ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΑΓΡΟΤΙΚΗΣ ΠΕΡΙΟΧΗΣ

2014-05-23T13:53:37Z

Peny Poulaki: Νέα σελίδα με 'ΠΕΡΙΛΗΨΗ Στη διατριβή αυτή επιχειρήθηκε η διερεύνηση των δυνατοτήτων βελτίωσης των ψηφιακών...'

ΠΕΡΙΛΗΨΗ
Στη διατριβή αυτή επιχειρήθηκε η διερεύνηση των δυνατοτήτων βελτίωσης των ψηφιακών τηλεπισκοπικών μεθόδων και τεχνικών με παράλληλη αξιοποίηση και των αναλογικών, για την διερεύνηση και απογραφή των χρήσεων γης μιας αγροτικής περιοχής της χώρας μας. Επειδή η χώρα μας διακρίνεται για το μεγάλο πλήθος μικρών και διεσπαρμένων Μοναδιαίων Ιδιοκτησιών / Χρήσεων / Εκμεταλλεύσεων Γης, γι αυτό σ' αυτή την έρευνα απαιτήθηκε η συστηματική μελέτη των φυσικών παραμέτρων και συνθηκών που διέπουν την περιοχή της έρευνας (περιοχή νομού Κορινθίας). Οι φυσικές παράμετροι οι οποίες μελετήθηκαν συστηματικά είναι η γεωλογία, το έδαφος, η υδρολογία, το κλίμα, η φυσική βλάστηση, τα είδη των καλλιεργειών και η κατανομή τους στο νομό και το μέγεθος και η διάρθρωση των μοναδιαίων ιδιοκτησιών/ χρήσεων/ εκμεταλλεύσεων γης του νομού Κορινθίας. Βάσει δε της τελευταίας παραμέτρου, επιχειρήθηκε αρχικά μια προεκτίμηση της ανώτατης δυνατής ακρίβειας των τηλεπισκοπικών μεθόδων ταξινόμησης, υπολογίζοντας το ποσοστό των αγροτεμαχίων της περιοχής της έρευνας τα οποία έχουν έκταση μικρότερη της έκτασης που αντιστοιχεί στην διακριτική ικανότητα των τηλεπισκοπικών δεκτών LANDSAT ΤΜ και SPOT αντίστοιχα. Για την εφαρμογή των αναλογικών και ψηφιακών μεθόδων απαιτήθηκε η συστηματική μελέτη όλων των φαινολογικών / φυσιολογικών στοιχείων των καλλιεργειών της περιοχής της έρευνας καθώς και η συστηματική ανάλυση όλων των βιολογικών και γεωμετρικών παραμέτρων που επηρεάζουν τη φασματική υπογραφή των χρήσεων καλύψεων γης. Η αναλογική φωτοερμηνεία των καλλιεργειών της περιοχής της έρευνας όπως απεικονίζονται σε αεροφωτογραφίες κλίμακας 1:6000, αφ'ενός μεν αξιοποίησε και τα πορίσματα της έρευνας των φαινολογικών / φυσιολογικών και των βιολογικών και γεωμετρικών χαρακτηριστικών των καλλιεργειών της περιοχής, αφ' ετέρου δε συνέβαλε στην ολοκλήρωση των επιγείων ελέγχων οι οποίοι υλοποιήθηκαν σε τέσσερεις αντιπροσωπευτικές περιοχές του νομού.Επιπλέον, πριν την εφαρμογή των ψηφιακών μοντέλων ταξινόμησης έγινε μια συστηματική μελέτη και εφαρμογή των καταλληλότερων αναγωγών και επεξεργασιών οι οποίες συμβάλλουν στην αύξηση της γεωμετρικής ακρίβειας κι αξιοπιστίας των ταξινομήσεων. Οι επεξεργασίες αυτές συνίστανται στη γεωμετρική διόρθωση των διατιθέμενων τηλεπισκοπικών απεικονίσεων, στην εφαρμογή του καταλληλότερου φίλτρου για την ακριβέστερη μεταφορά των δεδομένων των επιγείων ελέγχων, στην επιλογή των καναλιών τα οποία θα συμμετέχουν στις μεθόδους ταξινόμησης, περιορίζοντας έτσι το χρόνο διεξαγωγής των ταξινομήσεων χωρίς να μειώνουν την ακρίβεια τους.Ως τηλεπισκοπικοί μέθοδοι ταξινόμησης των χρήσεων γης της περιοχής της έρευνας χρησιμοποιήθηκαν, η μέθοδος της μεγίστης πιθανοφάνειας η οποία ανήκει στα στοχαστικά μοντέλα ταξινόμησης και μία προτεινόμενη μέθοδος από αυτή την έρευνα η οποία βασίζεται στην αιτιοκρατική προσέγγιση.To στοχαστικό μοντέλο της μεγίστης πιθανοφάνειας εφαρμόστηκε σε LANDSAT ΤΜ και SPOT απεικονίσεις μιας και δύο εποχών λήψης καθώς και σε προεπεξεργασμένες απεικονίσεις. Πριν την εφαρμογή της μεθόδου σε απεικονίσεις δύο εποχών λήψης επιχειρήθηκε ραδιομετρική αναγωγή των χειμερινών απεικονίσεων στις συνθήκες λήψης των θερινών απεικονίσεων και εκτίμηση της αξιοπιστίας των χειμερινών ανηγμένων απεικονίσεων.Η αξιολόγηση των αποτελεσμάτων αυτών των ταξινομήσεων έδειξε σε ποσοτικό επίπεδο τις δυνατότητες ακρίβειας αυτού του μοντέλου για την ταξινόμηση αγροτικών περιοχών της χώρας μας. Συγκεκριμένα η ακρίβεια αυτή ανέρχεται σε 80% περίπου για τις γενικές χρήσεις γης και σε 45% περίπου για τα είδη των καλλιεργειών. Η ακρίβεια των ταξινομήσεων ως προς τις γενικές χρήσεις γης συμπίπτει με αυτή άλλων ερευνητικών εργασιών οι οποίες αφορούν σε χώρες με μεγαλύτερες ιδιοκτησίες/ χρήσεις/ εκμεταλλεύσεις γης, ενώ η ακρίβεια ως προς τα είδη των καλλιεργειών είναι μειωμένη,γεγονός που οφείλεται στις ιδιαιτερότητες της ελληνικής γης.Παράλληλα, από τις παρατηρήσεις που έγιναν στα αποτελέσματα της ακρίβειας των ταξινομήσεων διαπιστώθηκε ότι, οι κατηγορίες των καλλιεργειών μπορούν να ομαδοποιηθούν και να διακριθούν μεταξύ τους ανάλογα με την πυκνότητα βλάστησης. Ετσι προκύπτουν τρεις βασικές ομάδες πυκνότητας βλάστησης. Οι κατηγορίες των ειδών καλλιεργειών οι οποίες ανήκουν σε μια ομάδα πυκνότητας βλάστησης συγχέονται σε μεγάλο βαθμό στις ταξινομήσεις με τη μέθοδο της μεγίστης πιθανοφάνειας αλλά μπορούν να διακριθούν ανάλογα με τις τιμές των ειδοποιών τους χαρακτηριστικών.Ετσι κατά την προτεινόμενη μέθοδο ταξινόμησης η οποία βασίζεται στην αιτιοκρατική προσέγγιση και χρησιμοποιεί τεχνικές Νευρωνικών Δικτύων, μελετήθηκε αρχικά σε ποιες επεξεργασμένες απεικονίσεις αναδεικνύονται καλύτερα τα ειδοποιά χαρακτηριστικά των καλλιεργειών.Στη συνέχεια, από τη φυσική εξήγηση της συμπεριφοράς των ειδοποιών χαρακτηριστικών της κάθε καλλιέργειας προέκυψε ο Μηχανισμός Επαγωγής, ένας μηχανισμός λήψης αποφάσεων που υλοποιείται με τη βοήθεια λογικών συλλογισμών και αλληλοσυσχετισμών, για την ταξινόμηση των τηλεπισκοπικών δεδομένων. Ο Μηχανισμός Επαγωγής αποτελεί το εμπειρικό τμήμα του μοντέλου της νέας μεθόδου ταξινόμησης. Ειδικότερα κατά τη νέα μέθοδο ταξινόμησης, μια καλλιέργεια κατατάσσεται αρχικά ανάλογα με την πυκνότητα χλωροφύλλης και στη συνέχεια διαχωρίζεται από άλλες λλιέργειες που παρουσιάζουν την ίδια πυκνότητα χλωροφύλλης, ανάλογα με τη σχέση υγρασίας -βλάστησης, διαφοράς υγρασίας βλάστησης, κλπ., στις διάφορες εποχές του έτους. Το σύνολο των συναρτήσεων οι οποίες διαχωρίζουν τα είδη των καλλιεργειών συγκροτούν τη Βάση Γνώσης η οποία αποτελεί το αριθμητικό τμήμα του μοντέλου, καταρτίστηκε δε με τεχνικές που εφαρμόζουν τα Τεχνητά Νευρωνικά Δίκτυα.Ο αλγόριθμος μάθησης που χρησιμοποιήθηκε σύμφωνα με την θεωρία των Νευρωνικών Δικτύων, είναι ο αλγόριθμος "perceptron" ο οποίος καταρτίζει συναρτήσεις για το μη γραμμικό διαχωρισμό των κατηγοριών πυκνότητας βλάστησης αυξάνοντας τα στρώμματα των επεξεργαστικών του μονάδων, ενώ καταρτίζει συναρτήσεις για τον γραμμικό διαχωρισμό των ειδών καλλιεργειών της κάθε κατηγορίας πυκνότητας βλάστησης χρησιμοποιώντας μόνο δύο στρώμματα (εισόδου - εξόδου). Η νέα μέθοδος ταξινόμησης βελτίωσε τα αποτελέσματα των ταξινομήσεων σε σχέση με τη μέθοδο της μεγίστης πιθανοφάνειας κατά 6-10%, παρ' όλο τα δυσμενή χαρακτηριστικά που παρουσιάζει η ελληνική αγροτική γη (μικρός κλήρος, έντονη εναλλαγή καλλιεργειών, κλπ.
Το φαινόμενο της πολυκαλλιέργειας που παρατηρείται στη περιοχή διαστρεβλώνει τα στατιστικά στοιχεία. Δηλαδή ένα αγροτεμάχιο που έχει δηλωθεί στη Στατιστική Υπηρεσία ως μέσης έκτασης 6 στρεμμάτων δεν καλύπτεται καθ' όλη την έκταση του από μία και μόνο καλλιέργεια αλλά από περισσότερες οι οποίες καλύπτουν η κάθε μιά ενιαίο τμήμα της έκτασης του και το χωρίζουν σε περισσότερες της μιας Μοναδιαίες Χρήσεις Εκμεταλλεύσεις Γης (Αεροφωτογραφία 199049,). Ενδεικτικά, μελετήσαμε συστηματικά το σχήμα, το μέγεθος και τη διάρθρωση των Μοναδιαίων Ιδιοκτησιών Χρήσεων Εκμεταλλεύσεων Γης (ΜΙΧΕΓ), όπως αυτά προέκυψαν: από τον επίγειο έλεγχο στην περιοχή νοτιοδυτικά του Κοράκου, την ψηφιοποίηση της αντίστοιχης αεροφωτογραφίας (κλίμακα 1:6000) και την αναγωγή στο χαρτογραφικό υπόβαθρο της περιοχής, την στατιστική επεξεργασία των στοιχείων επιφάνειας/κάλυψης. Το σχήμα και η διάρθρωση των ΜΙΧΕΓ αποδίδονται χαρακτηριστικά στο διάγραμμα και την αεροφωτογραφία της επόμενης σελίδας. Το σχήμα των Ιδιοκτησιών / Εκμεταλλεύσεων Γης όπως εμφανίζεται στο διάγραμμα είναι ποικίλο και ακανόνιστο. Στο γεγονός αυτό συντείνουν αφ'ενός μεν το συχνό φαινόμενο συνύπαρξης σε ένα αγροτεμάχιο κτιριακής εγκατάστασης, δένδρων και αμπελιών (Αεροφωτογραφία 19949 επισήμανση 4), αφ'ετέρου δε η προσπάθεια διαχωρισμού και χωριστής απόδοσης τους στο διάγραμμα. Η τάξη μεγέθους των ΜΙΧΕΓ που απογράφηκαν στο συγκεκριμένο επίγειο έλεγχο.
ΣΥΜΠΕΡΑΣΜΑΤΑ ΠΡΟΟΠΤΙΚΕΣ
Στην έρευνα αυτή μελετήθηκαν οι δυνατότητες και οι περιορισμοί: των αναλογικών / φωτοερμηνευτικών μεθόδων (Α) και των ψηφιακών τηλεπισκοπικών μεθόδων (Β) ώστε να ανδειχθούν τα καίρια σημεία δυνατότητας συμβολής τους στην ανάπτυξη της νέας βελτιωμένης μεθόδου ταξινόμησης (Γ) για την διερεύνηση, απογραφή και χαρτογράφηση των χρήσεων γης μιας αγροτικής περιοχής της Ελλάδας και πιο συγκεκριμένα μιας περιοχής του νομού Κορινθίας, η οποία παρουσιάζει τα ιδιαίτερα χαρακτηριστικά της ελληνικής φυσικής και κοινωνικοοικονομικής πραγματικότητας. Οι παράμετροι της φυσικής και κοινωνικοοικονομικής πραγματικότητας της περιοχής της έρευνας (ενότητα 2), αφ'ενός μεν αναδεικνύουν την πολυπλοκότητα της περιοχής, αφ' ετέρου δε προδιαγράφουν τις συνθήκες των προς απογραφή χρήσεων / εκμεταλλεύσεων γης.

Α. Οι Αναλογικές Φωτοεομπνευτικές Μέθοδοι
Η ακρίβεια της θεματικής χαρτογράφησης η οποία προκύπτει απ'την ερμηνεία αναλογικών τηλεπισκοπικών απεικονίσεων, έχει άμεση σχέση με την κλίμακα των αεροφωτογραφιών. Οι αεροφωτογραφίες κλίμακας 1 /6.000 με ημερομηνία λήψης το μήνα Ιούνιο, οι οποίες μελετήθηκαν και για τις οποίες καταρτίσαμε αναλογικά / φωτοερμηνευτικά κλειδιά (ενότητα 3), δίνουν αξιόπιστα αποτελέσματα για την ελληνική πραγματικότητα, απαιτείται όμως μεγάλος αριθμός αεροφωτογραφιών για την θεματική χαρτογράφηση μεγάλων επιφανειών, γεγονός που καθιστά τη μέθοδο δύσχρηστη. Η φωτοερμηνεία με αεροφωτογραφίες κλίμακας 1/20.000 καθιστά τη μέθοδο περισσότερο εύχρηστη αλλά περιορίζει την ακρίβεια της. Εν τούτοις η χρήση, ανάλυση και αξιοποίηση των στατιστικών στοιχείων της περιοχής (πίνακες 6,7 και 11) μπορεί να αποτελέσει την βασική υποδομή για την κατάρτιση λογικών κανόνων αποκλεισμού ή επιλογής μιας καλλιέργειας, ανάλογα με την περιοχή μελέτης (κεφάλαια 2.3, 2.4.2 και 2.4.3). Οι κανόνες αυτοί αυξάνουν τις δυνατότητες ακρίβειας της φωτοερμηνευτικής μεθόδου στην συγκεκριμένη κλίμακα. Με την ανάπτυξη των ψηφιακών τηλεπισκοπικών μεθόδων η εφαρμογή της αναλογικής φωτοερμηνείας συμπληρώνει και ενίοτε διορθώνει τα δεδομένα των επιγείων ελέγχων, τα οποία είναι απαραίτητα για την εφαρμογή των ψηφιακών τηλεπισκοπικών μεθόδων.
Συμπεράσματα που αφορούν στις απαιτούμενες επεξεργασίες των δεδομένων των τπλεπισκοπικών απεικονίσεων πριν την επεξεργασία τους από τις μεθόδους τςιξινόμπσης. Η αξιοποίηση των στατιστικών δεδομένων των τηλεπισκοπικών απεικονίσεων (ενότητα
6), έτσι ώστε η εφαρμογή των μεθόδων ταξινόμησης να δίνει τα βέλτιστα αποτελέσματα τα οποία θα εξαρτώνται μόνο από την διακριτική / διαχωριστική Ικανότητα του δέκτη, την πολυπλοκότητα της περιοχής της έρευνας και τις δυνατότητες του εκάστοτε ταξινομητή,δίνει τα παρακάτω αποτελέσματα:
α) υπάρχει γραμμικό φίλτρο και συγκεκριμένα το [(0,-1,-1) (0,12,-1,) (0,-1,-1)] (κεφάλαιο
6.3) μετά την εφαρμογή του οποίου αναδεικνύονται καλύτερα οι ιδιαιτερότητες της ελληνικής αγροτικής γης και εντοπίζονται καλύτερα τα όρια των μοναδιαίων ιδιοκτησιών/ χρήσεων/ εκμεταλλεύσεων χρήσεων γης με αποτέλεσμα να χαράσσονται με περισσότερη ακρίβεια οι ζώνες ελέγχου. Το συμπέρασμα αυτό προέκυψε με προσεκτική αντιπαραβολή της αεροφωτογραφίας της περιοχής με την απεικόνιση που προέκυψε από την εφαρμογή του φίλτρου, β) με τον υπολογισμό των τιμών απόκλισης μεταξύ ζευγών ζωνών ελέγχου (κεφάλαιο 6.5) αφ' ενός μεν αποφεύγονται πιθανές λανθασμένες χαράξεις, αφ' ετέρου δε είναι δυνατόν να προβλεφθούν συγχύσεις μεταξύ διαφορετικών χρήσεων / εκμεταλλεύσεων γης, γ) σε μια ταξινόμηση μπορεί να συμμετέχει μικρότερος αριθμός καναλιών τα οποία όμως θα έχουν μεταξύ τους μεγάλη τυπική απόκλιση (κεφάλαιο 6.5). Με αυτό τον τρόπο θα έχουμε το ίδιο αξιόπιστα αποτελέσματα σε λιγότερο υπολογιστικό χρόνο, δ) οι SPOT απεικονίσεις ενδείκνυται περισσότερο για την χάραξη των ζωνών ελέγχου, ενώ οι LANDSAT ΤΜ για την εφαρμογή των δεικτών. Β3. Συμπεράσματα από την εφαρμογή της μεθόδου της μεγίστης πιθανοφάνειας. Η εφαρμογή της μεθόδου της μεγίστης πιθανοφάνειας για την ταξινόμηση της περιοχής της έρευνας απέδειξε ότι: α) η μέθοδος δίνει αποτελέσματα για την ταξινόμηση της περιοχής μελέτης σε γενικές κατηγορίες χρήσεων γης όμοια με αυτά άλλων ερευνητικών εργασιών (J.P. Gastellu, Etchecorry & al, 1987) [24γ], (Silvano di Venzo & al, 1987) [81α], (L Wastenson & al, 1987) [95β]. Σ' αυτές τις κατηγορίες όμως, οι ιδιαιτερότητες της ελληνικής πραγματικότητας και ιδιαίτερα αυτή της μικρής και κατακερματισμένης ιδιοκτησίας, δεν έχουν επίδραση. Εδώ θα πρέπει να αναφέρουμε το γεγονός ότι οι ακρίβεια της .

ΚΑΡΑΘΑΝΑΣΗ ΒΑΣΙΛΕΙΑΣ(1992). ΣΥΜΒΟΛΗ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΜΕΘΟΔΩΝ ΔΙΕΡΕΥΝΗΣΗΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗΣ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΑΓΡΟΤΙΚΗΣ ΠΕΡΙΟΧΗΣ. Διδακτορική διατριβή. Αθήνα.

[[category:Γεωργία]]

Περιοχική Εκτίμηση Ξηρασίας

2014-05-23T13:45:35Z

Peny Poulaki: Νέα σελίδα με ''''ΠΕΡΙΛΗΨΗ''' Η μελέτη της ξηρασίας παίζει σημαντικό ρόλο στην αντιμετώπιση του φαινομένου α...'

'''ΠΕΡΙΛΗΨΗ'''

Η μελέτη της ξηρασίας παίζει σημαντικό ρόλο στην αντιμετώπιση του φαινομένου αυτού και στη λήψη μέτρων είτε προληπτικών είτε κατασταλτικών. Ιδιαίτερα, η εκτίμησή της στις Μεσογειακές χώρες είναι πολύ σημαντική καθώς η ανάπτυξη της Γεωργίας στις περιοχές αυτές είναι αυξημένη. Η έξαρση ακραίων φαινομένων, όπως η ξηρασία, και η συχνή επανεμφάνισή τους προκαλεί επιπλοκές στις γεωργικές και διάφορες άλλες δραστηριότητες, με σοβαρές επιπτώσεις στην παραγωγή και κατά συνέπεια στον ευρύτερο οικονομικό τομέα μιας χώρας. Η ξηρασία ως φαινόμενο καθώς και η σύνδεσή της με άλλους το μείς και δραστηριότητες (π.χ. παραγωγή) στην Ελλάδα, μελετάται εδώ και πολλές δεκαετίες, με τη χρήση επίγειων αλλά και δορυφορικών στοιχείων. Το κυριότερο, όμως, πρόβλημα έγκειται στην ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας, όσον το δυνατόν απλής και εύχρηστης, η οποία θα κάλυπτε χωρικά όλη την περιοχή, χρησιμοποιώντας ευρέως διαθέσιμα δεδομένα ενός μεγάλου μέρους των παραμέτρων που επηρεάζουν το φαινόμενο (μετεωρολογικών, υδρολογικών, γεωργικών) και μειώνοντας το κόστος της εφαρμογής. Τα εμπόδια αυτά είναι δυνατόν να παραμεριστούν με την επιλογή μιας κατάλληλης μεθοδολογίας για την ξηρασία.
Η παρούσα έρευνα περιλαμβάνει όλα τα στοιχεία αυτά για μια ολοκληρωμένη εκτίμηση και παρακολούθηση του φαινομένου της ξηρασίας. Βασίζεται σε μια εκτεταμένη σειρά δορυφορικών δεδομένων θερμοκρασίας επιφανείας εδάφους και δείκτη βλάστησης του δορυφόρου NOAA/ AVHRR, 20 υδρολογικών ετών, από το 1981 έως και το 2001, δίνοντας τη δυνατότητα ανάλυσης της χωρικής αλλά και χρονικής εξέλιξης της ξηρασίας. Ιδιαίτερα σημαντική είναι, επίσης, η επιλογή του Αναγνωριστικού δείκτη ξηρασίας (Reconnaissance Drought Index- RDI), ο οποίος είναι ένας εύχρηστος και ολοκληρωμένος δείκτης, και εκτιμά το φαινόμενο αυτό χωρίς αυξημένες απαιτήσεις σε δεδομένα. Επίσης, η δομή το υ δείκτη αυτού περιλαμβάνει μετεωρολογικές και υδρολογικές παραμέτρους, δίνοντας τη δυνατότητα της X επιπρόσθετης χρήσης γεωργικών μεταβλητών, εφόσον υπολογιστεί με την εφαρμογή ανάλογης εξατμισοδιαπνοής. Στην παρούσα εργασία, ο δείκτης RDI υπολογίζεται με χρήση των δορυφορικών δεδομένων και της δυνητικής εξατμισοδιαπνοής Blaney- Criddle, βασιζόμενος σε μετεωρολογικά, υδρολογικά και γεωργικά στοιχεία της περιοχής. Ο υπολογισμός του δείκτη πραγματοποιείται ανά μήνα, 3, 6, 9 και 12 μήνες για όλη την Ελλάδα. Τα χαρακτηριστικά της ξηρασίας που εκτιμούνται βάσει του δείκτη αυτού συγκρίνονται με τα αποτελέσματα δεικτών ξηρασίας, οι οποίοι υπολογίζονται με επίγειες μετρήσεις, σε επιλεγμένες περιοχές του Ελλαδικού χώρου. Στο τελικό στάδιο της μεθοδολογίας αναπτύσσεται η Ανάλυση Κυρίων Συνιστωσών (Principal Components Analysis–PCA) καθώς και η Ανάλυση κατά συστάδες (Cluster Analysis) των τιμών του δείκτη RDI με δορυφορικά δεδομένα. Οι στατιστικές αυτές μέθοδοι συμβάλλουν στην ταξινόμηση και ομαδοποίηση των αποτελεσμάτων του RDI, προσδιορίζοντας περιοχές με παρόμοια χαρακτηριστικά και συμπεριφορά, όσον αφορά στο φαινόμενο της ξηρασίας. Η μεθοδολογία, όπως αναπτύσσεται στην Διδακτορική Διατριβή αυτή, παρουσιάζει καινοτομία και πληρότητα, και παρέχει τη δυνατότητα της ολοκληρωμένης παρακολούθησης της ξηρασίας στην Ελλάδα. Επιπλέον, παρουσιάζει δυνατότητα γενίκευσης καθώς μπορεί να χρησιμοποιηθεί για κάθε περιοχή και κάθε χρονοσειρά δεδομένων, για την εκτίμηση του φαινομένου.

'''ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''

Η συγκεκριμένη μεθοδολογία εκτίμησης της χωρικής κατανομής της ξηρασίας με τη χρήση δορυφορικών δεδομένων και του δείκτη RDI, παρουσιάζει γενίκευση και δεν περιορίζεται σε μια και μόνο περιοχή μελέτης ούτε σε μια συγκεκριμένη χρονοσειρά δεδομένων. Για τις ανάγκες, εντούτοις, της παρούσας έρευνας, ο δείκτης αναπτύχθηκε στην περιοχή της Ελλάδας αξιοποιώντας τα δορυφορικά δεδομένα συγκεκριμένης χρονοσειράς. Η περιοχή μελέτης, στην παρούσα εφαρμογή, είναι ολόκληρος ο Ελλαδικός χώρος. Η Ελλάδα ανήκει στη βόρεια εύκρατη ζώνη, και εκτείνεται μεταξύ των 34° 4 8 ' και 4 1° 4 5' μοιρών βόρειου γεωγραφικού πλάτους Ανήκει στη Μεσογειακή λεκάνη και βρέχεται από την ανατολική Μεσόγειο θάλασσα για αυτό και το κλίμα της θεωρείται τυπικά μεσογειακό (Μαριολόπουλος, 1938).

Τα κλιματικά χαρακτηριστικά της Ελλάδας παρουσιάζουν μεγάλη ποικιλία, πάντα βέβαια μέσα στα πλαίσια του Μεσογειακού κλίματος, λόγω του ιδιαίτερου ανάγλυφου της περιοχής. Η τοπογραφική διαμόρφωση της χώρας εμφανίζει μεγάλες διαφορές υψομέτρου (μεγάλες οροσειρές κατά μήκος της κεντρικής χώρας και άλλοι ορεινοί όγκοι) και εναλλαγή ξηράς και θάλασσας. Εξαιτίας αυτού, παρατηρείται μεγάλη διαφοροποίηση μεταξύ του κλίματος της Ανατολικής Ελλάδας (γενικά ξηρό) και σε εκείνο της Βόρειας και Δυτικής Ελλάδας (υγρό). Οι κλιματικές διαφορές αυτές, μέσα στα γεωγραφικά όρια της χώρας, εμφανίζονται ακόμη και σε περιοχές, που απέχουν μικρή απόσταση μεταξύ τους, γεγονός που χαρακτηρίζει λίγες μόνο χώρες σε όλο τον κόσμο . Η διακύμανση από το βορρά προς το νότο είναι μικρότερης έντασης, παρουσιάζοντας περισσότερες βροχοπτώσεις κυρίως στα βορειοδυτικά διαμερίσματα.

'''Συμπεράσματα'''

Τα συμπεράσματα της παρούσας διατριβής αναφέρονται σε δύο βασικές κατηγορίες. Σε αυτά που αφορούν στη δομή της μεθοδολογίας που αναπτύσσεται και σε αυτά που προκύπτουν από την εφαρμογή της. Ο στόχος της διδακτορικής διατριβής είναι η εκτίμηση του φαινομένου της ξηρασίας, χωρικά (περιοχική εκτίμηση), με τη χρήση δορυφορικών δεδομένων. Υπάρχει ένας μεγάλος αριθμός δεικτών ξηρασίας, οι οποίοι υπολογίζουν χωρικά το φαινόμενο και χρησιμοποιούν δεδομένα από ένα πλήθος δορυφόρων, ανάλογα με τις απαιτήσεις της εκάστοτε έρευνας. Ο απώτερος σκοπός, εντούτοις, της συγκεκριμένης έρευνας, είναι η χρήση ενός δείκτη, όσο το δυνατόν περισσότερο ολοκληρωμένου, αλλά επίσης εύχρηστου και με λογική απαίτηση σε δεδομένα. Ο δείκτης που επιλέχθηκε και παρουσιάζει τα χαρακτηριστικά αυτά είναι ο αναγνωριστικός δείκτης ξηρασίας RDI. Ο RDI έχει εφαρμοστεί επιτυχώς σε περιοχές της Μεσογείου, χρησιμοποιώντας επίγειες μετρήσεις θερμοκρασίας και βροχόπτωσης. Το καινοτόμο στοιχείο, στην παρούσα έρευνα, είναι η ανάπτυξη του δείκτη αυτού με τη χρήση δορυφορικών δεδομένων (εικόνων) ολόκληρου του Ελλαδικού χώρου. Μέχρι την παρούσα εφαρμογή, ο δείκτης RDI υπολογίζονταν με τη βοήθεια της δυνητικής εξατμισοδιαπνοής της μεθόδου Thornthwaite. Στη συγκεκριμένη εργασία, όμως, ο δείκτης υπολογίζεται με τη χρήση της δυνητικής εξατμισοδιαπνοής των Blaney- Criddle, η οποία λαμβάνει υπόψη κατά τον υπο λογισμό της την κατανομή και την κατάσταση της βλάστησης σε μια περιοχή καθώς και τις χρήσεις γης. Η Blaney- Criddle δυνητική εξατμισοδιαπνοή θεωρείται καταλληλότερη για τις Μεσογειακές περιοχές, διότι είχε αναπτυχθεί για πρώτη φορά σε παρόμοιες κλιματικές συνθήκες. 204 Επιπλέον, στο τελευταίο στάδιο της έρευνας αυτής, γίνεται η προσπάθεια γενίκευσης του δείκτη, με την ανάλογη στατιστική επεξεργασία, με σκοπό τη δυνατότητα εφαρμογής του σε οποιαδήποτε περιοχή μελέτης. Τα δεδομένα που χρησιμοποιούνται κατά την ανάπτυξη της μεθοδολογίας περιλαμβάνουν δορυφορικές εικόνες του δορυφόρου NOAA/ AVHRR, χωρικής διακριτικής ικανότητας 8 x 8 km2, των παραμέτρων της θερμοκρασίας επιφανείας εδάφους, καθώς και του δείκτη βλάστησης NDVI, για κάθε δεκαήμερο από τον Οκτώβριο του 1981 έως και το Σεπτέμβριο του 2001. Επίσης, χρησιμοποιούνται στοιχεία των φυτικών συντελεστών, των ποσοστών ηλιοφάνειας και των χρήσεων γης της Ελλάδας, από τη διεθνή βιβλιογραφία, τα οποία είναι απαραίτητα για τον υπολογισμό της δυνητικής εξατμισοδιαπνοής, καθώς και ημερήσια επίγεια δεδομένα βροχόπτωσης, κατανεμημένα στον Ελλαδικό χώρο, με μέγεθος φατνίου 50 x 50 km2 (JRC, Ispra), από το 1975 έως και το 2005. Τα δεδομένα βροχόπτωσης χρησιμοποιούνται στην τελική διαδικασία χωρικής εκτίμησης του δείκτη. Για τον έλεγχο της αξιοπιστίας του δείκτη RDI με δορυφορικά δεδομένα, πραγματοποιείται η εκτίμηση της σημειακής ξηρασίας με τον ίδιο δείκτη (RDI), καθώς και με το δείκτη δριμύτητας ξηρασίας (PDSI) του Palmer, χρησιμοποιώντας επίγειες μετρήσεις δεδομένων σε επιλεγμένες περιοχές της Ελλάδας. Η μεθοδολογία εκτίμησης του δείκτη με δορυφορικά δεδομένα αναπτύσσεται με τη βοήθεια του προγράμματος επεξεργασίας εικόνων Erdas Imagine 9.1 καθώς και σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών (ArcMap 9.1). Η δυσκολία που παρουσιάζεται κατά την εφαρμογή, αφορά την κατανομή των φυτικών συντελεστών των καλλιεργειών σε όλη την Ελλάδα, με όσο το δυνατόν μεγαλύτερη λεπτομέρεια. Το πρόβλημα της κατανομής αυτής ξεπεράστηκε με τη χρήση της βάσης δεδομένων του Corine Hellas 2000 (Εuropean Topic Centre on Land use and Spatial Information). Επίσης, οι τιμές της βροχόπτωσης των 50 x 50 km2, παρουσιάζουν μεγάλο μέγεθος φατνίου, μειώνοντας τη λεπτομέρεια στα τελικά αποτέλεσμα, και επηρεάζοντας την τελική απεικόνιση των χαρτών του δείκτη RDI. Οι τιμές, όμως, αυτές δεν δημιουργούν ιδιαίτερο πρόβλημα στην εκτέλεση της μεθοδολογίας, διότι το μέγεθος του κάθε φατνίου των χαρτών βροχόπτωσης ελαττώνεται σημαντικά, κατά το συγκερασμό του με τα εικονοστοιχεία των χαρτών του φυτικού συντελεστή της δυνητικής εξατμισοδιαπνοής, τα οποία έχουν υπολογιστεί ανά 500 x 500 m2., προσφέροντας μεγαλύτερη λεπτομέρεια εντός κάθε 205 pixel του δείκτη RDI. Σε γενικές γραμμές, η μέθοδος εκτίμησης της χωρικής ξηρασίας με το συγκεκριμένο δείκτη αναπτύσσεται ικανοποιητικά, λαμβάνοντας υπόψη τις τυχόν παραμέτρους που θα μπορούσαν να επηρεάσουν τα αποτελέσματα του RDI. Ο δείκτης RDI, με δορυφορικά δεδομένα, υπολογίζεται για διάφορες χρονικές διάρκειες (3, 6, 9, 12 μήνες), καθώς και σε μηνιαία βάση. Ο υπολογισμός του δείκτη για κάθε διάρκεια οδηγεί στη δημιουργία 320 συνολικά χαρτών RDI (240 μηνιαίους, και από 20 για κάθε χρονική περίοδο των άλλων υπολογισμένων διαρκειών), στους οποίους η ξηρασία κατηγοριοποιείται ανάλογα της δριμύτητας της και της κλίμακας τιμών του δείκτη. Η μηνιαία εκτίμηση του RDI προσφέρει τη δυνατότητα μελέτης της χρονικής μεταβολής του φαινομένου ακόμα και μέσα στη διάρκεια ενός υδρολογικού έτους, ενώ η εκτίμηση του δείκτη για τις υπόλοιπες χρονικές περιόδους (3, 6, 9, 12 μήνες), συντελεί στην παρακολούθηση της εποχικής διακύμανσης της ξηρασίας, για κάθε διαφορετική εποχή (χειμερινή, εαρινή, θερινή και φθινοπωρινή περίοδο), για το σύνολο της σειράς των δεδομένων. Οι τιμές του δείκτη για το πρώτο τρίμηνο (Οκτώβριο έως Δεκέμβριο) όλης της χρονοσειράς, επισημαίνουν ως πιο ακραία ξηρό υδρολογικό έτος, το έτος 1999- 2000 στις περισσότερες περιοχές της επικράτειας. Με την προσθήκη και των τριών επόμενων μηνών (Ιανουάριο έως και Μάρτιο) συμπληρώνονται τα πρώτα εξάμηνα των ετών, στα οποία η ξηρασία εμφανίζει έντονα επεισόδια (εκτός από το 1999-2000) και στο έτος 1992-1993. Για τους πρώτους εννέα μήνες, στα πιο ξηρά υδρολογικά έτη προστίθεται και το έτος 1989-1 9 9 0, ενώ κατά την ετήσια εκτίμηση του δείκτη (1 2 μήνες), στα έτη με ακραία επεισόδια ξηρασίας έρχεται να προστεθεί και το υδρολογικό έτος 1984-85, όπου φαίνεται έξαρση του φαινομένου σε αρκετές περιοχές. Γενικά, τα πέντε αυτά υδρολογικά έτη (1984-1985, 1989-1990, 1992-1993, 1999-2000 και 2000-2001), διακρίνονται από το σύνολο των δεδομένων ως τα έτη όπου η ξηρασία παρουσιάζει ιδιαίτερη δριμύτητα σε μεγάλο τμήμα της Ελλάδας. Η κατανομή των ακραίων τιμών του φαινομένου, καθώς και οι μεταβολές στη δριμύτητα του, ανά περιοχή, έχουν άμεση σχέση με το γεωγραφικό ανάγλυφο κάθε περιοχής και την χρονική περίοδο (π.χ. εποχή) για την οποία υπολογίζεται ο δείκτης RDI. Η αξιολόγηση των αποτελεσμάτων του δείκτη RDI με δορυφορικά δεδομένα υλοποιείται μέσω της σύγκρισης των χαρακτηριστικών της ξηρασίας, τα οποία 206 προσδιορίζονται με τον ίδιο δείκτη (RDI), καθώς και με το δείκτη δριμύτητας ξηρασίας PDSI, οι οποίοι έχουν εκτιμηθεί με χρήση επίγειων στοιχείων σε επιλεγμένες περιοχές της Ελλάδας (Λάρισα, Ελληνικό, Νάξος και Ηράκλειο). Η σύγκριση αυτών των τριών δεικτών ξηρασίας στην περιοχή παρουσιάζει εξαιρετικά αποτελέσματα. Τα επεισόδια ξηρασίας, η διάρκεια καθώς και η δριμύτητα τους επισημαίνονται και από τους τρεις δείκτες (δύο με επίγεια δεδομένα και ένα με δορυφορικά) με τον ίδιο τρόπο . Η σύγκριση του RDI με επίγεια δεδομένα και του PDSI είναι ιδιαίτερα επιτυχής, με τον προσδιορισμό των ίδιων επεισοδίων ξηρασίας και την κατάταξή τους στην ίδια ή γειτονική κατηγορία (μέτρια, έντονη, ακραία), σε όλες τις περιοχές ελέγχου. Στη συνέχεια, τα διαγράμματα σύγκρισης των δύο δεικτών RDI (δορυφορικού και επίγειου) παρουσιάζουν και σχηματικά την πολύ καλή μεταξύ τους προσαρμογή, σε ολόκληρη τη χρονοσειρά των αποτελεσμάτων και στις τέσσερις επιλεγμένες περιοχές, με περισσότερες ομοιότητες στις ακραίες τιμές του δείκτη (υγρές ή ξηρές), όπου οι δύο δείκτες RDI φαίνονται σχεδόν να ταυτίζονται. Ορισμένες επιμέρους διαφορές μεταξύ του RDI με επίγεια δεδομένα και του RDI με δορυφορικά δεδομένα, είναι κατανοητές και μπορούν να ερμηνευτούν λόγω της διαφορετικής μορφής των δεδομένων εισόδου (επίγεια, δορυφορικά). Επιπλέον, οι αποκλίσεις αυτές δεν επηρεάζουν σημαντικά τα αποτελέσματα ώστε να μεταβάλλουν τη δριμύτητα της ξηρασίας που εκτιμάται από τους δύο δείκτες. Η ανάλυση κυρίων συνιστωσών (PCA) καθώς και η ανάλυση κατά συστάδες (Cluster Analysis), που πραγματοποιείται στο τελικό στάδιο της επεξεργασίας των τιμών του δείκτη RDI, έχει ως αποτέλεσμα τη γενίκευση του συγκεκριμένου δείκτη και παρέχει τη δυνατότητα χρήσης του σε οποιαδήποτε περιοχή και βάση δεδομένων. Το σημαντικότερο όγκο πληροφορίας παρέχουν οι πέντε πρώτες συνιστώσες της PCA. Η πρώτη συνιστώσα (PC1) των τιμών του RDI, συγκεντρώνει το μεγαλύτερο μέρος της διακύμανσης, ενώ κάθε μια από τις άλλες τέσσερις συνιστώσες εστιάζει σε διαφορετική πληροφορία για το φαινόμενο. Από τα αποτελέσματα προκύπτει ότι η PC2 προσφέρει κυρίως πληροφορίες για το χρονικό σημείο εμφάνισης του πιο ξηρού έτους μιας συγκεκριμένης χρονοσειράς. Σημαντικά στοιχεία για τη χωρική εξάπλωση του φαινομένου εξάγονται από τη συνιστώσα PC3, ενώ η PC4 επικεντρώνεται στις λεπτομέρειες, παρέχοντας χωρικές και χρονικές πληροφορίες όσον αφορά στην έξαρση της ξηρασίας, για υποπεριοχές της ευρύτερης περιοχής που μελετάται. Τέλος, σημαντικές χρονικές πληροφορίες παρουσιάζει η πέμπτη συνιστώσα (PC5), η οποία 207 εστιάζει στις χρονικές περιόδους της σειράς των δεδομένων, όπου ορισμένα τμήματα της περιοχής συμπεριφέρονται με παρόμοιο τρόπο. Η τελική κατηγοριοποίηση (συσταδοποίηση) των τιμών του δείκτη RDI υλοποιείται με τη μέθοδο της ανάλυσης κατά συστάδες (Cluster) και συγκεκριμένα με χρήση του αλγόριθμου της Ευκλείδειας απόστασης. Οι τιμές ταξινομούνται, με βάση τη συμπεριφορά που παρουσιάζουν, σε ανάλογες κλάσεις με παρεμφερή χαρακτηριστικά. Η συσταδοποίηση σε τρεις κλάσεις παρουσιάζει σημαντική διαχωριστικότητα, και διακρίνει επιτυχώς τις νησιωτικές περιοχές της Ελλάδας. Η εφαρμογή της ανάλυσης κατά συστάδες για τέσσερις κατηγορίες, παρουσιάζει απαίτηση σε μεγαλύτερο αριθμό επαναλήψεων του αλγορίθμου διακριτοποίησης. Εντούτοις, εμφανίζει ικανοποιητική προσαρμογή στην κατηγοριοποίηση περιοχών της ηπειρωτικής Ελλάδας, όχι μόνο χωρικά αλλά και χρονικά όσον αφορά στα ακραία επεισόδια ξηρασίας στις περιοχές αυτές. Η τελευταία προσέγγιση της ανάλυσης κατά συστάδες, διαχωρίζει με περισσότερη λεπτομέρεια και ευκρίνεια τις περιοχές που εμφανίζουν κοινά κλιματικά χαρακτηριστικά, όπως αυτά έχουν επικρατήσει από προγενέστερη έρευνα στον Ελλαδικό χώρο, και εμφανίζεται ως η περισσότερο αντιπροσωπευτική για την κατηγοριοποίηση της ξηρασίας. Εν κατακλείδι, τα αποτελέσματα της συνολικής μεθοδολογίας και επεξεργασίας των τιμών του δείκτη RDI με δορυφορικά δεδομένα, αξιολογούνται θετικά και αποδεικνύουν τη δυνατότητα χρήσης του δείκτη αυτού για την περιοχική εκτίμηση της ξηρασίας καθώς και την παρακολούθηση της χωρικής και χρονικής εξέλιξης του φαινομένου. Η εφαρμογή της συγκεκριμένης μεθοδολογίας παρουσιάζει καινοτομία, καθόσον αναπτύσσεται για πρώτη φορά. Επιπλέον, η δυνατότητα χρήσης της σε οποιαδήποτε περιοχή και βάση δεδομένων καθιστά τη μεθοδολογία αυτή ένα σημαντικό εργαλείο για γενικευμένη εφαρμογή χωρικής εκτίμησης της ξηρασίας. Σημαντικό ρόλο στη χωρική εκτίμηση της ξηρασίας έχει η χρήση της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών. Τις τελευταίες δεκαετίες και κυρίως μετά το 1990, παρουσιάζεται μια σημαντική ανάπτυξη της τεχνολογίας και της τεχνογνωσίας, η οποία καθιστά τις μεθόδους αυτές περισσότερο αξιόπιστες όχι μόνο στην ταξινόμηση και στην απεικόνιση δεδομένων, αλλά και στην εκτίμηση παραμέτρων (π.χ. ξηρασία, βροχόπτωση). Επίσης, η καλύτερη χωρική διακριτική ικανότητα των δορυφορικών δεδομένων των δορυφόρων νέας γενιάς συμβάλλει στη βελτίωση της αξιοπιστίας των αποτελεσμάτων.

Ευφροσύνη Χριστοφόρου Κανέλλου (2010).Περιοχική Εκτίμηση Ξηρασίας. Διδακτορική διατριβή. Βόλος.

[[category:Ξηρασία]]