http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Pzachariadis&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%2FPzachariadis 2026-04-07T19:59:32Z 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_%CE%BA%CE%B1%CE%B9_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AC_%CE%A3%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%A0%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B3%CE%B5%CF%89%CE%BC%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%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_-_%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%83%CF%84%CE%B9%CF%82_%CE%B1%CE%BD%CE%B1%CF%80%CF%84%CF%85%CF%83%CF%83%CF%8C%CE%BC%CE%B5%CE%BD%CE%B5%CF%82_%CF%87%CF%8E%CF%81%CE%B5%CF%82 2011-01-19T12:05:21Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> G. Bocco, M. Mendoza, A. Vela´zquez<br /> <br /> '''Πηγή'''<br /> Remote sensing and GIS-based regional geomorphological mapping—a tool for land use planning in developing countries<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Ο σχεδιασμός των χρήσεων γης, προκείπτει από ένα λογικό συμβιβασμό μεταξύ του περιβαλλοντικού δυναμικού και των κοινωνικών αναγκών. Ο σχεδιασμός αυτός και τα στοιχεία που απαιτούνται για αυτόν είναι απαραίτητα στις αναπτυσσόμενες χώρες, οι οποίες βρίσκονται συνήθως υπό πιεστικές περιβαλλοντικές και δημογραφικές καταστάσεις. Είναι απαραίτητη η ύπαρξη πραγματωποιήσημων μεθόδων για τη χαρτογράφηση της μεταβλητότητας των φυσικών πόρων και των φυσικών κινδύνων και της αποτίμησης της γης, έτσι ώστε να είναι δυνατός ο σωστός σχεδιασμός στις αναπτυσσόμενες χώρες. Ένα τέτοιο σημαντικό εργαλείο αποτελούν οι γεωμορφολογικοί χάρτες. Στην εργασία αυτή, περιγράφεται μία μέθοδος γρήγορης χαρτογράφησης του εδάφους σε μεγάλες περιοχές και παρουσιάζεται ο τρόπος με τον οποίο μπορεί η διαδικασία αυτή να χρησιμοποιηθεί ως βάση για μελλοντική αξιολόγηση και σχεδιασμό.<br /> <br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> Η περιοχή μελέτης της εργασίας είναι η πολιτεία του Michoacan στο Μεξικό. Η περιοχή έχει υποστεί σφοδρή αλλαγή στις χρήσεις γης: η αποψίλωση των δασών έχει τους μεγαλύτερους δείκτες σε όλη τη χώρα, το εισόδημα ανά κάτοικο, που είναι το μισό σε σχέση με αυτό της υπόλοιπης χώρας, επιρεάζει με τη σειρά του τις συνθήκες των χρήσεων γης και των φυσικών διαθεσίμων, αφού πολλοί ζουν σε περιθωριακές καταστάσεις. <br /> <br /> <br /> '''Προσέγγιση του θέματος'''<br /> <br /> Η εργασία αυτή χρησιμοποιεί χαρτογράφηση της εδαφικής μάζας, σε διαφορετικές κλίμακες, ως το βασικό στοιχείο κατηγοριοποίησης του τοπίου. Έτσι ακολουθήθηκε μερικώς η εδαφική ανάλυση και χαρτογράφηση του 1950 και 1960, που έγινε ιδιαίτερα στην Ευρώπη και την Αυστραλία. Διάφορες σημαντικές τεχνολογικές εξελίξεις που βοήθησαν στην εργασία αυτή είναι: 1) Η χρήση της ψηφιακής τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών (GIS) 2) Τεχνικές αποτύπωσης των φυσικών διαθεσίμων 3) Πρόοδος στην ψηφιακή μοντελοποίηση του αναγλύφου σε διαφορετικές κλίμακες και η επεξεργασία τους σε προσωπικούς υπολογιστές. Οι αποτιμήσεις των εδαφικών δυνατοτήτων, επίσης, βελτιώθηκαν με τη χρήση αυτοματοποιημένων αναλύσεων των γεωλογικών χαρακτηριστικών και της σχέσης μεταξύ της μορφής και της ποιότητας του εδάφους. Οι εδαφικές μάζες είναι σαφώς διαχωρισμένες μονάδες που μπορούν εύκολα να καθοριστούν και επιβεβαιωθούν σε διαφορετικές κλίμακες, με τη χρήση συγκεκριμένων τεχνικών. Η διαφοροποίηση της βλάστησης και των εδαφών, είναι προβλέψιμη σε έναν εδαφικό όγκο και επηρεάζονται από το υψόμετρο και την κλίση. Η σχέση μεταξύ όγκου και εδαφών, βλάστησης και χρήσεων γης, μπορεί να να περιγραφεί με αυτοματοποημένες τεχνικές με τη χρήση βάσεων δεδομένων σε GIS. Ακόμη ένα σημαντικό στοιχείο της προσέγγισης αυτής, είναι η ιεραρχική κατηγοριοποίηση των εδαφικών όγκων, από την οποία δημιουργούνται πίνακες για διαφορετικές κλίμακες. Για κάθε κλίμακα, υπάρχει διαφορετικό σημείο εστίασης όσων αφορά τα γεωμορφικά και εφαφικά στοιχεία. Στην εργασία χρησιμοποιήθηκαν: 1) Ερμηνεία τοπογραφικών χαρτών και ψηφιακών εδαφικών μοντέλων για το ανάγλυφο 2) Ερμηνεία λιθολογικών χαρτών για το βραχώδες υπόστρωμα 3) Ερμηνεία αεροφωτογραφιών και εικόνων από το Landsat για τη μορφή και την κάλυψη του εδάφους 4) Επιλεγμένη τοπική επαλήθευση 5) Αυτοματοποιημένη χρήση και ανάλυση στοιχείων σε GIS. Χρησιμποποιήθηκαν τεχνικές επικάλυψεις χαρτών σε συνδυασμό με στατιστική ανάλυση για την περιγραφή ποσοτικών σχέσεων μεταξύ των εδαφικών χαρακτηριστικών: γεωμορφές, εδάφη και βλάστηση. Τέλος για την εργασία χρησιμοποιήθηκε το Integrated Land and Watershed Management Information System (ILWIS, 2000).<br /> <br /> [[Εικόνα: PZ8 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Σημαντικές γεωμορφικές περιοχές.''']]<br /> <br /> [[Εικόνα: PZ8 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: . Ημι-λεπτομερής ανάλυση των γεωμορφών, κυρίαρχων εδαφών και των καλύψεων γης.''']]<br /> <br /> <br /> '''Μέθοδος και στοιχεία'''<br /> <br /> Η περιοχή η οποία χαρτογραφήθηκε, αποτυπώθηκε σε πέντε βασικούς χάρτους σε κλίμακα 1:250.000 και ο καθένας από αυτούς απαρτίστηκε από 24 χάρτες κλίμακας 1:50.000. Για την περιφερειακή ανάλυση, ερμηνεύτηκαν τοπογραφικοί χάρτες αναγλύφου και λιθολογίας, σε χάρτες με κλίμακα 1:50.000 για ολόκληρη την περιοχή και τα αποτελέσματα μεταφέρθηκαν σε τοπογραφικούς χάρτες κλίμακας 1:250.000. Σε αυτή την κλίμακα χρησιμοποιήθηκε κυρίως η μορφομετρία (μέγεθος αναγλύφου και επιφανειακή κλίση, προερχόμενη από ψηφιακά μοντέλα εδάφους) και η μορφολιθολογία, ως κριτήρια διαχωρισμού. Ο βασικός στόχος είναι η ευκρίνεια και η περιγραφικότητα χωρίς να χάνονται γεωμορφικά χαρακτηριστικά. Ολόκληρη η περιοχή χωρίστηκε σε δύο γενικές ομάδες με σημαντικές γεωμορφές, με ή χωρίς σημαντικό ανάγλυφο. Στην πρώτη ομάδα, διαφοροποιήθηκαν τέσσερις γεωμορφικές περιοχές: πολύ χαμηλοί λόφοι, χαμηλοί λόφοι, υψηλοί λόφοι και οροσειρές. Στη δεύτερη ομάδα ανήκαν από τέσσερις άλλες περιοχές: κοιλάδες, πεδιάδες και οροπέδια. Έτσι η μέθοδος μπορεί να ακολουθηθεί και σε άλλες περιοχές με παρόμοια χαρακτηριστικά. Η κυρίαρχη βλάστηση και κάλυψη/χρήση γης, ερμηνεύθηκε οπτικά από χρωματικές, συνδυαστικές εικόνες Landsat, γεωμετρικά διορθωμένες και αποτυπωμένες σε κλίμακα 1:250.000. Φασματικά χαρακτηριστικά αποτυπώθηκαν πάνω στις εικόνες και συνδυάστικαν με βοηθητικά δεδομένα. Το αποτέλεσμα ψηφιοποιήθηκε σε βάσεις δεδομένων GIS, όπου χαρτογραφικές διαδικασίες παρουσίασαν ποσοτικές σχέσεις μεταξύ γεωμορφών και εδαφικής κάλυψης. Η τοπική επιβεβαίωση των στοιχείων αποτελούνταν από πορείες πάνω σε δρόμους, οι οποίοι διασταυρώνουν σημαντικές περιβαλλοντικές μονάδες. Για τη μικρής λεπτομέρειας ανάλυση, χρησιμποιήθηκε μια ηφαιστιακή περιοχή κοντά στη Morelia, την πρωτεύουσα της περιοχής Michoacan. Για αυτό, ερμηνεύτηκαν πανχρωματικές, ασπρόμαυρες, σύγχρονες αεροφωτογραφίες γεωμορφών και κάλυψης, κλίμακας 1:50.000 και 1:80.000. Τα ερμηνευτικά αποτελέσματα ψηφιοποιήθηκαν και διορθώθηκαν γεωμετρικά, απευθείας από τις εικόνες σε GIS. Τα εδαφικά στοιχεία ψηφιοποιήθηκαν από την INEGI σε χάρτες 1:50.000. Τέλος με επιτόπιο έλεγχο, επιβεβαιώθηκαν οι ερμηνείες των γεωμορφών και των εδαφικών καλύψεων. <br /> <br /> <br /> '''Αποτελέσματα και συμπεράσματα'''<br /> <br /> Τα αποτελέσματα, σε αναγνωριστικό επίπεδο, περιγράφουν ποσοτικά την κατανομή σημαντικών γεωμορφών και της κυρίαρχες εδαφικές καλύψεις. Αυτό δημιουργεί ένα συνοπτικό κατάλογο των διαθεσίμων, ο οποίος μπορεί να βοηθήσει μελλοντικά σχέδια και προγραμματισμούς. Στην περίπτωση της Michoacan, η σύγκριση μεταξύ εδαφικής κάλυψης και γεωμορφίας, οδηγεί στο συμπέρασμα ότι επικρατεί σημαντικός βαθμός αποψίλωσης σε περιοχές με απότομο έδαφος. Έτσι περιοχές στις οποίες επικρατούν ακατάλληλες ή αντικρουόμενες χρήσεις γης, μπορούν εύκολα να εντωπιστούν και να επανασχεδιαστούν για μελλοντικές αλλαγές. Μπορεί επίσης, να υπάρξει συνεχής ανάλυση των χρήσεων γης, αφού τα δεδομένα ανανεώνονται αυτόματα σε μορφή GIS.<br /> <br /> <br /> [[category:Χαρτογραφία]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CE%B3%CE%BA%CF%8C%CF%83%CE%BC%CE%B9%CE%B1%CF%82_%CF%87%CF%89%CF%81%CE%BF%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE%CF%82_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AF%CF%83%CE%B5%CF%89%CE%BD:_%CE%9F%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%BB%CE%AD%CE%B3%CF%87%CE%BF%CF%85_%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%AF%CF%83%CE%B8%CE%B7%CF%83%CE%B7 2011-01-19T12:03:57Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Yang HONG and Robert F. ADLER<br /> <br /> '''Πηγή'''<br /> Predicting global landslide spatiotemporal distribution: Integrating landslide susceptibility zoning techniques and real-time satellite rainfall estimates<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι κατολισθήσεις αποτελούν μία από τις πιο εκτεταμένες φυσικές καταστροφές στον πλανήτη. Στις ΗΠΑ για παράδειγμα, κατολισθήσεις εμφανίζονται σε όλες τις πολιτείες προκαλώντας ζημιές 2 δις. δολαρίων και 25-50 θανάτους ετησίως (USGS, 2006), ενώ ο μέσος ετήσιος αριθμός θανάτων στην Ιαπωνία είναι 170 άνθρωποι. Η κατάσταση είναι πολύ χειρότερη στις αναπτυσσόμενες χώρες και στις απομακρυσμένες ορεινές περιοχές, εξαιτίας της έλλειψης επαρκούς χρηματοδότησης για πρόληψη και αντιμετώπιση καταστροφών. Η ανάγκη για ανάπτυξη αποτελεσματικότερων μεθόδων για χωρική κάλυψη της ευπάθειας σε κατολισθήσεις και πραγματικού χρόνου παρακολούθησης των ευπαθών χωρών και περιοχών, παραμένει υψηλή και άμεση. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να προβλεφθούν, δημιουργώντας ένα μοντέλο στο οποίο θα διαφαίνεται η σχέση μεταξύ της έντασης-διάρκειας των βροχοπτώσεων και της εμφάνισης των κατολισθήσεων Στην εργασία αυτή προτείνεται ένα πλαίσιο για τη δημιουργία ενός παγκόσμιου συστήματος πραγματικού χρόνου πρόβλεψης των κατολισθήσεων που προκαλούνται από βροχοπτώσεις Ο στόχος αυτού του συστήματος είναι η παγκόσμια οπτική και όχι η παρακολούθηση σε συγκεκριμένες τοποθεσίες, των κατολισθήσεων που προκαλούνται από βροχοπτώσεις.<br /> <br /> <br /> '''Ένα πλαίσιο για την πρόβλεψη κατολισθήσεων που προκαλούνται από βροχοπτώσεις σε σχεδόν πραγματικό χρόνο'''<br /> <br /> Στην εργασία αυτή μας ενδιαφέρουν κυρίως επιφανειακές κατολισθήσεις που σχετίζονται με επιχώματα και ανεπαρκώς στερεωμένα εδάφη. Οι επιφανειακές κατολισθήσεις, είναι ταχύτατα κινούμενες μάζες από πέτρες και λάσπη, που έχουν τη δυνατότητα να προκαλέσουν θανάτους και να καταστρέψουν σπίτια, δρόμους, γέφυρες και άλλες ιδιοκτησίες. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να μετασχηματιστούν σε ταχύτατες επιφανειακές κατολισθήσεις, οι οποίες γενικότερα αποτελούν μεγαλύτερο κίνδυνο από τις πιο βαθιές, αργά κινούμενες κατολισθήσεις Χρήσιμες εκτιμήσεις για πιθανούς κινδύνους κατολισθήσεων απαιτούν στο ελάχιστο, την κατανόηση του «που» και του «πότε» αυτές θα προκληθούν. Όπως φαίνεται στο σχήμα 1, οι κατολισθήσεις προκαλούνται από το συνδυασμό κάποιων παραγόντων, που μπορούν να διαχωριστούν σε δύο κύριες κατηγορίες: 1) Προπαρασκευαστικές μεταβλητές που κάνουν το έδαφος ευπαθές, χωρίς να προκαλούν κατολισθήσεις, 2) Τα γεγονότα που προκαλούν την μετακίνηση εδάφους και μάζας, όπως μεγάλη βροχόπτωση και το ξέσπασμα παγετώνων. Δύο τουλάχιστον συνθήκες πρέπει να ισχύουν, για τις κατολισθήσεις που προκαλούνται από βροχόπτωση: οι περιοχές πρέπει να είναι ευάλωτες σε καταστροφή κάτω από συνθήκες έντονης βροχής και η ένταση και η διάρκεια της βροχόπτωσης θα πρέπει να είναι τέτοια ώστε να εμποτίσει σε επαρκές βάθος το έδαφος. Επομένως, για να μπορέσει το προτεινόμενο σύστημα να προβλέψει τη δημιουργία κατολισθήσεων, πρέπει να συνδέσει δύο βασικά στοιχεία: τις πληροφορίες ευπάθειας σε κατολίσθηση (LS) και πραγματικού χρόνου ανάλυση ύψους βροχής, όπως φαίνεται στην εικόνα 1. Ο χάρτης LS, δείχνει εμπειρικά το «που» και ο χάρτης με την ένταση-διάρκεια των βροχοπτώσεων δείχνει το «πότε». Πρακτικά, ο χάρτης LS τοποθετείται «πάνω» από των χάρτη των βροχοπτώσεων για να προσδιορίσει και να εντοπίσει κινδύνους για κατολίσθηση, συνδυάζοντας στοιχεία χώρου και χρόνου.<br /> <br /> <br /> [[Εικόνα: PZ7 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Προϊόντα καθιζίσεων βασισμένα σε NASA TRMM πολλών δορυφορικών: (α) παρατηρήσεις σε πραγματικό χρόνο των καθιζήσεων και (β) κλιματολογικό ποσοστό των ημερήσιων βροχοπτώσεων που υπερβαίνει τις 2 ίντσες.''']]<br /> <br /> [[Εικόνα: PZ7 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Παγκόσμιος χάρτης ευαισθησία σε κατολίσθηση που προκύπτει από τα επιφάνειακα, γεωχωρικά στοιχεία.''']]<br /> <br /> [[Εικόνα: PZ7 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Εμπειρική κατανομή των ορίων των βροχοπτώσεων που προκαλούν κατολισθήσεις (Intensity = 12.45*Duration-0.42), για κατολισθήσεις που προκλήθηκαν κατά την περίοδο της εργασίας TRMM (1998-2006).''']]<br /> <br /> '''Συνιστώσα 1: η δυναμική ενεργοποίηση'''<br /> <br /> Η χωρική κατανομή, διάρκεια και ένταση των βροχοπτώσεων, παίζουν σημαντικό ρόλο στην πρόκληση κατολισθήσεων. Μία χρονική ανάλυση, όπως: Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA), αποτελεί το βασικό σύστημα δεδομένων για το προτεινόμενο σύστημα παρακολούθησης κατολισθήσεων. Ο χάρτης TMPA των παγκόσμιων βροχοπτώσεων, προέρχεται από τη χρήση του TRMM για τη ρύθμιση ή τον καθορισμό των δεδομένων από άλλους δορυφορικούς δέκτες και στη συνέχεια το συνδυασμό τους σε νέα δεδομένα για την τελική ανάλυση του TMPA. Αρχικά, συλλέγονται μικροκυματικά δεδομένα που προέρχονται από δορυφόρους κοντά στη γη, σχετικά με τη βροχόπτωση. Η δεύτερη πιο σημαντική πηγή δεδομένων για το TMPA αποτελεί η συλλογή υπέρυθρων πληροφοριών (-10.7 micron) που γίνεται από μία συγκεκριμένη ομάδα διεθνών δορυφόρων. Το αποτέλεσμα μιας πραγματικού χρόνου έκδοσης του TMPA παρουσιάστηκε το Φεβρουάριο του 2002 και είναι διαθέσιμη από τη NASA. Όπως είναι αναμενόμενο, το αποτέλεσμα της διεργασίας αυτής, θα συνεχιστεί ως τμήμα του Global Precipitation Measurement (GPM). Το GPM θα βελτιώσει την ποιότητα και τη συχνότητα των παρατηρήσεων που γίνονται από την ομάδα των δορυφόρων, για να παρέχει εξελιγμένη παρακολούθηση των βροχών για χρήση στην υδρολογία και τη διαχείριση υδατικών πόρων.<br /> <br /> <br /> '''Συνιστώσα 2: Παγκόσμιος χάρτης ευαισθησίας σε κατολίσθηση'''<br /> <br /> Στο προτεινόμενο σύστημα, ακολουθείται μία προσέγγιση που απεικονίζει με τιμές τους παράγοντες που προκαλούν τις κατολισθήσεις και στη συνέχεια μία συνδυαστική γραμμική μέθοδος βρίσκει αποτελέσματα για την ευπάθεια σε κατολίσθηση σε παγκόσμιο επίπεδο. Αρχικά, συλλέγονται χωρικές και εδαφικές πληροφορίες σε μία κεντρική, παγκόσμια βάση δεδομένων. Δεύτερον, συλλέγονται σημαντικοί εδαφικοί παράγοντες που συντελούν στην πρόκληση κατολισθήσεων και αναβαθμίζονται στη μεγαλύτερη χωρική ανάλυση του NASA SRTM DEM (30m). Τρίτον, δημιουργούνται αντίστοιχα θεματικά επίπεδα και αποθηκεύονται σε Γεωγραφικά Συστήματα Πληροφοριών και τέλος υπολογίζεται ο παγκόσμιος χάρτης ευπάθειας, μέσω μίας συνδυαστικής γραμμικής εξίσωσης. Σαν αποτέλεσμα, ο τελικός παγκόσμιος χάρτης ευπάθειας, χωρίζεται σε κατηγορίες ανάλογα με το επίπεδο επικινδυνότητας (εικόνα 2).<br /> <br /> <br /> '''Ένα προκαταρκτικό σύστημα πρόβλεψης κατολισθήσεων'''<br /> <br /> Η εργασία αυτή συνδέει τον παγκόσμιο χάρτη LS, με τις πληροφορίες για το ύψος βροχής, που προέρχονται από τους δορυφόρους, για την αναγνώριση των περιοχών εκείνων με μεγάλο κίνδυνο κατολίσθησης, που δέχεται έντονη βροχόπτωση. Όταν συνδυαστούν οι πληροφορίες αυτές, με πληροφορίες πραγματικού χρόνου που σχετίζονται με την ένταση και τη διάρκεια των βροχοπτώσεων, μπορεί να δημιουργηθεί η βάση για ένα σύστημα πρόγνωσης επιφανειακών κατολισθήσεων. Σύμφωνα με αυτές τις ιδέες και αρχές, έχει σχεδιαστεί ένα πρώιμο, πραγματικού χρόνου, σύστημα πρόβλεψης κινδύνου για κατολίσθηση, βασισμένο στην ένταση και τη διάρκεια των βροχοπτώσεων.<br /> <br /> <br /> '''Σύνοψη και συζήτηση'''<br /> <br /> Τα κύρια στοιχεία που επηρεάζουν τις επιφανειακές κατολισθήσεις είναι η ένταση των βροχοπτώσεων, η κλίση, ο τύπος εδάφους, το υψόμετρο, η βλάστηση και ο τύπος κάλυψης του εδάφους. Η εργασία αυτή, στηριζόμενη στις πρόσφατες προόδους στην τεχνολογία της τηλεπισκόπησης και την αφθονία παγκόσμιων χωρικών και εδαφικών στοιχείων, προτείνει ένα εννοιολογικό πλαίσιο για ένα σύστημα πραγματικού χρόνου (σχήμα 1) πρόβλεψης σε παγκόσμιο επίπεδο, κατολισθήσεων που προκαλούνται από βροχοπτώσεις. Το σύστημα αυτό συνδυάζει τις πληροφορίες για βροχοπτώσεις της NASA, TMPA (εικόνα 1) και των εδαφικών χαρακτηριστικών για την εκτίμηση των κατολισθήσεων Σημαντικό αποτέλεσμα της εργασίας αυτής, αποτελεί η διαθεσιμότητα στοιχείων για πιθανές κατολισθήσεις που προκλήθηκαν από βροχόπτωση, σε παγκόσμιο επίπεδο, μόνο με τη χρήση παγκόσμιων δορυφορικών αποτελεσμάτων. Ο τρόπος αυτός ενός πραγματικού χρόνου συστήματος πρόβλεψης για καταστροφές, θα μπορούσε να προσφέρει πληροφορίες για εκτίμηση της χωρικής κατανομής των πιθανών κατολισθήσεων. Το πρωτότυπο του συστήματος αυτού, μπορεί να βελτιωθεί, παρέχοντας καλύτερες δορυφορικές, τηλεσκοπικές εικόνες και αναβαθμίζοντας τα γεωγραφικά και εδαφικά δεδομένα. Καθώς οι κατολισθήσεις προέρχονται συνήθως μετά από περιόδους έντονης βροχόπτωσης, ένα σύστημα πρόβλεψης θα μπορούσε να μετασχηματιστεί σε ένα σύστημα προειδοποίησης, εξαιτίας της χρονικής διαφοράς μεταξύ του μεγίστου της βροχόπτωσης και της αστοχίας του εδάφους. Επομένως, η επιτυχία του συστήματος που προτείνετε στην εργασία αυτή, μπορεί να βοηθήσει σημαντικά στην ετοιμότητα και τη διαχείριση των κινδύνων και των καταστροφών από κατολισθήσεις.<br /> <br /> <br /> [[category:Ανίχνευση μεταβολών και παρακολούθηση κατολισθήσεων]]</div>

Pzachariadis 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%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CF%89%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%AC%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%95%CE%B8%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A0%CE%AC%CF%81%CE%BA%CF%89%CE%BD:_%CE%9C%CE%B9%CE%B1_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CE%BF%CF%85_%CE%95%CF%8D%CE%BA%CF%81%CE%B1%CF%84%CE%BF%CF%85_%CE%92%CE%BF%CF%81%CE%B5%CE%B9%CE%BF%CE%B1%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CE%94%CE%B9%CE%BA%CF%84%CF%8D%CE%BF%CF%85 2011-01-19T12:03:07Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Yeqiao Wang, Brian R. Mitchell, Jarunee Nugranad-Marzilli, Gregory Bonynge, Yuyu Zhou, Gregory Shriver<br /> <br /> '''Πηγή'''<br /> Remote sensing of land-cover change and landscape context of the National Parks:<br /> A case study of the Northeast Temperate Network<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η άναρχη επέκταση των προαστίων, η υλοτόμηση και τα ολοένα αυξανόμενα, κατακερματισμένα φυσικά περιβάλλοντα αποτελούν μερικούς από τους παράγοντες που επηρεάζουν τα οικοσυστήματα των Εθνικών Πάρκων και των φυσικών καταλημάτων και είναι η σημαντικότερη απειλή για τη βιοπικοιλότητα. Η κατανόηση του τρόπου με τον οποίο επηρεάζουν οι χρήσεις γης και οι καλύψεις, τη διαμόρφωση των περιφερειακών τοπίων, μπορεί να παρέχει ένα ιστορικό πλαίσιο για τη μέτρηση αλλαγών στη λειτουργία των οικοσυστημάτων και μπορεί να χρησιμοποιηθεί στην καθοδήγηση μελλοντικών αποκαταστάσεων, όπου αυτές είναι επιθυμητές και δυνατές. Το National Parks Service (NPS) Vital Signs Monitoring Program, έχει στόχο την παρατήρηση ενός συνόλου φυσικών, χημικών και βιολογικών χαρακτηριστικών και διαδικασιών, που επιλέγονται για την αναπαράσταση της γενικής «υγείας» και κατάστασης των πάρκων και διάφορων επιδράσεων ή στοιχείων που έχουν σημαντική ανθρώπινη αξία. Το Northeast Temperate Network (NETN), μαζί με άλλα δίκτυα NPS, έχουν αναγνωρίσει τις «δυναμικές του τοπίου», ως υψηλής προταιρεότητας, ζωτικά σημάδια. Τέτοια είναι η αλλαγή στην έκταση και την κατανομή των οικοσυστημάτων γύρω και στο εσωτερικό των πάρκων, το μέγεθος των σημαντικών διαταράξεων και η ακαιρεότητα των οικοσυστημάτων αυτών. Η αστική ανάπτυξη, για παράδειγμα, είναι ένας από τους πιο σημαντικούς παράγοντες αλλαγής που αντιμετωπίζουν τα πάρκα και άλλες προστατευμένες περιοχές. Η τηλεπισκόπηση αποτελεί βασική τεχνολογία για τον αποτελεσματικό χαρακτηρισμό και χαρτογράφηση πολιτισμικών και φυσικών πόρων. Επιτρέπει την παρακολούθηση και τη μέτρηση βιολογικών και φυσικών χαρακτηριστικών του τοπίου, καθώς και την καταγραγή διαχρονικών αλλαγών σε αυτό. Σκοπός της εργασίας αυτής, είναι η παροχή βασικών και σημαντικών δεδομένων που αφορούν τις γενικές καλύψεις γης και τη δομή του τοπίου στο άμεσο περιβάλλον των πάρκων NETN, τις προηγούμενες τρεις δεκαετίες και να παρουσιάσει μία εφαρμογή ενός πρωτοκόλλου για την κατάδειξη παλαιότερων αλλαγών και την παρακολούθηση μελλοντικών. Στο πλαίσιο λοιπόν αυτό, ασχολήθηκε με οχτώ συγκεκριμένα πάρκα NETN και δέκα ακόμη τμήματα των Απαλάχιων Όρεων.<br /> <br /> [[Εικόνα: PZ9 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Παραδείγματα εικόνων Landsat και των ζωνών επιρροής για a. Acadia National Park, b. Saratoga NHP, και c. η AT Hawk Mountain segment. Η εικόνα υποσύνολο για την περιοχή ACAD καλύπτει μια ευρύτερη περιοχή από αυτή της 5-χιλιομέτρων ζώνης επιρροής.''']]<br /> <br /> [[Εικόνα: PZ9 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σύγκριση των δεδομένων βλάστησης NPS που προήλθε από τη χαρτογράφηση, μεταξύ των (a), NLCD δεδομένων του 2001 (b) και των δεδομένων κάλυψης γης του 2002, στο επιλεγμένο τμήμα του Acadia National Park που δημιουργήθηκε από την στρωματοποιημένη ταξινόμηση (c).''']]<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ο στόχος της εργασίας αυτής, είναι η δημιρουργία μιας βάσης δεδομένων χρησιμοποιώντας υπάρχουσες μεθόδους τηλεπισκόπησης για τον εντωπισμό αλλαγών, η οποία θα βοηθήσει στην παρακολούθηση και διαχείρηση των πάρκων. Για το σκοπό αυτό χρησιμοποιήθηκαν κυρίως τηλεσκοπικά δεδομένα και εικόνες από το δορυφόρο Landsat. Συνολικά αποκτήθηκαν και επεξεργάστηκαν τριάντα τρεις εικόνες από τον Landsat, έντεκα για κάθε μία από τις τρεις χρονολογικές περιόδους: δεκαετία 1970 (δεδομένα MSS), δεκαετία 1980 (δεδομένα TM) και 2002 (δεδομένα ETM+). Όλες οι εικόνες προβλήθηκαν στο μοντέλο συντεταγμένων Universal Transverse Mercator (UTM). Στη συνέχεια καθορίστηκε ένα γενικευμένο σχέδιο διαβάθμισης, το οποίο περιελάμβανε εννιά κατηγορίες κάλυψης: αστική, ποώδης βλάστηση, φυλλοβόλο δάσος, κωνοφόρο δάσος, μικτό δάσος, νερό, βάλτος, άγονο έδαφος, εμφανή πετρώματα και τέλος δάσος που βρίσκεται σε περίοδο αναγέννησης. Η παρατήρηση και επιβεβαίωση σε διάφορες περιοχές, παρείχε τα απαραίτητα στοιχεία για την εξακρίβωση των καλύψεων αυτών. Αφού καταγράφηκαν τα γενικά χαρακτηριστικά των τοπίων, αυτά συσχετίστηκαν με πληροφορίες, καθώς και γεωαναφερόμενες φωτογραφίες από διάφορα σημεία ενφιαφέροντος χρησιμοποιώντας ένα σύστημα φωτογράφισης περιοχών Kodak DC265. Οι φωτογραφίες αυτές συνδυάστηκαν με δεδομένα GPS για τη δημιουργία μιας εικονικής βάσης δεδομένων. Για την αναπαράσταση των φασματικών διαφοροποιήσεων, για τους διαφορετικούς τύπους καλύψεων, επιλέχθηκαν πολλαπλές «υπογραφές», οι οποίες στη συνέχεια διασταυρώθηκαν με δεδομένα από τα: USGS National Land Cover Dataset (NLCD) από το 1992 έως το 2001, National Wetland Inventory (NWI) και NPS Vegetation Mapping Project. Μετά το πέρας της διαβάθμισης, τα δεδομένα κατηγοριοποιήθηκαν σε κατάλληλες βαθμίδες κάλυψης, διαδικασία που οδήγησε στον καθορισμό των τελικών καλύψεων, σύμφωνα με το σχέδιο διαβάθμισης που ακολουθήθηκε. Στην εργασία χρησιμοποιήθηκαν δεδομένα χαρτογράφησης της βλάστησης από το NPS, ως η βάση για το χαρακτηρισμό αντιστοιχισμένων εικονοστοιχείων για κάθε κατηγορία κάλυψης/βλάστησης, στις εικόνες από τον Landsat. Αρχικά μεταφέρθηκαν τα διανυσματικά δεδομένα της βλάστησης σε μορφή GIS. Στη συνέχεια έγινε γεωμετρική διόρθωση στους παραπάνω χάρτες βλάστησης, χρησιμοποιώντας εικόνες από τον Landsat-7 ETM+ ως βάση. Η ερμηνεία των δειγμάτων των αντιστοιχισμένων εικονοστοιχείων έγινε κατευθείαν στις εικόνες από τον Landsat, με τη βοήθεια φωτογραφιών συνδυασμένων με δεδομένα GPS, αεροφωτογραφιών και χαρτών από διεργασίες με GIS. Για την καταγραφή αλλαγών στην κάλυψη, στις διάφορες περιοχές, χρησιμοποιήθηκε μία μέθοδος σύγκρισης, μετά το σχέδιο διαβάθμισης, γεγονός που έχει πλεονέκτημα την ξεχωριστή κατανομή των εικόνων. Χρησιμοποιήθηκαν χωρικές ουδέτερες ζώνες, για την εξαγωγή πληροφοριών που αφορούν την κάλυψη και τις διάφορες περιοχές των τοπίων. Η παραπάνω διαδικασία επιλέχθηκε, επειδή είναι εύκολη στην εκτέλεσή της και μπορεί να γίνει εύκολα κατανοητή από ανθρώπους με διαφορετικό επιστημονικό υπόβαθρο.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η σύγκριση των καλύψεων και των δεδομένων που προκύπτουν, παρέχει πληροφορίες για τη χωρική κατανομή και το βαθμό που επηρεάζουν οι αλλάγες στις καλύψεις αυτές, τα όρια των πάρκων καθώς και τις ουδέτερες ζώνες γύρω από αυτά. Γενικά, στα πάρκα που μελετήθηκαν, παρατηρήθηκε μεγάλη αύξηση αστικού περιβάλλοντος μεταξύ της δεκαετίες του 1970 και του 2002, χρονολογίες που αποτελούν τα όρια για την εργασία. Ταυτόχρονα υπήρξε μείωση στις δασώδεις περιοχές. Αντίστοιχα αποτελέσματα παρουσιάστηκαν και για τα τμήματα των Απαλάχιων Όρων. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Είναι πολύ σημαντική η παρακολούθηση και καταγραφή των δυναμικών καταστάσεων των τοπίων, αφού οι αλλαγές περιμετρικά και στο εσωτερικό των πάρκων και των προστατευμένων περιοχών, μπορούν να επηρεάσουν και να αλλάξουν την ποιότητα του νερού, αυξάνουν την πιθανότητα για εισβολή ξένων φυτών και ζώων και καταστρέφουν τη συνέχεια του δάσους. Η εργασία αυτή, δημιούργησε χάρτες καλύψεων και χρήσεων γης σε μία μεγάλη περιοχή, για την κατανόηση και καταγραφή των αλλαγών που επέρχονται στα περίχωρα πάρκων και προστατευόμενων περιοχών. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν και μελλοντικά και αποτελούν τη βάση για περαιτέρω παρακολούθηση των αλλαγών στις καλύψεις και χρήσεις γης. Το συμπέρασμα της εργασίας, είναι ότι όλα τα πάρκα και οι περιοχές της μελέτης, έχουν υποστεί μεγάλες αλλαγές στη χρήση γης, κυρίως με την αύξηση των αστικών περιοχών γύρω από αυτές. Τέλος, η μέθοδος που χρησιμοποιήθηκε στην εργασία αυτή, αποτελεί κατάλληλο εργαλείο παρακολούθησης αλλαγών του τοπίου και σε άλλες, γραμμικές προστατευόμενες περιοχές, όπως παραποτάμια πάρκα και μονοπάτια σε ολόκληρη τη χώρα.<br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE_%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%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CF%85-%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%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 2011-01-19T12:02:46Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> DU Peijun1, LI Xingli, CAO Wen, LUO Yan, ZHANG Huapeng<br /> <br /> '''Πηγή'''<br /> Monitoring urban land cover and vegetation change by multi-temporal remote sensing information<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Η παρακολούθηση των αστικών οικισμών μέσω πολυφαασματικών εικόνων τηλεπισκόπησης έχει λάβει όλο και μεγαλύτερη προσοχή τα τελευταία χρόνια. Οι αλλαγές στην κάλυψη γης και στη βλάστηση, χρησιμοποιούνται για να περιγράψουν ποσοτικά και ποιοτικά αλλαγές στους ανθρώπινους οικισμούς στην πόλη Xuzhou. Συνήθως οι δύο στρατηγικές που χρησιμοποιούνται για την πολυφασματική επεξεργασία εικόνας για την παρακολούθηση, τον εντοπισμό και την ανάλυση των αλλαγών στις αστικές δυναμικές είναι η ανάλυση με βάση την ανίχνευση και η ανάλυση με βάση την ταξινόμηση.<br /> <br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η πόλη Xuzhou, βρίσκεται στο βορειοδυτικό τμήμα της επαρχίας Jiangsu. Η Xuzhou είναι μια ειδική περιοχή χάρη σε μια σειρά από χαρακτηριστικές ιδιότητες: 1) παραδοσιακά είναι μια μεταλλευτική πόλη, 2) επί του παρόντος είναι ένα διάσημο πολιτιστικό και τουριστικό μέρος, 3) γεωγραφικά βρίσκεται στη συμβολή τεσσάρων επαρχιών. Εικόνες Landsat TM (τροχιά: 122-36) οι οποίες τραβήχτηκαν στις 19 Σεπτεμβρίου 1987, 6 Σεπτέμβρη του 1994, 14 Σεπτεμβρίου 2000 και 14ης Μαΐου 2007 (τροχιά: 121-36) χρησιμοποιήθηκαν για την πειραματική μελέτη. Οι εικόνες που έχουν καταγραφεί το 2000 διορθώθηκαν γεωμετρικά με έναν τοπογραφικό χάρτη και στη συνέχεια χρησιμοποιήθηκαν για την καταχώριση των εικόνων από το 1987, 1994 και 2007, με την εικόνα του 2000 ως σημείο αναφοράς. Με βάση τις ιδιότητες της κάλυψης γης στην Xuzhou, χρησιμοποιήθηκαν επτά τύποι κάλυψης: οικοδομημένα οικόπεδα (BUILD), δάση και βλάστηση (VEG), λίμνες (LAKE), χωράφια (FARM), κενά χωράφια (BFARM), άλλα υδατικά συστήματα (WATER) και γυμνό έδαφος (BARE).<br /> <br /> [[Εικόνα: PZ6 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματική σύνθεση εικόνας του 1994, χρησιμοποιώντας Band 5 (R), Band 4 (G) και Band 3 (Β).''']]<br /> <br /> [[Εικόνα: PZ6 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Φασματικές καμπύλες των διαφορετικών τύπων κάλυψης γης''']]<br /> <br /> [[Εικόνα: PZ6 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Απώλειες βλάστησης μεταξύ των ημερομηνιών 1987-2007.''']]<br /> <br /> <br /> '''Ταξινόμηση''' <br /> <br /> Προτείνουμε μια στρατηγική ιεραρχικής ταξινόμησης που χρησιμοποιεί διαφορετικά χαρακτηριστικά σύνολα εισόδου για τους διαφορετικούς τύπους κάλυψης γης. Τα βήματα είναι τα εξής: 1) Εξαγωγή χαρακτηριστικών και δημιουργία συνόλου χαρακτηριστικών. Εκτός από τις ζώνες 1, 2, 3, 4, 5 και 7 της αρχικής Landsat TM εικόνας, μια σειρά από άλλα χαρακτηριστικά αποσπάστηκαν για την ταξινόμηση. 2) Φασματικά στατιστικά στοιχεία της κάλυψης γης. Τα δείγματα συλλέχθηκαν και χρησιμοποιήθηκαν για την ανακάλυψη αποτελεσματικών χαρακτηριστικών και κανόνων για έναν συγκεκριμένο τύπο χρήσης γης. 3) Επιλογή και επικύρωση του συνδυασμού χαρακτηριστικών για συγκεκριμένους τύπους κάλυψης γης. Η βασική ιδέα του προτεινόμενου ιεραρχικού συστήματος ταξινόμησης είναι να δημιουργηθούν διάφοροι ταξινομητές χρησιμοποιώντας διαφορετικές δυνατότητες εισαγωγής για μία ή περισσότερες ειδικές κατηγορίες, με βάση την απάντησή τους σε χαρακτηριστικούς χώρους. Από την στατιστική ανάλυση, διαπιστώσαμε ότι ο συνδυασμός των (TM2, TM3, TM5, φωτεινότητα, υγρασία) είναι κατάλληλος να διακρίνει λίμνες και άλλα υδατικά συστήματα, (TM2, TM3, NDVI, PC2, πράσινο) είναι αποτελεσματικός για τη διάκριση δασών και γεωργικών εκτάσεων και (TM3, TM2, TM5, PC2, φωτεινότητα) είναι κατάλληλος να χαρακτηρίσει οικοδομημένα οικόπεδα, κενά χωράφια και γυμνό έδαφος. 4) Ιεραρχικό σύστημα ταξινόμησης: σχεδιασμός και ταξινόμηση. Σε αυτό το διάγραμμα προτείνουμε διάφορες εισροές χαρακτηριστικών που πρέπει να χρησιμοποιηθούν για διάφορες κατηγορίες, προκειμένου να επιτευχθεί ακριβής αντιστοίχιση μεταξύ κάλυψης γης και αποτελεσματικών συνδυασμών χαρακτηριστικών. Αρχικά, παράγεται ένα άδειο πλέγμα δεδομένων όπου καταγράφονται και συνδυάζονται τα αποτελέσματα της ταξινόμησης από κάθε ταξινομητή. Ο πρώτος ταξινομητής χρησιμοποιείται για να χαρακτηρίσει λίμνες και νερό χρησιμοποιώντας TM2, TM3, TM5, φωτεινότητα και υγρασία ως εισροές. Ο δεύτερος ταξινομητής χρησιμοποιείται για την ταξινόμηση δασών και γεωργικών εκτάσεων που χρησιμοποιούν TM2, TM3, NDVI, PC2 και πράσινο ως εισροές. Στον τρίτο ταξινομητή, χαρακτηριστικά όπως TM3, TM2, TM5 PC2 και φωτεινότητα χρησιμοποιούνται για την ταξινόμηση δομημένου εδάφους, χώματος και κενών χωραφιών. 5) Επεξεργασία των αποτελεσμάτων της ταξινόμησης.<br /> <br /> <br /> '''Στατιστικά και ανάλυση'''<br /> <br /> Από τη γενική τάση, είναι προφανές ότι η οικιστική περιοχή αυξάνεται διαρκώς, ότι η γεωργική γη μειώθηκε σταδιακά, ενώ οι άλλες χρήσεις γης δεν παρουσίασαν οργανωμένες αλλαγές. Από αυτές τις αλλαγές, η πιο σημαντική ήταν η μετάβαση από χωράφια, δάσος, βλάστηση και γυμνό έδαφος σε οικοδομημένα οικόπεδα, εξαιτείας της ταχείας διαδικασίας αστικοποίησης την περίοδο αυτή. Το ποσό των γεωργικών εκτάσεων παρουσιάζει συνεχή πτώση και η απώλεια αυτή έτεινε να επιταχυνθεί. Η περιοχή των υδατικών πόρων αυξήθηκε ραγδαία την περίοδο 1987-1994 και στη συνέχεια παρέμεινε σταθερή με μια ελαφρά μείωση την περίοδο 1994-2007.<br /> <br /> <br /> '''Ανάλυση των αλλαγών βλάστησης'''<br /> '''NDVI παραγωγή και διαφορά'''<br /> <br /> Επιλέχθηκε η μέθοδος NDVI για την περιγραφή και τη διερεύνηση των αστικών αλλαγών βλάστησης την περίοδο 1987 - 2007. Προκειμένου να βελτιωθεί η αξιοπιστία των αποτελεσμάτων της NDVI, μετατράπηκαν πρώτα οι Digital Number (DN, ή γκρι) τιμές σε εδαφική ανάκλαση μέσω ατμοσφαιρικής και ραδιομετρικής διόρθωσης. Η διαφορά της εικόνας ολοκληρώθηκε με οριακή κατάτμηση και λειτουργία συγκάλυψης για να εντοπιστούν οι αλλαγές στη βλάστηση.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Προκειμένου να αναλυθούν οι αλλαγές στους ανθρώπινους οικισμούς της Xuzhou κατά τα τελευταία 20 χρόνια, οι αλλαγές στην κάλυψη γης και τη βλάστηση, ερευνήθηκαν με βάση πολυφασματικές εικόνες Landsat TM / ETM + της περιοχής μελέτης. NDVI διαφορές χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγων της βλάστησης και αναπτύχθηκε μια αποτελεσματική εξάλλειψη ψευδών πληροφοριών που βασίστηκε σε προηγούμενες μελέτες και στατιστικές. Παρόλο που έχουμε χαράξει κάποια βασικά συμπεράσματα σχετικά με τις αλλαγές των αστικών καταστάσεων στην Xuzhou κατά τα τελευταία 20 χρόνια, εξακολουθούν να υπάρχουν πολλά προβλήματα που πρέπει να επιλυθούν στο εγγύς μέλλον.<br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Pzachariadis 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%B7%CF%82_%CF%86%CF%85%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC_%CE%BC%CE%AE%CE%BA%CE%BF%CF%82_%CE%BC%CE%B9%CE%B1%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%B1%CE%B2%CE%AC%CE%B8%CE%BC%CE%B9%CF%83%CE%B7%CF%82 2011-01-19T12:01:07Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> M. Shoshany, p. Kutiel, H. Lavee and M. Eichler<br /> <br /> '''Πηγή'''<br /> Remote sensing of vegetation cover along a climatological gradient<br /> <br /> '''Εισαγωγή'''<br /> <br /> Ένα ολοκληρωμένο ερευνητικό, περιβαλλοντικό έργο για τη σχέση μεταξύ της βλάστησης του εδάφους και της διάβρωσης, λαμβάνει χώρα κατά μήκος μιας κλιματολογικής περιοχής, μεταξύ των Ιουδαίων όρεων, δυτικά της Ιερουσαλήμ και της Νεκράς Θάλασσας. Η παρούσα μελέτη αναφέρεται στην εφαρμογή εμπειρικής μοντελοποίησης για τον προσδιορισμό της φυτοκάλυψης, με χρήση δεδομένων Landsat TM και αναλύει τη συμβολή του προκύπτοντος χάρτη βλάστησης, στην κατανόηση της κατανομής της βλάστησης σε καλοκαιρινές συνθήκες, ειδικότερα όσον αφορά φυτογεωγραφικές ζώνες σε γενικές γραμμές.<br /> <br /> <br /> '''Μέτρα τηλεπισκόπησης για τον προσδιορισμό της φυτοκάλυψης'''<br /> <br /> Οι υφιστάμενες τεχνικές εκτίμησης της βλάστησης, μπορούν να διαιρεθούν σε τρεις κύριες κατηγορίες: αυτές που βασίζονται σε παραμετρικά μοντέλα, όπως NDVI (κανονικοποιημένου δείκτη βλάστησης) και PVI (κάθετου δείκτη βλάστησης), των μοντέλων μεταφοράς ακτινοβολίας, όπως το μοντέλο SAIL, και τις τεχνικές που βασίζονται στη μίξη φασματικών μοντέλων. Από τις παραμετρικές τεχνικές, η NDVI είναι η πιο συχνά χρησιμοποιούμενη, για την κατάσταση της βλάστησης. Η NDVI θεωρείται ως η καλύτερη μέθοδος για την περιφερειακή παρακολούθηση της βλάστησης.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Υπάρχουν δύο βασικές προσεγγίσεις για τη σύνδεση της ανάκλασης με τις ιδιότητες της βλάστησης: η πρώτη είναι βασισμένη στο συνδυασμό εδαφικής επιβεβαίωσης και την παραγωγή της εδαφικής ανακλαστικότητας από την ακτινοβολία της εικόνας και η δεύτερη στη ραδιομετρική μοντελοποίηση των ιδιοτήτων της βλάστησης-ανακλαστικότητας από μετρήσεις στο επίπεδο του εδάφους. Στην πρώτη τεχνική, οι ιδιότητες της επιφανειακής βλάστησης μετριούνται με δειγματοληψία σε θέσεις που εκπροσωπούν τις διαφορετικές πυκνότητες βλάστησης. Οι πληροφορίες στη συνέχεια γενικεύονται πάνω από τους επιμέρους τόπους που αντιστοιχούν στο σύνολο της κατάρτισης, και τεχνικές βαθμονόμησης εικόνας στη συνέχεια, εφαρμόζονται για τον καθορισμό της αντιπροσωπευτικής φασματικής ανάκλασης για κάθε κατηγορία βλάστησης. Στη ραδιομετρική προσέγγιση οι σχέσεις βλάστησης-ανακλαστικότητας αναπτύσσονται με βάση άμεσες, ταυτόχρονες μετρήσεις και των δύο ιδιοτήτων. Η εφαρμογή της ραδιομετρικής μοντελοποίησης απαιτεί τη βαθμονόμηση των δορυφορικών εικόνων έτσι ώστε να αντιπροσωπεύουν δεδομένα ανάκλασης. Αυτή η δεύτερη προσέγγιση προτιμάται σε αυτό το έργο.<br /> <br /> [[Εικόνα: PZ10 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης επί τοις εκατό κάλυψης βλάστησης, σύμφωνα με την εφαρμογή του μοντέλου V-R σε εικόνα Landsat TM της 5/5/91. Οι 10 αποχρώσεις του γκρι χρώματος αντιπροσωπεύουν διαστήματα 5% του ποσοστού της φυτοκάλυψης μεταξύ 0% και 50% (το γκρι επίπεδο 10 αποτελεί το εύρος κάλυψης 45-100%).''']]<br /> <br /> [[Εικόνα: PZ10 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Ένας σχηματικός χάρτης της φυτογεωγραφικής περιφέρειας στην Ιουδαϊκή έρημο που δημιουργήθηκε από τον Danin et al.(1975).''']]<br /> <br /> <br /> '''Στάδιο 1 - Μετρήσεις πεδίου'''<br /> <br /> Τα δεδομένα που συλλέχθηκαν στο πεδίο κατά την πρώτη εβδομάδα του Απριλίου του 1992 συνδυάστηκαν με ραδιομετρικές μετρήσεις και φωτογραφίες. Οι ραδιομετρικές μετρήσεις διενεργήθηκαν με ραδιομετρικό προσομοιωτή TM της NASA με φασματικά κανάλια 1 έως 5. Μια διαδικασία εξακρίβωσης εφαρμόστηκε με ταυτόχρονες μετρήσεις με το ραδιόμετρο LICOR.<br /> <br /> <br /> '''Στάδιο 2 - Βαθμονόμηση δεδομένων εδάφους''' <br /> <br /> Το στάδιο αυτό περιελάμβανε τα εξής τμήματα: 1) Υπολογισμός εξισώσεων βαθμονόμησης μεταξύ των δεδομένων προσομοιωτή TM και των δεδομένων LICOR. 2) Υπολογισμός της φασματικής ανάκλασης χρησιμοποιώντας τη βαθμονομημένη αντανακλαστική λάμψη και τα στοιχεία της ακτινοβολίας. 3) Προσδιορισμός των παραμέτρων επιφάνειας (ποσοστά βλάστησης, ξηράς βλάστησης, εδάφους και πετρώδους κάλυψης) για κάθε δείγμα. <br /> <br /> <br /> '''Στάδιο 3 - Μοντέλο βλάστησης-ανακλαστικότητας (V-R)'''<br /> <br /> Το στάδιο επεξεργασίας παρείχε δύο βασικά σύνολα δεδομένων: το πρώτο περιείχε τις παραμέτρους που περιγράφουν την επιφανειακή σύνθεση κάθε δείγματος, ενώ το δεύτερο περιείχε την ανακλαστικότητα ναδίρ για κάθε δείγμα σε τέσσερις διαφορετικές φασματικές ζώνες. Στη συνέχεια εφαρμόσθηκε μια τεχνική παλινδρόμησης για τα δεδομένα στα οποία κάθε μία από τις ιδιότητες της επιφανειακής κάλυψης διατηρήθηκε ως εξαρτημένη μεταβλητή, ενώ τα δεδομένα ανάκλασης διατηρήθηκαν ως επεξηγηματική μεταβλητή.<br /> <br /> <br /> '''Στάδιο 4 - Βαθμονόμηση της εικόνας'''<br /> <br /> Μια εικόνα Landsat από την 5η Μαΐου 1991, ήταν διαθέσιμη για την έρευνα σε αυτό το στάδιο. Η διαδικασία βαθμονόμησης εφάρμοσε τις μετρήσεις ακτινοβολίας και αντανάκλασης που έγιναν στην περιοχή βαθμονόμησης, πάνω στην ίδια γωνία ζενίθ του ήλιου.<br /> <br /> <br /> '''Στάδιο 5 - Παραγωγή του χάρτη βλάστησης'''<br /> <br /> Τα στοιχεία TM μετατράπηκαν σε δεδομένα ανάκλασης και, στη συνέχεια, σε ποσοστά βλάστησης. Ο χάρτης βλάστησης που δημιουργήθηκε είναι ο πρώτος αυτού του είδους και κλίμακας για την περιοχή της Ανατολικής Μεσογείου γενικότερα και για την Ιουδαϊκή έρημο ειδικότερα. <br /> <br /> <br /> '''Ανάλυση του προτύπου της βλάστησης'''<br /> <br /> Η βλάστηση στην περιοχή χωρίζεται σε τέσσερις ζώνες με βάση την κάλυψη, τη δημιουργία των φυτών, των μορφών ζωής και της φυτογεωγραφικής προέλευσης των ειδών. Μπορεί κανείς να καταλήξει στο συμπέρασμα ότι η κάλυψη της βλάστησης αλλάζει σταδιακά από τα δυτικά προς τα ανατολικά και δείχνει σαφώς ότι υπάρχουν βασικά δύο περιοχές: η μία με εξαιρετικά χαμηλή κάλυψη από βλάστηση (λιγότερο από 7,5%) και μία με υψηλότερο ποσοστό βλάστησης (πάνω από 17,5%).<br /> <br /> <br /> '''Σύνοψη και συμπεράσματα'''<br /> <br /> Στην εργασία αυτή περιγράφεται μια εμπειρική ανάπτυξη ενός μοντέλου βλάστησης-ανάκλασης (V-R), μαζί με την εφαρμογή του για τη χαρτογράφηση της βλάστησης κατά μήκος μιας κλιματικής περιοχής, καθώς και νέες εφαρμογές επεξεργασίας εικόνας για την ανάλυση των κοντινών φωτογραφιών επέτρεψαν τον ακριβή προσδιορισμό των ιδιοτήτων της επιφανειακής κάλυψης.<br /> <br /> <br /> [[category:Οικολογία]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CE%BF%CE%AF_%CF%83%CF%87%CE%B5%CF%84%CE%B9%CE%BA%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%BC%CE%AD%CE%B3%CE%B9%CF%83%CF%84%CE%B7_%CF%80%CF%85%CE%BA%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%84%CF%89%CE%BD_%CE%B4%CE%AD%CE%BD%CE%B4%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%85%CF%80%CE%B5%CF%81%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%B1%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B9%CE%B1%CE%B2%CE%B1%CE%B8%CE%BC%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2011-01-19T12:00:38Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> J.A. Greenberg, S.Z. Dobrowski, V.C. Vanderbilt<br /> <br /> '''Πηγή'''<br /> Limitations on maximum tree density using hyperspatial remote sensing and environmental gradient analysis<br /> <br /> [[Εικόνα: PZ5 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Εκτιμώμενη πυκνότητα κορμών (δέντρα/εκτάριο), παραγόμενη από τη χαρτογράφηση με τη βοήθεια του αλγόριθμου， για την ανατολική περιοχή της λίμνης Tahoe.''']]<br /> <br /> [[Εικόνα: PZ5 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Διαδικασία φιλτραρίσματος για να αποτραπούν οι επικαλύψεις των δέντρων. (α) είναι ένα παράδειγμα αποτελέσματος μετά την έξοδο των δεδομένων. Οι τιμές αφορούν το μέγεθος του προτύπου καθώς και ένα τυχαίο αριθμό μεταξύ 0 και 1. (β) είναι το τελικό αποτέλεσμα, όπου ένα από τους δύο επικαλυπτόμενα δέντρα 8μ αποβλήθηκε, το 2m δέντρο απομακρύνθηκε επειδή ήταν μικρότερο από το στέμμα από το οποίο επικαλυπτόταν, και το 4m δέντρο δεν εξαλείφθηκε, διότι το στέλεχος δεν εμπίπτει στο στέμμα ενός μεγαλύτερου δέντρου.''']]<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Τέσσερις βασικοί μηχανισμοί φαίνεται ότι είναι σημαντικοί για την εξήγηση της μείωσης της πυκνότητας των δέντρων ανάλογα με το υψόμετρο: 1) παγετός, 2) ανεπαρκής διαθέσιμοι πόροι (νερό, φως, διοξείδιο του άνθρακα, άζωτο, άλλα θρεπτικά συστατικά του εδάφους), 3) μεταβολικές απαιτήσεις σύμφωνα με τη θερμοκρασία, ανεξάρτητα από διαθεσιμότητα των πόρων και 4) διαταραχή από αβιοτικούς παράγοντες, όπως χιόνι και πάγος, ή βιοτικούς παράγοντες, όπως φυτοφάγα ζώα και παθογόνοι οργανισμοί. Δύο γενικές πειραματικές προσεγγίσεις ερευνούν το λόγο για τον οποίο μειώνεται η πυκνότητα των δένδρων καθώς αυξάνεται το υψόμετρο. Στην εργασία αυτή ακολουθείται μία τρίτη προσέγγιση για την κατανόηση της κατανομής των δέντρων. Στο πλαίσιο των προτεινόμενων μηχανισμών των δασικών ορίων, εξετάζεται κατά πόσον η μέγιστη δυνατή πυκνότητα των δέντρων στην ανατολική λεκάνη της λίμνης Tahoe, ελέγχεται από τους περιορισμούς του νερού ή από παράγοντες που σχετίζονται με τη θερμοκρασία ή από ενεργητικούς περιορισμούς (οι οποίοι θα μπορούσαν να περιλαμβάνουν μη επαρκή φωτοσυνθετική ακτινοβολία, ζημιές παγετού, ή υψηλές μεταβολικές απαιτήσεις λόγω θερμοκρασίας) .<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιγραφή της περιοχής'''<br /> <br /> Τα δεδομένα αναλύθηκαν, από μια περιοχή ενδιαφέροντος που βρίσκεται στην ανατολική ακτή της λίμνης Tahoe, που εκτείνεται στη Νεβάδα. Η βλάστηση κυριαρχείται από δέντρα (67% της συνολικής κάλυψης) και θάμνους(31% της συνολικής κάλυψης).<br /> <br /> <br /> '''Χαρακτηριστικά των εικόνων'''<br /> <br /> Αποκτύθηκαν δεδομένα από εικόνες IKONOS, στις 19 Ιουλίου 2002 που καλύπτει την περιοχή ενδιαφέροντός μας. Ο IKONOS συλλέγει πολυφασματικά δεδομένα στα 4m (μπλε, πράσινο, κόκκινο και NIR), καθώς και πανχρωματικά δεδομένα στο 1m. Οι εικόνες διορθώθηκαν ατμοσφαιρικά και τοπογραφικά, βαθμονομήθηκαν με βάση τα φάσματα του εδάφους, διoρθώθηκαν με περίπου ± 5m λάθος θέσης και οξύνθηκαν χρησιμοποιώντας τις κύριες συνιστώσες όξυνσης για να δημιουργηθεί μία τεχνητή εικόνα, έχοντας εικονοστοιχεία με μέγεθος 1m., που χρησιμοποιήθηκε για όλες τις επόμενες αναλύσεις .<br /> <br /> <br /> '''Ανίχνευση της περιμέτρου και της πυκνότητας των δέντρων'''<br /> <br /> Κάθε εικονοστοιχείο ταξινομήθηκε στην εικόνα ως «σκιασμένη βλάστηση», «φωτισμένη βλάστηση» και «άλλη». Για να εντοπιστούν όλα τα δέντρα με ακτίνες R μεταξύ Rmin = 1 m και rmax = 8 μ., δημιουργήθηκε ένας αλγόριθμος αναζήτησης.<br /> <br /> <br /> '''Αξιολόγηση ακρίβειας'''<br /> <br /> Στη συνέχεια αξιολογήθηκε η αποτελεσματικότητα του αλγορίθμου για την ανίχνευση της παρουσίας/απουσίας δέντρων σε ένα συγκεκριμένο χώρο 30τ.μ.. Για αυτό το σκοπό έγινε φωτοερμηνεία σε 50 τυχαία επιλεγμένα 100m × 100m οικόπεδα που βρίσκονται στις εικόνες, συσχετίζοντας τις πυκνότητες από τη φωτοερμηνεία με τις πυκνότητες που προβλέφθηκαν από τον αλγόριθμο.<br /> <br /> <br /> '''Περιβαλλοντικές διαβαθμίσεις, συνδυασμός διαβαθμίσεων και συνεχής περιοχές'''<br /> <br /> Χρησιμοποιήθηκαν δύο περιβαλλοντικές διαβαθμίσεις που δημιουργήθηκαν με τοπογραφικά στοιχεία: ανύψωση και ετήσια ενδεχόμενη σχετική ακτινοβολία. Χρησιμοποιήθηκαν δεδομένα από το 30m USGS DEM (US Geological Survey, 1998) που αντιστοιχίστηκε στην εικόνα του IKONOS για να αντλήσει το υψόμετρο και να συμβάλει στο πιθανό σχετικό μοντέλο ακτινοβολίας.<br /> <br /> <br /> [[Εικόνα: PZ5 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Αποτελέσματα ταυτοποίησης για τα δύο επιλεγμένα οικόπεδα. Οι εικόνες του υποβάθρου προέρχονται από τον IKONOS και είναι ψευδοχρωματικές NIR (RGB = NIR, κόκκινο, πράσινο). α) Ένας χώρος με πυκνά δένδρα, σε εδαφικό υπόβαθρο (φωτοερμηνευτικά διακρίνονται 118 δέντρα, ενώ με τον αλγόριθμο προβλέπονται 159) και β) μία αραιή, θαμνώδης και βραχώδης περιοχή (φωτοερμηνευτικά διακρίνονται 37 κορμοί, ενώ με τον αλγόριθμο προβλέπονται 40).''']]<br /> <br /> '''Αποτελέσματα''' <br /> <br /> '''Ανίχνευση περιμέτρου των δέντρων''' <br /> <br /> Η σύγκριση των φωτοερμηνευμένων με τους προβλεπόμενους κορμούς, απέδωσε ένα ισχυρό συντελεστή συσχέτισης 0,8773 και μια γραμμική εξίσωση. Τα αποτελέσματα αυτά δείχνουν ότι για τις διακυμάνσεις της πυκνότητας των δένδρων στη λίμνη, ο αλγόριθμος υπερεκτιμά τη πυκνότητα των δένδρων κατά 14 δένδρα/στρέμμα (σε 0 δέντρα/ha ) και 18 δένδρα/στρέμμα (σε 150 δένδρα/στρέμμα). Η ανάλυση προσδιόρισε 3.102.601 δέντρα στην ανατολική πλευρά της λίμνης Tahoe, με ακτίνα τουλάχιστον 1m.<br /> <br /> <br /> '''Συζήτηση''' <br /> <br /> Η μέγιστη πυκνότητα των δένδρων στο εσωτερικό της ανατολικής περιοχής της λίμνης Tahoe φαίνεται να καθορίζεται από τα όρια του νερού (σε χαμηλότερα υψόμετρα και σε πιο φωτεινές, με νότιο προσανατολισμό πλαγιές) και της θερμοκρασίας (σε υψηλότερα υψόμετρα και στις σκοτεινότερες, βορειοανατολικές πλαγιές). Τα αποτελέσματα αυτά υπογραμμίζουν τη σημασία της ολοκληρωμένης προσέγγισης στην ανάλυση της βλάστηση σε σχέση με τις διάφορες συνθήκες του περιβάλλοντος. Η μελέτη αυτή αναδεικνύει τη δύναμη του συνδυασμού τηλεπισκοπικών δεδομένων με συνεχής καλύψεις περιβαλλοντικών διαβαθμίσεων, για τη διενέργεια ανάλυσης οικολογικών διαβαθμίσεων και αλλαγών. Υπερτοπικά οπτικά δεδομένα μπορούν να χρησιμοποιηθούν για την παραγωγή περιφερειακών χαρτών βλάστησης με υψηλό βαθμό ακρίβειας και υψηλής ανάλυσης, που μπορούν να χρησιμοποιηθούνn ως βάση για την εξαγωγή περιβαλλοντικών διαβαθμίσεων σε κλίμακες σχετικές με μεμονωμένα και συγκεκριμένα φυτά.<br /> <br /> <br /> [[category:Οικολογία]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%99%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CF%84%CE%BF%CF%80%CE%AF%CE%BF%CF%85_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82:_%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CF%8C_%CE%BC%CE%B5%CF%84%CE%B1%CF%83%CF%87%CE%B7%CE%BC%CE%B1%CF%84%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CE%B7%CF%82_%CE%B5%CE%BB%CE%BB%CE%B7%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CF%80%CE%B1%CE%AF%CE%B8%CF%81%CE%BF%CF%85 2011-01-19T11:59:53Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Maria Zomeni, Joseph Tzanopoulos, John D. Pantis<br /> <br /> '''Πηγή'''<br /> Historical analysis of landscape change using remote sensing techniques: An explanatory tool for agricultural transformation in Greek rural areas<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα αγροτικά τοπία είναι αποτέλεσμα μιας δυναμικής διαδικασίας, με περιβαλλοντικούς και ανθρωπογενείς παράγοντες και οι χωρικές κατανομές του μετασχηματισμού τους στο χρόνο, συνδέονται αναμφίβολα με τις αλλαγές στις χρήσεις γης. Για αιώνες, η γεωργία έχει διαδραματίσει σημαντικό ρόλο στο σχηματισμό των αγροτικών τοπίων της Μεσογείου. Ωστόσο, η φύση των αλλαγών στο γεωργικό καθεστώς αποτέλεσε αντικείμενο μιας ισχυρής θεωρητικής συζήτησης. Ο σκοπός της παρούσας εργασίας είναι να περιγράψει και να αναλύσει τις επιπτώσεις της γεωργικής αλλαγής στη δομή του τοπίου της ελληνικής υπαίθρου χρησιμοποιόντας μία περιοχή μελέτης.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> '''Περιοχή μελέτης και ιστορικό χρήσεων γης'''<br /> <br /> Η περιοχή μελέτης βρίσκεται στο νομό Ιωαννίνων. Ο γεωλογικός σχηματισμός αποτελείται κυρίως από ασβεστόλιθους και το κλίμα χαρακτηρίζεται ως μεταβατικό μεταξύ του Μεσογειακού και του ηπειρωτικού-Μεσογειακού. Εντός της περιοχής μελέτης, δύο περιοχές έχουν επιλεγεί για ανάλυση. Η πρώτη θέση είναι η περιοχή της Τύμφης που βρίσκεται μεταξύ 500m και 2300m πάνω από την επιφάνεια της θάλασσας. Η δεύτερη περιοχή βρίσκεται στην Κόνιτσα με υψόμετρο που κυμαίνεται από 300m έως 1.400m πάνω από την επιφάνεια της θάλασσας. Σε ένα ιστορικό πλαίσιο, τρεις βασικές περιόδοι αλλαγής χρήσεων γης μπορούν να εντοπιστούν στην περιοχή μελέτης. Η πρώτη περίοδος (αρχές του 20ου αιώνα έως 1940) χαρακτηρίζεται από μια οικονομία επιβίωσης που βασίζεται σε ένα αυστηρά οργανωμένο σύστημα χρήσεων γης και εκμετάλλευσης των φυσικών πόρων που επιβάλλονται σε τοπικό επίπεδο. Η δεύτερη περίοδος (1950 έως τις αρχές του 1980), η οποία συμπίπτει με την παραγωγική εποχή στη Δυτική Ευρώπη, σημαδεύτηκε από μια σημαντική κοινωνικο-οικονομική παρακμή και ερήμωση της περιοχής. Τέλος, η τρίτη περίοδος (μέσα του 1980 έως σήμερα) χαρακτηρίζεται από ένα μετασχηματισμό της ταυτότητας της περιοχής, σημαντική ανάπτυξη του τριτογενή τομέα και ειδικά του τουρισμού.<br /> <br /> <br /> [[Εικόνα: PZ4 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Διαβαθμισμένοι χάρτες κάλυψης γης από από αεροφωτογραφίες για κάθε χρονικό βήμα, σε κάθε περιοχή μελέτης.''']]<br /> <br /> '''Επεξεργασία και ανάλυση'''<br /> <br /> Ασπρόμαυρες, παγχρωματικές αεροφωτογραφίες ελήφθησαν για τα έτη 1945 (1:42,000), 1969 (1:40,000) και 1995 (1:30,000) και δημιουργήθηκε μια σειρά τριών ψηφιακών ψηφιδωτών για την περιοχή. Οι αεροφωτογραφίες που ελήφθησαν το 1995 ήταν οι τελευταίες διαθέσιμες εικόνες της περιοχής, παρέχοντας ένα πλήρες σύνολο δεδομένων, όταν η μελέτη ξεκίνησε το 2002. Πριν από την ανάλυση, τα ψηφιδωτά των αεροφωτογραφιών διορθώθηκαν σε μια καθολική εικόνα mercator (UTM) με ανάλυση 50m. Τα ψηφιδωτά ταξινομήθηκαν με τη χρήση «αντικειμενοστραφούς ανάλυσης εικόνας» (eCognition SoftwareVersion 3,0). Ορθο-φωτογραφίες της βλάστησης της περιοχής που ελήφθησαν το 1980 καθώς και στοιχεία εδάφους που ελήφθησαν το 2002 χρησιμοποιήθηκαν για την επικύρωση της ταξινόμησης και τελικά έξι κατηγορίες κάλυψης γης δημιουργήθηκαν για το σύνολο των χαρτών: καλλιεργήσιμες εκτάσεις, λιβάδια, θαμνώδεις περιοχές, δάση, οικισμοί και σκιά. Για κάθε χάρτη και κάλυψη γης υπολογίστηκαν στατιστικά στοιχεία με την έκδοση ράστερ FRAGSTATS.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Τύμφης'''<br /> <br /> Η ανάλυση των πινάκων μετάβασης και τα ποσοστά αλλαγής, παρέχουν στοιχεία για τις αλλαγές που έλαβαν χώρα μεταξύ των καλύψεων στην περιοχή της Τύμφης κατά τη διάρκεια των 50 ετών της μελέτης. Τα λιβάδια παρουσίασαν σοβαρή απώλεια της κάλυψής τους την περίοδο 1945-1995 (συνολική απώλεια 965 εκταρίων). Οι καλλιεργήσιμες εκτάσεις υπέστησαν εκτεταμένη συρρίκνωση. Οι θαμνώδεις περιοχές αυξήθηκαν με σχεδόν σταθερό ρυθμό, μεταξύ των διαδοχικών περιόδων. Τέλος, τα δάση αναπτύχθηκαν με τον υψηλότερο συντελεστή στις δύο μεταβατικές περιόδους, αντικαθιστώντας κυρίως θαμνώδεις περιοχές. <br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Κόνιτσας'''<br /> <br /> Κατά τη διάρκεια των διαδοχικών περιόδων, τα λιβάδια μειώθηκαν με σταθερό ρυθμό, μετατρεπόμενα κυρίως σε θαμνώδεις περιοχές και δάση. Οι καλλιεργήσιμες εκτάσεις μειώθηκαν πάρα πολύ, αλλά με χαμηλότερη τιμή. Η πιο δεσπόζουσα μεταβολή που καταγράφεται στην περιοχή της Κόνιτσας ήταν η εκτεταμένη αναδάσωση, με μεγάλες εκτάσεις βοσκοτόπων και καλλιεργήσιμων εκτάσεων να αλλάζουν σε θαμνότοπους και στη συνέχεια σε δάσος. Η αναδάσωση προχώρησε με τον ίδιο ρυθμό αν και με ελαφρώς διαφορετικό πρότυπο, και στις δύο μεταβατικές περιόδους.<br /> <br /> <br /> '''Συζήτηση και συμπεράσματα'''<br /> <br /> Αν και το τοπίο της Τύμφης και το ορεινό τμήμα της Κόνιτσας έχουν πληγεί από κλιματικούς και φυσικούς περιορισμούς, που είναι κοινοί στις ορεινές περιοχές, η γεωργική δραστηριότητα ήταν πάντα παρούσα. Οι αλλαγές του τοπίου που παρατηρήθηκαν στην περιοχή μελέτης σαφώς συνδέονται με την αναδιάρθρωση του γεωργικού τομέα. Η μετάβαση μεταξύ των γεωργικών συστημάτων, η κατευθυντικότητα της διαδικασίας και η εξέλιξη του αγροτικού τοπίου αποτέλεσε αντικείμενο μιας ισχυρής συζήτησης στον τομέα της γεωργικής / αγροτικής έρευνας. Η κατανόηση της διαδικασίας της γεωργικής αλλαγής είναι θεμελιώδης για τη διαχείριση του αγροτικού τοπίου και την ανάπτυξη των περιφερειακών σχεδίων.<br /> <br /> <br /> [[category:Κτηματολόγιο]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_%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%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A3%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%A0%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_%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%BF%CF%85_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2011-01-19T11:58:41Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Emilio Chuvieco Russell G. Congalton<br /> <br /> '''Πηγή'''<br /> Application of Remote Sensing and Geographic Information Systems to Forest Fire Hazard Mapping<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η έρευνα για τις δασικές πυρκαγιές είναι μία από τις πολλές κατάλληλες εφαρμογές των Γεωγραφικών Συστημάτων Πληροφορίας. Λαμβάνοντας υπόψη την εγγενή δυναμική αυτού του φαινομένου, εικόνες τηλεπισκόπησης είναι επίσης πολύτιμες για αυτό το είδος μελέτης. Η εργασία αυτή ασχολείται με την εφαρμογή και των δύο μεθόδων, GIS και τηλεπισκόπησης, για τη χαρτογράφηση των κινδύνων για πυρκαγιά.<br /> <br /> <br /> '''Μοντέλα επικινδυνότητας πυρκαγιάς'''<br /> <br /> Οι πρώτες εφαρμογές της τηλεπισκόπησης στη χαρτογράφηση δασικών πυρκαγιών προέρχονται από τη δεκαετία του 1960, όταν αρκετοί εναέριοι υπέρυθροι σαρωτές εξετάστηκαν για την ανίχνευση τοπικών πυρκαγιών. Με την ανάπτυξη του προγράμματος Landsat, πολλά σχέδια διεξήχθησαν για να εξεταστεί η αξιοπιστία των δορυφορικών εικόνων για τη χαρτογράφηση και απογραφή των δασικών πυρκαγιών. Εκτός όμως από αυτές τις λειτουργίες, η τηλεπισκόπηση έχει επίσης χρησιμοποιηθεί αποτελεσματικά για τη χαρτογράφηση του κινδύνου πυρκαγιάς. Έχει χρησιμοποιηθεί επίσης ψηφιακή επεξεργασία εικόνων Landsat MSS για τη χαρτογράφηση των καυσίμων και της βλάστησης. Μια πιο ολοκληρωμένη προσέγγιση για τη χαρτογράφηση του κινδύνου πυρκαγιάς αναπτύχθηκε για το έργο FIRESCOPE, στο οποίο η βλάστηση (από εικόνες Landsaat) γεωαναφερόταν, μαζί με χαρακτηριστικά όπως κλίση, υψόμετρο, πτυχή, έδαφος, ηλιοφάνεια, διαθεσιμότητα νερού και χρονολογικές φωτιές, για να παραχθούν πολύ ενδιαφέροντα μοντέλα. Τα τελευταία χρόνια τέλος, πολλά έργα έχουν αποδείξει τη χρησιμότητα εικόνων AVHRR για την έρευνα των δασικών πυρκαϊών.<br /> <br /> <br /> '''Στόχοι'''<br /> <br /> Στόχος της εργασίας ήταν η δημιουργία μιας αξιόπιστης μεθόδου για τη χαρτογράφηση του κινδύνου πυρκαγιάς σε ένα μεσογειακό περιβάλλον. Δύο αρχικές πτυχές ενσωματώνονται στην παρούσα μελέτη. Πρώτον, η χρήση εικόνων υψηλής ανάλυσης. Δεύτερον, η επιλογή της περιοχής δοκιμής που είχε ήδη πληγεί από δασικές πυρκαγιές.<br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> '''Γεωγραφικά χαρακτηριστικά της περιοχής δοκιμής'''<br /> <br /> Η περιοχή δοκιμής βρίσκεται στη μεσογειακή ακτή της Ισπανίας. Η υπό μελέτη περιοχή είχε διαταραχθεί από μια σημαντική δασική πυρκαγιά τον Αύγουστο του 1985. Η περιοχή έχει τα τυπικά χαρακτηριστικά ενός περιβάλλοντος της Μεσογείου και ως εκ τούτου κατατάσσεται ως ζώνη υψηλής επικινδυνότητας για δασικές πυρκαγιές. Η τοπογραφία της περιοχής είναι πολύπλοκη λόγω της παρουσίας πολλών παράκτιων περιοχών, γεγονός που περιπλέκει ιδιαίτερα την ψηφιακή ταξινόμηση της εικόνας. <br /> <br /> <br /> '''Μια ολοκληρωμένη προσέγγιση'''<br /> <br /> Οι μεταβλητές που χρησιμοποιήθηκαν στο μοντέλο είναι: είδος βλάστησης, υψόμετρο, κλίση, πτυχή, εγγύτητα σε δρόμους και μονοπάτια, κάμπινγκ, ή κτίρια. Κάθε μία από αυτές τις μεταβλητές, θεωρήθηκε ως ένα διαφορετικό στρώμα πληροφοριών για την ολοκληρωμένη ανάλυση. Η καμμένη γη έγινε διακριτή χρησιμοποιώντας μια εικόνα από Thematic Mapper, η οποία αποκτήθηκε λίγες ώρες μετά την πυρκαγιά.<br /> <br /> <br /> [[Εικόνα: PZ3 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματικό σύνθετο από εικόνα του Thematic Mapper της περιοχής μελέτης. Αστική γη και νερό καλύφθηκαν με στόχο τη βελτίωση της διάκρισης των κατηγοριών βλάστησης. Η περιοχή που επηρεάζεται από την πυρκαγιά είναι με λευκό περίγραμμα.''']]<br /> <br /> [[Εικόνα: PZ3 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης κινδύνου. Για τους σκοπούς της εμφάνισης, ολόκληρο το φάσμα των τιμών του δείκτη επικινδυνότητας έχει διαιρεθεί σε τρεις κατηγορίες: 1) υψηλής επικινδυνότητας (1-100) 2) μεσαίας επικινδυνότητας (101-200) 3) χαμηλής επικινδυνότητας (201-255).''']]<br /> <br /> <br /> '''Χαρτογράφηση βλάστησης'''<br /> <br /> Ο κύριος παράγοντας που επηρεάζει την εξάπλωση μιας δασικής πυρκαγιάς είναι το είδος και τα χαρακτηριστικά της βλάστησης. Η παραδοσιακή ταξινόμηση εικόνων Landsat τείνει να δημιουργεί χάρτες κάλυψης γης, που χωρίζουν τη βλάστηση σε ομοιογενείς ζώνες διαφορετικών ειδών ή σε ζώνες διαφόρων ενοτήτων. Στην εργασία αυτή, η χαρτογράφηση της βλάστησης βελτιώθηκε με τη χρήση εικόνων TM αντί MSS. Η βελτίωση αυτή μπορεί να αποδώσει καλύτερα τις διακρίσεις της πυκνότητας των δασών και τη διάρθρωσή τους, αλλά έχει και αυξημένη ανίχνευση του εδάφους. Η εικόνα που επιλέχθηκε για την επεξεργασία είχε αποκτηθεί στις 26 Ιουνίου 1984. Χρησιμοποιώντας οπτική ανάλυση, καλύψεις όπως το νερό και η αστική γη αφαιρέθηκαν από την ανάλυση με τη χρήση χωρικών τεχνικών κάλυψης. Στη συνέχεια εφαρμόστηκαν τεχνικές επιβλεπόμενης ταξινόμησης στις εικόνες TM. Μη επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για τη συμπλήρωση της διαδικασίας.<br /> <br /> <br /> '''Τοπογραφικά δεδομένα'''<br /> <br /> Η τοπογραφία είναι ένας από τους κύριους παράγοντες που περιλαμβάνονται σε κάθε σύστημα κινδύνου πυρκαγιάς. Μεταξύ των στοιχίων της τοπογραφίας μιας περιοχής, η κλίση θεωρείται ο πιο κρίσιμος παράγοντας. Η κλίση των πρανών, οι πτυχές και το υψόμετρο, συνήθως λαμβάνονται από ψηφιακά μοντέλα εδάφους. Για την περιοχή μελέτης δημιουργήθηκε ένα μοντέλο αναγλύφου από τοπογραφικούς χάρτες κλίμακας 1:50.000. <br /> <br /> <br /> '''Ανάλυση εγγύτητας'''<br /> <br /> Τα μονοπάτια και οι οδικές τοποθεσίες είναι επίσης ένας σημαντικός παράγοντας στη χαρτογράφηση κινδύνου πυρκαγιάς. Στην εργασία αυτή, οι δρόμοι και τα μονοπάτια ψηφιοποιήθηκαν και αναλύθηκαν με τη χρήση Η/Υ ARC/INFO. Μια ζώνη επιρροής των 50m καθιερώθηκε για τις κύριες οδούς, ενώ απόσταση 150m επιλέχθηκε για μονοπάτια και αντιπυρικές ζώνες.<br /> <br /> <br /> '''Μοντελοποίηση κινδύνου φωτιάς'''<br /> <br /> Στη μελέτη αυτή, η πρόθεση ήταν να ενοποιηθούν τα χωρικά επίπεδα δεδομένων σε ένα ενιαίο δείκτη κινδύνου πυρκαγιάς, ο οποίος θα μπορούσε να χρησιμοποιηθεί για χαρτογράφηση αργότερα. Πέντε στρώματα πληροφοριών ήταν διαθέσιμα: βλάστηση, κλίση, πτυχή, υψόμετρο και εγγύτητα στους δρόμους. Η προσέγγιση που υιοθετήθηκε για την ανάπτυξη του χάρτη κινδύνου πυρκαγιάς ακολούθησε διάφορα στάδια. Πρώτον, κάθε στρώμα δεδομένων σταθμίστηκε ανάλογα με τις επιπτώσεις του στην αύξηση του κινδύνου πυρκαγιάς. Δεύτερον, κάθε στρώμα δεδομένων στη συνέχεια χωρίστηκε σε διαφορετικά επίπεδα που ορίστηκαν με συντελεστή 0, 1 και 2 με βάση την κατάταξη υψηλής, μεσαίας και χαμηλής επικινδυνότητας πυρκαγιάς, αντίστοιχα. Συνοπτικά, ο τελικός τύπος του δείκτη επικινδυνότητας μπορεί να εκφραστεί ως: H = 1 + 100V + 30s + 10 + 5R + 2e, όπου v, s, α, r, και e, είναι οι συντελεστές που εφαρμόζονται στη βλάστηση, κλίση, πτυχή , δρόμους, και τιςομάδες υψομέτρων, αντίστοιχα. Ένα πρόγραμμα FORTRAN γράφτηκε για την εκτέλεση αυτών των υπολογισμών και για τη δημιουργία μιας 8-bit δυαδικής εικόνας. Αυτή η εικόνα θα μπορούσε στη συνέχεια να επιστρώνεται σε ένα χάρτη της καμμένης γης, που λήφθηκε από μια εικόνα Thematic Mapper μετά την πυρκαγιά.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> '''Απόκτηση των επιπέδων πληροφορίας'''<br /> <br /> Η βλάστηση προέκυψε από συνδυασμένη επιβλεπόμεη και μη επιβλεπόμενη ταξινόμηση μιας εικόνας TM, που αποκτήθηκε στις 26 Ιουνίου 1984. Η κλίση και οι πτυχές υπολογίστηκαν από τα υψομετρικά δεδομένα. Προκειμένου να διατηρηθεί το αρχικό σχήμα των δρόμων, η ανάλυση πραγματοποιήθηκε από ένα διανυσματικό πρόγραμμα GIS.<br /> <br /> <br /> '''Χαρτογράφηση κινδύνου πυρκαγιάς'''<br /> <br /> Ο τελικός χάρτης επικινδυνότητας εμφανίζεται στην εικόνα 2. Γεωμετρικές διορθώσεις επέτρεψαν την υπέρθεση αυτής της εικόνας με εκείνη που αποκτήθηκε μετά την πυρκαγιά. Θα μπορούσε να θεωρηθεί ότι το μοντέλο είχε κακές επιδόσεις στην πρόβλεψη της καμένης περιοχής. Ωστόσο, θα πρέπει να αναφερθεί ότι το μοντέλο προσπάθησε να προβλέψει τον κίνδυνο πυρκαγιάς και όχι τη συμπεριφορά της. Από την άποψη αυτή, το μοντέλο μπορεί να θεωρηθεί ως πιο αξιόπιστη λύση.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Μια ολοκληρωμένη ανάλυση των χωρικών μεταβλητών είναι πολύτιμη για την έρευνα των δασικών πυρκαγιών. Η τηλεπισκόπηση προσφέρει τα δεδομένα για τη βλάστηση, ενώ η επεξεργασία τους με συστήματα GIS κατέστησε δυνατή τη δημιουργία μοντέλων κινδύνου πυρκαγιάς. Το προτεινόμενο μοντέλο εκτελείται σωστά για τον εντοπισμό των περιοχών που υπόκεινται σε υψηλότερο κίνδυνο πυρκαγιάς.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%84%CF%8D%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CF%85%CF%83%CE%AF%CE%BC%CF%89%CE%BD_%CF%87%CE%AC%CF%81%CF%84%CE%B7:_%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2011-01-19T11:58:25Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Lara A. Arroyo, Cristina Pascual, Jose´ A. Manzanera<br /> <br /> '''Πηγή'''<br /> Fire models and methods to map fuel types: The role of remote sensing<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι δασικές πυρκαγιές αποτελούν μείζον περιβαλλοντικό ζήτημα σε ένα ευρύ φάσμα των οικοσυστημάτων παγκοσμίως. Η γνώση της χωρικής κατανομής των τύπων καυσίμων είναι απαραίτητη για την ανάπτυξη στρατηγικών διαχείρισης. Επιπλέον, οι ακριβείς χάρτες των τύπων καυσίμων, είναι ένα απαιτούμενο βήμα εισόδου σε προγράμματα τα οποία προσομοιώνουν τη συμπεριφορά της φωτιάς. Διάφορες τεχνικές τηλεπησκόπισης έχουν αναπτυχθεί προς αυτήν την κατεύθυνση. Στην εργασία αυτή εξετάζονται οι συνηθέστερες ταξινομήσεις καυσίμων και των μεθόδων για την παραγωγή χαρτών καυσίμων. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς και ταξινομήσεις τύπων καυσίμου'''<br /> <br /> '''Ορολογία'''<br /> <br /> Καύσιμα ορίζονται, τα στοιχεία εκείνα που συμβάλλουν στην εξάπλωση, την ένταση και τη σοβαρότητα της δασικής πυρκαγιάς. Χρησιμοποιούμε τον όρο μοντέλο φωτιάς για να ορίσουμε μαθηματικές σχέσεις που περιγράφουν τα δυναμικά χαρακτηριστικά μιας πυρκαγιάς. Τα μοντέλα αυτά είναι ιδιαίτερα χρήσιμα για τους διαχειριστές, όταν είναι ενταγμένα σε συστήματα υποστήριξης αποφάσεων.<br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στις Ηνωμένες Πολιτείες'''<br /> <br /> Ένα από τα πιο ευρέως χρησιμοποιούμενα μοντέλα πυρκαγιών είναι αυτό του Rothermel (1972), το οποίο προσομοιώνει εξάπλωση πυρκαγιάς σε επιφανειακά καύσιμα. Αυτό το μοντέλο είναι η βάση για πολλά συστήματα υποστήριξης αποφάσεων στη Βόρειο Αμερική. Ένα νεότερο σύστημα ταξινόμησης των καυσίμων στις Ηνωμένες Πολιτείες είναι το Fuel Characteristics Classification System (FCC), το οποίο επιτρέπει στο χρήστη να δημιουργήσει και να κατηγοριοποιήσει υπόβαθρα καυσίμων και να τα κατατάξει ανάλογα με την ικανότητά τους να υποστηρίξουν φωτιά και να καταναλώσουν καύσιμα. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στην Αυστραλία'''<br /> <br /> Τα πιο διαδεδομένα μοντέλα πυρκαγιάς στην Αυστραλία είναι τα McArthur Forest Fire Danger Rating System και McArthur Grassland Fire Danger Rating System, που επινοήθηκαν από τον Alan McArthur στη δεκαετία του 1960, και τα οποία συσχετίζουν τη πιθανότητα αναφλέξεως, τον αναμενόμενο ρυθμό εξάπλωσης και τη δυσκολία του περιορισμού, και εξαρτώνται από τη θερμοκρασία, τη σχετική υγρασία και την ταχύτητα του ανέμου. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στον Καναδά'''<br /> <br /> Τα συστήματα υποστήριξης αποφάσεων στον Καναδά αναπτύχθηκαν επίσης από πειραματικές φωτιές και πυρκαγιές, αλλά εφαρμόζονται σε όλους τους τύπους βλάστησης και είναι αρκετά πιο σύνθετα από τα Αυστραλιανά. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στην Ευρώπη'''<br /> <br /> Ευρωπαίοι ερευνητές ανέπτυξαν ένα νέο σύστημα ταξινόμησης των καυσίμων που ονομάζεται Προμηθέας, το οποίο απλοποιεί και προσαρμόζει την κατάταξη NFFL σε μεσογειακές συνθήκες. Το κύριο κριτήριο κατάταξης σε αυτό το σύστημα είναι το είδος και το ύψος του στοιχείου μετάδοσης, τα οποία χωρίζονται σε τρεις μεγάλες ομάδες: χλόη, θάμνοι ή σκουπίδια έδαφους.<br /> <br /> <br /> [[Εικόνα: PZ2 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τύποι καυσίμων (Arroyo et al., 2006).''']]<br /> <br /> <br /> '''Περιορισμοί των ταξινομήσεων'''<br /> <br /> Τα καύσιμα δεν είναι εύκολο να ταξινομηθούν. Πρώτον τα μοντέλα καυσίμων είναι εξαρτόνται από την εκάστοτε περιοχή. Επίσης, έχουν περιορισμένο πεδίο εφαρμογής. Η ταξινόμηση των καυσίμων μπορεί να εφαρμοστεί μόνο για τους συγκεκριμένους στόχους που εξετάσθηκαν κατά την ανάπτυξή του. Εξαιτίας της ύπαρξης πολλών διαφορετικών συστημάτων ταξινόμησης, επικρατεί σύγχυση μεταξύ τους. Τέλος, παρόλο που οι χάρτες των καυσίμων είναι απαραίτητοι για τη διαχείριση πυρκαγιών, η δημιουργία τους είναι δύσκολη και δαπανηρή.<br /> <br /> <br /> '''Παραδοσιακές μέθοδοι'''<br /> <br /> '''Τοπικός έλεγχος'''<br /> <br /> Ο τοπικός έλεγχος περιλαμβάνει διάσχιση ενός τοπίου, με καταγραφή της έκτασης των συνθηκών των καυσίμων σε υπολογιστές ή χάρτες. Δεδομένου ότι οι χάρτες θα πρέπει να ενημερώνονται περιοδικά, το έργο αυτό καθίσταται ιδιαίτερα προβληματικό. Όμως, ο τοπικός έλεγχος εξακολουθεί να είναι απαραίτητος για τη χαρτογράφηση καυσίμων είτε ως βασική πηγή δεδομένων ή για την αξιολόγηση των προϊόντων που παράγονται σε χαμηλότερο επίπεδο λεπτομέρειας. Η προσέγγιση αυτή συνιστάται επίσης για την επικύρωση χάρτων που δημιουργήθηκαν από τεχνικές τηλεπησκόπισης.<br /> <br /> <br /> '''Φωτοερμηνεία'''<br /> <br /> Ο Lee (1941) ήταν από τους πρώτους που πρότεινε τη χρήση τεχνικών φωτοερμηνείας για τη διάκριση των καυσίμων σε αεροφωτογραφίες. Έγχρωμες φωτογραφίες καθιερώθηκαν αργότερα για τη βελτίωση της χαρτογράφησης της βλάστησης. Οι έγχρωμες-υπέρυθρες φωτογραφίες έχουν επίσης χρησιμοποιηθεί, δεδομένου ότι παρέχουν σχετικές φασματικές πληροφορίες για τη διάκριση των τύπων καυσίμων. <br /> <br /> <br /> '''Οικολογική μοντελοποίηση'''<br /> <br /> Η προσέγγιση της μοντελοποίησης, χρησιμοποιεί βιοφυσικά μοντέλα για τη δημιουργία χαρτών καυσίμων. Οι περιβαλλοντικές διαβαθμίσεες είναι βιοχημικά φαινόμενα, όπως το κλίμα και η τοπογραφία, που επηρεάζουν άμεσα τη βλάστηση και τα καύσιμα. Η αξία αυτής της προσέγγισης είναι ότι οι διαβαθμόσεος παρέχουν ένα οικολογικό πλαίσιο στο οποίο μπορεί να κατανοηθεί, να εξερευνηθεί και να προβλεφθεί η δυναμική των καυσίμων. <br /> <br /> <br /> '''Μέθοδοι τηλεπισκόπησης'''<br /> <br /> '''Παθητικοί αισθητήρες'''<br /> <br /> Η χαρτογράφηση των καυσίμων από τηλεπισκόπηση πολυφασματικών δεδομένων, έχει δοκιμαστεί από πολλούς συγγραφείς. Πιο συχνά, οι μελέτες αυτές βασίστηκαν σε μεσαίας ανάλυσης αισθητήρες, όπως SPOT-HRV (Systeme Pour l’Observation de la Terre - Haute Resolution Visible), Landsat MSS (Multispectral Scanner) ή TM (Thematic Mapper). Ο πιο σημαντικός περιορισμός αυτών των εικόνων είναι η αδυναμία τους να διεισδύσουν στους θόλους των δασών. Οι αισθητήρες αυτοί είναι συνήθως σε θέση να ανιχνεύσουν τα επιφανειακά καύσιμα όπου υπάρχει άνοιγμα στα δασικά φυλλώματα.<br /> <br /> <br /> '''Μεσαίας προς χαμηλής ανάλυσης πολυφασματικά δεδομένα'''<br /> <br /> Οι περισσότερες μεσαίας και χαμηλής ανάλυσης πολυφασματικές προσεγγίσεις χαρακτηρίζουν τα επιφανειακά καύσιμα ταξινομόντας μια εικόνα σε κατηγορίες βλάστησης και στη συνέχεια, αναθέτοντας τα χαρακτηριστικά των καυσίμων σε κάθε κατηγορία. Για παράδειγμα, η πρωτοποριακή εργασία του Kourtz (1977) παρουσιάζει τις βασικές τεχνικές της ψηφιακής ταξινόμησης των τύπων καυσίμου με χρήση δορυφορικής τηλεπισκόπησης εικόνων (Landsat-MSS): επιβλεπόμενη ταξινόμηση (μέγιστη πιθανότητα) και μη επιβλεπόμενη ταξινόμηση. Άλλες προσπάθειες επικεντρώθηκαν σε χωρικής ανάλυσης αισθητήρες, όπως ο NOAA-AVHRR (National Oceanographic and Atmospheric Administration-Advanced Very High Resolution Radiometer). <br /> <br /> <br /> '''Πολύ υψηλής ανάλυσης πολυφασματικά δεδομένα'''<br /> <br /> Νεότεροι αισθητήρες, όπως οι QuickBird και IKONOS, έδωσαν αναλύσεις κάτω του μέτρου. Οι αισθητήρες αυτοί έχουν εφαρμοστεί ευρέως στο χαρακτηρισμό της βλάστησης. Σε αυτήν την προσέγγιση, τα pixel συγκεντρώνονται πριν από την ταξινόμηση και όχι μετά. Δημιουργούνται περιοχές με χαρακτηριστικά, όπως μορφή, υφή, τοπολογία και φασματικές πληροφορίες, που εισάγονται στο στάδιο της κατάταξης. Η κατάταξη στη συνέχεια εκτελείται σε ομάδες των pixel (''αντικειμένων''), παρά σε μεμονομένα pixel. <br /> <br /> <br /> '''Υπερφασματικά δεδομένα'''<br /> <br /> Τα υπερφασματικά συστήματα τηλεπισκόπησης, που μετρούν την αντανάκλαση ή εκπέμπουν ηλεκτρομαγνητική ακτινοβολία σε μεγάλο αριθμό συνεχόμενων φασματικών ζωνών, έχει αποδειχθεί ότι είναι χρήσιμα για τη φασματική και χωρική διάκριση της βλάστησης που σχετίζεται με τη φωτιά και έχει χαρακτηριστικά όπως πυκνό φύλλωμα, υγρασία, αναλογία μεταξύ νεκρής και ζωντανής βλάστησης και κατανομή του γυμνού εδάφους. Η Spectral Mixture Analysis (SMA) είναι η βάση των περισσότερων υπερφασματικών τεχνικών ανάλυσης δεδομένων. Η προσέγγιση SMA υποθέτει ότι το φάσμα που μετριέται από έναν αισθητήρα είναι γραμμικός συνδυασμός των φασμάτων όλων των συνιστωσών εντός του pixel. Το βασικό μειονέκτημα των εναέριων υπερφασματικών αισθητήρων (π.χ. AVIRIS, MIVIS) είναι η μειωμένη χωρική κάλυψη που παρέχουν. <br /> <br /> <br /> '''Ενεργητικοί αισθητήρες'''<br /> <br /> '''Συστήματα LΙDAR'''<br /> <br /> Η τεχνολογία LiDAR αποτελεί μία αποτελεσματική εναλλακτική λύση για την υπέρβαση των δύο κύριων δυσκολιών που αντιμετωπίζονται από τη χαρτογράφηση καυσίμων από παθητικά οπτικά δεδομένα: μπορεί να χρησιμοποιηθεί για να εκτιμηθεί το ύψος των καυσίμων και παρέχει πληροφορίες των επιφανειακών καυσίμων όταν αυτά καλύπτονται από το φύλλωμα του δάσους. <br /> <br /> <br /> '''Μικροκυματικά δεδομένα'''<br /> <br /> Όπως και στην περίπτωση των δεδομένων LiDAR, οι αισθητήρες μικροκυμάτων έχουν τη δυνατότητα να συμπληρώσουν οπτικές μετρήσεις των χαρακτηριστικών τύπων καυσίμου. Πολλές εργασίες, που στηρίζονται σε δεδομένα απο μικροκυματικούς δορυφόρους, όπως οι ERS-1 και RADARSAT, προσπαθούν να προβλέψουν σημαντικά δασικά χαρακτηριστικά για τη χαρτογράφηση των καυσίμων, όπως η βιομάζα, ο όγκος και το ύψος των δέντρων. <br /> <br /> <br /> '''Συνδυασμός μεθόδων'''<br /> <br /> Η συνδυασμένη χρήση διαφορετικών μεθόδων χαρτογράφησης καυσίμων και/ή πηγών δεδομένων, αντιπροσωπεύει μια νέα και πολλά υποσχόμενη προσέγγιση στην τηλεπισκόπηση, όχι μόνο για τη χαρτογράφηση των καυσίμων, αλλά και σε πολλές άλλες εφαρμογές. Ως αποτέλεσμα, πολλοί από τους περιορισμούς που συνδέονται με την εφαρμογή μιας ενιαίας μεθόδου χαρτογράφησης αντιμετωπίζονται πολύ ευκολότερα. Μια επιλογή είναι ο συνδυασμός παραδοσιακών μεθόδων και τεχνικών τηλεπισκόπησης. Χρησιμοποιώντας μόνο τεχνικές τηλεπισκόπησης, η ενσωμάτωση περισσότερων του ενός αισθητήρα έχει επίσης αναπτυχθεί με επιτυχία. Τέλος η χρήση των LiDAR και φασματικών πληροφοριών (κυρίως VHR ή υπερφασματικών) υπήρξε ιδιαίτερα επιτυχής και αποτελεί μια πολλά υποσχόμενη εναλλακτική λύση για την αντιμετώπιση της πολύπλοκης φύσης των καυσίμων.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η γνώση των χαρακτηριστικών των καυσίμων είναι καθοριστική για τη διαχείριση των πυρκαγιών, διότι μπορεί να χρησιμοποιηθεί για τον υπολογισμό του κινδύνου, της επικινδυνότητας, τη συμπεριφοράς και του αποτελέσματος της φωτιάς. Ωστόσο, τα καύσιμα είναι δύσκολο να περιγραφούν και να χαρτογραφηθούν λόγω της μεγάλης πολυπλοκότητας και των διακυμάνσεών τους. Η ανάπτυξη νέων βελτιωμένων αισθητήρων (δηλαδή LIDAR, ραντάρ, VHR και υπερφασματικών) και τεχνικών, μπορεί να βελτιώσει σημαντικά τη χαρτογράφηση των καυσίμων.<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-19T11:56:23Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> <br /> [[Εικόνα: PZ1 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τα δύο υποσύνολο της μελέτης (Central Facility και Little Washita) στην Οκλαχόμα επλέχθηκαν από την επικάλυψη προϊόντων ESTAR για την εδαφική υγρασία και ενεργητικών μικροκυματικών δεδομένων RADARSAT-1.''']]<br /> <br /> [[Εικόνα: PZ1 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σχηματική αναπαράσταση του διαγράμματος ροής δεδομένων για την ανάλυση των επιπτώσεων της μεταβλητότητας των υπό-εικονοστοιχείων και της ετερογένειας της κάλυψης γης στην ανάκτηση της εδαφικής υγρασίας.''']]<br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> [[Εικόνα: PZ1 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Ιστογράμματα της ετερογένειας των τύπων κάλυψης γης στα επιμέρους εικονοστοιχεία, που προκύπτει από το αποτύπωμα ESTAR (800 μ.) στην περιοχή μελέτης.''']]<br /> <br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.<br /> <br /> <br /> [[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-19T11:54:24Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> <br /> [[Εικόνα: PZ1 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τα δύο υποσύνολο της μελέτης (Central Facility και Little Washita) στην Οκλαχόμα επλέχθηκαν από την επικάλυψη προϊόντων ESTAR για την εδαφική υγρασία και ενεργητικών μικροκυματικών δεδομένων RADARSAT-1.''']]<br /> <br /> [[Εικόνα: PZ1 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σχηματική αναπαράσταση του διαγράμματος ροής δεδομένων για την ανάλυση των επιπτώσεων της μεταβλητότητας των υπό-εικονοστοιχείων και της ετερογένειας της κάλυψης γης στην ανάκτηση της εδαφικής υγρασίας.''']]<br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> [[Εικόνα: PZ1 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Ιστογράμματα της ετερογένειας των τύπων κάλυψης γης στα επιμέρους εικονοστοιχεία, που προκύπτει από το αποτύπωμα ESTAR (800 μ.) στην περιοχή μελέτης.''']]<br /> <br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CE%BF%CE%AF_%CF%83%CF%87%CE%B5%CF%84%CE%B9%CE%BA%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%BC%CE%AD%CE%B3%CE%B9%CF%83%CF%84%CE%B7_%CF%80%CF%85%CE%BA%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%84%CF%89%CE%BD_%CE%B4%CE%AD%CE%BD%CE%B4%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%85%CF%80%CE%B5%CF%81%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%B1%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B9%CE%B1%CE%B2%CE%B1%CE%B8%CE%BC%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2011-01-12T16:32:21Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> J.A. Greenberg, S.Z. Dobrowski, V.C. Vanderbilt<br /> <br /> '''Πηγή'''<br /> Limitations on maximum tree density using hyperspatial remote sensing and environmental gradient analysis<br /> <br /> [[Εικόνα: PZ5 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Εκτιμώμενη πυκνότητα κορμών (δέντρα/εκτάριο), παραγόμενη από τη χαρτογράφηση με τη βοήθεια του αλγόριθμου， για την ανατολική περιοχή της λίμνης Tahoe.''']]<br /> <br /> [[Εικόνα: PZ5 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Διαδικασία φιλτραρίσματος για να αποτραπούν οι επικαλύψεις των δέντρων. (α) είναι ένα παράδειγμα αποτελέσματος μετά την έξοδο των δεδομένων. Οι τιμές αφορούν το μέγεθος του προτύπου καθώς και ένα τυχαίο αριθμό μεταξύ 0 και 1. (β) είναι το τελικό αποτέλεσμα, όπου ένα από τους δύο επικαλυπτόμενα δέντρα 8μ αποβλήθηκε, το 2m δέντρο απομακρύνθηκε επειδή ήταν μικρότερο από το στέμμα από το οποίο επικαλυπτόταν, και το 4m δέντρο δεν εξαλείφθηκε, διότι το στέλεχος δεν εμπίπτει στο στέμμα ενός μεγαλύτερου δέντρου.''']]<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Τέσσερις βασικοί μηχανισμοί φαίνεται ότι είναι σημαντικοί για την εξήγηση της μείωσης της πυκνότητας των δέντρων ανάλογα με το υψόμετρο: 1) παγετός, 2) ανεπαρκής διαθέσιμοι πόροι (νερό, φως, διοξείδιο του άνθρακα, άζωτο, άλλα θρεπτικά συστατικά του εδάφους), 3) μεταβολικές απαιτήσεις σύμφωνα με τη θερμοκρασία, ανεξάρτητα από διαθεσιμότητα των πόρων και 4) διαταραχή από αβιοτικούς παράγοντες, όπως χιόνι και πάγος, ή βιοτικούς παράγοντες, όπως φυτοφάγα ζώα και παθογόνοι οργανισμοί. Δύο γενικές πειραματικές προσεγγίσεις ερευνούν το λόγο για τον οποίο μειώνεται η πυκνότητα των δένδρων καθώς αυξάνεται το υψόμετρο. Στην εργασία αυτή ακολουθείται μία τρίτη προσέγγιση για την κατανόηση της κατανομής των δέντρων. Στο πλαίσιο των προτεινόμενων μηχανισμών των δασικών ορίων, εξετάζεται κατά πόσον η μέγιστη δυνατή πυκνότητα των δέντρων στην ανατολική λεκάνη της λίμνης Tahoe, ελέγχεται από τους περιορισμούς του νερού ή από παράγοντες που σχετίζονται με τη θερμοκρασία ή από ενεργητικούς περιορισμούς (οι οποίοι θα μπορούσαν να περιλαμβάνουν μη επαρκή φωτοσυνθετική ακτινοβολία, ζημιές παγετού, ή υψηλές μεταβολικές απαιτήσεις λόγω θερμοκρασίας) .<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιγραφή της περιοχής'''<br /> <br /> Τα δεδομένα αναλύθηκαν, από μια περιοχή ενδιαφέροντος που βρίσκεται στην ανατολική ακτή της λίμνης Tahoe, που εκτείνεται στη Νεβάδα. Η βλάστηση κυριαρχείται από δέντρα (67% της συνολικής κάλυψης) και θάμνους(31% της συνολικής κάλυψης).<br /> <br /> <br /> '''Χαρακτηριστικά των εικόνων'''<br /> <br /> Αποκτύθηκαν δεδομένα από εικόνες IKONOS, στις 19 Ιουλίου 2002 που καλύπτει την περιοχή ενδιαφέροντός μας. Ο IKONOS συλλέγει πολυφασματικά δεδομένα στα 4m (μπλε, πράσινο, κόκκινο και NIR), καθώς και πανχρωματικά δεδομένα στο 1m. Οι εικόνες διορθώθηκαν ατμοσφαιρικά και τοπογραφικά, βαθμονομήθηκαν με βάση τα φάσματα του εδάφους, διoρθώθηκαν με περίπου ± 5m λάθος θέσης και οξύνθηκαν χρησιμοποιώντας τις κύριες συνιστώσες όξυνσης για να δημιουργηθεί μία τεχνητή εικόνα, έχοντας εικονοστοιχεία με μέγεθος 1m., που χρησιμοποιήθηκε για όλες τις επόμενες αναλύσεις .<br /> <br /> <br /> '''Ανίχνευση της περιμέτρου και της πυκνότητας των δέντρων'''<br /> <br /> Κάθε εικονοστοιχείο ταξινομήθηκε στην εικόνα ως «σκιασμένη βλάστηση», «φωτισμένη βλάστηση» και «άλλη». Για να εντοπιστούν όλα τα δέντρα με ακτίνες R μεταξύ Rmin = 1 m και rmax = 8 μ., δημιουργήθηκε ένας αλγόριθμος αναζήτησης.<br /> <br /> <br /> '''Αξιολόγηση ακρίβειας'''<br /> <br /> Στη συνέχεια αξιολογήθηκε η αποτελεσματικότητα του αλγορίθμου για την ανίχνευση της παρουσίας/απουσίας δέντρων σε ένα συγκεκριμένο χώρο 30τ.μ.. Για αυτό το σκοπό έγινε φωτοερμηνεία σε 50 τυχαία επιλεγμένα 100m × 100m οικόπεδα που βρίσκονται στις εικόνες, συσχετίζοντας τις πυκνότητες από τη φωτοερμηνεία με τις πυκνότητες που προβλέφθηκαν από τον αλγόριθμο.<br /> <br /> <br /> '''Περιβαλλοντικές διαβαθμίσεις, συνδυασμός διαβαθμίσεων και συνεχής περιοχές'''<br /> <br /> Χρησιμοποιήθηκαν δύο περιβαλλοντικές διαβαθμίσεις που δημιουργήθηκαν με τοπογραφικά στοιχεία: ανύψωση και ετήσια ενδεχόμενη σχετική ακτινοβολία. Χρησιμοποιήθηκαν δεδομένα από το 30m USGS DEM (US Geological Survey, 1998) που αντιστοιχίστηκε στην εικόνα του IKONOS για να αντλήσει το υψόμετρο και να συμβάλει στο πιθανό σχετικό μοντέλο ακτινοβολίας.<br /> <br /> <br /> [[Εικόνα: PZ5 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Αποτελέσματα ταυτοποίησης για τα δύο επιλεγμένα οικόπεδα. Οι εικόνες του υποβάθρου προέρχονται από τον IKONOS και είναι ψευδοχρωματικές NIR (RGB = NIR, κόκκινο, πράσινο). α) Ένας χώρος με πυκνά δένδρα, σε εδαφικό υπόβαθρο (φωτοερμηνευτικά διακρίνονται 118 δέντρα, ενώ με τον αλγόριθμο προβλέπονται 159) και β) μία αραιή, θαμνώδης και βραχώδης περιοχή (φωτοερμηνευτικά διακρίνονται 37 κορμοί, ενώ με τον αλγόριθμο προβλέπονται 40).''']]<br /> <br /> '''Αποτελέσματα''' <br /> <br /> '''Ανίχνευση περιμέτρου των δέντρων''' <br /> <br /> Η σύγκριση των φωτοερμηνευμένων με τους προβλεπόμενους κορμούς, απέδωσε ένα ισχυρό συντελεστή συσχέτισης 0,8773 και μια γραμμική εξίσωση. Τα αποτελέσματα αυτά δείχνουν ότι για τις διακυμάνσεις της πυκνότητας των δένδρων στη λίμνη, ο αλγόριθμος υπερεκτιμά τη πυκνότητα των δένδρων κατά 14 δένδρα/στρέμμα (σε 0 δέντρα/ha ) και 18 δένδρα/στρέμμα (σε 150 δένδρα/στρέμμα). Η ανάλυση προσδιόρισε 3.102.601 δέντρα στην ανατολική πλευρά της λίμνης Tahoe, με ακτίνα τουλάχιστον 1m.<br /> <br /> <br /> '''Συζήτηση''' <br /> <br /> Η μέγιστη πυκνότητα των δένδρων στο εσωτερικό της ανατολικής περιοχής της λίμνης Tahoe φαίνεται να καθορίζεται από τα όρια του νερού (σε χαμηλότερα υψόμετρα και σε πιο φωτεινές, με νότιο προσανατολισμό πλαγιές) και της θερμοκρασίας (σε υψηλότερα υψόμετρα και στις σκοτεινότερες, βορειοανατολικές πλαγιές). Τα αποτελέσματα αυτά υπογραμμίζουν τη σημασία της ολοκληρωμένης προσέγγισης στην ανάλυση της βλάστηση σε σχέση με τις διάφορες συνθήκες του περιβάλλοντος. Η μελέτη αυτή αναδεικνύει τη δύναμη του συνδυασμού τηλεπισκοπικών δεδομένων με συνεχής καλύψεις περιβαλλοντικών διαβαθμίσεων, για τη διενέργεια ανάλυσης οικολογικών διαβαθμίσεων και αλλαγών. Υπερτοπικά οπτικά δεδομένα μπορούν να χρησιμοποιηθούν για την παραγωγή περιφερειακών χαρτών βλάστησης με υψηλό βαθμό ακρίβειας και υψηλής ανάλυσης, που μπορούν να χρησιμοποιηθούνn ως βάση για την εξαγωγή περιβαλλοντικών διαβαθμίσεων σε κλίμακες σχετικές με μεμονωμένα και συγκεκριμένα φυτά.</div>

Pzachariadis 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%B7%CF%82_%CF%86%CF%85%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC_%CE%BC%CE%AE%CE%BA%CE%BF%CF%82_%CE%BC%CE%B9%CE%B1%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%B1%CE%B2%CE%AC%CE%B8%CE%BC%CE%B9%CF%83%CE%B7%CF%82 2011-01-12T16:31:01Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> M. Shoshany, p. Kutiel, H. Lavee and M. Eichler<br /> <br /> '''Πηγή'''<br /> Remote sensing of vegetation cover along a climatological gradient<br /> <br /> '''Εισαγωγή'''<br /> <br /> Ένα ολοκληρωμένο ερευνητικό, περιβαλλοντικό έργο για τη σχέση μεταξύ της βλάστησης του εδάφους και της διάβρωσης, λαμβάνει χώρα κατά μήκος μιας κλιματολογικής περιοχής, μεταξύ των Ιουδαίων όρεων, δυτικά της Ιερουσαλήμ και της Νεκράς Θάλασσας. Η παρούσα μελέτη αναφέρεται στην εφαρμογή εμπειρικής μοντελοποίησης για τον προσδιορισμό της φυτοκάλυψης, με χρήση δεδομένων Landsat TM και αναλύει τη συμβολή του προκύπτοντος χάρτη βλάστησης, στην κατανόηση της κατανομής της βλάστησης σε καλοκαιρινές συνθήκες, ειδικότερα όσον αφορά φυτογεωγραφικές ζώνες σε γενικές γραμμές.<br /> <br /> <br /> '''Μέτρα τηλεπισκόπησης για τον προσδιορισμό της φυτοκάλυψης'''<br /> <br /> Οι υφιστάμενες τεχνικές εκτίμησης της βλάστησης, μπορούν να διαιρεθούν σε τρεις κύριες κατηγορίες: αυτές που βασίζονται σε παραμετρικά μοντέλα, όπως NDVI (κανονικοποιημένου δείκτη βλάστησης) και PVI (κάθετου δείκτη βλάστησης), των μοντέλων μεταφοράς ακτινοβολίας, όπως το μοντέλο SAIL, και τις τεχνικές που βασίζονται στη μίξη φασματικών μοντέλων. Από τις παραμετρικές τεχνικές, η NDVI είναι η πιο συχνά χρησιμοποιούμενη, για την κατάσταση της βλάστησης. Η NDVI θεωρείται ως η καλύτερη μέθοδος για την περιφερειακή παρακολούθηση της βλάστησης.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Υπάρχουν δύο βασικές προσεγγίσεις για τη σύνδεση της ανάκλασης με τις ιδιότητες της βλάστησης: η πρώτη είναι βασισμένη στο συνδυασμό εδαφικής επιβεβαίωσης και την παραγωγή της εδαφικής ανακλαστικότητας από την ακτινοβολία της εικόνας και η δεύτερη στη ραδιομετρική μοντελοποίηση των ιδιοτήτων της βλάστησης-ανακλαστικότητας από μετρήσεις στο επίπεδο του εδάφους. Στην πρώτη τεχνική, οι ιδιότητες της επιφανειακής βλάστησης μετριούνται με δειγματοληψία σε θέσεις που εκπροσωπούν τις διαφορετικές πυκνότητες βλάστησης. Οι πληροφορίες στη συνέχεια γενικεύονται πάνω από τους επιμέρους τόπους που αντιστοιχούν στο σύνολο της κατάρτισης, και τεχνικές βαθμονόμησης εικόνας στη συνέχεια, εφαρμόζονται για τον καθορισμό της αντιπροσωπευτικής φασματικής ανάκλασης για κάθε κατηγορία βλάστησης. Στη ραδιομετρική προσέγγιση οι σχέσεις βλάστησης-ανακλαστικότητας αναπτύσσονται με βάση άμεσες, ταυτόχρονες μετρήσεις και των δύο ιδιοτήτων. Η εφαρμογή της ραδιομετρικής μοντελοποίησης απαιτεί τη βαθμονόμηση των δορυφορικών εικόνων έτσι ώστε να αντιπροσωπεύουν δεδομένα ανάκλασης. Αυτή η δεύτερη προσέγγιση προτιμάται σε αυτό το έργο.<br /> <br /> [[Εικόνα: PZ10 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης επί τοις εκατό κάλυψης βλάστησης, σύμφωνα με την εφαρμογή του μοντέλου V-R σε εικόνα Landsat TM της 5/5/91. Οι 10 αποχρώσεις του γκρι χρώματος αντιπροσωπεύουν διαστήματα 5% του ποσοστού της φυτοκάλυψης μεταξύ 0% και 50% (το γκρι επίπεδο 10 αποτελεί το εύρος κάλυψης 45-100%).''']]<br /> <br /> [[Εικόνα: PZ10 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Ένας σχηματικός χάρτης της φυτογεωγραφικής περιφέρειας στην Ιουδαϊκή έρημο που δημιουργήθηκε από τον Danin et al.(1975).''']]<br /> <br /> <br /> '''Στάδιο 1 - Μετρήσεις πεδίου'''<br /> <br /> Τα δεδομένα που συλλέχθηκαν στο πεδίο κατά την πρώτη εβδομάδα του Απριλίου του 1992 συνδυάστηκαν με ραδιομετρικές μετρήσεις και φωτογραφίες. Οι ραδιομετρικές μετρήσεις διενεργήθηκαν με ραδιομετρικό προσομοιωτή TM της NASA με φασματικά κανάλια 1 έως 5. Μια διαδικασία εξακρίβωσης εφαρμόστηκε με ταυτόχρονες μετρήσεις με το ραδιόμετρο LICOR.<br /> <br /> <br /> '''Στάδιο 2 - Βαθμονόμηση δεδομένων εδάφους''' <br /> <br /> Το στάδιο αυτό περιελάμβανε τα εξής τμήματα: 1) Υπολογισμός εξισώσεων βαθμονόμησης μεταξύ των δεδομένων προσομοιωτή TM και των δεδομένων LICOR. 2) Υπολογισμός της φασματικής ανάκλασης χρησιμοποιώντας τη βαθμονομημένη αντανακλαστική λάμψη και τα στοιχεία της ακτινοβολίας. 3) Προσδιορισμός των παραμέτρων επιφάνειας (ποσοστά βλάστησης, ξηράς βλάστησης, εδάφους και πετρώδους κάλυψης) για κάθε δείγμα. <br /> <br /> <br /> '''Στάδιο 3 - Μοντέλο βλάστησης-ανακλαστικότητας (V-R)'''<br /> <br /> Το στάδιο επεξεργασίας παρείχε δύο βασικά σύνολα δεδομένων: το πρώτο περιείχε τις παραμέτρους που περιγράφουν την επιφανειακή σύνθεση κάθε δείγματος, ενώ το δεύτερο περιείχε την ανακλαστικότητα ναδίρ για κάθε δείγμα σε τέσσερις διαφορετικές φασματικές ζώνες. Στη συνέχεια εφαρμόσθηκε μια τεχνική παλινδρόμησης για τα δεδομένα στα οποία κάθε μία από τις ιδιότητες της επιφανειακής κάλυψης διατηρήθηκε ως εξαρτημένη μεταβλητή, ενώ τα δεδομένα ανάκλασης διατηρήθηκαν ως επεξηγηματική μεταβλητή.<br /> <br /> <br /> '''Στάδιο 4 - Βαθμονόμηση της εικόνας'''<br /> <br /> Μια εικόνα Landsat από την 5η Μαΐου 1991, ήταν διαθέσιμη για την έρευνα σε αυτό το στάδιο. Η διαδικασία βαθμονόμησης εφάρμοσε τις μετρήσεις ακτινοβολίας και αντανάκλασης που έγιναν στην περιοχή βαθμονόμησης, πάνω στην ίδια γωνία ζενίθ του ήλιου.<br /> <br /> <br /> '''Στάδιο 5 - Παραγωγή του χάρτη βλάστησης'''<br /> <br /> Τα στοιχεία TM μετατράπηκαν σε δεδομένα ανάκλασης και, στη συνέχεια, σε ποσοστά βλάστησης. Ο χάρτης βλάστησης που δημιουργήθηκε είναι ο πρώτος αυτού του είδους και κλίμακας για την περιοχή της Ανατολικής Μεσογείου γενικότερα και για την Ιουδαϊκή έρημο ειδικότερα. <br /> <br /> <br /> '''Ανάλυση του προτύπου της βλάστησης'''<br /> <br /> Η βλάστηση στην περιοχή χωρίζεται σε τέσσερις ζώνες με βάση την κάλυψη, τη δημιουργία των φυτών, των μορφών ζωής και της φυτογεωγραφικής προέλευσης των ειδών. Μπορεί κανείς να καταλήξει στο συμπέρασμα ότι η κάλυψη της βλάστησης αλλάζει σταδιακά από τα δυτικά προς τα ανατολικά και δείχνει σαφώς ότι υπάρχουν βασικά δύο περιοχές: η μία με εξαιρετικά χαμηλή κάλυψη από βλάστηση (λιγότερο από 7,5%) και μία με υψηλότερο ποσοστό βλάστησης (πάνω από 17,5%).<br /> <br /> <br /> '''Σύνοψη και συμπεράσματα'''<br /> <br /> Στην εργασία αυτή περιγράφεται μια εμπειρική ανάπτυξη ενός μοντέλου βλάστησης-ανάκλασης (V-R), μαζί με την εφαρμογή του για τη χαρτογράφηση της βλάστησης κατά μήκος μιας κλιματικής περιοχής, καθώς και νέες εφαρμογές επεξεργασίας εικόνας για την ανάλυση των κοντινών φωτογραφιών επέτρεψαν τον ακριβή προσδιορισμό των ιδιοτήτων της επιφανειακής κάλυψης.</div>

Pzachariadis 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%B7%CF%82_%CF%86%CF%85%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC_%CE%BC%CE%AE%CE%BA%CE%BF%CF%82_%CE%BC%CE%B9%CE%B1%CF%82_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%B1%CE%B2%CE%AC%CE%B8%CE%BC%CE%B9%CF%83%CE%B7%CF%82 2011-01-12T16:30:04Z

<p>Pzachariadis: New page: '''Συγγραφείς''' M. Shoshany, p. Kutiel, H. Lavee and M. Eichler '''Πηγή''' Remote sensing of vegetation cover along a climatological gradient '''Εισαγωγή''' Έν...</p> <hr /> <div>'''Συγγραφείς'''<br /> M. Shoshany, p. Kutiel, H. Lavee and M. Eichler<br /> <br /> '''Πηγή'''<br /> Remote sensing of vegetation cover along a climatological gradient<br /> <br /> '''Εισαγωγή'''<br /> <br /> Ένα ολοκληρωμένο ερευνητικό, περιβαλλοντικό έργο για τη σχέση μεταξύ της βλάστησης του εδάφους και της διάβρωσης, λαμβάνει χώρα κατά μήκος μιας κλιματολογικής περιοχής, μεταξύ των Ιουδαίων όρεων, δυτικά της Ιερουσαλήμ και της Νεκράς Θάλασσας. Η παρούσα μελέτη αναφέρεται στην εφαρμογή εμπειρικής μοντελοποίησης για τον προσδιορισμό της φυτοκάλυψης, με χρήση δεδομένων Landsat TM και αναλύει τη συμβολή του προκύπτοντος χάρτη βλάστησης, στην κατανόηση της κατανομής της βλάστησης σε καλοκαιρινές συνθήκες, ειδικότερα όσον αφορά φυτογεωγραφικές ζώνες σε γενικές γραμμές.<br /> <br /> <br /> '''Μέτρα τηλεπισκόπησης για τον προσδιορισμό της φυτοκάλυψης'''<br /> <br /> Οι υφιστάμενες τεχνικές εκτίμησης της βλάστησης, μπορούν να διαιρεθούν σε τρεις κύριες κατηγορίες: αυτές που βασίζονται σε παραμετρικά μοντέλα, όπως NDVI (κανονικοποιημένου δείκτη βλάστησης) και PVI (κάθετου δείκτη βλάστησης), των μοντέλων μεταφοράς ακτινοβολίας, όπως το μοντέλο SAIL, και τις τεχνικές που βασίζονται στη μίξη φασματικών μοντέλων. Από τις παραμετρικές τεχνικές, η NDVI είναι η πιο συχνά χρησιμοποιούμενη, για την κατάσταση της βλάστησης. Η NDVI θεωρείται ως η καλύτερη μέθοδος για την περιφερειακή παρακολούθηση της βλάστησης.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Υπάρχουν δύο βασικές προσεγγίσεις για τη σύνδεση της ανάκλασης με τις ιδιότητες της βλάστησης: η πρώτη είναι βασισμένη στο συνδυασμό εδαφικής επιβεβαίωσης και την παραγωγή της εδαφικής ανακλαστικότητας από την ακτινοβολία της εικόνας και η δεύτερη στη ραδιομετρική μοντελοποίηση των ιδιοτήτων της βλάστησης-ανακλαστικότητας από μετρήσεις στο επίπεδο του εδάφους. Στην πρώτη τεχνική, οι ιδιότητες της επιφανειακής βλάστησης μετριούνται με δειγματοληψία σε θέσεις που εκπροσωπούν τις διαφορετικές πυκνότητες βλάστησης. Οι πληροφορίες στη συνέχεια γενικεύονται πάνω από τους επιμέρους τόπους που αντιστοιχούν στο σύνολο της κατάρτισης, και τεχνικές βαθμονόμησης εικόνας στη συνέχεια, εφαρμόζονται για τον καθορισμό της αντιπροσωπευτικής φασματικής ανάκλασης για κάθε κατηγορία βλάστησης. Στη ραδιομετρική προσέγγιση οι σχέσεις βλάστησης-ανακλαστικότητας αναπτύσσονται με βάση άμεσες, ταυτόχρονες μετρήσεις και των δύο ιδιοτήτων. Η εφαρμογή της ραδιομετρικής μοντελοποίησης απαιτεί τη βαθμονόμηση των δορυφορικών εικόνων έτσι ώστε να αντιπροσωπεύουν δεδομένα ανάκλασης. Αυτή η δεύτερη προσέγγιση προτιμάται σε αυτό το έργο.<br /> <br /> <br /> '''Στάδιο 1 - Μετρήσεις πεδίου'''<br /> <br /> Τα δεδομένα που συλλέχθηκαν στο πεδίο κατά την πρώτη εβδομάδα του Απριλίου του 1992 συνδυάστηκαν με ραδιομετρικές μετρήσεις και φωτογραφίες. Οι ραδιομετρικές μετρήσεις διενεργήθηκαν με ραδιομετρικό προσομοιωτή TM της NASA με φασματικά κανάλια 1 έως 5. Μια διαδικασία εξακρίβωσης εφαρμόστηκε με ταυτόχρονες μετρήσεις με το ραδιόμετρο LICOR.<br /> <br /> <br /> '''Στάδιο 2 - Βαθμονόμηση δεδομένων εδάφους''' <br /> <br /> Το στάδιο αυτό περιελάμβανε τα εξής τμήματα: 1) Υπολογισμός εξισώσεων βαθμονόμησης μεταξύ των δεδομένων προσομοιωτή TM και των δεδομένων LICOR. 2) Υπολογισμός της φασματικής ανάκλασης χρησιμοποιώντας τη βαθμονομημένη αντανακλαστική λάμψη και τα στοιχεία της ακτινοβολίας. 3) Προσδιορισμός των παραμέτρων επιφάνειας (ποσοστά βλάστησης, ξηράς βλάστησης, εδάφους και πετρώδους κάλυψης) για κάθε δείγμα. <br /> <br /> <br /> '''Στάδιο 3 - Μοντέλο βλάστησης-ανακλαστικότητας (V-R)'''<br /> <br /> Το στάδιο επεξεργασίας παρείχε δύο βασικά σύνολα δεδομένων: το πρώτο περιείχε τις παραμέτρους που περιγράφουν την επιφανειακή σύνθεση κάθε δείγματος, ενώ το δεύτερο περιείχε την ανακλαστικότητα ναδίρ για κάθε δείγμα σε τέσσερις διαφορετικές φασματικές ζώνες. Στη συνέχεια εφαρμόσθηκε μια τεχνική παλινδρόμησης για τα δεδομένα στα οποία κάθε μία από τις ιδιότητες της επιφανειακής κάλυψης διατηρήθηκε ως εξαρτημένη μεταβλητή, ενώ τα δεδομένα ανάκλασης διατηρήθηκαν ως επεξηγηματική μεταβλητή.<br /> <br /> <br /> '''Στάδιο 4 - Βαθμονόμηση της εικόνας'''<br /> <br /> Μια εικόνα Landsat από την 5η Μαΐου 1991, ήταν διαθέσιμη για την έρευνα σε αυτό το στάδιο. Η διαδικασία βαθμονόμησης εφάρμοσε τις μετρήσεις ακτινοβολίας και αντανάκλασης που έγιναν στην περιοχή βαθμονόμησης, πάνω στην ίδια γωνία ζενίθ του ήλιου.<br /> <br /> <br /> '''Στάδιο 5 - Παραγωγή του χάρτη βλάστησης'''<br /> <br /> Τα στοιχεία TM μετατράπηκαν σε δεδομένα ανάκλασης και, στη συνέχεια, σε ποσοστά βλάστησης. Ο χάρτης βλάστησης που δημιουργήθηκε είναι ο πρώτος αυτού του είδους και κλίμακας για την περιοχή της Ανατολικής Μεσογείου γενικότερα και για την Ιουδαϊκή έρημο ειδικότερα. <br /> <br /> [[Εικόνα: PZ10 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Χάρτης επί τοις εκατό κάλυψης βλάστησης, σύμφωνα με την εφαρμογή του μοντέλου V-R σε εικόνα Landsat TM της 5/5/91. Οι 10 αποχρώσεις του γκρι χρώματος αντιπροσωπεύουν διαστήματα 5% του ποσοστού της φυτοκάλυψης μεταξύ 0% και 50% (το γκρι επίπεδο 10 αποτελεί το εύρος κάλυψης 45-100%).''']]<br /> <br /> [[Εικόνα: PZ10 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Ένας σχηματικός χάρτης της φυτογεωγραφικής περιφέρειας στην Ιουδαϊκή έρημο που δημιουργήθηκε από τον Danin et al.(1975).''']]<br /> <br /> <br /> '''Ανάλυση του προτύπου της βλάστησης'''<br /> <br /> Η βλάστηση στην περιοχή χωρίζεται σε τέσσερις ζώνες με βάση την κάλυψη, τη δημιουργία των φυτών, των μορφών ζωής και της φυτογεωγραφικής προέλευσης των ειδών. Μπορεί κανείς να καταλήξει στο συμπέρασμα ότι η κάλυψη της βλάστησης αλλάζει σταδιακά από τα δυτικά προς τα ανατολικά και δείχνει σαφώς ότι υπάρχουν βασικά δύο περιοχές: η μία με εξαιρετικά χαμηλή κάλυψη από βλάστηση (λιγότερο από 7,5%) και μία με υψηλότερο ποσοστό βλάστησης (πάνω από 17,5%).<br /> <br /> <br /> '''Σύνοψη και συμπεράσματα'''<br /> <br /> Στην εργασία αυτή περιγράφεται μια εμπειρική ανάπτυξη ενός μοντέλου βλάστησης-ανάκλασης (V-R), μαζί με την εφαρμογή του για τη χαρτογράφηση της βλάστησης κατά μήκος μιας κλιματικής περιοχής, καθώς και νέες εφαρμογές επεξεργασίας εικόνας για την ανάλυση των κοντινών φωτογραφιών επέτρεψαν τον ακριβή προσδιορισμό των ιδιοτήτων της επιφανειακής κάλυψης.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:26:48Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Τηλεπισκόπηση και Γεωγραφικά Συστήματα Πληροφοριών για γεωμορφολογική χαρτογράφηση - ένα εργαλείο σχεδιασμού στις αναπτυσσόμενες χώρες]]<br /> <br /> * [[Τηλεπισκόπηση της αλλαγής των χρήσεων γης και του περιβάλλοντος των Εθνικών Πάρκων: Μια μελέτη του Εύκρατου Βορειοανατολικού Δικτύου]]<br /> <br /> * [[Τηλεπισκόπηση της φυτικής κάλυψης κατά μήκος μιας κλιματολογικής διαβάθμισης]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis 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%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CF%89%CE%BD_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%BF%CF%85_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%AC%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%BF%CF%82_%CF%84%CF%89%CE%BD_%CE%95%CE%B8%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A0%CE%AC%CF%81%CE%BA%CF%89%CE%BD:_%CE%9C%CE%B9%CE%B1_%CE%BC%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%84%CE%BF%CF%85_%CE%95%CF%8D%CE%BA%CF%81%CE%B1%CF%84%CE%BF%CF%85_%CE%92%CE%BF%CF%81%CE%B5%CE%B9%CE%BF%CE%B1%CE%BD%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CE%BA%CE%BF%CF%8D_%CE%94%CE%B9%CE%BA%CF%84%CF%8D%CE%BF%CF%85 2011-01-12T16:26:00Z

<p>Pzachariadis: New page: '''Συγγραφείς''' Yeqiao Wang, Brian R. Mitchell, Jarunee Nugranad-Marzilli, Gregory Bonynge, Yuyu Zhou, Gregory Shriver '''Πηγή''' Remote sensing of land-cover change and la...</p> <hr /> <div>'''Συγγραφείς'''<br /> Yeqiao Wang, Brian R. Mitchell, Jarunee Nugranad-Marzilli, Gregory Bonynge, Yuyu Zhou, Gregory Shriver<br /> <br /> '''Πηγή'''<br /> Remote sensing of land-cover change and landscape context of the National Parks:<br /> A case study of the Northeast Temperate Network<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η άναρχη επέκταση των προαστίων, η υλοτόμηση και τα ολοένα αυξανόμενα, κατακερματισμένα φυσικά περιβάλλοντα αποτελούν μερικούς από τους παράγοντες που επηρεάζουν τα οικοσυστήματα των Εθνικών Πάρκων και των φυσικών καταλημάτων και είναι η σημαντικότερη απειλή για τη βιοπικοιλότητα. Η κατανόηση του τρόπου με τον οποίο επηρεάζουν οι χρήσεις γης και οι καλύψεις, τη διαμόρφωση των περιφερειακών τοπίων, μπορεί να παρέχει ένα ιστορικό πλαίσιο για τη μέτρηση αλλαγών στη λειτουργία των οικοσυστημάτων και μπορεί να χρησιμοποιηθεί στην καθοδήγηση μελλοντικών αποκαταστάσεων, όπου αυτές είναι επιθυμητές και δυνατές. Το National Parks Service (NPS) Vital Signs Monitoring Program, έχει στόχο την παρατήρηση ενός συνόλου φυσικών, χημικών και βιολογικών χαρακτηριστικών και διαδικασιών, που επιλέγονται για την αναπαράσταση της γενικής «υγείας» και κατάστασης των πάρκων και διάφορων επιδράσεων ή στοιχείων που έχουν σημαντική ανθρώπινη αξία. Το Northeast Temperate Network (NETN), μαζί με άλλα δίκτυα NPS, έχουν αναγνωρίσει τις «δυναμικές του τοπίου», ως υψηλής προταιρεότητας, ζωτικά σημάδια. Τέτοια είναι η αλλαγή στην έκταση και την κατανομή των οικοσυστημάτων γύρω και στο εσωτερικό των πάρκων, το μέγεθος των σημαντικών διαταράξεων και η ακαιρεότητα των οικοσυστημάτων αυτών. Η αστική ανάπτυξη, για παράδειγμα, είναι ένας από τους πιο σημαντικούς παράγοντες αλλαγής που αντιμετωπίζουν τα πάρκα και άλλες προστατευμένες περιοχές. Η τηλεπισκόπηση αποτελεί βασική τεχνολογία για τον αποτελεσματικό χαρακτηρισμό και χαρτογράφηση πολιτισμικών και φυσικών πόρων. Επιτρέπει την παρακολούθηση και τη μέτρηση βιολογικών και φυσικών χαρακτηριστικών του τοπίου, καθώς και την καταγραγή διαχρονικών αλλαγών σε αυτό. Σκοπός της εργασίας αυτής, είναι η παροχή βασικών και σημαντικών δεδομένων που αφορούν τις γενικές καλύψεις γης και τη δομή του τοπίου στο άμεσο περιβάλλον των πάρκων NETN, τις προηγούμενες τρεις δεκαετίες και να παρουσιάσει μία εφαρμογή ενός πρωτοκόλλου για την κατάδειξη παλαιότερων αλλαγών και την παρακολούθηση μελλοντικών. Στο πλαίσιο λοιπόν αυτό, ασχολήθηκε με οχτώ συγκεκριμένα πάρκα NETN και δέκα ακόμη τμήματα των Απαλάχιων Όρεων.<br /> <br /> [[Εικόνα: PZ9 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Παραδείγματα εικόνων Landsat και των ζωνών επιρροής για a. Acadia National Park, b. Saratoga NHP, και c. η AT Hawk Mountain segment. Η εικόνα υποσύνολο για την περιοχή ACAD καλύπτει μια ευρύτερη περιοχή από αυτή της 5-χιλιομέτρων ζώνης επιρροής.''']]<br /> <br /> [[Εικόνα: PZ9 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σύγκριση των δεδομένων βλάστησης NPS που προήλθε από τη χαρτογράφηση, μεταξύ των (a), NLCD δεδομένων του 2001 (b) και των δεδομένων κάλυψης γης του 2002, στο επιλεγμένο τμήμα του Acadia National Park που δημιουργήθηκε από την στρωματοποιημένη ταξινόμηση (c).''']]<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Ο στόχος της εργασίας αυτής, είναι η δημιρουργία μιας βάσης δεδομένων χρησιμοποιώντας υπάρχουσες μεθόδους τηλεπισκόπησης για τον εντωπισμό αλλαγών, η οποία θα βοηθήσει στην παρακολούθηση και διαχείρηση των πάρκων. Για το σκοπό αυτό χρησιμοποιήθηκαν κυρίως τηλεσκοπικά δεδομένα και εικόνες από το δορυφόρο Landsat. Συνολικά αποκτήθηκαν και επεξεργάστηκαν τριάντα τρεις εικόνες από τον Landsat, έντεκα για κάθε μία από τις τρεις χρονολογικές περιόδους: δεκαετία 1970 (δεδομένα MSS), δεκαετία 1980 (δεδομένα TM) και 2002 (δεδομένα ETM+). Όλες οι εικόνες προβλήθηκαν στο μοντέλο συντεταγμένων Universal Transverse Mercator (UTM). Στη συνέχεια καθορίστηκε ένα γενικευμένο σχέδιο διαβάθμισης, το οποίο περιελάμβανε εννιά κατηγορίες κάλυψης: αστική, ποώδης βλάστηση, φυλλοβόλο δάσος, κωνοφόρο δάσος, μικτό δάσος, νερό, βάλτος, άγονο έδαφος, εμφανή πετρώματα και τέλος δάσος που βρίσκεται σε περίοδο αναγέννησης. Η παρατήρηση και επιβεβαίωση σε διάφορες περιοχές, παρείχε τα απαραίτητα στοιχεία για την εξακρίβωση των καλύψεων αυτών. Αφού καταγράφηκαν τα γενικά χαρακτηριστικά των τοπίων, αυτά συσχετίστηκαν με πληροφορίες, καθώς και γεωαναφερόμενες φωτογραφίες από διάφορα σημεία ενφιαφέροντος χρησιμοποιώντας ένα σύστημα φωτογράφισης περιοχών Kodak DC265. Οι φωτογραφίες αυτές συνδυάστηκαν με δεδομένα GPS για τη δημιουργία μιας εικονικής βάσης δεδομένων. Για την αναπαράσταση των φασματικών διαφοροποιήσεων, για τους διαφορετικούς τύπους καλύψεων, επιλέχθηκαν πολλαπλές «υπογραφές», οι οποίες στη συνέχεια διασταυρώθηκαν με δεδομένα από τα: USGS National Land Cover Dataset (NLCD) από το 1992 έως το 2001, National Wetland Inventory (NWI) και NPS Vegetation Mapping Project. Μετά το πέρας της διαβάθμισης, τα δεδομένα κατηγοριοποιήθηκαν σε κατάλληλες βαθμίδες κάλυψης, διαδικασία που οδήγησε στον καθορισμό των τελικών καλύψεων, σύμφωνα με το σχέδιο διαβάθμισης που ακολουθήθηκε. Στην εργασία χρησιμοποιήθηκαν δεδομένα χαρτογράφησης της βλάστησης από το NPS, ως η βάση για το χαρακτηρισμό αντιστοιχισμένων εικονοστοιχείων για κάθε κατηγορία κάλυψης/βλάστησης, στις εικόνες από τον Landsat. Αρχικά μεταφέρθηκαν τα διανυσματικά δεδομένα της βλάστησης σε μορφή GIS. Στη συνέχεια έγινε γεωμετρική διόρθωση στους παραπάνω χάρτες βλάστησης, χρησιμοποιώντας εικόνες από τον Landsat-7 ETM+ ως βάση. Η ερμηνεία των δειγμάτων των αντιστοιχισμένων εικονοστοιχείων έγινε κατευθείαν στις εικόνες από τον Landsat, με τη βοήθεια φωτογραφιών συνδυασμένων με δεδομένα GPS, αεροφωτογραφιών και χαρτών από διεργασίες με GIS. Για την καταγραφή αλλαγών στην κάλυψη, στις διάφορες περιοχές, χρησιμοποιήθηκε μία μέθοδος σύγκρισης, μετά το σχέδιο διαβάθμισης, γεγονός που έχει πλεονέκτημα την ξεχωριστή κατανομή των εικόνων. Χρησιμοποιήθηκαν χωρικές ουδέτερες ζώνες, για την εξαγωγή πληροφοριών που αφορούν την κάλυψη και τις διάφορες περιοχές των τοπίων. Η παραπάνω διαδικασία επιλέχθηκε, επειδή είναι εύκολη στην εκτέλεσή της και μπορεί να γίνει εύκολα κατανοητή από ανθρώπους με διαφορετικό επιστημονικό υπόβαθρο.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Η σύγκριση των καλύψεων και των δεδομένων που προκύπτουν, παρέχει πληροφορίες για τη χωρική κατανομή και το βαθμό που επηρεάζουν οι αλλάγες στις καλύψεις αυτές, τα όρια των πάρκων καθώς και τις ουδέτερες ζώνες γύρω από αυτά. Γενικά, στα πάρκα που μελετήθηκαν, παρατηρήθηκε μεγάλη αύξηση αστικού περιβάλλοντος μεταξύ της δεκαετίες του 1970 και του 2002, χρονολογίες που αποτελούν τα όρια για την εργασία. Ταυτόχρονα υπήρξε μείωση στις δασώδεις περιοχές. Αντίστοιχα αποτελέσματα παρουσιάστηκαν και για τα τμήματα των Απαλάχιων Όρων. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Είναι πολύ σημαντική η παρακολούθηση και καταγραφή των δυναμικών καταστάσεων των τοπίων, αφού οι αλλαγές περιμετρικά και στο εσωτερικό των πάρκων και των προστατευμένων περιοχών, μπορούν να επηρεάσουν και να αλλάξουν την ποιότητα του νερού, αυξάνουν την πιθανότητα για εισβολή ξένων φυτών και ζώων και καταστρέφουν τη συνέχεια του δάσους. Η εργασία αυτή, δημιούργησε χάρτες καλύψεων και χρήσεων γης σε μία μεγάλη περιοχή, για την κατανόηση και καταγραφή των αλλαγών που επέρχονται στα περίχωρα πάρκων και προστατευόμενων περιοχών. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν και μελλοντικά και αποτελούν τη βάση για περαιτέρω παρακολούθηση των αλλαγών στις καλύψεις και χρήσεις γης. Το συμπέρασμα της εργασίας, είναι ότι όλα τα πάρκα και οι περιοχές της μελέτης, έχουν υποστεί μεγάλες αλλαγές στη χρήση γης, κυρίως με την αύξηση των αστικών περιοχών γύρω από αυτές. Τέλος, η μέθοδος που χρησιμοποιήθηκε στην εργασία αυτή, αποτελεί κατάλληλο εργαλείο παρακολούθησης αλλαγών του τοπίου και σε άλλες, γραμμικές προστατευόμενες περιοχές, όπως παραποτάμια πάρκα και μονοπάτια σε ολόκληρη τη χώρα.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:23:33Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Τηλεπισκόπηση και Γεωγραφικά Συστήματα Πληροφοριών για γεωμορφολογική χαρτογράφηση - ένα εργαλείο σχεδιασμού στις αναπτυσσόμενες χώρες]]<br /> <br /> * [[Τηλεπισκόπηση της αλλαγής των χρήσεων γης και του περιβάλλοντος των Εθνικών Πάρκων: Μια μελέτη του Εύκρατου Βορειοανατολικού Δικτύου]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis 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_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CE%AC_%CE%A3%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%A0%CE%BB%CE%B7%CF%81%CE%BF%CF%86%CE%BF%CF%81%CE%B9%CF%8E%CE%BD_%CE%B3%CE%B9%CE%B1_%CE%B3%CE%B5%CF%89%CE%BC%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%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_-_%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CF%83%CF%87%CE%B5%CE%B4%CE%B9%CE%B1%CF%83%CE%BC%CE%BF%CF%8D_%CF%83%CF%84%CE%B9%CF%82_%CE%B1%CE%BD%CE%B1%CF%80%CF%84%CF%85%CF%83%CF%83%CF%8C%CE%BC%CE%B5%CE%BD%CE%B5%CF%82_%CF%87%CF%8E%CF%81%CE%B5%CF%82 2011-01-12T16:22:30Z

<p>Pzachariadis: New page: '''Συγγραφείς''' G. Bocco, M. Mendoza, A. Vela´zquez '''Πηγή''' Remote sensing and GIS-based regional geomorphological mapping—a tool for land use planning in developing ...</p> <hr /> <div>'''Συγγραφείς'''<br /> G. Bocco, M. Mendoza, A. Vela´zquez<br /> <br /> '''Πηγή'''<br /> Remote sensing and GIS-based regional geomorphological mapping—a tool for land use planning in developing countries<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Ο σχεδιασμός των χρήσεων γης, προκείπτει από ένα λογικό συμβιβασμό μεταξύ του περιβαλλοντικού δυναμικού και των κοινωνικών αναγκών. Ο σχεδιασμός αυτός και τα στοιχεία που απαιτούνται για αυτόν είναι απαραίτητα στις αναπτυσσόμενες χώρες, οι οποίες βρίσκονται συνήθως υπό πιεστικές περιβαλλοντικές και δημογραφικές καταστάσεις. Είναι απαραίτητη η ύπαρξη πραγματωποιήσημων μεθόδων για τη χαρτογράφηση της μεταβλητότητας των φυσικών πόρων και των φυσικών κινδύνων και της αποτίμησης της γης, έτσι ώστε να είναι δυνατός ο σωστός σχεδιασμός στις αναπτυσσόμενες χώρες. Ένα τέτοιο σημαντικό εργαλείο αποτελούν οι γεωμορφολογικοί χάρτες. Στην εργασία αυτή, περιγράφεται μία μέθοδος γρήγορης χαρτογράφησης του εδάφους σε μεγάλες περιοχές και παρουσιάζεται ο τρόπος με τον οποίο μπορεί η διαδικασία αυτή να χρησιμοποιηθεί ως βάση για μελλοντική αξιολόγηση και σχεδιασμό.<br /> <br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> Η περιοχή μελέτης της εργασίας είναι η πολιτεία του Michoacan στο Μεξικό. Η περιοχή έχει υποστεί σφοδρή αλλαγή στις χρήσεις γης: η αποψίλωση των δασών έχει τους μεγαλύτερους δείκτες σε όλη τη χώρα, το εισόδημα ανά κάτοικο, που είναι το μισό σε σχέση με αυτό της υπόλοιπης χώρας, επιρεάζει με τη σειρά του τις συνθήκες των χρήσεων γης και των φυσικών διαθεσίμων, αφού πολλοί ζουν σε περιθωριακές καταστάσεις. <br /> <br /> <br /> '''Προσέγγιση του θέματος'''<br /> <br /> Η εργασία αυτή χρησιμοποιεί χαρτογράφηση της εδαφικής μάζας, σε διαφορετικές κλίμακες, ως το βασικό στοιχείο κατηγοριοποίησης του τοπίου. Έτσι ακολουθήθηκε μερικώς η εδαφική ανάλυση και χαρτογράφηση του 1950 και 1960, που έγινε ιδιαίτερα στην Ευρώπη και την Αυστραλία. Διάφορες σημαντικές τεχνολογικές εξελίξεις που βοήθησαν στην εργασία αυτή είναι: 1) Η χρήση της ψηφιακής τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών (GIS) 2) Τεχνικές αποτύπωσης των φυσικών διαθεσίμων 3) Πρόοδος στην ψηφιακή μοντελοποίηση του αναγλύφου σε διαφορετικές κλίμακες και η επεξεργασία τους σε προσωπικούς υπολογιστές. Οι αποτιμήσεις των εδαφικών δυνατοτήτων, επίσης, βελτιώθηκαν με τη χρήση αυτοματοποιημένων αναλύσεων των γεωλογικών χαρακτηριστικών και της σχέσης μεταξύ της μορφής και της ποιότητας του εδάφους. Οι εδαφικές μάζες είναι σαφώς διαχωρισμένες μονάδες που μπορούν εύκολα να καθοριστούν και επιβεβαιωθούν σε διαφορετικές κλίμακες, με τη χρήση συγκεκριμένων τεχνικών. Η διαφοροποίηση της βλάστησης και των εδαφών, είναι προβλέψιμη σε έναν εδαφικό όγκο και επηρεάζονται από το υψόμετρο και την κλίση. Η σχέση μεταξύ όγκου και εδαφών, βλάστησης και χρήσεων γης, μπορεί να να περιγραφεί με αυτοματοποημένες τεχνικές με τη χρήση βάσεων δεδομένων σε GIS. Ακόμη ένα σημαντικό στοιχείο της προσέγγισης αυτής, είναι η ιεραρχική κατηγοριοποίηση των εδαφικών όγκων, από την οποία δημιουργούνται πίνακες για διαφορετικές κλίμακες. Για κάθε κλίμακα, υπάρχει διαφορετικό σημείο εστίασης όσων αφορά τα γεωμορφικά και εφαφικά στοιχεία. Στην εργασία χρησιμοποιήθηκαν: 1) Ερμηνεία τοπογραφικών χαρτών και ψηφιακών εδαφικών μοντέλων για το ανάγλυφο 2) Ερμηνεία λιθολογικών χαρτών για το βραχώδες υπόστρωμα 3) Ερμηνεία αεροφωτογραφιών και εικόνων από το Landsat για τη μορφή και την κάλυψη του εδάφους 4) Επιλεγμένη τοπική επαλήθευση 5) Αυτοματοποιημένη χρήση και ανάλυση στοιχείων σε GIS. Χρησιμποποιήθηκαν τεχνικές επικάλυψεις χαρτών σε συνδυασμό με στατιστική ανάλυση για την περιγραφή ποσοτικών σχέσεων μεταξύ των εδαφικών χαρακτηριστικών: γεωμορφές, εδάφη και βλάστηση. Τέλος για την εργασία χρησιμοποιήθηκε το Integrated Land and Watershed Management Information System (ILWIS, 2000).<br /> <br /> [[Εικόνα: PZ8 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Σημαντικές γεωμορφικές περιοχές.''']]<br /> <br /> [[Εικόνα: PZ8 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: . Ημι-λεπτομερής ανάλυση των γεωμορφών, κυρίαρχων εδαφών και των καλύψεων γης.''']]<br /> <br /> <br /> '''Μέθοδος και στοιχεία'''<br /> <br /> Η περιοχή η οποία χαρτογραφήθηκε, αποτυπώθηκε σε πέντε βασικούς χάρτους σε κλίμακα 1:250.000 και ο καθένας από αυτούς απαρτίστηκε από 24 χάρτες κλίμακας 1:50.000. Για την περιφερειακή ανάλυση, ερμηνεύτηκαν τοπογραφικοί χάρτες αναγλύφου και λιθολογίας, σε χάρτες με κλίμακα 1:50.000 για ολόκληρη την περιοχή και τα αποτελέσματα μεταφέρθηκαν σε τοπογραφικούς χάρτες κλίμακας 1:250.000. Σε αυτή την κλίμακα χρησιμοποιήθηκε κυρίως η μορφομετρία (μέγεθος αναγλύφου και επιφανειακή κλίση, προερχόμενη από ψηφιακά μοντέλα εδάφους) και η μορφολιθολογία, ως κριτήρια διαχωρισμού. Ο βασικός στόχος είναι η ευκρίνεια και η περιγραφικότητα χωρίς να χάνονται γεωμορφικά χαρακτηριστικά. Ολόκληρη η περιοχή χωρίστηκε σε δύο γενικές ομάδες με σημαντικές γεωμορφές, με ή χωρίς σημαντικό ανάγλυφο. Στην πρώτη ομάδα, διαφοροποιήθηκαν τέσσερις γεωμορφικές περιοχές: πολύ χαμηλοί λόφοι, χαμηλοί λόφοι, υψηλοί λόφοι και οροσειρές. Στη δεύτερη ομάδα ανήκαν από τέσσερις άλλες περιοχές: κοιλάδες, πεδιάδες και οροπέδια. Έτσι η μέθοδος μπορεί να ακολουθηθεί και σε άλλες περιοχές με παρόμοια χαρακτηριστικά. Η κυρίαρχη βλάστηση και κάλυψη/χρήση γης, ερμηνεύθηκε οπτικά από χρωματικές, συνδυαστικές εικόνες Landsat, γεωμετρικά διορθωμένες και αποτυπωμένες σε κλίμακα 1:250.000. Φασματικά χαρακτηριστικά αποτυπώθηκαν πάνω στις εικόνες και συνδυάστικαν με βοηθητικά δεδομένα. Το αποτέλεσμα ψηφιοποιήθηκε σε βάσεις δεδομένων GIS, όπου χαρτογραφικές διαδικασίες παρουσίασαν ποσοτικές σχέσεις μεταξύ γεωμορφών και εδαφικής κάλυψης. Η τοπική επιβεβαίωση των στοιχείων αποτελούνταν από πορείες πάνω σε δρόμους, οι οποίοι διασταυρώνουν σημαντικές περιβαλλοντικές μονάδες. Για τη μικρής λεπτομέρειας ανάλυση, χρησιμποιήθηκε μια ηφαιστιακή περιοχή κοντά στη Morelia, την πρωτεύουσα της περιοχής Michoacan. Για αυτό, ερμηνεύτηκαν πανχρωματικές, ασπρόμαυρες, σύγχρονες αεροφωτογραφίες γεωμορφών και κάλυψης, κλίμακας 1:50.000 και 1:80.000. Τα ερμηνευτικά αποτελέσματα ψηφιοποιήθηκαν και διορθώθηκαν γεωμετρικά, απευθείας από τις εικόνες σε GIS. Τα εδαφικά στοιχεία ψηφιοποιήθηκαν από την INEGI σε χάρτες 1:50.000. Τέλος με επιτόπιο έλεγχο, επιβεβαιώθηκαν οι ερμηνείες των γεωμορφών και των εδαφικών καλύψεων. <br /> <br /> <br /> '''Αποτελέσματα και συμπεράσματα'''<br /> <br /> Τα αποτελέσματα, σε αναγνωριστικό επίπεδο, περιγράφουν ποσοτικά την κατανομή σημαντικών γεωμορφών και της κυρίαρχες εδαφικές καλύψεις. Αυτό δημιουργεί ένα συνοπτικό κατάλογο των διαθεσίμων, ο οποίος μπορεί να βοηθήσει μελλοντικά σχέδια και προγραμματισμούς. Στην περίπτωση της Michoacan, η σύγκριση μεταξύ εδαφικής κάλυψης και γεωμορφίας, οδηγεί στο συμπέρασμα ότι επικρατεί σημαντικός βαθμός αποψίλωσης σε περιοχές με απότομο έδαφος. Έτσι περιοχές στις οποίες επικρατούν ακατάλληλες ή αντικρουόμενες χρήσεις γης, μπορούν εύκολα να εντωπιστούν και να επανασχεδιαστούν για μελλοντικές αλλαγές. Μπορεί επίσης, να υπάρξει συνεχής ανάλυση των χρήσεων γης, αφού τα δεδομένα ανανεώνονται αυτόματα σε μορφή GIS.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:18:13Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Τηλεπισκόπηση και Γεωγραφικά Συστήματα Πληροφοριών για γεωμορφολογική χαρτογράφηση - ένα εργαλείο σχεδιασμού στις αναπτυσσόμενες χώρες]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:17:31Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Τηλεπισκόπηση και Γεωγραφικά Συστήματα Πληροφοριών για γεωμορφολογική χαρτογράφηση - ένα εργαλείο για χωροταξικό σχεδιασμό στις αναπτυσσόμενες χώρες]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:17:03Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Τηλεπισκόπηση και Γεωγραφικά Συστήματα Πληροφοριών για περιφερειακή γεωμορφολογική χαρτογράφηση - ένα εργαλείο για τον χωροταξικό σχεδιασμό στις αναπτυσσόμενες χώρες]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CE%B3%CE%BA%CF%8C%CF%83%CE%BC%CE%B9%CE%B1%CF%82_%CF%87%CF%89%CF%81%CE%BF%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE%CF%82_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AF%CF%83%CE%B5%CF%89%CE%BD:_%CE%9F%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%BB%CE%AD%CE%B3%CF%87%CE%BF%CF%85_%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%AF%CF%83%CE%B8%CE%B7%CF%83%CE%B7 2011-01-12T16:16:11Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Yang HONG and Robert F. ADLER<br /> <br /> '''Πηγή'''<br /> Predicting global landslide spatiotemporal distribution: Integrating landslide susceptibility zoning techniques and real-time satellite rainfall estimates<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι κατολισθήσεις αποτελούν μία από τις πιο εκτεταμένες φυσικές καταστροφές στον πλανήτη. Στις ΗΠΑ για παράδειγμα, κατολισθήσεις εμφανίζονται σε όλες τις πολιτείες προκαλώντας ζημιές 2 δις. δολαρίων και 25-50 θανάτους ετησίως (USGS, 2006), ενώ ο μέσος ετήσιος αριθμός θανάτων στην Ιαπωνία είναι 170 άνθρωποι. Η κατάσταση είναι πολύ χειρότερη στις αναπτυσσόμενες χώρες και στις απομακρυσμένες ορεινές περιοχές, εξαιτίας της έλλειψης επαρκούς χρηματοδότησης για πρόληψη και αντιμετώπιση καταστροφών. Η ανάγκη για ανάπτυξη αποτελεσματικότερων μεθόδων για χωρική κάλυψη της ευπάθειας σε κατολισθήσεις και πραγματικού χρόνου παρακολούθησης των ευπαθών χωρών και περιοχών, παραμένει υψηλή και άμεση. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να προβλεφθούν, δημιουργώντας ένα μοντέλο στο οποίο θα διαφαίνεται η σχέση μεταξύ της έντασης-διάρκειας των βροχοπτώσεων και της εμφάνισης των κατολισθήσεων Στην εργασία αυτή προτείνεται ένα πλαίσιο για τη δημιουργία ενός παγκόσμιου συστήματος πραγματικού χρόνου πρόβλεψης των κατολισθήσεων που προκαλούνται από βροχοπτώσεις Ο στόχος αυτού του συστήματος είναι η παγκόσμια οπτική και όχι η παρακολούθηση σε συγκεκριμένες τοποθεσίες, των κατολισθήσεων που προκαλούνται από βροχοπτώσεις.<br /> <br /> <br /> '''Ένα πλαίσιο για την πρόβλεψη κατολισθήσεων που προκαλούνται από βροχοπτώσεις σε σχεδόν πραγματικό χρόνο'''<br /> <br /> Στην εργασία αυτή μας ενδιαφέρουν κυρίως επιφανειακές κατολισθήσεις που σχετίζονται με επιχώματα και ανεπαρκώς στερεωμένα εδάφη. Οι επιφανειακές κατολισθήσεις, είναι ταχύτατα κινούμενες μάζες από πέτρες και λάσπη, που έχουν τη δυνατότητα να προκαλέσουν θανάτους και να καταστρέψουν σπίτια, δρόμους, γέφυρες και άλλες ιδιοκτησίες. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να μετασχηματιστούν σε ταχύτατες επιφανειακές κατολισθήσεις, οι οποίες γενικότερα αποτελούν μεγαλύτερο κίνδυνο από τις πιο βαθιές, αργά κινούμενες κατολισθήσεις Χρήσιμες εκτιμήσεις για πιθανούς κινδύνους κατολισθήσεων απαιτούν στο ελάχιστο, την κατανόηση του «που» και του «πότε» αυτές θα προκληθούν. Όπως φαίνεται στο σχήμα 1, οι κατολισθήσεις προκαλούνται από το συνδυασμό κάποιων παραγόντων, που μπορούν να διαχωριστούν σε δύο κύριες κατηγορίες: 1) Προπαρασκευαστικές μεταβλητές που κάνουν το έδαφος ευπαθές, χωρίς να προκαλούν κατολισθήσεις, 2) Τα γεγονότα που προκαλούν την μετακίνηση εδάφους και μάζας, όπως μεγάλη βροχόπτωση και το ξέσπασμα παγετώνων. Δύο τουλάχιστον συνθήκες πρέπει να ισχύουν, για τις κατολισθήσεις που προκαλούνται από βροχόπτωση: οι περιοχές πρέπει να είναι ευάλωτες σε καταστροφή κάτω από συνθήκες έντονης βροχής και η ένταση και η διάρκεια της βροχόπτωσης θα πρέπει να είναι τέτοια ώστε να εμποτίσει σε επαρκές βάθος το έδαφος. Επομένως, για να μπορέσει το προτεινόμενο σύστημα να προβλέψει τη δημιουργία κατολισθήσεων, πρέπει να συνδέσει δύο βασικά στοιχεία: τις πληροφορίες ευπάθειας σε κατολίσθηση (LS) και πραγματικού χρόνου ανάλυση ύψους βροχής, όπως φαίνεται στην εικόνα 1. Ο χάρτης LS, δείχνει εμπειρικά το «που» και ο χάρτης με την ένταση-διάρκεια των βροχοπτώσεων δείχνει το «πότε». Πρακτικά, ο χάρτης LS τοποθετείται «πάνω» από των χάρτη των βροχοπτώσεων για να προσδιορίσει και να εντοπίσει κινδύνους για κατολίσθηση, συνδυάζοντας στοιχεία χώρου και χρόνου.<br /> <br /> <br /> [[Εικόνα: PZ7 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Προϊόντα καθιζίσεων βασισμένα σε NASA TRMM πολλών δορυφορικών: (α) παρατηρήσεις σε πραγματικό χρόνο των καθιζήσεων και (β) κλιματολογικό ποσοστό των ημερήσιων βροχοπτώσεων που υπερβαίνει τις 2 ίντσες.''']]<br /> <br /> [[Εικόνα: PZ7 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Παγκόσμιος χάρτης ευαισθησία σε κατολίσθηση που προκύπτει από τα επιφάνειακα, γεωχωρικά στοιχεία.''']]<br /> <br /> [[Εικόνα: PZ7 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Εμπειρική κατανομή των ορίων των βροχοπτώσεων που προκαλούν κατολισθήσεις (Intensity = 12.45*Duration-0.42), για κατολισθήσεις που προκλήθηκαν κατά την περίοδο της εργασίας TRMM (1998-2006).''']]<br /> <br /> '''Συνιστώσα 1: η δυναμική ενεργοποίηση'''<br /> <br /> Η χωρική κατανομή, διάρκεια και ένταση των βροχοπτώσεων, παίζουν σημαντικό ρόλο στην πρόκληση κατολισθήσεων. Μία χρονική ανάλυση, όπως: Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA), αποτελεί το βασικό σύστημα δεδομένων για το προτεινόμενο σύστημα παρακολούθησης κατολισθήσεων. Ο χάρτης TMPA των παγκόσμιων βροχοπτώσεων, προέρχεται από τη χρήση του TRMM για τη ρύθμιση ή τον καθορισμό των δεδομένων από άλλους δορυφορικούς δέκτες και στη συνέχεια το συνδυασμό τους σε νέα δεδομένα για την τελική ανάλυση του TMPA. Αρχικά, συλλέγονται μικροκυματικά δεδομένα που προέρχονται από δορυφόρους κοντά στη γη, σχετικά με τη βροχόπτωση. Η δεύτερη πιο σημαντική πηγή δεδομένων για το TMPA αποτελεί η συλλογή υπέρυθρων πληροφοριών (-10.7 micron) που γίνεται από μία συγκεκριμένη ομάδα διεθνών δορυφόρων. Το αποτέλεσμα μιας πραγματικού χρόνου έκδοσης του TMPA παρουσιάστηκε το Φεβρουάριο του 2002 και είναι διαθέσιμη από τη NASA. Όπως είναι αναμενόμενο, το αποτέλεσμα της διεργασίας αυτής, θα συνεχιστεί ως τμήμα του Global Precipitation Measurement (GPM). Το GPM θα βελτιώσει την ποιότητα και τη συχνότητα των παρατηρήσεων που γίνονται από την ομάδα των δορυφόρων, για να παρέχει εξελιγμένη παρακολούθηση των βροχών για χρήση στην υδρολογία και τη διαχείριση υδατικών πόρων.<br /> <br /> <br /> '''Συνιστώσα 2: Παγκόσμιος χάρτης ευαισθησίας σε κατολίσθηση'''<br /> <br /> Στο προτεινόμενο σύστημα, ακολουθείται μία προσέγγιση που απεικονίζει με τιμές τους παράγοντες που προκαλούν τις κατολισθήσεις και στη συνέχεια μία συνδυαστική γραμμική μέθοδος βρίσκει αποτελέσματα για την ευπάθεια σε κατολίσθηση σε παγκόσμιο επίπεδο. Αρχικά, συλλέγονται χωρικές και εδαφικές πληροφορίες σε μία κεντρική, παγκόσμια βάση δεδομένων. Δεύτερον, συλλέγονται σημαντικοί εδαφικοί παράγοντες που συντελούν στην πρόκληση κατολισθήσεων και αναβαθμίζονται στη μεγαλύτερη χωρική ανάλυση του NASA SRTM DEM (30m). Τρίτον, δημιουργούνται αντίστοιχα θεματικά επίπεδα και αποθηκεύονται σε Γεωγραφικά Συστήματα Πληροφοριών και τέλος υπολογίζεται ο παγκόσμιος χάρτης ευπάθειας, μέσω μίας συνδυαστικής γραμμικής εξίσωσης. Σαν αποτέλεσμα, ο τελικός παγκόσμιος χάρτης ευπάθειας, χωρίζεται σε κατηγορίες ανάλογα με το επίπεδο επικινδυνότητας (εικόνα 2).<br /> <br /> <br /> '''Ένα προκαταρκτικό σύστημα πρόβλεψης κατολισθήσεων'''<br /> <br /> Η εργασία αυτή συνδέει τον παγκόσμιο χάρτη LS, με τις πληροφορίες για το ύψος βροχής, που προέρχονται από τους δορυφόρους, για την αναγνώριση των περιοχών εκείνων με μεγάλο κίνδυνο κατολίσθησης, που δέχεται έντονη βροχόπτωση. Όταν συνδυαστούν οι πληροφορίες αυτές, με πληροφορίες πραγματικού χρόνου που σχετίζονται με την ένταση και τη διάρκεια των βροχοπτώσεων, μπορεί να δημιουργηθεί η βάση για ένα σύστημα πρόγνωσης επιφανειακών κατολισθήσεων. Σύμφωνα με αυτές τις ιδέες και αρχές, έχει σχεδιαστεί ένα πρώιμο, πραγματικού χρόνου, σύστημα πρόβλεψης κινδύνου για κατολίσθηση, βασισμένο στην ένταση και τη διάρκεια των βροχοπτώσεων.<br /> <br /> <br /> '''Σύνοψη και συζήτηση'''<br /> <br /> Τα κύρια στοιχεία που επηρεάζουν τις επιφανειακές κατολισθήσεις είναι η ένταση των βροχοπτώσεων, η κλίση, ο τύπος εδάφους, το υψόμετρο, η βλάστηση και ο τύπος κάλυψης του εδάφους. Η εργασία αυτή, στηριζόμενη στις πρόσφατες προόδους στην τεχνολογία της τηλεπισκόπησης και την αφθονία παγκόσμιων χωρικών και εδαφικών στοιχείων, προτείνει ένα εννοιολογικό πλαίσιο για ένα σύστημα πραγματικού χρόνου (σχήμα 1) πρόβλεψης σε παγκόσμιο επίπεδο, κατολισθήσεων που προκαλούνται από βροχοπτώσεις. Το σύστημα αυτό συνδυάζει τις πληροφορίες για βροχοπτώσεις της NASA, TMPA (εικόνα 1) και των εδαφικών χαρακτηριστικών για την εκτίμηση των κατολισθήσεων Σημαντικό αποτέλεσμα της εργασίας αυτής, αποτελεί η διαθεσιμότητα στοιχείων για πιθανές κατολισθήσεις που προκλήθηκαν από βροχόπτωση, σε παγκόσμιο επίπεδο, μόνο με τη χρήση παγκόσμιων δορυφορικών αποτελεσμάτων. Ο τρόπος αυτός ενός πραγματικού χρόνου συστήματος πρόβλεψης για καταστροφές, θα μπορούσε να προσφέρει πληροφορίες για εκτίμηση της χωρικής κατανομής των πιθανών κατολισθήσεων. Το πρωτότυπο του συστήματος αυτού, μπορεί να βελτιωθεί, παρέχοντας καλύτερες δορυφορικές, τηλεσκοπικές εικόνες και αναβαθμίζοντας τα γεωγραφικά και εδαφικά δεδομένα. Καθώς οι κατολισθήσεις προέρχονται συνήθως μετά από περιόδους έντονης βροχόπτωσης, ένα σύστημα πρόβλεψης θα μπορούσε να μετασχηματιστεί σε ένα σύστημα προειδοποίησης, εξαιτίας της χρονικής διαφοράς μεταξύ του μεγίστου της βροχόπτωσης και της αστοχίας του εδάφους. Επομένως, η επιτυχία του συστήματος που προτείνετε στην εργασία αυτή, μπορεί να βοηθήσει σημαντικά στην ετοιμότητα και τη διαχείριση των κινδύνων και των καταστροφών από κατολισθήσεις.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%B1%CE%B3%CE%BA%CF%8C%CF%83%CE%BC%CE%B9%CE%B1%CF%82_%CF%87%CF%89%CF%81%CE%BF%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%BF%CE%BC%CE%AE%CF%82_%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%B9%CF%83%CE%B8%CE%AF%CF%83%CE%B5%CF%89%CE%BD:_%CE%9F%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%BB%CE%AD%CE%B3%CF%87%CE%BF%CF%85_%CF%84%CE%B7%CF%82_%CE%B5%CF%85%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CE%B5_%CE%BA%CE%B1%CF%84%CE%BF%CE%BB%CE%AF%CF%83%CE%B8%CE%B7%CF%83%CE%B7 2011-01-12T16:15:49Z

<p>Pzachariadis: New page: '''Συγγραφείς''' Yang HONG and Robert F. ADLER '''Πηγή''' Predicting global landslide spatiotemporal distribution: Integrating landslide susceptibility zoning techniques and...</p> <hr /> <div>'''Συγγραφείς'''<br /> Yang HONG and Robert F. ADLER<br /> <br /> '''Πηγή'''<br /> Predicting global landslide spatiotemporal distribution: Integrating landslide susceptibility zoning techniques and real-time satellite rainfall estimates<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι κατολισθήσεις αποτελούν μία από τις πιο εκτεταμένες φυσικές καταστροφές στον πλανήτη. Στις ΗΠΑ για παράδειγμα, κατολισθήσεις εμφανίζονται σε όλες τις πολιτείες προκαλώντας ζημιές 2 δις. δολαρίων και 25-50 θανάτους ετησίως (USGS, 2006), ενώ ο μέσος ετήσιος αριθμός θανάτων στην Ιαπωνία είναι 170 άνθρωποι. Η κατάσταση είναι πολύ χειρότερη στις αναπτυσσόμενες χώρες και στις απομακρυσμένες ορεινές περιοχές, εξαιτίας της έλλειψης επαρκούς χρηματοδότησης για πρόληψη και αντιμετώπιση καταστροφών. Η ανάγκη για ανάπτυξη αποτελεσματικότερων μεθόδων για χωρική κάλυψη της ευπάθειας σε κατολισθήσεις και πραγματικού χρόνου παρακολούθησης των ευπαθών χωρών και περιοχών, παραμένει υψηλή και άμεση. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να προβλεφθούν, δημιουργώντας ένα μοντέλο στο οποίο θα διαφαίνεται η σχέση μεταξύ της έντασης-διάρκειας των βροχοπτώσεων και της εμφάνισης των κατολισθήσεων Στην εργασία αυτή προτείνεται ένα πλαίσιο για τη δημιουργία ενός παγκόσμιου συστήματος πραγματικού χρόνου πρόβλεψης των κατολισθήσεων που προκαλούνται από βροχοπτώσεις Ο στόχος αυτού του συστήματος είναι η παγκόσμια οπτική και όχι η παρακολούθηση σε συγκεκριμένες τοποθεσίες, των κατολισθήσεων που προκαλούνται από βροχοπτώσεις.<br /> <br /> <br /> '''Ένα πλαίσιο για την πρόβλεψη κατολισθήσεων που προκαλούνται από βροχοπτώσεις σε σχεδόν πραγματικό χρόνο'''<br /> <br /> Στην εργασία αυτή μας ενδιαφέρουν κυρίως επιφανειακές κατολισθήσεις που σχετίζονται με επιχώματα και ανεπαρκώς στερεωμένα εδάφη. Οι επιφανειακές κατολισθήσεις, είναι ταχύτατα κινούμενες μάζες από πέτρες και λάσπη, που έχουν τη δυνατότητα να προκαλέσουν θανάτους και να καταστρέψουν σπίτια, δρόμους, γέφυρες και άλλες ιδιοκτησίες. Οι κατολισθήσεις που προκαλούνται από βροχοπτώσεις μπορούν να μετασχηματιστούν σε ταχύτατες επιφανειακές κατολισθήσεις, οι οποίες γενικότερα αποτελούν μεγαλύτερο κίνδυνο από τις πιο βαθιές, αργά κινούμενες κατολισθήσεις Χρήσιμες εκτιμήσεις για πιθανούς κινδύνους κατολισθήσεων απαιτούν στο ελάχιστο, την κατανόηση του «που» και του «πότε» αυτές θα προκληθούν. Όπως φαίνεται στο σχήμα 1, οι κατολισθήσεις προκαλούνται από το συνδυασμό κάποιων παραγόντων, που μπορούν να διαχωριστούν σε δύο κύριες κατηγορίες: 1) Προπαρασκευαστικές μεταβλητές που κάνουν το έδαφος ευπαθές, χωρίς να προκαλούν κατολισθήσεις, 2) Τα γεγονότα που προκαλούν την μετακίνηση εδάφους και μάζας, όπως μεγάλη βροχόπτωση και το ξέσπασμα παγετώνων. Δύο τουλάχιστον συνθήκες πρέπει να ισχύουν, για τις κατολισθήσεις που προκαλούνται από βροχόπτωση: οι περιοχές πρέπει να είναι ευάλωτες σε καταστροφή κάτω από συνθήκες έντονης βροχής και η ένταση και η διάρκεια της βροχόπτωσης θα πρέπει να είναι τέτοια ώστε να εμποτίσει σε επαρκές βάθος το έδαφος. Επομένως, για να μπορέσει το προτεινόμενο σύστημα να προβλέψει τη δημιουργία κατολισθήσεων, πρέπει να συνδέσει δύο βασικά στοιχεία: τις πληροφορίες ευπάθειας σε κατολίσθηση (LS) και πραγματικού χρόνου ανάλυση ύψους βροχής, όπως φαίνεται στην εικόνα 1. Ο χάρτης LS, δείχνει εμπειρικά το «που» και ο χάρτης με την ένταση-διάρκεια των βροχοπτώσεων δείχνει το «πότε». Πρακτικά, ο χάρτης LS τοποθετείται «πάνω» από των χάρτη των βροχοπτώσεων για να προσδιορίσει και να εντοπίσει κινδύνους για κατολίσθηση, συνδυάζοντας στοιχεία χώρου και χρόνου.<br /> <br /> <br /> [[Εικόνα: PZ7 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Προϊόντα καθιζίσεων βασισμένα σε NASA TRMM πολλών δορυφορικών: (α) παρατηρήσεις σε πραγματικό χρόνο των καθιζήσεων και (β) κλιματολογικό ποσοστό των ημερήσιων βροχοπτώσεων που υπερβαίνει τις 2 ίντσες.''']]<br /> <br /> [[Εικόνα: PZ7 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Παγκόσμιος χάρτης ευαισθησία σε κατολίσθηση που προκύπτει από τα επιφάνειακα, γεωχωρικά στοιχεία.''']]<br /> <br /> [[Εικόνα: PZ7 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Εμπειρική κατανομή των ορίων των βροχοπτώσεων που προκαλούν κατολισθήσεις (Intensity = 12.45*Duration-0.42), για κατολισθήσεις που προκλήθηκαν κατά την περίοδο της εργασίας TRMM (1998-2006).''']]<br /> <br /> <br /> '''Συνιστώσα 1: η δυναμική ενεργοποίηση'''<br /> <br /> Η χωρική κατανομή, διάρκεια και ένταση των βροχοπτώσεων, παίζουν σημαντικό ρόλο στην πρόκληση κατολισθήσεων. Μία χρονική ανάλυση, όπως: Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA), αποτελεί το βασικό σύστημα δεδομένων για το προτεινόμενο σύστημα παρακολούθησης κατολισθήσεων. Ο χάρτης TMPA των παγκόσμιων βροχοπτώσεων, προέρχεται από τη χρήση του TRMM για τη ρύθμιση ή τον καθορισμό των δεδομένων από άλλους δορυφορικούς δέκτες και στη συνέχεια το συνδυασμό τους σε νέα δεδομένα για την τελική ανάλυση του TMPA. Αρχικά, συλλέγονται μικροκυματικά δεδομένα που προέρχονται από δορυφόρους κοντά στη γη, σχετικά με τη βροχόπτωση. Η δεύτερη πιο σημαντική πηγή δεδομένων για το TMPA αποτελεί η συλλογή υπέρυθρων πληροφοριών (-10.7 micron) που γίνεται από μία συγκεκριμένη ομάδα διεθνών δορυφόρων. Το αποτέλεσμα μιας πραγματικού χρόνου έκδοσης του TMPA παρουσιάστηκε το Φεβρουάριο του 2002 και είναι διαθέσιμη από τη NASA. Όπως είναι αναμενόμενο, το αποτέλεσμα της διεργασίας αυτής, θα συνεχιστεί ως τμήμα του Global Precipitation Measurement (GPM). Το GPM θα βελτιώσει την ποιότητα και τη συχνότητα των παρατηρήσεων που γίνονται από την ομάδα των δορυφόρων, για να παρέχει εξελιγμένη παρακολούθηση των βροχών για χρήση στην υδρολογία και τη διαχείριση υδατικών πόρων.<br /> <br /> <br /> '''Συνιστώσα 2: Παγκόσμιος χάρτης ευαισθησίας σε κατολίσθηση'''<br /> <br /> Στο προτεινόμενο σύστημα, ακολουθείται μία προσέγγιση που απεικονίζει με τιμές τους παράγοντες που προκαλούν τις κατολισθήσεις και στη συνέχεια μία συνδυαστική γραμμική μέθοδος βρίσκει αποτελέσματα για την ευπάθεια σε κατολίσθηση σε παγκόσμιο επίπεδο. Αρχικά, συλλέγονται χωρικές και εδαφικές πληροφορίες σε μία κεντρική, παγκόσμια βάση δεδομένων. Δεύτερον, συλλέγονται σημαντικοί εδαφικοί παράγοντες που συντελούν στην πρόκληση κατολισθήσεων και αναβαθμίζονται στη μεγαλύτερη χωρική ανάλυση του NASA SRTM DEM (30m). Τρίτον, δημιουργούνται αντίστοιχα θεματικά επίπεδα και αποθηκεύονται σε Γεωγραφικά Συστήματα Πληροφοριών και τέλος υπολογίζεται ο παγκόσμιος χάρτης ευπάθειας, μέσω μίας συνδυαστικής γραμμικής εξίσωσης. Σαν αποτέλεσμα, ο τελικός παγκόσμιος χάρτης ευπάθειας, χωρίζεται σε κατηγορίες ανάλογα με το επίπεδο επικινδυνότητας (εικόνα 2).<br /> <br /> <br /> '''Ένα προκαταρκτικό σύστημα πρόβλεψης κατολισθήσεων'''<br /> <br /> Η εργασία αυτή συνδέει τον παγκόσμιο χάρτη LS, με τις πληροφορίες για το ύψος βροχής, που προέρχονται από τους δορυφόρους, για την αναγνώριση των περιοχών εκείνων με μεγάλο κίνδυνο κατολίσθησης, που δέχεται έντονη βροχόπτωση. Όταν συνδυαστούν οι πληροφορίες αυτές, με πληροφορίες πραγματικού χρόνου που σχετίζονται με την ένταση και τη διάρκεια των βροχοπτώσεων, μπορεί να δημιουργηθεί η βάση για ένα σύστημα πρόγνωσης επιφανειακών κατολισθήσεων. Σύμφωνα με αυτές τις ιδέες και αρχές, έχει σχεδιαστεί ένα πρώιμο, πραγματικού χρόνου, σύστημα πρόβλεψης κινδύνου για κατολίσθηση, βασισμένο στην ένταση και τη διάρκεια των βροχοπτώσεων.<br /> <br /> <br /> '''Σύνοψη και συζήτηση'''<br /> <br /> Τα κύρια στοιχεία που επηρεάζουν τις επιφανειακές κατολισθήσεις είναι η ένταση των βροχοπτώσεων, η κλίση, ο τύπος εδάφους, το υψόμετρο, η βλάστηση και ο τύπος κάλυψης του εδάφους. Η εργασία αυτή, στηριζόμενη στις πρόσφατες προόδους στην τεχνολογία της τηλεπισκόπησης και την αφθονία παγκόσμιων χωρικών και εδαφικών στοιχείων, προτείνει ένα εννοιολογικό πλαίσιο για ένα σύστημα πραγματικού χρόνου (σχήμα 1) πρόβλεψης σε παγκόσμιο επίπεδο, κατολισθήσεων που προκαλούνται από βροχοπτώσεις. Το σύστημα αυτό συνδυάζει τις πληροφορίες για βροχοπτώσεις της NASA, TMPA (εικόνα 1) και των εδαφικών χαρακτηριστικών για την εκτίμηση των κατολισθήσεων Σημαντικό αποτέλεσμα της εργασίας αυτής, αποτελεί η διαθεσιμότητα στοιχείων για πιθανές κατολισθήσεις που προκλήθηκαν από βροχόπτωση, σε παγκόσμιο επίπεδο, μόνο με τη χρήση παγκόσμιων δορυφορικών αποτελεσμάτων. Ο τρόπος αυτός ενός πραγματικού χρόνου συστήματος πρόβλεψης για καταστροφές, θα μπορούσε να προσφέρει πληροφορίες για εκτίμηση της χωρικής κατανομής των πιθανών κατολισθήσεων. Το πρωτότυπο του συστήματος αυτού, μπορεί να βελτιωθεί, παρέχοντας καλύτερες δορυφορικές, τηλεσκοπικές εικόνες και αναβαθμίζοντας τα γεωγραφικά και εδαφικά δεδομένα. Καθώς οι κατολισθήσεις προέρχονται συνήθως μετά από περιόδους έντονης βροχόπτωσης, ένα σύστημα πρόβλεψης θα μπορούσε να μετασχηματιστεί σε ένα σύστημα προειδοποίησης, εξαιτίας της χρονικής διαφοράς μεταξύ του μεγίστου της βροχόπτωσης και της αστοχίας του εδάφους. Επομένως, η επιτυχία του συστήματος που προτείνετε στην εργασία αυτή, μπορεί να βοηθήσει σημαντικά στην ετοιμότητα και τη διαχείριση των κινδύνων και των καταστροφών από κατολισθήσεις.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:10:43Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:09:53Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> <br /> * [[Πρόβλεψη της παγκόσμιας χωροχρονικής κατανομής των κατολισθίσεων: Ολοκληρωμένες τεχνικές ελέγχου της ευαισθησίας σε κατολίσθηση και εκτίμησης σε πραγματικό χρόνο των βροχοπτώσεων μέσω δορυφόρου ]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE_%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%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CF%85-%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%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 2011-01-12T16:08:18Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> DU Peijun1, LI Xingli, CAO Wen, LUO Yan, ZHANG Huapeng<br /> <br /> '''Πηγή'''<br /> Monitoring urban land cover and vegetation change by multi-temporal remote sensing information<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Η παρακολούθηση των αστικών οικισμών μέσω πολυφαασματικών εικόνων τηλεπισκόπησης έχει λάβει όλο και μεγαλύτερη προσοχή τα τελευταία χρόνια. Οι αλλαγές στην κάλυψη γης και στη βλάστηση, χρησιμοποιούνται για να περιγράψουν ποσοτικά και ποιοτικά αλλαγές στους ανθρώπινους οικισμούς στην πόλη Xuzhou. Συνήθως οι δύο στρατηγικές που χρησιμοποιούνται για την πολυφασματική επεξεργασία εικόνας για την παρακολούθηση, τον εντοπισμό και την ανάλυση των αλλαγών στις αστικές δυναμικές είναι η ανάλυση με βάση την ανίχνευση και η ανάλυση με βάση την ταξινόμηση.<br /> <br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η πόλη Xuzhou, βρίσκεται στο βορειοδυτικό τμήμα της επαρχίας Jiangsu. Η Xuzhou είναι μια ειδική περιοχή χάρη σε μια σειρά από χαρακτηριστικές ιδιότητες: 1) παραδοσιακά είναι μια μεταλλευτική πόλη, 2) επί του παρόντος είναι ένα διάσημο πολιτιστικό και τουριστικό μέρος, 3) γεωγραφικά βρίσκεται στη συμβολή τεσσάρων επαρχιών. Εικόνες Landsat TM (τροχιά: 122-36) οι οποίες τραβήχτηκαν στις 19 Σεπτεμβρίου 1987, 6 Σεπτέμβρη του 1994, 14 Σεπτεμβρίου 2000 και 14ης Μαΐου 2007 (τροχιά: 121-36) χρησιμοποιήθηκαν για την πειραματική μελέτη. Οι εικόνες που έχουν καταγραφεί το 2000 διορθώθηκαν γεωμετρικά με έναν τοπογραφικό χάρτη και στη συνέχεια χρησιμοποιήθηκαν για την καταχώριση των εικόνων από το 1987, 1994 και 2007, με την εικόνα του 2000 ως σημείο αναφοράς. Με βάση τις ιδιότητες της κάλυψης γης στην Xuzhou, χρησιμοποιήθηκαν επτά τύποι κάλυψης: οικοδομημένα οικόπεδα (BUILD), δάση και βλάστηση (VEG), λίμνες (LAKE), χωράφια (FARM), κενά χωράφια (BFARM), άλλα υδατικά συστήματα (WATER) και γυμνό έδαφος (BARE).<br /> <br /> [[Εικόνα: PZ6 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματική σύνθεση εικόνας του 1994, χρησιμοποιώντας Band 5 (R), Band 4 (G) και Band 3 (Β).''']]<br /> <br /> [[Εικόνα: PZ6 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Φασματικές καμπύλες των διαφορετικών τύπων κάλυψης γης''']]<br /> <br /> [[Εικόνα: PZ6 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Απώλειες βλάστησης μεταξύ των ημερομηνιών 1987-2007.''']]<br /> <br /> <br /> '''Ταξινόμηση''' <br /> <br /> Προτείνουμε μια στρατηγική ιεραρχικής ταξινόμησης που χρησιμοποιεί διαφορετικά χαρακτηριστικά σύνολα εισόδου για τους διαφορετικούς τύπους κάλυψης γης. Τα βήματα είναι τα εξής: 1) Εξαγωγή χαρακτηριστικών και δημιουργία συνόλου χαρακτηριστικών. Εκτός από τις ζώνες 1, 2, 3, 4, 5 και 7 της αρχικής Landsat TM εικόνας, μια σειρά από άλλα χαρακτηριστικά αποσπάστηκαν για την ταξινόμηση. 2) Φασματικά στατιστικά στοιχεία της κάλυψης γης. Τα δείγματα συλλέχθηκαν και χρησιμοποιήθηκαν για την ανακάλυψη αποτελεσματικών χαρακτηριστικών και κανόνων για έναν συγκεκριμένο τύπο χρήσης γης. 3) Επιλογή και επικύρωση του συνδυασμού χαρακτηριστικών για συγκεκριμένους τύπους κάλυψης γης. Η βασική ιδέα του προτεινόμενου ιεραρχικού συστήματος ταξινόμησης είναι να δημιουργηθούν διάφοροι ταξινομητές χρησιμοποιώντας διαφορετικές δυνατότητες εισαγωγής για μία ή περισσότερες ειδικές κατηγορίες, με βάση την απάντησή τους σε χαρακτηριστικούς χώρους. Από την στατιστική ανάλυση, διαπιστώσαμε ότι ο συνδυασμός των (TM2, TM3, TM5, φωτεινότητα, υγρασία) είναι κατάλληλος να διακρίνει λίμνες και άλλα υδατικά συστήματα, (TM2, TM3, NDVI, PC2, πράσινο) είναι αποτελεσματικός για τη διάκριση δασών και γεωργικών εκτάσεων και (TM3, TM2, TM5, PC2, φωτεινότητα) είναι κατάλληλος να χαρακτηρίσει οικοδομημένα οικόπεδα, κενά χωράφια και γυμνό έδαφος. 4) Ιεραρχικό σύστημα ταξινόμησης: σχεδιασμός και ταξινόμηση. Σε αυτό το διάγραμμα προτείνουμε διάφορες εισροές χαρακτηριστικών που πρέπει να χρησιμοποιηθούν για διάφορες κατηγορίες, προκειμένου να επιτευχθεί ακριβής αντιστοίχιση μεταξύ κάλυψης γης και αποτελεσματικών συνδυασμών χαρακτηριστικών. Αρχικά, παράγεται ένα άδειο πλέγμα δεδομένων όπου καταγράφονται και συνδυάζονται τα αποτελέσματα της ταξινόμησης από κάθε ταξινομητή. Ο πρώτος ταξινομητής χρησιμοποιείται για να χαρακτηρίσει λίμνες και νερό χρησιμοποιώντας TM2, TM3, TM5, φωτεινότητα και υγρασία ως εισροές. Ο δεύτερος ταξινομητής χρησιμοποιείται για την ταξινόμηση δασών και γεωργικών εκτάσεων που χρησιμοποιούν TM2, TM3, NDVI, PC2 και πράσινο ως εισροές. Στον τρίτο ταξινομητή, χαρακτηριστικά όπως TM3, TM2, TM5 PC2 και φωτεινότητα χρησιμοποιούνται για την ταξινόμηση δομημένου εδάφους, χώματος και κενών χωραφιών. 5) Επεξεργασία των αποτελεσμάτων της ταξινόμησης.<br /> <br /> <br /> '''Στατιστικά και ανάλυση'''<br /> <br /> Από τη γενική τάση, είναι προφανές ότι η οικιστική περιοχή αυξάνεται διαρκώς, ότι η γεωργική γη μειώθηκε σταδιακά, ενώ οι άλλες χρήσεις γης δεν παρουσίασαν οργανωμένες αλλαγές. Από αυτές τις αλλαγές, η πιο σημαντική ήταν η μετάβαση από χωράφια, δάσος, βλάστηση και γυμνό έδαφος σε οικοδομημένα οικόπεδα, εξαιτείας της ταχείας διαδικασίας αστικοποίησης την περίοδο αυτή. Το ποσό των γεωργικών εκτάσεων παρουσιάζει συνεχή πτώση και η απώλεια αυτή έτεινε να επιταχυνθεί. Η περιοχή των υδατικών πόρων αυξήθηκε ραγδαία την περίοδο 1987-1994 και στη συνέχεια παρέμεινε σταθερή με μια ελαφρά μείωση την περίοδο 1994-2007.<br /> <br /> <br /> '''Ανάλυση των αλλαγών βλάστησης'''<br /> '''NDVI παραγωγή και διαφορά'''<br /> <br /> Επιλέχθηκε η μέθοδος NDVI για την περιγραφή και τη διερεύνηση των αστικών αλλαγών βλάστησης την περίοδο 1987 - 2007. Προκειμένου να βελτιωθεί η αξιοπιστία των αποτελεσμάτων της NDVI, μετατράπηκαν πρώτα οι Digital Number (DN, ή γκρι) τιμές σε εδαφική ανάκλαση μέσω ατμοσφαιρικής και ραδιομετρικής διόρθωσης. Η διαφορά της εικόνας ολοκληρώθηκε με οριακή κατάτμηση και λειτουργία συγκάλυψης για να εντοπιστούν οι αλλαγές στη βλάστηση.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Προκειμένου να αναλυθούν οι αλλαγές στους ανθρώπινους οικισμούς της Xuzhou κατά τα τελευταία 20 χρόνια, οι αλλαγές στην κάλυψη γης και τη βλάστηση, ερευνήθηκαν με βάση πολυφασματικές εικόνες Landsat TM / ETM + της περιοχής μελέτης. NDVI διαφορές χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγων της βλάστησης και αναπτύχθηκε μια αποτελεσματική εξάλλειψη ψευδών πληροφοριών που βασίστηκε σε προηγούμενες μελέτες και στατιστικές. Παρόλο που έχουμε χαράξει κάποια βασικά συμπεράσματα σχετικά με τις αλλαγές των αστικών καταστάσεων στην Xuzhou κατά τα τελευταία 20 χρόνια, εξακολουθούν να υπάρχουν πολλά προβλήματα που πρέπει να επιλυθούν στο εγγύς μέλλον.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE_%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%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CF%85-%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%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 2011-01-12T16:08:05Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> DU Peijun1, LI Xingli, CAO Wen, LUO Yan, ZHANG Huapeng<br /> <br /> '''Πηγή'''<br /> Monitoring urban land cover and vegetation change by multi-temporal remote sensing information<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Η παρακολούθηση των αστικών οικισμών μέσω πολυφαασματικών εικόνων τηλεπισκόπησης έχει λάβει όλο και μεγαλύτερη προσοχή τα τελευταία χρόνια. Οι αλλαγές στην κάλυψη γης και στη βλάστηση, χρησιμοποιούνται για να περιγράψουν ποσοτικά και ποιοτικά αλλαγές στους ανθρώπινους οικισμούς στην πόλη Xuzhou. Συνήθως οι δύο στρατηγικές που χρησιμοποιούνται για την πολυφασματική επεξεργασία εικόνας για την παρακολούθηση, τον εντοπισμό και την ανάλυση των αλλαγών στις αστικές δυναμικές είναι η ανάλυση με βάση την ανίχνευση και η ανάλυση με βάση την ταξινόμηση.<br /> <br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η πόλη Xuzhou, βρίσκεται στο βορειοδυτικό τμήμα της επαρχίας Jiangsu. Η Xuzhou είναι μια ειδική περιοχή χάρη σε μια σειρά από χαρακτηριστικές ιδιότητες: 1) παραδοσιακά είναι μια μεταλλευτική πόλη, 2) επί του παρόντος είναι ένα διάσημο πολιτιστικό και τουριστικό μέρος, 3) γεωγραφικά βρίσκεται στη συμβολή τεσσάρων επαρχιών. Εικόνες Landsat TM (τροχιά: 122-36) οι οποίες τραβήχτηκαν στις 19 Σεπτεμβρίου 1987, 6 Σεπτέμβρη του 1994, 14 Σεπτεμβρίου 2000 και 14ης Μαΐου 2007 (τροχιά: 121-36) χρησιμοποιήθηκαν για την πειραματική μελέτη. Οι εικόνες που έχουν καταγραφεί το 2000 διορθώθηκαν γεωμετρικά με έναν τοπογραφικό χάρτη και στη συνέχεια χρησιμοποιήθηκαν για την καταχώριση των εικόνων από το 1987, 1994 και 2007, με την εικόνα του 2000 ως σημείο αναφοράς. Με βάση τις ιδιότητες της κάλυψης γης στην Xuzhou, χρησιμοποιήθηκαν επτά τύποι κάλυψης: οικοδομημένα οικόπεδα (BUILD), δάση και βλάστηση (VEG), λίμνες (LAKE), χωράφια (FARM), κενά χωράφια (BFARM), άλλα υδατικά συστήματα (WATER) και γυμνό έδαφος (BARE).<br /> <br /> [[Εικόνα: PZ6 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματική σύνθεση εικόνας του 1994, χρησιμοποιώντας Band 5 (R), Band 4 (G) και Band 3 (Β).''']]<br /> <br /> [[Εικόνα: PZ6 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Φασματικές καμπύλες των διαφορετικών τύπων κάλυψης γης''']]<br /> <br /> [[Εικόνα: PZ6 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Απώλειες βλάστησης μεταξύ των ημερομηνιών 1987-2007.''']]<br /> <br /> '''Ταξινόμηση''' <br /> <br /> Προτείνουμε μια στρατηγική ιεραρχικής ταξινόμησης που χρησιμοποιεί διαφορετικά χαρακτηριστικά σύνολα εισόδου για τους διαφορετικούς τύπους κάλυψης γης. Τα βήματα είναι τα εξής: 1) Εξαγωγή χαρακτηριστικών και δημιουργία συνόλου χαρακτηριστικών. Εκτός από τις ζώνες 1, 2, 3, 4, 5 και 7 της αρχικής Landsat TM εικόνας, μια σειρά από άλλα χαρακτηριστικά αποσπάστηκαν για την ταξινόμηση. 2) Φασματικά στατιστικά στοιχεία της κάλυψης γης. Τα δείγματα συλλέχθηκαν και χρησιμοποιήθηκαν για την ανακάλυψη αποτελεσματικών χαρακτηριστικών και κανόνων για έναν συγκεκριμένο τύπο χρήσης γης. 3) Επιλογή και επικύρωση του συνδυασμού χαρακτηριστικών για συγκεκριμένους τύπους κάλυψης γης. Η βασική ιδέα του προτεινόμενου ιεραρχικού συστήματος ταξινόμησης είναι να δημιουργηθούν διάφοροι ταξινομητές χρησιμοποιώντας διαφορετικές δυνατότητες εισαγωγής για μία ή περισσότερες ειδικές κατηγορίες, με βάση την απάντησή τους σε χαρακτηριστικούς χώρους. Από την στατιστική ανάλυση, διαπιστώσαμε ότι ο συνδυασμός των (TM2, TM3, TM5, φωτεινότητα, υγρασία) είναι κατάλληλος να διακρίνει λίμνες και άλλα υδατικά συστήματα, (TM2, TM3, NDVI, PC2, πράσινο) είναι αποτελεσματικός για τη διάκριση δασών και γεωργικών εκτάσεων και (TM3, TM2, TM5, PC2, φωτεινότητα) είναι κατάλληλος να χαρακτηρίσει οικοδομημένα οικόπεδα, κενά χωράφια και γυμνό έδαφος. 4) Ιεραρχικό σύστημα ταξινόμησης: σχεδιασμός και ταξινόμηση. Σε αυτό το διάγραμμα προτείνουμε διάφορες εισροές χαρακτηριστικών που πρέπει να χρησιμοποιηθούν για διάφορες κατηγορίες, προκειμένου να επιτευχθεί ακριβής αντιστοίχιση μεταξύ κάλυψης γης και αποτελεσματικών συνδυασμών χαρακτηριστικών. Αρχικά, παράγεται ένα άδειο πλέγμα δεδομένων όπου καταγράφονται και συνδυάζονται τα αποτελέσματα της ταξινόμησης από κάθε ταξινομητή. Ο πρώτος ταξινομητής χρησιμοποιείται για να χαρακτηρίσει λίμνες και νερό χρησιμοποιώντας TM2, TM3, TM5, φωτεινότητα και υγρασία ως εισροές. Ο δεύτερος ταξινομητής χρησιμοποιείται για την ταξινόμηση δασών και γεωργικών εκτάσεων που χρησιμοποιούν TM2, TM3, NDVI, PC2 και πράσινο ως εισροές. Στον τρίτο ταξινομητή, χαρακτηριστικά όπως TM3, TM2, TM5 PC2 και φωτεινότητα χρησιμοποιούνται για την ταξινόμηση δομημένου εδάφους, χώματος και κενών χωραφιών. 5) Επεξεργασία των αποτελεσμάτων της ταξινόμησης.<br /> <br /> <br /> '''Στατιστικά και ανάλυση'''<br /> <br /> Από τη γενική τάση, είναι προφανές ότι η οικιστική περιοχή αυξάνεται διαρκώς, ότι η γεωργική γη μειώθηκε σταδιακά, ενώ οι άλλες χρήσεις γης δεν παρουσίασαν οργανωμένες αλλαγές. Από αυτές τις αλλαγές, η πιο σημαντική ήταν η μετάβαση από χωράφια, δάσος, βλάστηση και γυμνό έδαφος σε οικοδομημένα οικόπεδα, εξαιτείας της ταχείας διαδικασίας αστικοποίησης την περίοδο αυτή. Το ποσό των γεωργικών εκτάσεων παρουσιάζει συνεχή πτώση και η απώλεια αυτή έτεινε να επιταχυνθεί. Η περιοχή των υδατικών πόρων αυξήθηκε ραγδαία την περίοδο 1987-1994 και στη συνέχεια παρέμεινε σταθερή με μια ελαφρά μείωση την περίοδο 1994-2007.<br /> <br /> <br /> '''Ανάλυση των αλλαγών βλάστησης'''<br /> '''NDVI παραγωγή και διαφορά'''<br /> <br /> Επιλέχθηκε η μέθοδος NDVI για την περιγραφή και τη διερεύνηση των αστικών αλλαγών βλάστησης την περίοδο 1987 - 2007. Προκειμένου να βελτιωθεί η αξιοπιστία των αποτελεσμάτων της NDVI, μετατράπηκαν πρώτα οι Digital Number (DN, ή γκρι) τιμές σε εδαφική ανάκλαση μέσω ατμοσφαιρικής και ραδιομετρικής διόρθωσης. Η διαφορά της εικόνας ολοκληρώθηκε με οριακή κατάτμηση και λειτουργία συγκάλυψης για να εντοπιστούν οι αλλαγές στη βλάστηση.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Προκειμένου να αναλυθούν οι αλλαγές στους ανθρώπινους οικισμούς της Xuzhou κατά τα τελευταία 20 χρόνια, οι αλλαγές στην κάλυψη γης και τη βλάστηση, ερευνήθηκαν με βάση πολυφασματικές εικόνες Landsat TM / ETM + της περιοχής μελέτης. NDVI διαφορές χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγων της βλάστησης και αναπτύχθηκε μια αποτελεσματική εξάλλειψη ψευδών πληροφοριών που βασίστηκε σε προηγούμενες μελέτες και στατιστικές. Παρόλο που έχουμε χαράξει κάποια βασικά συμπεράσματα σχετικά με τις αλλαγές των αστικών καταστάσεων στην Xuzhou κατά τα τελευταία 20 χρόνια, εξακολουθούν να υπάρχουν πολλά προβλήματα που πρέπει να επιλυθούν στο εγγύς μέλλον.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE_%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%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CF%85-%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%83%CE%BA%CE%BF%CF%80%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 2011-01-12T16:07:18Z

<p>Pzachariadis: New page: '''Συγγραφείς''' DU Peijun1, LI Xingli, CAO Wen, LUO Yan, ZHANG Huapeng '''Πηγή''' Monitoring urban land cover and vegetation change by multi-temporal remote sensing informa...</p> <hr /> <div>'''Συγγραφείς'''<br /> DU Peijun1, LI Xingli, CAO Wen, LUO Yan, ZHANG Huapeng<br /> <br /> '''Πηγή'''<br /> Monitoring urban land cover and vegetation change by multi-temporal remote sensing information<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Η παρακολούθηση των αστικών οικισμών μέσω πολυφαασματικών εικόνων τηλεπισκόπησης έχει λάβει όλο και μεγαλύτερη προσοχή τα τελευταία χρόνια. Οι αλλαγές στην κάλυψη γης και στη βλάστηση, χρησιμοποιούνται για να περιγράψουν ποσοτικά και ποιοτικά αλλαγές στους ανθρώπινους οικισμούς στην πόλη Xuzhou. Συνήθως οι δύο στρατηγικές που χρησιμοποιούνται για την πολυφασματική επεξεργασία εικόνας για την παρακολούθηση, τον εντοπισμό και την ανάλυση των αλλαγών στις αστικές δυναμικές είναι η ανάλυση με βάση την ανίχνευση και η ανάλυση με βάση την ταξινόμηση.<br /> <br /> <br /> '''Περιοχή μελέτης και δεδομένα'''<br /> <br /> Η πόλη Xuzhou, βρίσκεται στο βορειοδυτικό τμήμα της επαρχίας Jiangsu. Η Xuzhou είναι μια ειδική περιοχή χάρη σε μια σειρά από χαρακτηριστικές ιδιότητες: 1) παραδοσιακά είναι μια μεταλλευτική πόλη, 2) επί του παρόντος είναι ένα διάσημο πολιτιστικό και τουριστικό μέρος, 3) γεωγραφικά βρίσκεται στη συμβολή τεσσάρων επαρχιών. Εικόνες Landsat TM (τροχιά: 122-36) οι οποίες τραβήχτηκαν στις 19 Σεπτεμβρίου 1987, 6 Σεπτέμβρη του 1994, 14 Σεπτεμβρίου 2000 και 14ης Μαΐου 2007 (τροχιά: 121-36) χρησιμοποιήθηκαν για την πειραματική μελέτη. Οι εικόνες που έχουν καταγραφεί το 2000 διορθώθηκαν γεωμετρικά με έναν τοπογραφικό χάρτη και στη συνέχεια χρησιμοποιήθηκαν για την καταχώριση των εικόνων από το 1987, 1994 και 2007, με την εικόνα του 2000 ως σημείο αναφοράς. Με βάση τις ιδιότητες της κάλυψης γης στην Xuzhou, χρησιμοποιήθηκαν επτά τύποι κάλυψης: οικοδομημένα οικόπεδα (BUILD), δάση και βλάστηση (VEG), λίμνες (LAKE), χωράφια (FARM), κενά χωράφια (BFARM), άλλα υδατικά συστήματα (WATER) και γυμνό έδαφος (BARE).<br /> <br /> <br /> [[Εικόνα: PZ6 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματική σύνθεση εικόνας του 1994, χρησιμοποιώντας Band 5 (R), Band 4 (G) και Band 3 (Β).''']]<br /> <br /> [[Εικόνα: PZ6 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Φασματικές καμπύλες των διαφορετικών τύπων κάλυψης γης''']]<br /> <br /> [[Εικόνα: PZ6 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Απώλειες βλάστησης μεταξύ των ημερομηνιών 1987-2007.''']]<br /> <br /> <br /> '''Ταξινόμηση''' <br /> <br /> Προτείνουμε μια στρατηγική ιεραρχικής ταξινόμησης που χρησιμοποιεί διαφορετικά χαρακτηριστικά σύνολα εισόδου για τους διαφορετικούς τύπους κάλυψης γης. Τα βήματα είναι τα εξής: 1) Εξαγωγή χαρακτηριστικών και δημιουργία συνόλου χαρακτηριστικών. Εκτός από τις ζώνες 1, 2, 3, 4, 5 και 7 της αρχικής Landsat TM εικόνας, μια σειρά από άλλα χαρακτηριστικά αποσπάστηκαν για την ταξινόμηση. 2) Φασματικά στατιστικά στοιχεία της κάλυψης γης. Τα δείγματα συλλέχθηκαν και χρησιμοποιήθηκαν για την ανακάλυψη αποτελεσματικών χαρακτηριστικών και κανόνων για έναν συγκεκριμένο τύπο χρήσης γης. 3) Επιλογή και επικύρωση του συνδυασμού χαρακτηριστικών για συγκεκριμένους τύπους κάλυψης γης. Η βασική ιδέα του προτεινόμενου ιεραρχικού συστήματος ταξινόμησης είναι να δημιουργηθούν διάφοροι ταξινομητές χρησιμοποιώντας διαφορετικές δυνατότητες εισαγωγής για μία ή περισσότερες ειδικές κατηγορίες, με βάση την απάντησή τους σε χαρακτηριστικούς χώρους. Από την στατιστική ανάλυση, διαπιστώσαμε ότι ο συνδυασμός των (TM2, TM3, TM5, φωτεινότητα, υγρασία) είναι κατάλληλος να διακρίνει λίμνες και άλλα υδατικά συστήματα, (TM2, TM3, NDVI, PC2, πράσινο) είναι αποτελεσματικός για τη διάκριση δασών και γεωργικών εκτάσεων και (TM3, TM2, TM5, PC2, φωτεινότητα) είναι κατάλληλος να χαρακτηρίσει οικοδομημένα οικόπεδα, κενά χωράφια και γυμνό έδαφος. 4) Ιεραρχικό σύστημα ταξινόμησης: σχεδιασμός και ταξινόμηση. Σε αυτό το διάγραμμα προτείνουμε διάφορες εισροές χαρακτηριστικών που πρέπει να χρησιμοποιηθούν για διάφορες κατηγορίες, προκειμένου να επιτευχθεί ακριβής αντιστοίχιση μεταξύ κάλυψης γης και αποτελεσματικών συνδυασμών χαρακτηριστικών. Αρχικά, παράγεται ένα άδειο πλέγμα δεδομένων όπου καταγράφονται και συνδυάζονται τα αποτελέσματα της ταξινόμησης από κάθε ταξινομητή. Ο πρώτος ταξινομητής χρησιμοποιείται για να χαρακτηρίσει λίμνες και νερό χρησιμοποιώντας TM2, TM3, TM5, φωτεινότητα και υγρασία ως εισροές. Ο δεύτερος ταξινομητής χρησιμοποιείται για την ταξινόμηση δασών και γεωργικών εκτάσεων που χρησιμοποιούν TM2, TM3, NDVI, PC2 και πράσινο ως εισροές. Στον τρίτο ταξινομητή, χαρακτηριστικά όπως TM3, TM2, TM5 PC2 και φωτεινότητα χρησιμοποιούνται για την ταξινόμηση δομημένου εδάφους, χώματος και κενών χωραφιών. 5) Επεξεργασία των αποτελεσμάτων της ταξινόμησης.<br /> <br /> <br /> '''Στατιστικά και ανάλυση'''<br /> <br /> Από τη γενική τάση, είναι προφανές ότι η οικιστική περιοχή αυξάνεται διαρκώς, ότι η γεωργική γη μειώθηκε σταδιακά, ενώ οι άλλες χρήσεις γης δεν παρουσίασαν οργανωμένες αλλαγές. Από αυτές τις αλλαγές, η πιο σημαντική ήταν η μετάβαση από χωράφια, δάσος, βλάστηση και γυμνό έδαφος σε οικοδομημένα οικόπεδα, εξαιτείας της ταχείας διαδικασίας αστικοποίησης την περίοδο αυτή. Το ποσό των γεωργικών εκτάσεων παρουσιάζει συνεχή πτώση και η απώλεια αυτή έτεινε να επιταχυνθεί. Η περιοχή των υδατικών πόρων αυξήθηκε ραγδαία την περίοδο 1987-1994 και στη συνέχεια παρέμεινε σταθερή με μια ελαφρά μείωση την περίοδο 1994-2007.<br /> <br /> <br /> '''Ανάλυση των αλλαγών βλάστησης'''<br /> '''NDVI παραγωγή και διαφορά'''<br /> <br /> Επιλέχθηκε η μέθοδος NDVI για την περιγραφή και τη διερεύνηση των αστικών αλλαγών βλάστησης την περίοδο 1987 - 2007. Προκειμένου να βελτιωθεί η αξιοπιστία των αποτελεσμάτων της NDVI, μετατράπηκαν πρώτα οι Digital Number (DN, ή γκρι) τιμές σε εδαφική ανάκλαση μέσω ατμοσφαιρικής και ραδιομετρικής διόρθωσης. Η διαφορά της εικόνας ολοκληρώθηκε με οριακή κατάτμηση και λειτουργία συγκάλυψης για να εντοπιστούν οι αλλαγές στη βλάστηση.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Προκειμένου να αναλυθούν οι αλλαγές στους ανθρώπινους οικισμούς της Xuzhou κατά τα τελευταία 20 χρόνια, οι αλλαγές στην κάλυψη γης και τη βλάστηση, ερευνήθηκαν με βάση πολυφασματικές εικόνες Landsat TM / ETM + της περιοχής μελέτης. NDVI διαφορές χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγων της βλάστησης και αναπτύχθηκε μια αποτελεσματική εξάλλειψη ψευδών πληροφοριών που βασίστηκε σε προηγούμενες μελέτες και στατιστικές. Παρόλο που έχουμε χαράξει κάποια βασικά συμπεράσματα σχετικά με τις αλλαγές των αστικών καταστάσεων στην Xuzhou κατά τα τελευταία 20 χρόνια, εξακολουθούν να υπάρχουν πολλά προβλήματα που πρέπει να επιλυθούν στο εγγύς μέλλον.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T16:04:10Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> <br /> * [[Παρακολούθηση της αστικής κάλυψης γης και της αλλαγή της βλάστησης με χρήση πολυ-χρονικών τηλεσκοπικών πληροφοριών]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B5%CF%81%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CE%BF%CE%AF_%CF%83%CF%87%CE%B5%CF%84%CE%B9%CE%BA%CE%AC_%CE%BC%CE%B5_%CF%84%CE%B7_%CE%BC%CE%AD%CE%B3%CE%B9%CF%83%CF%84%CE%B7_%CF%80%CF%85%CE%BA%CE%BD%CF%8C%CF%84%CE%B7%CF%84%CE%B1_%CF%84%CF%89%CE%BD_%CE%B4%CE%AD%CE%BD%CE%B4%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%85%CF%80%CE%B5%CF%81%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%B2%CE%B1%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B4%CE%B9%CE%B1%CE%B2%CE%B1%CE%B8%CE%BC%CE%AF%CF%83%CE%B5%CF%89%CE%BD 2011-01-12T16:03:00Z

<p>Pzachariadis: New page: '''Συγγραφείς''' J.A. Greenberg, S.Z. Dobrowski, V.C. Vanderbilt '''Πηγή''' Limitations on maximum tree density using hyperspatial remote sensing and environmental gradient ...</p> <hr /> <div>'''Συγγραφείς'''<br /> J.A. Greenberg, S.Z. Dobrowski, V.C. Vanderbilt<br /> <br /> '''Πηγή'''<br /> Limitations on maximum tree density using hyperspatial remote sensing and environmental gradient analysis<br /> <br /> <br /> '''Εισαγωγή''' <br /> <br /> Τέσσερις βασικοί μηχανισμοί φαίνεται ότι είναι σημαντικοί για την εξήγηση της μείωσης της πυκνότητας των δέντρων ανάλογα με το υψόμετρο: 1) παγετός, 2) ανεπαρκής διαθέσιμοι πόροι (νερό, φως, διοξείδιο του άνθρακα, άζωτο, άλλα θρεπτικά συστατικά του εδάφους), 3) μεταβολικές απαιτήσεις σύμφωνα με τη θερμοκρασία, ανεξάρτητα από διαθεσιμότητα των πόρων και 4) διαταραχή από αβιοτικούς παράγοντες, όπως χιόνι και πάγος, ή βιοτικούς παράγοντες, όπως φυτοφάγα ζώα και παθογόνοι οργανισμοί. Δύο γενικές πειραματικές προσεγγίσεις ερευνούν το λόγο για τον οποίο μειώνεται η πυκνότητα των δένδρων καθώς αυξάνεται το υψόμετρο. Στην εργασία αυτή ακολουθείται μία τρίτη προσέγγιση για την κατανόηση της κατανομής των δέντρων. Στο πλαίσιο των προτεινόμενων μηχανισμών των δασικών ορίων, εξετάζεται κατά πόσον η μέγιστη δυνατή πυκνότητα των δέντρων στην ανατολική λεκάνη της λίμνης Tahoe, ελέγχεται από τους περιορισμούς του νερού ή από παράγοντες που σχετίζονται με τη θερμοκρασία ή από ενεργητικούς περιορισμούς (οι οποίοι θα μπορούσαν να περιλαμβάνουν μη επαρκή φωτοσυνθετική ακτινοβολία, ζημιές παγετού, ή υψηλές μεταβολικές απαιτήσεις λόγω θερμοκρασίας) .<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιγραφή της περιοχής'''<br /> <br /> Τα δεδομένα αναλύθηκαν, από μια περιοχή ενδιαφέροντος που βρίσκεται στην ανατολική ακτή της λίμνης Tahoe, που εκτείνεται στη Νεβάδα. Η βλάστηση κυριαρχείται από δέντρα (67% της συνολικής κάλυψης) και θάμνους(31% της συνολικής κάλυψης).<br /> <br /> <br /> '''Χαρακτηριστικά των εικόνων'''<br /> <br /> Αποκτύθηκαν δεδομένα από εικόνες IKONOS, στις 19 Ιουλίου 2002 που καλύπτει την περιοχή ενδιαφέροντός μας. Ο IKONOS συλλέγει πολυφασματικά δεδομένα στα 4m (μπλε, πράσινο, κόκκινο και NIR), καθώς και πανχρωματικά δεδομένα στο 1m. Οι εικόνες διορθώθηκαν ατμοσφαιρικά και τοπογραφικά, βαθμονομήθηκαν με βάση τα φάσματα του εδάφους, διoρθώθηκαν με περίπου ± 5m λάθος θέσης και οξύνθηκαν χρησιμοποιώντας τις κύριες συνιστώσες όξυνσης για να δημιουργηθεί μία τεχνητή εικόνα, έχοντας εικονοστοιχεία με μέγεθος 1m., που χρησιμοποιήθηκε για όλες τις επόμενες αναλύσεις .<br /> <br /> [[Εικόνα: PZ5 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Εκτιμώμενη πυκνότητα κορμών (δέντρα/εκτάριο), παραγόμενη από τη χαρτογράφηση με τη βοήθεια του αλγόριθμου， για την ανατολική περιοχή της λίμνης Tahoe.''']]<br /> <br /> [[Εικόνα: PZ5 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Διαδικασία φιλτραρίσματος για να αποτραπούν οι επικαλύψεις των δέντρων. (α) είναι ένα παράδειγμα αποτελέσματος μετά την έξοδο των δεδομένων. Οι τιμές αφορούν το μέγεθος του προτύπου καθώς και ένα τυχαίο αριθμό μεταξύ 0 και 1. (β) είναι το τελικό αποτέλεσμα, όπου ένα από τους δύο επικαλυπτόμενα δέντρα 8μ αποβλήθηκε, το 2m δέντρο απομακρύνθηκε επειδή ήταν μικρότερο από το στέμμα από το οποίο επικαλυπτόταν, και το 4m δέντρο δεν εξαλείφθηκε, διότι το στέλεχος δεν εμπίπτει στο στέμμα ενός μεγαλύτερου δέντρου.''']]<br /> <br /> <br /> '''Ανίχνευση της περιμέτρου και της πυκνότητας των δέντρων'''<br /> <br /> Κάθε εικονοστοιχείο ταξινομήθηκε στην εικόνα ως «σκιασμένη βλάστηση», «φωτισμένη βλάστηση» και «άλλη». Για να εντοπιστούν όλα τα δέντρα με ακτίνες R μεταξύ Rmin = 1 m και rmax = 8 μ., δημιουργήθηκε ένας αλγόριθμος αναζήτησης.<br /> <br /> <br /> '''Αξιολόγηση ακρίβειας'''<br /> <br /> Στη συνέχεια αξιολογήθηκε η αποτελεσματικότητα του αλγορίθμου για την ανίχνευση της παρουσίας/απουσίας δέντρων σε ένα συγκεκριμένο χώρο 30τ.μ.. Για αυτό το σκοπό έγινε φωτοερμηνεία σε 50 τυχαία επιλεγμένα 100m × 100m οικόπεδα που βρίσκονται στις εικόνες, συσχετίζοντας τις πυκνότητες από τη φωτοερμηνεία με τις πυκνότητες που προβλέφθηκαν από τον αλγόριθμο.<br /> <br /> <br /> '''Περιβαλλοντικές διαβαθμίσεις, συνδυασμός διαβαθμίσεων και συνεχής περιοχές'''<br /> <br /> Χρησιμοποιήθηκαν δύο περιβαλλοντικές διαβαθμίσεις που δημιουργήθηκαν με τοπογραφικά στοιχεία: ανύψωση και ετήσια ενδεχόμενη σχετική ακτινοβολία. Χρησιμοποιήθηκαν δεδομένα από το 30m USGS DEM (US Geological Survey, 1998) που αντιστοιχίστηκε στην εικόνα του IKONOS για να αντλήσει το υψόμετρο και να συμβάλει στο πιθανό σχετικό μοντέλο ακτινοβολίας.<br /> <br /> <br /> [[Εικόνα: PZ5 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Αποτελέσματα ταυτοποίησης για τα δύο επιλεγμένα οικόπεδα. Οι εικόνες του υποβάθρου προέρχονται από τον IKONOS και είναι ψευδοχρωματικές NIR (RGB = NIR, κόκκινο, πράσινο). α) Ένας χώρος με πυκνά δένδρα, σε εδαφικό υπόβαθρο (φωτοερμηνευτικά διακρίνονται 118 δέντρα, ενώ με τον αλγόριθμο προβλέπονται 159) και β) μία αραιή, θαμνώδης και βραχώδης περιοχή (φωτοερμηνευτικά διακρίνονται 37 κορμοί, ενώ με τον αλγόριθμο προβλέπονται 40).''']]<br /> <br /> '''Αποτελέσματα''' <br /> <br /> '''Ανίχνευση περιμέτρου των δέντρων''' <br /> <br /> Η σύγκριση των φωτοερμηνευμένων με τους προβλεπόμενους κορμούς, απέδωσε ένα ισχυρό συντελεστή συσχέτισης 0,8773 και μια γραμμική εξίσωση. Τα αποτελέσματα αυτά δείχνουν ότι για τις διακυμάνσεις της πυκνότητας των δένδρων στη λίμνη, ο αλγόριθμος υπερεκτιμά τη πυκνότητα των δένδρων κατά 14 δένδρα/στρέμμα (σε 0 δέντρα/ha ) και 18 δένδρα/στρέμμα (σε 150 δένδρα/στρέμμα). Η ανάλυση προσδιόρισε 3.102.601 δέντρα στην ανατολική πλευρά της λίμνης Tahoe, με ακτίνα τουλάχιστον 1m.<br /> <br /> <br /> '''Συζήτηση''' <br /> <br /> Η μέγιστη πυκνότητα των δένδρων στο εσωτερικό της ανατολικής περιοχής της λίμνης Tahoe φαίνεται να καθορίζεται από τα όρια του νερού (σε χαμηλότερα υψόμετρα και σε πιο φωτεινές, με νότιο προσανατολισμό πλαγιές) και της θερμοκρασίας (σε υψηλότερα υψόμετρα και στις σκοτεινότερες, βορειοανατολικές πλαγιές). Τα αποτελέσματα αυτά υπογραμμίζουν τη σημασία της ολοκληρωμένης προσέγγισης στην ανάλυση της βλάστηση σε σχέση με τις διάφορες συνθήκες του περιβάλλοντος. Η μελέτη αυτή αναδεικνύει τη δύναμη του συνδυασμού τηλεπισκοπικών δεδομένων με συνεχής καλύψεις περιβαλλοντικών διαβαθμίσεων, για τη διενέργεια ανάλυσης οικολογικών διαβαθμίσεων και αλλαγών. Υπερτοπικά οπτικά δεδομένα μπορούν να χρησιμοποιηθούν για την παραγωγή περιφερειακών χαρτών βλάστησης με υψηλό βαθμό ακρίβειας και υψηλής ανάλυσης, που μπορούν να χρησιμοποιηθούνn ως βάση για την εξαγωγή περιβαλλοντικών διαβαθμίσεων σε κλίμακες σχετικές με μεμονωμένα και συγκεκριμένα φυτά.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:58:36Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> * [[Περιορισμοί σχετικά με τη μέγιστη πυκνότητα των δένδρων με χρήση υπερχωρικής τηλεπισκόπησης και ανάλυσης περιβαλλοντικών διαβαθμίσεων]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%99%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CF%84%CE%BF%CF%80%CE%AF%CE%BF%CF%85_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82:_%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CF%8C_%CE%BC%CE%B5%CF%84%CE%B1%CF%83%CF%87%CE%B7%CE%BC%CE%B1%CF%84%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CE%B7%CF%82_%CE%B5%CE%BB%CE%BB%CE%B7%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CF%80%CE%B1%CE%AF%CE%B8%CF%81%CE%BF%CF%85 2011-01-12T15:57:39Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Maria Zomeni, Joseph Tzanopoulos, John D. Pantis<br /> <br /> '''Πηγή'''<br /> Historical analysis of landscape change using remote sensing techniques: An explanatory tool for agricultural transformation in Greek rural areas<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα αγροτικά τοπία είναι αποτέλεσμα μιας δυναμικής διαδικασίας, με περιβαλλοντικούς και ανθρωπογενείς παράγοντες και οι χωρικές κατανομές του μετασχηματισμού τους στο χρόνο, συνδέονται αναμφίβολα με τις αλλαγές στις χρήσεις γης. Για αιώνες, η γεωργία έχει διαδραματίσει σημαντικό ρόλο στο σχηματισμό των αγροτικών τοπίων της Μεσογείου. Ωστόσο, η φύση των αλλαγών στο γεωργικό καθεστώς αποτέλεσε αντικείμενο μιας ισχυρής θεωρητικής συζήτησης. Ο σκοπός της παρούσας εργασίας είναι να περιγράψει και να αναλύσει τις επιπτώσεις της γεωργικής αλλαγής στη δομή του τοπίου της ελληνικής υπαίθρου χρησιμοποιόντας μία περιοχή μελέτης.<br /> <br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> '''Περιοχή μελέτης και ιστορικό χρήσεων γης'''<br /> <br /> Η περιοχή μελέτης βρίσκεται στο νομό Ιωαννίνων. Ο γεωλογικός σχηματισμός αποτελείται κυρίως από ασβεστόλιθους και το κλίμα χαρακτηρίζεται ως μεταβατικό μεταξύ του Μεσογειακού και του ηπειρωτικού-Μεσογειακού. Εντός της περιοχής μελέτης, δύο περιοχές έχουν επιλεγεί για ανάλυση. Η πρώτη θέση είναι η περιοχή της Τύμφης που βρίσκεται μεταξύ 500m και 2300m πάνω από την επιφάνεια της θάλασσας. Η δεύτερη περιοχή βρίσκεται στην Κόνιτσα με υψόμετρο που κυμαίνεται από 300m έως 1.400m πάνω από την επιφάνεια της θάλασσας. Σε ένα ιστορικό πλαίσιο, τρεις βασικές περιόδοι αλλαγής χρήσεων γης μπορούν να εντοπιστούν στην περιοχή μελέτης. Η πρώτη περίοδος (αρχές του 20ου αιώνα έως 1940) χαρακτηρίζεται από μια οικονομία επιβίωσης που βασίζεται σε ένα αυστηρά οργανωμένο σύστημα χρήσεων γης και εκμετάλλευσης των φυσικών πόρων που επιβάλλονται σε τοπικό επίπεδο. Η δεύτερη περίοδος (1950 έως τις αρχές του 1980), η οποία συμπίπτει με την παραγωγική εποχή στη Δυτική Ευρώπη, σημαδεύτηκε από μια σημαντική κοινωνικο-οικονομική παρακμή και ερήμωση της περιοχής. Τέλος, η τρίτη περίοδος (μέσα του 1980 έως σήμερα) χαρακτηρίζεται από ένα μετασχηματισμό της ταυτότητας της περιοχής, σημαντική ανάπτυξη του τριτογενή τομέα και ειδικά του τουρισμού.<br /> <br /> <br /> [[Εικόνα: PZ4 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Διαβαθμισμένοι χάρτες κάλυψης γης από από αεροφωτογραφίες για κάθε χρονικό βήμα, σε κάθε περιοχή μελέτης.''']]<br /> <br /> '''Επεξεργασία και ανάλυση'''<br /> <br /> Ασπρόμαυρες, παγχρωματικές αεροφωτογραφίες ελήφθησαν για τα έτη 1945 (1:42,000), 1969 (1:40,000) και 1995 (1:30,000) και δημιουργήθηκε μια σειρά τριών ψηφιακών ψηφιδωτών για την περιοχή. Οι αεροφωτογραφίες που ελήφθησαν το 1995 ήταν οι τελευταίες διαθέσιμες εικόνες της περιοχής, παρέχοντας ένα πλήρες σύνολο δεδομένων, όταν η μελέτη ξεκίνησε το 2002. Πριν από την ανάλυση, τα ψηφιδωτά των αεροφωτογραφιών διορθώθηκαν σε μια καθολική εικόνα mercator (UTM) με ανάλυση 50m. Τα ψηφιδωτά ταξινομήθηκαν με τη χρήση «αντικειμενοστραφούς ανάλυσης εικόνας» (eCognition SoftwareVersion 3,0). Ορθο-φωτογραφίες της βλάστησης της περιοχής που ελήφθησαν το 1980 καθώς και στοιχεία εδάφους που ελήφθησαν το 2002 χρησιμοποιήθηκαν για την επικύρωση της ταξινόμησης και τελικά έξι κατηγορίες κάλυψης γης δημιουργήθηκαν για το σύνολο των χαρτών: καλλιεργήσιμες εκτάσεις, λιβάδια, θαμνώδεις περιοχές, δάση, οικισμοί και σκιά. Για κάθε χάρτη και κάλυψη γης υπολογίστηκαν στατιστικά στοιχεία με την έκδοση ράστερ FRAGSTATS.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Τύμφης'''<br /> <br /> Η ανάλυση των πινάκων μετάβασης και τα ποσοστά αλλαγής, παρέχουν στοιχεία για τις αλλαγές που έλαβαν χώρα μεταξύ των καλύψεων στην περιοχή της Τύμφης κατά τη διάρκεια των 50 ετών της μελέτης. Τα λιβάδια παρουσίασαν σοβαρή απώλεια της κάλυψής τους την περίοδο 1945-1995 (συνολική απώλεια 965 εκταρίων). Οι καλλιεργήσιμες εκτάσεις υπέστησαν εκτεταμένη συρρίκνωση. Οι θαμνώδεις περιοχές αυξήθηκαν με σχεδόν σταθερό ρυθμό, μεταξύ των διαδοχικών περιόδων. Τέλος, τα δάση αναπτύχθηκαν με τον υψηλότερο συντελεστή στις δύο μεταβατικές περιόδους, αντικαθιστώντας κυρίως θαμνώδεις περιοχές. <br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Κόνιτσας'''<br /> <br /> Κατά τη διάρκεια των διαδοχικών περιόδων, τα λιβάδια μειώθηκαν με σταθερό ρυθμό, μετατρεπόμενα κυρίως σε θαμνώδεις περιοχές και δάση. Οι καλλιεργήσιμες εκτάσεις μειώθηκαν πάρα πολύ, αλλά με χαμηλότερη τιμή. Η πιο δεσπόζουσα μεταβολή που καταγράφεται στην περιοχή της Κόνιτσας ήταν η εκτεταμένη αναδάσωση, με μεγάλες εκτάσεις βοσκοτόπων και καλλιεργήσιμων εκτάσεων να αλλάζουν σε θαμνότοπους και στη συνέχεια σε δάσος. Η αναδάσωση προχώρησε με τον ίδιο ρυθμό αν και με ελαφρώς διαφορετικό πρότυπο, και στις δύο μεταβατικές περιόδους.<br /> <br /> <br /> '''Συζήτηση και συμπεράσματα'''<br /> <br /> Αν και το τοπίο της Τύμφης και το ορεινό τμήμα της Κόνιτσας έχουν πληγεί από κλιματικούς και φυσικούς περιορισμούς, που είναι κοινοί στις ορεινές περιοχές, η γεωργική δραστηριότητα ήταν πάντα παρούσα. Οι αλλαγές του τοπίου που παρατηρήθηκαν στην περιοχή μελέτης σαφώς συνδέονται με την αναδιάρθρωση του γεωργικού τομέα. Η μετάβαση μεταξύ των γεωργικών συστημάτων, η κατευθυντικότητα της διαδικασίας και η εξέλιξη του αγροτικού τοπίου αποτέλεσε αντικείμενο μιας ισχυρής συζήτησης στον τομέα της γεωργικής / αγροτικής έρευνας. Η κατανόηση της διαδικασίας της γεωργικής αλλαγής είναι θεμελιώδης για τη διαχείριση του αγροτικού τοπίου και την ανάπτυξη των περιφερειακών σχεδίων.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%99%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%84%CE%BF%CF%85_%CF%84%CE%BF%CF%80%CE%AF%CE%BF%CF%85_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82:_%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%BF_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%B9%CE%BA%CF%8C_%CE%BC%CE%B5%CF%84%CE%B1%CF%83%CF%87%CE%B7%CE%BC%CE%B1%CF%84%CE%B9%CF%83%CE%BC%CF%8C_%CF%84%CE%B7%CF%82_%CE%B5%CE%BB%CE%BB%CE%B7%CE%BD%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CF%80%CE%B1%CE%AF%CE%B8%CF%81%CE%BF%CF%85 2011-01-12T15:56:38Z

<p>Pzachariadis: New page: '''Συγγραφείς''' Maria Zomeni, Joseph Tzanopoulos, John D. Pantis '''Πηγή''' Historical analysis of landscape change using remote sensing techniques: An explanatory tool for...</p> <hr /> <div>'''Συγγραφείς'''<br /> Maria Zomeni, Joseph Tzanopoulos, John D. Pantis<br /> <br /> '''Πηγή'''<br /> Historical analysis of landscape change using remote sensing techniques: An explanatory tool for agricultural transformation in Greek rural areas<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα αγροτικά τοπία είναι αποτέλεσμα μιας δυναμικής διαδικασίας, με περιβαλλοντικούς και ανθρωπογενείς παράγοντες και οι χωρικές κατανομές του μετασχηματισμού τους στο χρόνο, συνδέονται αναμφίβολα με τις αλλαγές στις χρήσεις γης. Για αιώνες, η γεωργία έχει διαδραματίσει σημαντικό ρόλο στο σχηματισμό των αγροτικών τοπίων της Μεσογείου. Ωστόσο, η φύση των αλλαγών στο γεωργικό καθεστώς αποτέλεσε αντικείμενο μιας ισχυρής θεωρητικής συζήτησης. Ο σκοπός της παρούσας εργασίας είναι να περιγράψει και να αναλύσει τις επιπτώσεις της γεωργικής αλλαγής στη δομή του τοπίου της ελληνικής υπαίθρου χρησιμοποιόντας μία περιοχή μελέτης.<br /> <br /> '''Υλικά και μέθοδοι'''<br /> <br /> '''Περιοχή μελέτης και ιστορικό χρήσεων γης'''<br /> <br /> Η περιοχή μελέτης βρίσκεται στο νομό Ιωαννίνων. Ο γεωλογικός σχηματισμός αποτελείται κυρίως από ασβεστόλιθους και το κλίμα χαρακτηρίζεται ως μεταβατικό μεταξύ του Μεσογειακού και του ηπειρωτικού-Μεσογειακού. Εντός της περιοχής μελέτης, δύο περιοχές έχουν επιλεγεί για ανάλυση. Η πρώτη θέση είναι η περιοχή της Τύμφης που βρίσκεται μεταξύ 500m και 2300m πάνω από την επιφάνεια της θάλασσας. Η δεύτερη περιοχή βρίσκεται στην Κόνιτσα με υψόμετρο που κυμαίνεται από 300m έως 1.400m πάνω από την επιφάνεια της θάλασσας. Σε ένα ιστορικό πλαίσιο, τρεις βασικές περιόδοι αλλαγής χρήσεων γης μπορούν να εντοπιστούν στην περιοχή μελέτης. Η πρώτη περίοδος (αρχές του 20ου αιώνα έως 1940) χαρακτηρίζεται από μια οικονομία επιβίωσης που βασίζεται σε ένα αυστηρά οργανωμένο σύστημα χρήσεων γης και εκμετάλλευσης των φυσικών πόρων που επιβάλλονται σε τοπικό επίπεδο. Η δεύτερη περίοδος (1950 έως τις αρχές του 1980), η οποία συμπίπτει με την παραγωγική εποχή στη Δυτική Ευρώπη, σημαδεύτηκε από μια σημαντική κοινωνικο-οικονομική παρακμή και ερήμωση της περιοχής. Τέλος, η τρίτη περίοδος (μέσα του 1980 έως σήμερα) χαρακτηρίζεται από ένα μετασχηματισμό της ταυτότητας της περιοχής, σημαντική ανάπτυξη του τριτογενή τομέα και ειδικά του τουρισμού.<br /> <br /> '''Επεξεργασία και ανάλυση'''<br /> <br /> Ασπρόμαυρες, παγχρωματικές αεροφωτογραφίες ελήφθησαν για τα έτη 1945 (1:42,000), 1969 (1:40,000) και 1995 (1:30,000) και δημιουργήθηκε μια σειρά τριών ψηφιακών ψηφιδωτών για την περιοχή. Οι αεροφωτογραφίες που ελήφθησαν το 1995 ήταν οι τελευταίες διαθέσιμες εικόνες της περιοχής, παρέχοντας ένα πλήρες σύνολο δεδομένων, όταν η μελέτη ξεκίνησε το 2002. Πριν από την ανάλυση, τα ψηφιδωτά των αεροφωτογραφιών διορθώθηκαν σε μια καθολική εικόνα mercator (UTM) με ανάλυση 50m. Τα ψηφιδωτά ταξινομήθηκαν με τη χρήση «αντικειμενοστραφούς ανάλυσης εικόνας» (eCognition SoftwareVersion 3,0). Ορθο-φωτογραφίες της βλάστησης της περιοχής που ελήφθησαν το 1980 καθώς και στοιχεία εδάφους που ελήφθησαν το 2002 χρησιμοποιήθηκαν για την επικύρωση της ταξινόμησης και τελικά έξι κατηγορίες κάλυψης γης δημιουργήθηκαν για το σύνολο των χαρτών: καλλιεργήσιμες εκτάσεις, λιβάδια, θαμνώδεις περιοχές, δάση, οικισμοί και σκιά. Για κάθε χάρτη και κάλυψη γης υπολογίστηκαν στατιστικά στοιχεία με την έκδοση ράστερ FRAGSTATS.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Τύμφης'''<br /> <br /> Η ανάλυση των πινάκων μετάβασης και τα ποσοστά αλλαγής, παρέχουν στοιχεία για τις αλλαγές που έλαβαν χώρα μεταξύ των καλύψεων στην περιοχή της Τύμφης κατά τη διάρκεια των 50 ετών της μελέτης. Τα λιβάδια παρουσίασαν σοβαρή απώλεια της κάλυψής τους την περίοδο 1945-1995 (συνολική απώλεια 965 εκταρίων). Οι καλλιεργήσιμες εκτάσεις υπέστησαν εκτεταμένη συρρίκνωση. Οι θαμνώδεις περιοχές αυξήθηκαν με σχεδόν σταθερό ρυθμό, μεταξύ των διαδοχικών περιόδων. Τέλος, τα δάση αναπτύχθηκαν με τον υψηλότερο συντελεστή στις δύο μεταβατικές περιόδους, αντικαθιστώντας κυρίως θαμνώδεις περιοχές. <br /> <br /> '''Αλλαγές στη χωρική διάρθρωση στην περιοχή της Κόνιτσας'''<br /> <br /> Κατά τη διάρκεια των διαδοχικών περιόδων, τα λιβάδια μειώθηκαν με σταθερό ρυθμό, μετατρεπόμενα κυρίως σε θαμνώδεις περιοχές και δάση. Οι καλλιεργήσιμες εκτάσεις μειώθηκαν πάρα πολύ, αλλά με χαμηλότερη τιμή. Η πιο δεσπόζουσα μεταβολή που καταγράφεται στην περιοχή της Κόνιτσας ήταν η εκτεταμένη αναδάσωση, με μεγάλες εκτάσεις βοσκοτόπων και καλλιεργήσιμων εκτάσεων να αλλάζουν σε θαμνότοπους και στη συνέχεια σε δάσος. Η αναδάσωση προχώρησε με τον ίδιο ρυθμό αν και με ελαφρώς διαφορετικό πρότυπο, και στις δύο μεταβατικές περιόδους.<br /> <br /> '''Συζήτηση και συμπεράσματα'''<br /> <br /> Αν και το τοπίο της Τύμφης και το ορεινό τμήμα της Κόνιτσας έχουν πληγεί από κλιματικούς και φυσικούς περιορισμούς, που είναι κοινοί στις ορεινές περιοχές, η γεωργική δραστηριότητα ήταν πάντα παρούσα. Οι αλλαγές του τοπίου που παρατηρήθηκαν στην περιοχή μελέτης σαφώς συνδέονται με την αναδιάρθρωση του γεωργικού τομέα. Η μετάβαση μεταξύ των γεωργικών συστημάτων, η κατευθυντικότητα της διαδικασίας και η εξέλιξη του αγροτικού τοπίου αποτέλεσε αντικείμενο μιας ισχυρής συζήτησης στον τομέα της γεωργικής / αγροτικής έρευνας. Η κατανόηση της διαδικασίας της γεωργικής αλλαγής είναι θεμελιώδης για τη διαχείριση του αγροτικού τοπίου και την ανάπτυξη των περιφερειακών σχεδίων.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:54:04Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκόπησης: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:53:43Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκοπικών τεχνικών: ένα εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:53:12Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> <br /> * [[Ιστορική ανάλυση της αλλαγής του τοπίου με χρήση τηλεπισκοπικών τεχνικών: ένα επεξηγηματικό εργαλείο για το γεωργικό μετασχηματισμό της ελληνικής υπαίθρου]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CE%B7%CF%82_%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%82_%CE%BA%CE%B1%CE%B9_%CF%84%CF%89%CE%BD_%CE%93%CE%B5%CF%89%CE%B3%CF%81%CE%B1%CF%86%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A3%CF%85%CF%83%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%A0%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_%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%BF%CF%85_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2011-01-12T15:51:55Z

<p>Pzachariadis: New page: '''Συγγραφείς''' Emilio Chuvieco Russell G. Congalton '''Πηγή''' Application of Remote Sensing and Geographic Information Systems to Forest Fire Hazard Mapping '''Εισα...</p> <hr /> <div>'''Συγγραφείς'''<br /> Emilio Chuvieco Russell G. Congalton<br /> <br /> '''Πηγή'''<br /> Application of Remote Sensing and Geographic Information Systems to Forest Fire Hazard Mapping<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η έρευνα για τις δασικές πυρκαγιές είναι μία από τις πολλές κατάλληλες εφαρμογές των Γεωγραφικών Συστημάτων Πληροφορίας. Λαμβάνοντας υπόψη την εγγενή δυναμική αυτού του φαινομένου, εικόνες τηλεπισκόπησης είναι επίσης πολύτιμες για αυτό το είδος μελέτης. Η εργασία αυτή ασχολείται με την εφαρμογή και των δύο μεθόδων, GIS και τηλεπισκόπησης, για τη χαρτογράφηση των κινδύνων για πυρκαγιά.<br /> <br /> <br /> '''Μοντέλα επικινδυνότητας πυρκαγιάς'''<br /> <br /> Οι πρώτες εφαρμογές της τηλεπισκόπησης στη χαρτογράφηση δασικών πυρκαγιών προέρχονται από τη δεκαετία του 1960, όταν αρκετοί εναέριοι υπέρυθροι σαρωτές εξετάστηκαν για την ανίχνευση τοπικών πυρκαγιών. Με την ανάπτυξη του προγράμματος Landsat, πολλά σχέδια διεξήχθησαν για να εξεταστεί η αξιοπιστία των δορυφορικών εικόνων για τη χαρτογράφηση και απογραφή των δασικών πυρκαγιών. Εκτός όμως από αυτές τις λειτουργίες, η τηλεπισκόπηση έχει επίσης χρησιμοποιηθεί αποτελεσματικά για τη χαρτογράφηση του κινδύνου πυρκαγιάς. Έχει χρησιμοποιηθεί επίσης ψηφιακή επεξεργασία εικόνων Landsat MSS για τη χαρτογράφηση των καυσίμων και της βλάστησης. Μια πιο ολοκληρωμένη προσέγγιση για τη χαρτογράφηση του κινδύνου πυρκαγιάς αναπτύχθηκε για το έργο FIRESCOPE, στο οποίο η βλάστηση (από εικόνες Landsaat) γεωαναφερόταν, μαζί με χαρακτηριστικά όπως κλίση, υψόμετρο, πτυχή, έδαφος, ηλιοφάνεια, διαθεσιμότητα νερού και χρονολογικές φωτιές, για να παραχθούν πολύ ενδιαφέροντα μοντέλα. Τα τελευταία χρόνια τέλος, πολλά έργα έχουν αποδείξει τη χρησιμότητα εικόνων AVHRR για την έρευνα των δασικών πυρκαϊών.<br /> <br /> <br /> '''Στόχοι'''<br /> <br /> Στόχος της εργασίας ήταν η δημιουργία μιας αξιόπιστης μεθόδου για τη χαρτογράφηση του κινδύνου πυρκαγιάς σε ένα μεσογειακό περιβάλλον. Δύο αρχικές πτυχές ενσωματώνονται στην παρούσα μελέτη. Πρώτον, η χρήση εικόνων υψηλής ανάλυσης. Δεύτερον, η επιλογή της περιοχής δοκιμής που είχε ήδη πληγεί από δασικές πυρκαγιές.<br /> <br /> <br /> '''Μέθοδοι'''<br /> <br /> '''Γεωγραφικά χαρακτηριστικά της περιοχής δοκιμής'''<br /> <br /> Η περιοχή δοκιμής βρίσκεται στη μεσογειακή ακτή της Ισπανίας. Η υπό μελέτη περιοχή είχε διαταραχθεί από μια σημαντική δασική πυρκαγιά τον Αύγουστο του 1985. Η περιοχή έχει τα τυπικά χαρακτηριστικά ενός περιβάλλοντος της Μεσογείου και ως εκ τούτου κατατάσσεται ως ζώνη υψηλής επικινδυνότητας για δασικές πυρκαγιές. Η τοπογραφία της περιοχής είναι πολύπλοκη λόγω της παρουσίας πολλών παράκτιων περιοχών, γεγονός που περιπλέκει ιδιαίτερα την ψηφιακή ταξινόμηση της εικόνας. <br /> <br /> <br /> '''Μια ολοκληρωμένη προσέγγιση'''<br /> <br /> Οι μεταβλητές που χρησιμοποιήθηκαν στο μοντέλο είναι: είδος βλάστησης, υψόμετρο, κλίση, πτυχή, εγγύτητα σε δρόμους και μονοπάτια, κάμπινγκ, ή κτίρια. Κάθε μία από αυτές τις μεταβλητές, θεωρήθηκε ως ένα διαφορετικό στρώμα πληροφοριών για την ολοκληρωμένη ανάλυση. Η καμμένη γη έγινε διακριτή χρησιμοποιώντας μια εικόνα από Thematic Mapper, η οποία αποκτήθηκε λίγες ώρες μετά την πυρκαγιά.<br /> <br /> <br /> [[Εικόνα: PZ3 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Ψευδοχρωματικό σύνθετο από εικόνα του Thematic Mapper της περιοχής μελέτης. Αστική γη και νερό καλύφθηκαν με στόχο τη βελτίωση της διάκρισης των κατηγοριών βλάστησης. Η περιοχή που επηρεάζεται από την πυρκαγιά είναι με λευκό περίγραμμα.''']]<br /> <br /> [[Εικόνα: PZ3 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Χάρτης κινδύνου. Για τους σκοπούς της εμφάνισης, ολόκληρο το φάσμα των τιμών του δείκτη επικινδυνότητας έχει διαιρεθεί σε τρεις κατηγορίες: 1) υψηλής επικινδυνότητας (1-100) 2) μεσαίας επικινδυνότητας (101-200) 3) χαμηλής επικινδυνότητας (201-255).''']]<br /> <br /> <br /> '''Χαρτογράφηση βλάστησης'''<br /> <br /> Ο κύριος παράγοντας που επηρεάζει την εξάπλωση μιας δασικής πυρκαγιάς είναι το είδος και τα χαρακτηριστικά της βλάστησης. Η παραδοσιακή ταξινόμηση εικόνων Landsat τείνει να δημιουργεί χάρτες κάλυψης γης, που χωρίζουν τη βλάστηση σε ομοιογενείς ζώνες διαφορετικών ειδών ή σε ζώνες διαφόρων ενοτήτων. Στην εργασία αυτή, η χαρτογράφηση της βλάστησης βελτιώθηκε με τη χρήση εικόνων TM αντί MSS. Η βελτίωση αυτή μπορεί να αποδώσει καλύτερα τις διακρίσεις της πυκνότητας των δασών και τη διάρθρωσή τους, αλλά έχει και αυξημένη ανίχνευση του εδάφους. Η εικόνα που επιλέχθηκε για την επεξεργασία είχε αποκτηθεί στις 26 Ιουνίου 1984. Χρησιμοποιώντας οπτική ανάλυση, καλύψεις όπως το νερό και η αστική γη αφαιρέθηκαν από την ανάλυση με τη χρήση χωρικών τεχνικών κάλυψης. Στη συνέχεια εφαρμόστηκαν τεχνικές επιβλεπόμενης ταξινόμησης στις εικόνες TM. Μη επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για τη συμπλήρωση της διαδικασίας.<br /> <br /> <br /> '''Τοπογραφικά δεδομένα'''<br /> <br /> Η τοπογραφία είναι ένας από τους κύριους παράγοντες που περιλαμβάνονται σε κάθε σύστημα κινδύνου πυρκαγιάς. Μεταξύ των στοιχίων της τοπογραφίας μιας περιοχής, η κλίση θεωρείται ο πιο κρίσιμος παράγοντας. Η κλίση των πρανών, οι πτυχές και το υψόμετρο, συνήθως λαμβάνονται από ψηφιακά μοντέλα εδάφους. Για την περιοχή μελέτης δημιουργήθηκε ένα μοντέλο αναγλύφου από τοπογραφικούς χάρτες κλίμακας 1:50.000. <br /> <br /> <br /> '''Ανάλυση εγγύτητας'''<br /> <br /> Τα μονοπάτια και οι οδικές τοποθεσίες είναι επίσης ένας σημαντικός παράγοντας στη χαρτογράφηση κινδύνου πυρκαγιάς. Στην εργασία αυτή, οι δρόμοι και τα μονοπάτια ψηφιοποιήθηκαν και αναλύθηκαν με τη χρήση Η/Υ ARC/INFO. Μια ζώνη επιρροής των 50m καθιερώθηκε για τις κύριες οδούς, ενώ απόσταση 150m επιλέχθηκε για μονοπάτια και αντιπυρικές ζώνες.<br /> <br /> <br /> '''Μοντελοποίηση κινδύνου φωτιάς'''<br /> <br /> Στη μελέτη αυτή, η πρόθεση ήταν να ενοποιηθούν τα χωρικά επίπεδα δεδομένων σε ένα ενιαίο δείκτη κινδύνου πυρκαγιάς, ο οποίος θα μπορούσε να χρησιμοποιηθεί για χαρτογράφηση αργότερα. Πέντε στρώματα πληροφοριών ήταν διαθέσιμα: βλάστηση, κλίση, πτυχή, υψόμετρο και εγγύτητα στους δρόμους. Η προσέγγιση που υιοθετήθηκε για την ανάπτυξη του χάρτη κινδύνου πυρκαγιάς ακολούθησε διάφορα στάδια. Πρώτον, κάθε στρώμα δεδομένων σταθμίστηκε ανάλογα με τις επιπτώσεις του στην αύξηση του κινδύνου πυρκαγιάς. Δεύτερον, κάθε στρώμα δεδομένων στη συνέχεια χωρίστηκε σε διαφορετικά επίπεδα που ορίστηκαν με συντελεστή 0, 1 και 2 με βάση την κατάταξη υψηλής, μεσαίας και χαμηλής επικινδυνότητας πυρκαγιάς, αντίστοιχα. Συνοπτικά, ο τελικός τύπος του δείκτη επικινδυνότητας μπορεί να εκφραστεί ως: H = 1 + 100V + 30s + 10 + 5R + 2e, όπου v, s, α, r, και e, είναι οι συντελεστές που εφαρμόζονται στη βλάστηση, κλίση, πτυχή , δρόμους, και τιςομάδες υψομέτρων, αντίστοιχα. Ένα πρόγραμμα FORTRAN γράφτηκε για την εκτέλεση αυτών των υπολογισμών και για τη δημιουργία μιας 8-bit δυαδικής εικόνας. Αυτή η εικόνα θα μπορούσε στη συνέχεια να επιστρώνεται σε ένα χάρτη της καμμένης γης, που λήφθηκε από μια εικόνα Thematic Mapper μετά την πυρκαγιά.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> '''Απόκτηση των επιπέδων πληροφορίας'''<br /> <br /> Η βλάστηση προέκυψε από συνδυασμένη επιβλεπόμεη και μη επιβλεπόμενη ταξινόμηση μιας εικόνας TM, που αποκτήθηκε στις 26 Ιουνίου 1984. Η κλίση και οι πτυχές υπολογίστηκαν από τα υψομετρικά δεδομένα. Προκειμένου να διατηρηθεί το αρχικό σχήμα των δρόμων, η ανάλυση πραγματοποιήθηκε από ένα διανυσματικό πρόγραμμα GIS.<br /> <br /> <br /> '''Χαρτογράφηση κινδύνου πυρκαγιάς'''<br /> <br /> Ο τελικός χάρτης επικινδυνότητας εμφανίζεται στην εικόνα 2. Γεωμετρικές διορθώσεις επέτρεψαν την υπέρθεση αυτής της εικόνας με εκείνη που αποκτήθηκε μετά την πυρκαγιά. Θα μπορούσε να θεωρηθεί ότι το μοντέλο είχε κακές επιδόσεις στην πρόβλεψη της καμένης περιοχής. Ωστόσο, θα πρέπει να αναφερθεί ότι το μοντέλο προσπάθησε να προβλέψει τον κίνδυνο πυρκαγιάς και όχι τη συμπεριφορά της. Από την άποψη αυτή, το μοντέλο μπορεί να θεωρηθεί ως πιο αξιόπιστη λύση.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Μια ολοκληρωμένη ανάλυση των χωρικών μεταβλητών είναι πολύτιμη για την έρευνα των δασικών πυρκαγιών. Η τηλεπισκόπηση προσφέρει τα δεδομένα για τη βλάστηση, ενώ η επεξεργασία τους με συστήματα GIS κατέστησε δυνατή τη δημιουργία μοντέλων κινδύνου πυρκαγιάς. Το προτεινόμενο μοντέλο εκτελείται σωστά για τον εντοπισμό των περιοχών που υπόκεινται σε υψηλότερο κίνδυνο πυρκαγιάς.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:48:18Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης]]<br /> <br /> * [[Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στη χαρτογράφηση του κινδύνου δασικών πυρκαγιών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CF%84%CF%8D%CF%80%CF%89%CE%BD_%CE%BA%CE%B1%CF%85%CF%83%CE%AF%CE%BC%CF%89%CE%BD_%CF%87%CE%AC%CF%81%CF%84%CE%B7:_%CE%9F_%CF%81%CF%8C%CE%BB%CE%BF%CF%82_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82 2011-01-12T15:47:19Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Lara A. Arroyo, Cristina Pascual, Jose´ A. Manzanera<br /> <br /> '''Πηγή'''<br /> Fire models and methods to map fuel types: The role of remote sensing<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι δασικές πυρκαγιές αποτελούν μείζον περιβαλλοντικό ζήτημα σε ένα ευρύ φάσμα των οικοσυστημάτων παγκοσμίως. Η γνώση της χωρικής κατανομής των τύπων καυσίμων είναι απαραίτητη για την ανάπτυξη στρατηγικών διαχείρισης. Επιπλέον, οι ακριβείς χάρτες των τύπων καυσίμων, είναι ένα απαιτούμενο βήμα εισόδου σε προγράμματα τα οποία προσομοιώνουν τη συμπεριφορά της φωτιάς. Διάφορες τεχνικές τηλεπησκόπισης έχουν αναπτυχθεί προς αυτήν την κατεύθυνση. Στην εργασία αυτή εξετάζονται οι συνηθέστερες ταξινομήσεις καυσίμων και των μεθόδων για την παραγωγή χαρτών καυσίμων. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς και ταξινομήσεις τύπων καυσίμου'''<br /> <br /> '''Ορολογία'''<br /> <br /> Καύσιμα ορίζονται, τα στοιχεία εκείνα που συμβάλλουν στην εξάπλωση, την ένταση και τη σοβαρότητα της δασικής πυρκαγιάς. Χρησιμοποιούμε τον όρο μοντέλο φωτιάς για να ορίσουμε μαθηματικές σχέσεις που περιγράφουν τα δυναμικά χαρακτηριστικά μιας πυρκαγιάς. Τα μοντέλα αυτά είναι ιδιαίτερα χρήσιμα για τους διαχειριστές, όταν είναι ενταγμένα σε συστήματα υποστήριξης αποφάσεων.<br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στις Ηνωμένες Πολιτείες'''<br /> <br /> Ένα από τα πιο ευρέως χρησιμοποιούμενα μοντέλα πυρκαγιών είναι αυτό του Rothermel (1972), το οποίο προσομοιώνει εξάπλωση πυρκαγιάς σε επιφανειακά καύσιμα. Αυτό το μοντέλο είναι η βάση για πολλά συστήματα υποστήριξης αποφάσεων στη Βόρειο Αμερική. Ένα νεότερο σύστημα ταξινόμησης των καυσίμων στις Ηνωμένες Πολιτείες είναι το Fuel Characteristics Classification System (FCC), το οποίο επιτρέπει στο χρήστη να δημιουργήσει και να κατηγοριοποιήσει υπόβαθρα καυσίμων και να τα κατατάξει ανάλογα με την ικανότητά τους να υποστηρίξουν φωτιά και να καταναλώσουν καύσιμα. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στην Αυστραλία'''<br /> <br /> Τα πιο διαδεδομένα μοντέλα πυρκαγιάς στην Αυστραλία είναι τα McArthur Forest Fire Danger Rating System και McArthur Grassland Fire Danger Rating System, που επινοήθηκαν από τον Alan McArthur στη δεκαετία του 1960, και τα οποία συσχετίζουν τη πιθανότητα αναφλέξεως, τον αναμενόμενο ρυθμό εξάπλωσης και τη δυσκολία του περιορισμού, και εξαρτώνται από τη θερμοκρασία, τη σχετική υγρασία και την ταχύτητα του ανέμου. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στον Καναδά'''<br /> <br /> Τα συστήματα υποστήριξης αποφάσεων στον Καναδά αναπτύχθηκαν επίσης από πειραματικές φωτιές και πυρκαγιές, αλλά εφαρμόζονται σε όλους τους τύπους βλάστησης και είναι αρκετά πιο σύνθετα από τα Αυστραλιανά. <br /> <br /> <br /> '''Μοντέλα πυρκαγιάς στην Ευρώπη'''<br /> <br /> Ευρωπαίοι ερευνητές ανέπτυξαν ένα νέο σύστημα ταξινόμησης των καυσίμων που ονομάζεται Προμηθέας, το οποίο απλοποιεί και προσαρμόζει την κατάταξη NFFL σε μεσογειακές συνθήκες. Το κύριο κριτήριο κατάταξης σε αυτό το σύστημα είναι το είδος και το ύψος του στοιχείου μετάδοσης, τα οποία χωρίζονται σε τρεις μεγάλες ομάδες: χλόη, θάμνοι ή σκουπίδια έδαφους.<br /> <br /> <br /> [[Εικόνα: PZ2 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τύποι καυσίμων (Arroyo et al., 2006).''']]<br /> <br /> <br /> '''Περιορισμοί των ταξινομήσεων'''<br /> <br /> Τα καύσιμα δεν είναι εύκολο να ταξινομηθούν. Πρώτον τα μοντέλα καυσίμων είναι εξαρτόνται από την εκάστοτε περιοχή. Επίσης, έχουν περιορισμένο πεδίο εφαρμογής. Η ταξινόμηση των καυσίμων μπορεί να εφαρμοστεί μόνο για τους συγκεκριμένους στόχους που εξετάσθηκαν κατά την ανάπτυξή του. Εξαιτίας της ύπαρξης πολλών διαφορετικών συστημάτων ταξινόμησης, επικρατεί σύγχυση μεταξύ τους. Τέλος, παρόλο που οι χάρτες των καυσίμων είναι απαραίτητοι για τη διαχείριση πυρκαγιών, η δημιουργία τους είναι δύσκολη και δαπανηρή.<br /> <br /> <br /> '''Παραδοσιακές μέθοδοι'''<br /> <br /> '''Τοπικός έλεγχος'''<br /> <br /> Ο τοπικός έλεγχος περιλαμβάνει διάσχιση ενός τοπίου, με καταγραφή της έκτασης των συνθηκών των καυσίμων σε υπολογιστές ή χάρτες. Δεδομένου ότι οι χάρτες θα πρέπει να ενημερώνονται περιοδικά, το έργο αυτό καθίσταται ιδιαίτερα προβληματικό. Όμως, ο τοπικός έλεγχος εξακολουθεί να είναι απαραίτητος για τη χαρτογράφηση καυσίμων είτε ως βασική πηγή δεδομένων ή για την αξιολόγηση των προϊόντων που παράγονται σε χαμηλότερο επίπεδο λεπτομέρειας. Η προσέγγιση αυτή συνιστάται επίσης για την επικύρωση χάρτων που δημιουργήθηκαν από τεχνικές τηλεπησκόπισης.<br /> <br /> <br /> '''Φωτοερμηνεία'''<br /> <br /> Ο Lee (1941) ήταν από τους πρώτους που πρότεινε τη χρήση τεχνικών φωτοερμηνείας για τη διάκριση των καυσίμων σε αεροφωτογραφίες. Έγχρωμες φωτογραφίες καθιερώθηκαν αργότερα για τη βελτίωση της χαρτογράφησης της βλάστησης. Οι έγχρωμες-υπέρυθρες φωτογραφίες έχουν επίσης χρησιμοποιηθεί, δεδομένου ότι παρέχουν σχετικές φασματικές πληροφορίες για τη διάκριση των τύπων καυσίμων. <br /> <br /> <br /> '''Οικολογική μοντελοποίηση'''<br /> <br /> Η προσέγγιση της μοντελοποίησης, χρησιμοποιεί βιοφυσικά μοντέλα για τη δημιουργία χαρτών καυσίμων. Οι περιβαλλοντικές διαβαθμίσεες είναι βιοχημικά φαινόμενα, όπως το κλίμα και η τοπογραφία, που επηρεάζουν άμεσα τη βλάστηση και τα καύσιμα. Η αξία αυτής της προσέγγισης είναι ότι οι διαβαθμόσεος παρέχουν ένα οικολογικό πλαίσιο στο οποίο μπορεί να κατανοηθεί, να εξερευνηθεί και να προβλεφθεί η δυναμική των καυσίμων. <br /> <br /> <br /> '''Μέθοδοι τηλεπισκόπησης'''<br /> <br /> '''Παθητικοί αισθητήρες'''<br /> <br /> Η χαρτογράφηση των καυσίμων από τηλεπισκόπηση πολυφασματικών δεδομένων, έχει δοκιμαστεί από πολλούς συγγραφείς. Πιο συχνά, οι μελέτες αυτές βασίστηκαν σε μεσαίας ανάλυσης αισθητήρες, όπως SPOT-HRV (Systeme Pour l’Observation de la Terre - Haute Resolution Visible), Landsat MSS (Multispectral Scanner) ή TM (Thematic Mapper). Ο πιο σημαντικός περιορισμός αυτών των εικόνων είναι η αδυναμία τους να διεισδύσουν στους θόλους των δασών. Οι αισθητήρες αυτοί είναι συνήθως σε θέση να ανιχνεύσουν τα επιφανειακά καύσιμα όπου υπάρχει άνοιγμα στα δασικά φυλλώματα.<br /> <br /> <br /> '''Μεσαίας προς χαμηλής ανάλυσης πολυφασματικά δεδομένα'''<br /> <br /> Οι περισσότερες μεσαίας και χαμηλής ανάλυσης πολυφασματικές προσεγγίσεις χαρακτηρίζουν τα επιφανειακά καύσιμα ταξινομόντας μια εικόνα σε κατηγορίες βλάστησης και στη συνέχεια, αναθέτοντας τα χαρακτηριστικά των καυσίμων σε κάθε κατηγορία. Για παράδειγμα, η πρωτοποριακή εργασία του Kourtz (1977) παρουσιάζει τις βασικές τεχνικές της ψηφιακής ταξινόμησης των τύπων καυσίμου με χρήση δορυφορικής τηλεπισκόπησης εικόνων (Landsat-MSS): επιβλεπόμενη ταξινόμηση (μέγιστη πιθανότητα) και μη επιβλεπόμενη ταξινόμηση. Άλλες προσπάθειες επικεντρώθηκαν σε χωρικής ανάλυσης αισθητήρες, όπως ο NOAA-AVHRR (National Oceanographic and Atmospheric Administration-Advanced Very High Resolution Radiometer). <br /> <br /> <br /> '''Πολύ υψηλής ανάλυσης πολυφασματικά δεδομένα'''<br /> <br /> Νεότεροι αισθητήρες, όπως οι QuickBird και IKONOS, έδωσαν αναλύσεις κάτω του μέτρου. Οι αισθητήρες αυτοί έχουν εφαρμοστεί ευρέως στο χαρακτηρισμό της βλάστησης. Σε αυτήν την προσέγγιση, τα pixel συγκεντρώνονται πριν από την ταξινόμηση και όχι μετά. Δημιουργούνται περιοχές με χαρακτηριστικά, όπως μορφή, υφή, τοπολογία και φασματικές πληροφορίες, που εισάγονται στο στάδιο της κατάταξης. Η κατάταξη στη συνέχεια εκτελείται σε ομάδες των pixel (''αντικειμένων''), παρά σε μεμονομένα pixel. <br /> <br /> <br /> '''Υπερφασματικά δεδομένα'''<br /> <br /> Τα υπερφασματικά συστήματα τηλεπισκόπησης, που μετρούν την αντανάκλαση ή εκπέμπουν ηλεκτρομαγνητική ακτινοβολία σε μεγάλο αριθμό συνεχόμενων φασματικών ζωνών, έχει αποδειχθεί ότι είναι χρήσιμα για τη φασματική και χωρική διάκριση της βλάστησης που σχετίζεται με τη φωτιά και έχει χαρακτηριστικά όπως πυκνό φύλλωμα, υγρασία, αναλογία μεταξύ νεκρής και ζωντανής βλάστησης και κατανομή του γυμνού εδάφους. Η Spectral Mixture Analysis (SMA) είναι η βάση των περισσότερων υπερφασματικών τεχνικών ανάλυσης δεδομένων. Η προσέγγιση SMA υποθέτει ότι το φάσμα που μετριέται από έναν αισθητήρα είναι γραμμικός συνδυασμός των φασμάτων όλων των συνιστωσών εντός του pixel. Το βασικό μειονέκτημα των εναέριων υπερφασματικών αισθητήρων (π.χ. AVIRIS, MIVIS) είναι η μειωμένη χωρική κάλυψη που παρέχουν. <br /> <br /> <br /> '''Ενεργητικοί αισθητήρες'''<br /> <br /> '''Συστήματα LΙDAR'''<br /> <br /> Η τεχνολογία LiDAR αποτελεί μία αποτελεσματική εναλλακτική λύση για την υπέρβαση των δύο κύριων δυσκολιών που αντιμετωπίζονται από τη χαρτογράφηση καυσίμων από παθητικά οπτικά δεδομένα: μπορεί να χρησιμοποιηθεί για να εκτιμηθεί το ύψος των καυσίμων και παρέχει πληροφορίες των επιφανειακών καυσίμων όταν αυτά καλύπτονται από το φύλλωμα του δάσους. <br /> <br /> <br /> '''Μικροκυματικά δεδομένα'''<br /> <br /> Όπως και στην περίπτωση των δεδομένων LiDAR, οι αισθητήρες μικροκυμάτων έχουν τη δυνατότητα να συμπληρώσουν οπτικές μετρήσεις των χαρακτηριστικών τύπων καυσίμου. Πολλές εργασίες, που στηρίζονται σε δεδομένα απο μικροκυματικούς δορυφόρους, όπως οι ERS-1 και RADARSAT, προσπαθούν να προβλέψουν σημαντικά δασικά χαρακτηριστικά για τη χαρτογράφηση των καυσίμων, όπως η βιομάζα, ο όγκος και το ύψος των δέντρων. <br /> <br /> <br /> '''Συνδυασμός μεθόδων'''<br /> <br /> Η συνδυασμένη χρήση διαφορετικών μεθόδων χαρτογράφησης καυσίμων και/ή πηγών δεδομένων, αντιπροσωπεύει μια νέα και πολλά υποσχόμενη προσέγγιση στην τηλεπισκόπηση, όχι μόνο για τη χαρτογράφηση των καυσίμων, αλλά και σε πολλές άλλες εφαρμογές. Ως αποτέλεσμα, πολλοί από τους περιορισμούς που συνδέονται με την εφαρμογή μιας ενιαίας μεθόδου χαρτογράφησης αντιμετωπίζονται πολύ ευκολότερα. Μια επιλογή είναι ο συνδυασμός παραδοσιακών μεθόδων και τεχνικών τηλεπισκόπησης. Χρησιμοποιώντας μόνο τεχνικές τηλεπισκόπησης, η ενσωμάτωση περισσότερων του ενός αισθητήρα έχει επίσης αναπτυχθεί με επιτυχία. Τέλος η χρήση των LiDAR και φασματικών πληροφοριών (κυρίως VHR ή υπερφασματικών) υπήρξε ιδιαίτερα επιτυχής και αποτελεί μια πολλά υποσχόμενη εναλλακτική λύση για την αντιμετώπιση της πολύπλοκης φύσης των καυσίμων.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η γνώση των χαρακτηριστικών των καυσίμων είναι καθοριστική για τη διαχείριση των πυρκαγιών, διότι μπορεί να χρησιμοποιηθεί για τον υπολογισμό του κινδύνου, της επικινδυνότητας, τη συμπεριφοράς και του αποτελέσματος της φωτιάς. Ωστόσο, τα καύσιμα είναι δύσκολο να περιγραφούν και να χαρτογραφηθούν λόγω της μεγάλης πολυπλοκότητας και των διακυμάνσεών τους. Η ανάπτυξη νέων βελτιωμένων αισθητήρων (δηλαδή LIDAR, ραντάρ, VHR και υπερφασματικών) και τεχνικών, μπορεί να βελτιώσει σημαντικά τη χαρτογράφηση των καυσίμων.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ10_sx2.jpg 2011-01-12T15:45:52Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ10_sx1.jpg 2011-01-12T15:43:58Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ9_sx2.jpg 2011-01-12T15:43:41Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-12T15:43:24Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> <br /> [[Εικόνα: PZ1 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τα δύο υποσύνολο της μελέτης (Central Facility και Little Washita) στην Οκλαχόμα επλέχθηκαν από την επικάλυψη προϊόντων ESTAR για την εδαφική υγρασία και ενεργητικών μικροκυματικών δεδομένων RADARSAT-1.''']]<br /> <br /> [[Εικόνα: PZ1 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σχηματική αναπαράσταση του διαγράμματος ροής δεδομένων για την ανάλυση των επιπτώσεων της μεταβλητότητας των υπό-εικονοστοιχείων και της ετερογένειας της κάλυψης γης στην ανάκτηση της εδαφικής υγρασίας.''']]<br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> [[Εικόνα: PZ1 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Ιστογράμματα της ετερογένειας των τύπων κάλυψης γης στα επιμέρους εικονοστοιχεία, που προκύπτει από το αποτύπωμα ESTAR (800 μ.) στην περιοχή μελέτης.''']]<br /> <br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-12T15:42:58Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> [[Εικόνα: PZ1 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τα δύο υποσύνολο της μελέτης (Central Facility και Little Washita) στην Οκλαχόμα επλέχθηκαν από την επικάλυψη προϊόντων ESTAR για την εδαφική υγρασία και ενεργητικών μικροκυματικών δεδομένων RADARSAT-1.''']]<br /> <br /> [[Εικόνα: PZ1 sx2.jpg| thumb| right| '''ΕΙΚΟΝΑ 2: Σχηματική αναπαράσταση του διαγράμματος ροής δεδομένων για την ανάλυση των επιπτώσεων της μεταβλητότητας των υπό-εικονοστοιχείων και της ετερογένειας της κάλυψης γης στην ανάκτηση της εδαφικής υγρασίας.''']]<br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> [[Εικόνα: PZ1 sx3.jpg| thumb| right| '''ΕΙΚΟΝΑ 3: Ιστογράμματα της ετερογένειας των τύπων κάλυψης γης στα επιμέρους εικονοστοιχεία, που προκύπτει από το αποτύπωμα ESTAR (800 μ.) στην περιοχή μελέτης.''']]<br /> <br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ9_sx1.jpg 2011-01-12T15:41:16Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-12T15:40:59Z

<p>Pzachariadis: </p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> [[Εικόνα: PZ1 sx1.jpg| thumb| right| '''ΕΙΚΟΝΑ 1: Τα δύο υποσύνολο της μελέτης (Central Facility και Little Washita) στην Οκλαχόμα επλέχθηκαν από την επικάλυψη προϊόντων ESTAR για την εδαφική υγρασία και ενεργητικών μικροκυματικών δεδομένων RADARSAT-1.''']]<br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ8_sx2.jpg 2011-01-12T15:38:26Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%80%CE%AF%CE%B4%CF%81%CE%B1%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B5%CF%84%CE%B5%CF%81%CE%BF%CE%B3%CE%AD%CE%BD%CE%B5%CE%B9%CE%B1%CF%82_%CF%84%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%83%CF%84%CE%B7%CE%BD_%CE%B1%CE%BD%CE%AC%CE%BA%CF%84%CE%B7%CF%83%CE%B7_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%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_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CE%AC_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1 2011-01-12T15:38:24Z

<p>Pzachariadis: New page: '''Συγγραφείς''' Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi '''Πηγή''' Effect of Land Cover Heterogeneity on Soil Moisture Ret...</p> <hr /> <div>'''Συγγραφείς'''<br /> Tarendra Lakhankar , Hosni Ghedira, Marouane Temimi, Amir E. Azar 1 and Reza Khanbilvardi<br /> <br /> '''Πηγή'''<br /> Effect of Land Cover Heterogeneity on Soil Moisture Retrieval Using Active Microwave Remote Sensing Data<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η χωρική και χρονική κατανομή της υγρασίας του εδάφους και των ελεγκτικών παραγόντων της προσφέρει μία εξαιρετική μελέτη για την κατανόηση της σημασίας του προτύπου και της κλίμακας στην υφή του εδάφους, την τοπογραφία και την εδαφοκάλυψη. Η αναγνώριση της εδαφικής υγραςίας χρησιμοποιώντας ενεργητικά μικροκυματικά μέσα τηλεπισκόπησης είναι μπερδεμένη από τη μεταβλητότητα των εσωτερικών εικονοστοιχείων της βλάστησης, αφού οι απομακρυσμένοι αισθητήρες παρέχουν μόνο μία τιμή ανά εικονοστοιχείο. Με απλά λόγια, η ετερογένεια ορίζεται ως η παρουσία των διαφόρων καλύψεων γης μέσα σε ένα εικονοστοιχείο. Η παρουσία της χωρικής μεταβλητότητας και η ανομοιογένεια της επιφάνειας της γης, εισάγει μια σειρά από προβλήματα στην ανάκτηση και επικύρωση των ενεργητικών μικροκυματικών δεδομένων για την υγρασία του εδάφους. Η χωρική κατανομή της χρήσης γης και της κάλυψης γης μέσα σε ένα εικονοστοιχείο απαιτεί σε βάθος μελέτη για να κατανοηθεί η επίδρασή του για την ανάκτηση επιφανειακών παραμέτρων. Στατιστικές προσεγγίσεις όπως, υπολογισμός του μέτρου της κεντρικής τάσης (μέσων όρων ή διαμέσων) και της μεταβλητότητας (τυπική απόκλιση ή διακύμανση), έχουν χρησιμοποιηθεί για να αντιμετωπίσουν τη χωρική μεταβλητότητα. Η ακρίβεια της δορυφορικής ανάκτησης της υγρασίας του εδάφους, συνήθως επηρεάζεται από την παρουσία της βλάστησης η οποία τροποποιεί σημαντικά και μειώνει τη διασπορά της μικροκομματικής ακτινοβολίας και καθιστά πιο δύσκολη την ανάκτηση της υγρασίας του εδάφους σε επιφάνειες που υπάρχει βλάστηση. Δύο είναι οι στόχοι αυτής της μελέτης. Πρώτον, η ανάλυση της σχέσης μεταξύ χωρικής μεταβλητότητας της βλάστησης και της διασποράς της μικροκομματικής ακτινοβολίας. Δεύτερον, να αξιολογήσει την επίδραση της ετερογένειας των εδαφικών καλύψεων στον υπολογισμό της υγρασίας του εδάφους.<br /> <br /> <br /> '''Μεθοδολογία''' <br /> <br /> Το κλίμα στην περιοχή μελέτης χαρακτηρίζεται ως υπο-υγρό με μέση ετήσια βροχόπτωση των 75 εκατοστών. Οι συνθήκες υγρασίας του εδάφους ήταν γενικά ξηρές σε όλη την περιοχή μελέτης. Η χρήσεις γης κυριαρχούνται από βοσκότοπους και περιοχές χειμερινού σίτου και άλλων καλλιεργειών.<br /> <br /> Τα δεδομένα για την εδαφική υγρασία με χωρική ανάλυση 800μ, προέρχονται από παθητικό όργανο μικροκυμάτων, Electronically Scanned Thinned Array Radiometer (ESTAR), το οποίο χρησιμοποιήθηκε για την εκπαίδευση των νευρωνικών δικτύων. Ο NDVI προήλθε από την ορατή και υπέρυθρη μπάντα από εικόνα Landsat TM που αποκτήθηκε κατά τη διάρκεια της εργασίας (25 Ιουλίου του 1997). Χρησιμοποιήθηκαν επίσης δύο RADARSAT-1 εικόνες που αποκτήθηκαν στις 2 Ιουλίου και 12 Ιουλίου του 1997 από το SCANSAR Narrow Mode με 25μ χωρική ανάλυση. Η σύνδεση μεταξύ των RADARSAT εικόνων με άλλες εικόνες, έδειξε ότι η γεωαναφορά που προέκυψε, είχε ακρίβεια έως ένα εικονοστοιχείο (9.40m), κατά μέσο όρο.<br /> <br /> Νευρωνικά δίκτυα έχουν εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων τηλεπισκόπησης και έχουν βελτιώσει την ακρίβεια σε σύγκριση με παραδοσιακές στατιστικές μεθόδους. Ένα πολλαπλών στρώσεων νευρωνικό δίκτυο (ή αισθητήρας) χρησιμοποιήθηκε σε αυτή την έρευνα για την ανάκτηση της υγρασίας του εδάφους από ενεργητικά μικροκυματικά δεδομένα διασποράς. Η τελική αρχιτεκτονική του δικτύου είχε τρία στρώματα εισόδου (διασπορά, υφή εδάφους, NDVI), ένα στρώμα εξόδου (υγρασία του εδάφους) και ένα κρυφό επίπεδο με 10 κόμβους [3:10:01]. Η βέλτιστη αρχιτεκτονική διαμόρφωση του μοντέλου του νευρωνικού δικτύου χρησιμοποιήθηκε για την ανάκτηση της υγρασίας του εδάφους με τις εισροές του SAR, της υφής του εδάφους και των NDVI δεδομένων. Το νευρωνικό δίκτυο εκπαιδεύτηκε χρησιμοποιώντας στρώμα εισόδου διασποράς, υφής του εδάφους, και NDVI και παρήγαγε αργότερα δεδομένα ESTAR για την υγρασία. Η προβλεπόμενη υγρασία του εδάφους με τη χρήση νευρωνικών δικτύων, συγκρίθηκε με την υγρασία του εδάφους ESTAR ώστε να αξιολογηθεί η επίδραση της ετερογένειας των υπο-εικονοστοιχείων της κάλυψης γης.<br /> <br /> <br /> '''Αποτελέσματα και Συζήτηση'''<br /> <br /> Η μετατροπή της κάλυψης γης σε κλίμακα ESTAR (800μ) πραγματοποιήθηκε από την πιο συχνά εμφανιζόμενη κατηγορία βλάστησης εντός των επιμέρους εικονοστοιχείων. Η κατανομή της συχνότητας των εικονοστοιχείων για τις διαφορετικές καλύψεις γης παρουσιάζεται στο ιστόγραμμα (Σχήμα 3). Διαπιστώθηκε ότι η πλειοψηφία (άνω του 80%) των εικονοστοιχείων είναι ετερογενής, παρόλο που έχουν ταξινομηθεί ως προς συγκεκριμένη κάλυψη γης. Η μεταβλητότητα εντός του αποτυπώματος ESTAR (800μ) μετριέται ως τυπική απόκλιση των τιμών NDVI σε ανάλυση 30μ.<br /> <br /> Βρέθηκε μία θετική συσχέτιση της μεταβλητότητας των εικονοστοιχείων, με τις μέσες τιμές της διασποράς SAR. Η μεταβλητότητα των εικονοστοιχείων αυξάνεται όσο αυξάνονται οι μέσες τιμές της διασποράς SAR, η οποία σχετίζεται επίσης με την υγρασία του εδάφους, καθώς υψηλότερες τιμές της διασποράς SAR αντιστοιχούν σε συνθήκες υγρασίας του εδάφους. Η μεταβλητότητα της διασποράς σχετίζεται με βιοφυσικές ιδιότητες (NDVI) και καλύψεις γης.<br /> <br /> Η ακρίβεια της αναγνώρισης της υγρασίας του εδάφους από ενεργητικά μικροκυματικά στοιχεία εξαρτάται από τον τύπο της εδαφοκάλυψης και ετερογένεια των εικονοστοιχείων της. Ένα εικονοστοιχείο που καλύπτεται από πολλαπλούς τύπους βλάστησης και μη ομοιόμορφη υγρασία του εδάφους, έχει σημαντική επιρροή στη διαδικασία ανάκτησης. Τα στοιχεία της χωρικής κατανομής των κατηγοριών κάλυψης γης σε κάθε εικονοστοιχείο (π.χ. ότι ένα συγκεκριμένο εικονοστοιχείο είναι 65% σιτάρι, 25% βοσκότοποι, και 10% κτηνοτροφικά) μπορεί να χρησιμοποιηθεί για τον καθορισμό των εικονοστοιχείων με ποιοτικούς όρους, όπως η ομοιογένεια ή ετερογένεια. Ως εκ τούτου, ανακτημένα δεδομένα εδαφικής υγρασίας συγκρίθηκαν για διαφορετικούς τύπους κάλυψης γης, για να αναλυθούν οι επιπτώσεις της ετερογένειας στη διαδικασία ανάκτησης της υγρασίας.<br /> <br /> <br /> '''Συμπεράσματα''' <br /> <br /> Η μελέτη αυτή εξέτασε το θέμα των προβλημάτων μεταβλητότητας και ετερογένειας, που αναμένονται από αισθητήρες με μεγαλύτερο αποτύπωμα, έχοντας ομογενή και ετερογενή εικονοστοιχεία. Για το λόγο αυτό, αναλύθηκε η στατιστική διακύμανση της βλάστησης (NDVI) και η διασπορά της μικροκυματικής ακτινοβολίας. Τα αποτελέσματα από τη μελέτη αυτή μπορούν να χρησιμοποιηθούν για την ανάκτηση της υγρασίας του εδάφους σε μελλοντικές Soil Moisture Active and Passive (SMAP), αποστολές, οι οποίες θα έχουν ενεργό αισθητήρα μικροκυμάτων με μεγαλύτερο αποτύπωμα (1 χλμ. χωρική ανάλυση) με ομοιογενή και ετερογενή εικονοστοιχεία.</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:PZ8_sx1.jpg 2011-01-12T15:36:30Z

<p>Pzachariadis: </p> <hr /> <div></div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:35:38Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης ]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis http://147.102.106.44/rs/wiki/index.php/%CE%96%CE%B1%CF%87%CE%B1%CF%81%CE%B9%CE%AC%CE%B4%CE%B7%CF%82_%CE%A0%CE%B1%CE%BD%CE%B1%CE%B3%CE%B9%CF%8E%CF%84%CE%B7%CF%82 2011-01-12T15:35:25Z

<p>Pzachariadis: </p> <hr /> <div>* [[Επίδραση της ετερογένειας της κάλυψης γης στην ανάκτηση εδαφικής υγρασίας χρησιμοποιώντας ενεργητικά μικροκυματικά τηλεπισκοπικά δεδομένα]]<br /> <br /> * [[Μοντέλα πυρκαγιάς και μέθοδοι χαρτογράφησης των τύπων καυσίμων χάρτη: Ο ρόλος της τηλεπισκόπησης ]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Pzachariadis