http://147.102.106.44/rs/wiki/index.php?feed=atom&target=SOLDATOS_ALEXANDROS&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%2FSOLDATOS_ALEXANDROS 2026-04-03T18:44:47Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2026-01-29T12:11:11Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο νησί του συμπλέγματος των Αιολίδων και μνημείο παγκόσμιας κληρονομιάς της UNESCO, αποτελεί έναν δημοφιλή τουριστικό προορισμό με έντονη ηφαιστειακή ιστορία. Ωστόσο, η φυσική ομορφιά του νησιού κρύβει μια εξελισσόμενη απειλή: τη σταδιακή αλλά σταθερή διάβρωση της ακτογραμμής του. Οι χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά τμήματα, οι οποίες φιλοξενούν κρίσιμους οικισμούς και τουριστικές υποδομές, δέχονται ασφυκτικές πιέσεις. Φαινόμενα όπως η άνοδος της στάθμης της θάλασσας, οι καταιγίδες και η γεωλογική καθίζηση του εδάφους διαμορφώνουν ένα σκηνικό αυξανόμενου κινδύνου. Η παρούσα μελέτη χαρτογραφεί την εξέλιξη αυτών των ευάλωτων περιοχών, αναζητώντας τα αίτια της περιβαλλοντικής υποβάθμισης . <br /> <br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> '''&lt;h1&gt;Υλικά και μέθοδοι&lt;/h1&gt;'''<br /> <br /> Για να συνθέσουν την ιστορία της μεταβολής της ακτογραμμής, οι ερευνητές εφάρμοσαν μια διεπιστημονική προσέγγιση που ενώνει το παρελθόν με το παρόν. Ιστορικές αεροφωτογραφίες από το 1954 έως το 2013 ψηφιοποιήθηκαν και συγκρίθηκαν με υπερ-υψηλής ανάλυσης ορθοφωτοχάρτες που δημιουργήθηκαν από σύγχρονες πτήσεις drones (UAV) το 2014 και 2017. Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας. Η έρευνα δεν έμεινε στην επιφάνεια, αλλά επεκτάθηκε στον υποθαλάσσιο χώρο με τη χρήση προηγμένων βυθομέτρων για τη λεπτομερή χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Επιπλέον, αναλύθηκαν δεδομένα δορυφορικής αλτιμετρίας για την περίοδο 1993-2020, προκειμένου να υπολογιστεί με ακρίβεια η μακροχρόνια τάση ανόδου της στάθμης της θάλασσας στην περιοχή. <br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> Η ανάλυση των δεδομένων αποκάλυψε μια εικόνα έντονης δυναμικής και αστάθειας. Περιοχές όπως το Porticello και η Papesca, που στο παρελθόν επεκτείνονταν τεχνητά χάρη στη ρίψη αποβλήτων από τα λατομεία ελαφρόπετρας, πλέον παρουσιάζουν ραγδαία υποχώρηση μετά το κλείσιμο των ορυχείων. Στον κόλπο του Canneto και τη Marina Lunga, η κατασκευή λιμενοβραχιόνων και άλλων έργων έχει διαταράξει τη φυσική ροή των ιζημάτων, προκαλώντας τοπικά φαινόμενα διάβρωσης. Τα δορυφορικά δεδομένα είναι ανησυχητικά: η θάλασσα ανεβαίνει με ρυθμό 3,1 χιλιοστών ετησίως, γεγονός που σε συνδυασμό με την τοπική καθίζηση του εδάφους, πολλαπλασιάζει τον κίνδυνο μόνιμης κατάκλυσης των παραλιακών οικισμών. <br /> <br /> <br /> [[Αρχείο:Asoldatos3 2.png|200px|thumb|right|'''Εικόνα 2''': Παράκτιες περιοχές στον ανατολικό και βορειοανατολικό τομέα του Λίπαρι που πλήττονται ιδιαίτερα από πλημμύρες κατά τη διάρκεια καταιγίδων (storm surges): (α) Marina Lunga, (β) Canneto, (γ,δ) Acquacalda. Η τοποθεσία των εικόνων βρίσκεται στο Σχήμα 1 μέσω των αντίστοιχων έγχρωμων κουκκίδων]]<br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Η σημερινή μορφολογία των ακτών του Λίπαρι, αποδεικνύεται αποτέλεσμα μιας εύθραυστης ισορροπίας που έχει πλέον διαταραχθεί. Η δραματική μείωση της φυσικής τροφοδοσίας με φερτά υλικά, σε συνδυασμό με την ύπαρξη ενεργών υποθαλάσσιων φαραγγιών που φτάνουν πολύ κοντά στην ακτή και κυριολεκτικά &quot;καταπίνουν&quot; τα ιζήματα, οδηγεί στην εξαφάνιση των παραλιών. Η κατάσταση επιδεινώνεται από το φαινόμενο της καθίζησης, το οποίο σε ιστορικές τοποθεσίες όπως η Marina Lunga έχει ήδη βυθίσει ρωμαϊκές κατασκευές και ισόγεια σύγχρονων κτιρίων κάτω από την επιφάνεια της θάλασσας. Η έλλειψη σχεδίου προσαρμογής αφήνει τους οικισμούς εκτεθειμένους σε μελλοντικά ακραία καιρικά φαινόμενα.<br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη καταλήγει στο συμπέρασμα ότι το παράκτιο σύστημα του Λίπαρι βρίσκεται σε ένα κρίσιμο σταυροδρόμι. Η πολύπλοκη αλληλεπίδραση φυσικών διεργασιών και μακροχρόνιων ανθρώπινων παρεμβάσεων έχει δημιουργήσει ένα καθεστώς μόνιμης αστάθειας. Καθώς η τοπική οικονομία εξαρτάται άμεσα από τον παραθεριστικό τουρισμό, η προστασία των ακτών και των παραλιών δεν αποτελεί απλώς περιβαλλοντική προτεραιότητα, αλλά ζήτημα επιβίωσης για την τοπική κοινωνία. Κρίνεται επιτακτική η ανάγκη για άμεση υιοθέτηση στρατηγικών διαχείρισης που θα λαμβάνουν υπόψη την επερχόμενη κλιματική αλλαγή και θα θωρακίσουν το νησί απέναντι στους αυξανόμενους κινδύνους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS 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%CF%89%CE%BD_%CE%9C%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CF%83%CF%84%CE%BF_%CE%97%CF%86%CE%B1%CE%AF%CF%83%CF%84%CE%B5%CE%B9%CE%BF_%CE%A3%CF%84%CF%81%CF%8C%CE%BC%CF%80%CE%BF%CE%BB%CE%B9_%CE%BC%CE%B5_%CE%A3%CF%85%CE%BD%CE%B4%CF%85%CE%B1%CF%83%CE%BC%CF%8C_%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_%CE%93%CE%B5%CF%89%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%AE%CF%82 2026-01-29T12:10:01Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Integration of Remote Sensing and Offshore Geophysical Data for Monitoring the Short-Term Morphological Evolution of an Active Volcanic Flank: A Case Study from Stromboli Island '''<br /> <br /> Συγγραφείς : ''Casalbore, D.; Di Traglia, F.; Romagnoli, C.; Favalli, M.; Gracchi, T.; Tacconi Stefanelli, C.; Nolesini, T.; Rossi, G.; Del Soldato, M.; Manzella, I.; et al.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/18/4605 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Τα ηφαίστεια αποτελούν εξαιρετικά δυναμικά περιβάλλοντα, όπου η εναλλαγή εποικοδομητικών και καταστροφικών διεργασιών διαμορφώνει συνεχώς τις πλαγιές τους. Αυτό είναι ιδιαίτερα κρίσιμο στα νησιωτικά ηφαίστεια, όπως το Στρόμπολι, όπου φαινόμενα όπως κατολισθήσεις μπορούν να προκαλέσουν τσουνάμι, απειλώντας υποδομές και πληθυσμούς. Παρά τη σύνδεση μεταξύ χερσαίων και υποθαλάσσιων διεργασιών, λίγες μελέτες έχουν καταφέρει να ενοποιήσουν δεδομένα και από τα δύο περιβάλλοντα για την παρακολούθηση μορφολογικών αλλαγών κατά τη διάρκεια εκρήξεων. Η παρούσα μελέτη εστιάζει στην περιοχή Sciara del Fuoco (SdF) του Στρόμπολι, μια περιοχή που επηρεάζεται συχνά από πλευρικές καταρρεύσεις και ηφαιστειακή δραστηριότητα.<br /> <br /> [[Αρχείο:stromboli-1.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> '''&lt;h1&gt;Υλικά και Μέθοδοι&lt;/h1&gt;'''<br /> <br /> Η μελέτη βασίστηκε στη σύγκριση τοπο-βαθομετρικών δεδομένων της χερσαίας και της ρηχής υποθαλάσσιας ζώνης της SdF μεταξύ Φεβρουαρίου 2020 και Ιουλίου 2021. Για το χερσαίο τμήμα χρησιμοποιήθηκαν δορυφορικές εικόνες PLÉIADES-1, φωτογραμμετρία μέσω UAV (drones) και εικόνες ραντάρ συνθετικού διαφράγματος COSMO-SkyMed (CSK-SAR). Για το υποθαλάσσιο τμήμα, πραγματοποιήθηκαν αποτυπώσεις με πολυδεσμικά βυθόμετρα (MBES) και ηχοβολιστικά πλευρικής σάρωσης (Side Scan Sonar - SSS). Εφαρμόστηκε αυστηρή διαδικασία συνεγγραφής (co-registration) των ψηφιακών μοντέλων εδάφους (DEMs) με βάση δεδομένα LiDAR του 2012 για την ελαχιστοποίηση σφαλμάτων και τον ακριβή υπολογισμό των μεταβολών όγκου.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μορφολογικές αλλαγές, κυρίως λόγω της κατάρρευσης του χείλους του ΒΑ κρατήρα τον Μάιο του 2021. Στο χερσαίο τμήμα καταγράφηκε διάβρωση στον ανώτερο τομέα και απόθεση υλικών (αύξηση όγκου) χαμηλότερα, με τις ροές λάβας να επεκτείνουν την ακτογραμμή κατά 35 μέτρα. Στον υποθαλάσσιο χώρο, εντοπίστηκαν ζώνες διάβρωσης (ME1, ME2) που αντιστοιχούν στην προέκταση της χερσαίας κατάρρευσης, καθώς και περιοχές απόθεσης (MA1). Η ανάλυση εικόνων SAR και οπισθοσκέδασης (backscatter) επέτρεψε τον εντοπισμό ροών λάβας και τραχύτητας εδάφους, διαχωρίζοντας τις λεπκόκκοκες αποθέσεις από τα πιο αδρά υλικά.<br /> <br /> [[Αρχείο:stromboli-2.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Τα αποτελέσματα συνδέουν άμεσα τις παρατηρούμενες αλλαγές με συγκεκριμένα ηφαιστειακά επεισόδια. Η κατάρρευση του Μαΐου 2021 δημιούργησε πυροκλαστικά ρεύματα που προκάλεσαν διάβρωση τόσο στη χερσαία όσο και στην υποθαλάσσια πλαγιά. Η ενοποίηση των δεδομένων έδειξε ότι οι ροές λάβας επιβραδύνθηκαν φτάνοντας στη θάλασσα, αυξάνοντας το πάχος τους και δημιουργώντας μια προέκταση της ακτής. Επιπλέον, η συγκριτική ανάλυση της υφής των εικόνων (SAR και οπισθοσκέδασης) κατέδειξε ότι οι διακυμάνσεις στην ένταση του σήματος εξαρτώνται από τη λιθολογία (λάβα έναντι τέφρας) και τις διεργασίες ανακατεργασίας των υλικών στην παράκτια ζώνη.<br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη απέδειξε την αξία της ολοκληρωμένης, πολυ-χρονικής προσέγγισης &quot;ξηράς-θάλασσας&quot; για την κατανόηση της εξέλιξης των ηφαιστειακών πλαγιών. Η ακριβής εκτίμηση των μετακινούμενων όγκων είναι κρίσιμη για την αξιολόγηση κινδύνων, όπως η πρόβλεψη τσουνάμι. Το γεγονός του 2021 κινητοποίησε σημαντικά μικρότερο όγκο υλικών σε σχέση με το 2019, εξηγώντας την απουσία σημαντικού τσουνάμι. Προτείνεται η συστηματική, ταυτόχρονη συλλογή τοπο-βαθομετρικών δεδομένων αμέσως μετά από σημαντικά συμβάντα, σε συνδυασμό με άλλα συστήματα παρακολούθησης, για την πληρέστερη διαχείριση του ηφαιστειακού κινδύνου.<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS 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%CF%89%CE%BD_%CE%9C%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CF%83%CF%84%CE%BF_%CE%97%CF%86%CE%B1%CE%AF%CF%83%CF%84%CE%B5%CE%B9%CE%BF_%CE%A3%CF%84%CF%81%CF%8C%CE%BC%CF%80%CE%BF%CE%BB%CE%B9_%CE%BC%CE%B5_%CE%A3%CF%85%CE%BD%CE%B4%CF%85%CE%B1%CF%83%CE%BC%CF%8C_%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_%CE%93%CE%B5%CF%89%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%AE%CF%82 2026-01-29T12:09:30Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Integration of Remote Sensing and Offshore Geophysical Data for Monitoring the Short-Term Morphological Evolution of an Active Volcanic Flank: A Case Study from Stromboli Island '''<br /> <br /> Συγγραφείς : ''Casalbore, D.; Di Traglia, F.; Romagnoli, C.; Favalli, M.; Gracchi, T.; Tacconi Stefanelli, C.; Nolesini, T.; Rossi, G.; Del Soldato, M.; Manzella, I.; et al.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/18/4605 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Τα ηφαίστεια αποτελούν εξαιρετικά δυναμικά περιβάλλοντα, όπου η εναλλαγή εποικοδομητικών και καταστροφικών διεργασιών διαμορφώνει συνεχώς τις πλαγιές τους. Αυτό είναι ιδιαίτερα κρίσιμο στα νησιωτικά ηφαίστεια, όπως το Στρόμπολι, όπου φαινόμενα όπως κατολισθήσεις μπορούν να προκαλέσουν τσουνάμι, απειλώντας υποδομές και πληθυσμούς. Παρά τη σύνδεση μεταξύ χερσαίων και υποθαλάσσιων διεργασιών, λίγες μελέτες έχουν καταφέρει να ενοποιήσουν δεδομένα και από τα δύο περιβάλλοντα για την παρακολούθηση μορφολογικών αλλαγών κατά τη διάρκεια εκρήξεων. Η παρούσα μελέτη εστιάζει στην περιοχή Sciara del Fuoco (SdF) του Στρόμπολι, μια περιοχή που επηρεάζεται συχνά από πλευρικές καταρρεύσεις και ηφαιστειακή δραστηριότητα.<br /> <br /> [[Αρχείο:stromboli-1.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> '''&lt;h1&gt;Υλικά και Μέθοδοι&lt;/h1&gt;'''<br /> Η μελέτη βασίστηκε στη σύγκριση τοπο-βαθομετρικών δεδομένων της χερσαίας και της ρηχής υποθαλάσσιας ζώνης της SdF μεταξύ Φεβρουαρίου 2020 και Ιουλίου 2021. Για το χερσαίο τμήμα χρησιμοποιήθηκαν δορυφορικές εικόνες PLÉIADES-1, φωτογραμμετρία μέσω UAV (drones) και εικόνες ραντάρ συνθετικού διαφράγματος COSMO-SkyMed (CSK-SAR). Για το υποθαλάσσιο τμήμα, πραγματοποιήθηκαν αποτυπώσεις με πολυδεσμικά βυθόμετρα (MBES) και ηχοβολιστικά πλευρικής σάρωσης (Side Scan Sonar - SSS). Εφαρμόστηκε αυστηρή διαδικασία συνεγγραφής (co-registration) των ψηφιακών μοντέλων εδάφους (DEMs) με βάση δεδομένα LiDAR του 2012 για την ελαχιστοποίηση σφαλμάτων και τον ακριβή υπολογισμό των μεταβολών όγκου.<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η μελέτη βασίστηκε στη σύγκριση τοπο-βαθομετρικών δεδομένων της χερσαίας και της ρηχής υποθαλάσσιας ζώνης της SdF μεταξύ Φεβρουαρίου 2020 και Ιουλίου 2021. Για το χερσαίο τμήμα χρησιμοποιήθηκαν δορυφορικές εικόνες PLÉIADES-1, φωτογραμμετρία μέσω UAV (drones) και εικόνες ραντάρ συνθετικού διαφράγματος COSMO-SkyMed (CSK-SAR). Για το υποθαλάσσιο τμήμα, πραγματοποιήθηκαν αποτυπώσεις με πολυδεσμικά βυθόμετρα (MBES) και ηχοβολιστικά πλευρικής σάρωσης (Side Scan Sonar - SSS). Εφαρμόστηκε αυστηρή διαδικασία συνεγγραφής (co-registration) των ψηφιακών μοντέλων εδάφους (DEMs) με βάση δεδομένα LiDAR του 2012 για την ελαχιστοποίηση σφαλμάτων και τον ακριβή υπολογισμό των μεταβολών όγκου.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μορφολογικές αλλαγές, κυρίως λόγω της κατάρρευσης του χείλους του ΒΑ κρατήρα τον Μάιο του 2021. Στο χερσαίο τμήμα καταγράφηκε διάβρωση στον ανώτερο τομέα και απόθεση υλικών (αύξηση όγκου) χαμηλότερα, με τις ροές λάβας να επεκτείνουν την ακτογραμμή κατά 35 μέτρα. Στον υποθαλάσσιο χώρο, εντοπίστηκαν ζώνες διάβρωσης (ME1, ME2) που αντιστοιχούν στην προέκταση της χερσαίας κατάρρευσης, καθώς και περιοχές απόθεσης (MA1). Η ανάλυση εικόνων SAR και οπισθοσκέδασης (backscatter) επέτρεψε τον εντοπισμό ροών λάβας και τραχύτητας εδάφους, διαχωρίζοντας τις λεπκόκκοκες αποθέσεις από τα πιο αδρά υλικά.<br /> <br /> [[Αρχείο:stromboli-2.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Τα αποτελέσματα συνδέουν άμεσα τις παρατηρούμενες αλλαγές με συγκεκριμένα ηφαιστειακά επεισόδια. Η κατάρρευση του Μαΐου 2021 δημιούργησε πυροκλαστικά ρεύματα που προκάλεσαν διάβρωση τόσο στη χερσαία όσο και στην υποθαλάσσια πλαγιά. Η ενοποίηση των δεδομένων έδειξε ότι οι ροές λάβας επιβραδύνθηκαν φτάνοντας στη θάλασσα, αυξάνοντας το πάχος τους και δημιουργώντας μια προέκταση της ακτής. Επιπλέον, η συγκριτική ανάλυση της υφής των εικόνων (SAR και οπισθοσκέδασης) κατέδειξε ότι οι διακυμάνσεις στην ένταση του σήματος εξαρτώνται από τη λιθολογία (λάβα έναντι τέφρας) και τις διεργασίες ανακατεργασίας των υλικών στην παράκτια ζώνη.<br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη απέδειξε την αξία της ολοκληρωμένης, πολυ-χρονικής προσέγγισης &quot;ξηράς-θάλασσας&quot; για την κατανόηση της εξέλιξης των ηφαιστειακών πλαγιών. Η ακριβής εκτίμηση των μετακινούμενων όγκων είναι κρίσιμη για την αξιολόγηση κινδύνων, όπως η πρόβλεψη τσουνάμι. Το γεγονός του 2021 κινητοποίησε σημαντικά μικρότερο όγκο υλικών σε σχέση με το 2019, εξηγώντας την απουσία σημαντικού τσουνάμι. Προτείνεται η συστηματική, ταυτόχρονη συλλογή τοπο-βαθομετρικών δεδομένων αμέσως μετά από σημαντικά συμβάντα, σε συνδυασμό με άλλα συστήματα παρακολούθησης, για την πληρέστερη διαχείριση του ηφαιστειακού κινδύνου.<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2026-01-29T12:00:31Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*[[Παρακολούθηση των Μορφολογικών Αλλαγών στο Ηφαίστειο Στρόμπολι με Συνδυασμό Τηλεπισκόπησης και Γεωφυσικής]]<br /> *[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *[[Μοντέλο Βαθιάς Μάθησης για την πρόβλεψη πυρκαγιών στην Ελλάδα με χρήση δορυφορικών εικόνων και δεδομένων τηλεπισκόπησης]]<br /> *[[Πρώτη επιτυχής διάσωση αγνοουμένου με χρήση συστήματος ανίχνευσης ανθρώπων: Μελέτη περίπτωσης από το Beskid Niski, Πολωνία]]<br /> *[[Διερεύνηση των επιπτώσεων του κινδύνου χιονοστιβάδων στις τουριστικές εγκαταστάσεις των δήμων της περιφέρειας Abruzzo]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B5%CF%81%CE%B5%CF%8D%CE%BD%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%BF%CF%85_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CE%BF%CF%85_%CF%87%CE%B9%CE%BF%CE%BD%CE%BF%CF%83%CF%84%CE%B9%CE%B2%CE%AC%CE%B4%CF%89%CE%BD_%CF%83%CF%84%CE%B9%CF%82_%CF%84%CE%BF%CF%85%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CE%AD%CF%82_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CF%83%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CF%89%CE%BD_%CE%B4%CE%AE%CE%BC%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CF%86%CE%AD%CF%81%CE%B5%CE%B9%CE%B1%CF%82_Abruzzo 2026-01-29T12:00:04Z

<p>SOLDATOS ALEXANDROS: Νέα σελίδα με 'Πρότυπος Τίτλος : '''Investigating Avalanche Risk Impact on Accommodation Facilities in the Municipalities of Abruzzo Region''' Συγγραφείς : ''Sar...'</p> <hr /> <div>Πρότυπος Τίτλος : '''Investigating Avalanche Risk Impact on Accommodation Facilities in the Municipalities of Abruzzo Region'''<br /> <br /> Συγγραφείς : ''Sara Pietrangeli, Donatella Guisa, Lorena Fiorini and Lucia Saganeit''<br /> <br /> Πηγή:[https://link.springer.com/chapter/10.1007/978-3-031-65285-1_21 Springer Nature Link]<br /> <br /> [[Αρχείο:Asoldatos5 1.png|200px|thumb|right|'''Εικόνα 1''': Δήμοι που περιλαμβάνονται στο Εθνικό Πάρκο Gran Sasso και Monti della Laga. Οιτρεις επαρχίες απεικονίζονται με διαφορετικά χρώματα. Μεταξύ των 40 δήμων που εμπλέκονται,ορισμένοι βρίσκονται εξ ολοκλήρου εντός του πάρκου, ενώ άλλοι περιλαμβάνονται μόνο εν μέρει]]<br /> <br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> Η στροφή της σύγχρονης κοινωνίας προς τον τουρισμό αναψυχής και τις υπαίθριες δραστηριότητες, όπως το σκι και η πεζοπορία, έχει οδηγήσει σε ραγδαία αύξηση της ανθρώπινης παρουσίας στις ορεινές περιοχές. Στην περιφέρεια Abruzzo της Ιταλίας, η οποία είναι κατά 65% ορεινή, αυτή η τάση έχει πυροδοτήσει μια έντονη οικιστική ανάπτυξη, συχνά σε ζώνες επιρρεπείς σε χιονοστιβάδες. Η τραγωδία στο ξενοδοχείο Rigopiano τον Ιανουάριο του 2017, όπου χάθηκαν 29 ζωές, ανέδειξε με τον πιο οδυνηρό τρόπο την ανάγκη για επανεξέταση της ασφάλειας των τουριστικών υποδομών. Η παρούσα μελέτη, ενταγμένη στο πλαίσιο του έργου SICURA, στοχεύει στην ανάπτυξη μιας μεθοδολογίας για τη δημιουργία σεναρίων κινδύνου, λαμβάνοντας υπόψη τη δυναμική φύση της έκθεσης του πληθυσμού σε κίνδυνο.<br /> <br /> '''&lt;h1&gt;Μεθοδολογία Ανάλυσης Κινδύνου και Χαρτογράφησης &lt;/h1&gt;'''<br /> <br /> [[Αρχείο:Asoldatos5 2.png|200px|thumb|right|'''Εικόνα 2''': Γενική απεικόνιση του χάρτη χιονοστιβάδων με τα χαρακτηριστικά του στοιχεία. Κάθεχιονοστιβάδα προσδιορίζεται με μια προοδευτική αρίθμηση σε δημοτικό επίπεδο που συνδέεται με μια τεχνικήέκθεση]]<br /> <br /> Η περιοχή μελέτης περιλαμβάνει 40 δήμους που βρίσκονται εντός του Εθνικού Πάρκου Gran Sasso και Monti della Laga. Η ερευνητική ομάδα ανέπτυξε μια καινοτόμο προσέγγιση που διακρίνει τον κίνδυνο σε &quot;στατικό&quot; και &quot;δυναμικό&quot;. Ο στατικός κίνδυνος βασίζεται στην απλή γεωγραφική θέση των καταλυμάτων, ενώ ο δυναμικός λαμβάνει υπόψη τη χωρητικότητα των εγκαταστάσεων (αριθμός κλινών), προσομοιώνοντας έτσι την πιθανή παρουσία ανθρώπων σε δεδομένη στιγμή.<br /> Για την υλοποίηση της ανάλυσης, χρησιμοποιήθηκαν δεδομένα από την Περιφερειακή Υπηρεσία Πολιτικής Προστασίας σχετικά με τα τουριστικά καταλύματα (ξενοδοχεία, B&amp;B, κάμπινγκ κ.λπ.), τα οποία γεωαναφέρθηκαν με ακρίβεια μέσω πολλαπλών ψηφιακών υπηρεσιών (Google Maps, Bing, κ.ά.). Παράλληλα, αξιοποιήθηκε ο Χάρτης Εντοπισμού Κινδύνου Χιονοστιβάδων (C.L.P.V.), ο οποίος καταγράφει ιστορικά συμβάντα και επικίνδυνες ζώνες. Μέσω της χρήσης Συστημάτων Γεωγραφικών Πληροφοριών (GIS) και της τεχνικής Kernel Density Estimation, δημιουργήθηκαν χάρτες πυκνότητας (&quot;heatmaps&quot;) που αποτυπώνουν τη συγκέντρωση των υποδομών και του πληθυσμού.<br /> <br /> '''&lt;h1&gt;Εντοπισμός Κρίσιμων Ζωνών (Hotspots)&lt;/h1&gt;'''<br /> <br /> Η ανάλυση των χαρτών πυκνότητας αποκάλυψε σημαντικές διαφοροποιήσεις. Ο χάρτης που βασίζεται στον αριθμό των κλινών (δυναμικό σενάριο) ανέδειξε περιοχές με υψηλή συγκέντρωση επισκεπτών, οι οποίες δεν ήταν απαραίτητα εμφανείς στον χάρτη απλής πυκνότητας κτιρίων. Η υπέρθεση αυτών των δεδομένων με τον Χάρτη Κινδύνου Χιονοστιβάδων επέτρεψε τον εντοπισμό συγκεκριμένων &quot;κόκκινων ζωνών&quot;.<br /> Χαρακτηριστικά παραδείγματα αποτελούν οι περιοχές Fonte Cerreto (στον δήμο L'Aquila) και Prati di Tivo (στον δήμο Pietracamela). Σε αυτές τις τοποθεσίες, η υψηλή τουριστική κίνηση συμπίπτει γεωγραφικά με καταγεγραμμένες διαδρομές χιονοστιβάδων, καθιστώντας τες περιοχές υψηλής προτεραιότητας για τη λήψη μέτρων προστασίας. Η μελέτη επιβεβαίωσε ότι η άγνοια της δυναμικής παραμέτρου (ροές πληθυσμού) μπορεί να οδηγήσει σε υποτίμηση του πραγματικού κινδύνου<br /> <br /> [[Αρχείο:Asoldatos5 3.png|200px|thumb|right|'''Εικόνα 3''': Χάρτης πυκνότητας σχετικά με την τοποθεσία των καταλυμάτων, σταθμισμένος με βάση τον αριθμότων κλινών και με έμφαση στις κρίσιμες περιοχές που είναι επιρρεπείς σε χιονοστιβάδες στο Prati di Tivo (Pietracamela) και στο FonteCerreto (L’Aquila)]]<br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> <br /> Τα ευρήματα υπογραμμίζουν ότι η παραδοσιακή, στατική προσέγγιση στην εκτίμηση κινδύνου είναι ανεπαρκής, ειδικά σε περιοχές με έντονη εποχικότητα. Η κλιματική αλλαγή επιπλέκει περαιτέρω την κατάσταση, καθώς μεταβάλλει τη συχνότητα και την ένταση των χιονοπτώσεων, καθιστώντας τα ιστορικά δεδομένα λιγότερο αξιόπιστα για το μέλλον. Η μεθοδολογία που προτείνεται προσφέρει ένα ευέλικτο εργαλείο για τις αρχές, επιτρέποντας τη δημιουργία σεναρίων με βάση διαφορετικά ποσοστά πληρότητας των καταλυμάτων. Επιπλέον, η ενσωμάτωση τεχνολογιών IoT και AI (μέσω του έργου SICURA) ανοίγει τον δρόμο για συστήματα έγκαιρης προειδοποίησης σε πραγματικό χρόνο.<br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η παρούσα εργασία παρέχει ένα κρίσιμο πρώτο βήμα για την αναβάθμιση της ασφάλειας στις ορεινές τουριστικές περιοχές του Abruzzo. Απέδειξε ότι η χρήση απλών, διαθέσιμων δεδομένων μπορεί να παράγει πολύτιμη γνώση για τη χωρική κατανομή του κινδύνου. Η ταυτοποίηση των περιοχών υψηλής έκθεσης (hotspots) επιτρέπει την ιεράρχηση των παρεμβάσεων πολιτικής προστασίας. Τελικός στόχος είναι η δημιουργία ενός συστήματος υποστήριξης αποφάσεων που θα εναρμονίζει την τουριστική ανάπτυξη με την ασφάλεια των επισκεπτών, συμβάλλοντας στους Στόχους Βιώσιμης Ανάπτυξης του ΟΗΕ.<br /> <br /> <br /> [[category:Χιονοστιβάδες]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos5_3.png 2026-01-29T11:57:42Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos5_2.png 2026-01-29T11:57:22Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos5_1.png 2026-01-29T11:57:01Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2026-01-29T10:03:15Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*[[Παρακολούθηση των Μορφολογικών Αλλαγών στο Ηφαίστειο Στρόμπολι με Συνδυασμό Τηλεπισκόπησης και Γεωφυσικής]]<br /> *[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *[[Μοντέλο Βαθιάς Μάθησης για την πρόβλεψη πυρκαγιών στην Ελλάδα με χρήση δορυφορικών εικόνων και δεδομένων τηλεπισκόπησης]]<br /> *[[Πρώτη επιτυχής διάσωση αγνοουμένου με χρήση συστήματος ανίχνευσης ανθρώπων: Μελέτη περίπτωσης από το Beskid Niski, Πολωνία]]<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A0%CF%81%CF%8E%CF%84%CE%B7_%CE%B5%CF%80%CE%B9%CF%84%CF%85%CF%87%CE%AE%CF%82_%CE%B4%CE%B9%CE%AC%CF%83%CF%89%CF%83%CE%B7_%CE%B1%CE%B3%CE%BD%CE%BF%CE%BF%CF%85%CE%BC%CE%AD%CE%BD%CE%BF%CF%85_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CF%89%CE%BD:_%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CF%80%CE%B5%CF%81%CE%AF%CF%80%CF%84%CF%89%CF%83%CE%B7%CF%82_%CE%B1%CF%80%CF%8C_%CF%84%CE%BF_Beskid_Niski,_%CE%A0%CE%BF%CE%BB%CF%89%CE%BD%CE%AF%CE%B1 2026-01-29T10:02:40Z

<p>SOLDATOS ALEXANDROS: Νέα σελίδα με 'Πρότυπος Τίτλος : '''First Successful Rescue of a Lost Person Using the Human Detection System A Case Study from Beskid Niski (SE Poland))''' Συγγραφ...'</p> <hr /> <div>Πρότυπος Τίτλος : '''First Successful Rescue of a Lost Person Using the Human Detection System A Case Study from Beskid Niski (SE Poland))'''<br /> <br /> Συγγραφείς : ''Tomasz Niedzielski, Mirosława Jurecka, Bartłomiej Mizinski, Wojciech Pawul,Tomasz Motyl''<br /> <br /> Πηγή:[https://www.mdpi.com/2072-4292/13/23/4903 Multidisciplinary Digital Publishing Institute]<br /> <br /> [[Αρχείο:Asoldatos4 1.png|200px|thumb|right|'''Εικόνα 1''': Δραστηριότητες έρευνας και διάσωσης που αναλήφθηκαν κατά την αναζήτηση ενός 65χρονου άνδρα που χάθηκε κοντά στο χωριό Cergowa στο Beskid Niski (ΝΑ Πολωνία).]]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Η χρήση μη επανδρωμένων αεροσκαφών (UAVs ή drones) έχει μετασχηματίσει τον τομέα της Έρευνας και Διάσωσης (SAR), προσφέροντας δυνατότητες εναέριας εποπτείας που ήταν αδιανόητες στο παρελθόν. Ωστόσο, μέχρι πρότινος, η αποτελεσματικότητα αυτών των συστημάτων εξαρτιόταν αποκλειστικά από τον ανθρώπινο παράγοντα: έναν χειριστή ή αναλυτή που έπρεπε να εξετάζει ατελείωτες ώρες βίντεο ή χιλιάδες φωτογραφίες για να εντοπίσει ίχνη ζωής. Αυτή η διαδικασία είναι χρονοβόρα και επιρρεπής σε λάθη λόγω κόπωσης. Η παρούσα μελέτη καταγράφει ένα ιστορικό ορόσημο: την πρώτη παγκοσμίως τεκμηριωμένη επιτυχή διάσωση ενός αγνοουμένου, όπου ο εντοπισμός δεν έγινε από άνθρωπο, αλλά από έναν αλγόριθμο τεχνητής νοημοσύνης σε πραγματικό χρόνο. Το περιστατικό αφορά έναν 65χρονο άνδρα με νόσο Αλτσχάιμερ, ο οποίος χάθηκε σε πυκνόφυτη περιοχή της Νοτιοανατολικής Πολωνίας.<br /> <br /> '''&lt;h1&gt;Επιχειρησιακός Σχεδιασμός και Τεχνολογική Υλοποίηση &lt;/h1&gt;'''<br /> <br /> [[Αρχείο:Asoldatos4 2.png|200px|thumb|right|'''Εικόνα 2''': Η χωρική κάλυψη των πτήσεων RGB (έγχρωμης εικόνας) μαζί με τις αντίστοιχες διαδρομές πτήσης, με υπερθέση των σημείων IPP (Αρχικό Σημείο Σχεδιασμού), LKP (Τελευταίο Γνωστό Σημείο) και της τοποθεσίας εύρεσης (find location).]]<br /> <br /> Η επιχείρηση έλαβε χώρα στην περιοχή Beskid Niski και συντονίστηκε από την Ομάδα Ορεινής Διάσωσης Bieszczady (GOPR). Αρχικά, εφαρμόστηκαν συμβατικές μέθοδοι έρευνας: πεζοπόρα τμήματα σάρωσαν μονοπάτια και ρέματα, μηχανοκίνητα τμήματα με οχήματα quad έλεγξαν το δασικό οδικό δίκτυο, ενώ χρησιμοποιήθηκαν και ειδικά εκπαιδευμένοι σκύλοι mantrailing. Καθώς οι ώρες περνούσαν και οι πιθανότητες επιβίωσης του 65χρονου (ο οποίος είχε υποστεί εγκεφαλικό την προηγούμενη ημέρα) μειώνονταν, αποφασίστηκε η χρήση τεχνολογίας αιχμής.<br /> Επιστρατεύτηκε ένα drone DJI Matrice 300, εξοπλισμένο με κάμερα υψηλής ευκρίνειας. Το κλειδί της επιτυχίας ήταν το λογισμικό SARUAV, ένα καινοτόμο σύστημα που χρησιμοποιεί συνελικτικά νευρωνικά δίκτυα (CNN) για την αυτόματη ανίχνευση ανθρώπων σε αεροφωτογραφίες. Για να λειτουργήσει το σύστημα, ακολουθήθηκε αυστηρό πρωτόκολλο πτήσης: λήψη φωτογραφιών κάθετα προς το έδαφος (nadir) για μέγιστη γεωμετρική ακρίβεια και πτήση σε ύψος που εξασφάλιζε ανάλυση εδάφους (GSD) μικρότερη από 3 εκατοστά ανά pixel. Αυτή η λεπτομέρεια ήταν κρίσιμη ώστε ο αλγόριθμος να μπορεί να διακρίνει ανθρώπινες φιγούρες από το φυσικό περιβάλλον.<br /> <br /> [[Αρχείο:Asoldatos4 3.png|200px|thumb|right|'''Εικόνα 3''': Προβολή της γραφικής διεπαφής χρήστη του SARUAV, τη στιγμή που το σύστημα εντόπισε τον αγνοούμενο σε εικόνες που συλλέχθηκαν κατά την πτήση RGB 3]]<br /> <br /> '''&lt;h1&gt;Χρονικό του Εντοπισμού και απόδοση συστήματος &lt;/h1&gt;'''<br /> <br /> Ο αγνοούμενος βρισκόταν εκτεθειμένος στα στοιχεία της φύσης για περισσότερες από 24 ώρες. Οι νυχτερινές έρευνες με θερμικές κάμερες δεν είχαν αποδώσει, πιθανώς λόγω της πυκνής βλάστησης ή της θερμικής ισορροπίας με το περιβάλλον. Το μεσημέρι της επόμενης ημέρας, ξεκίνησαν οι πτήσεις φωτογραμμετρίας. Το λογισμικό SARUAV, τρέχοντας σε έναν ισχυρό φορητό υπολογιστή στο πεδίο (χωρίς ανάγκη σύνδεσης στο διαδίκτυο), επεξεργάστηκε συνολικά 782 εικόνες από τέσσερις διαφορετικές πτήσεις.<br /> Η καθοριστική στιγμή ήρθε στις 18:21. Το σύστημα ανέλυσε τις 121 φωτογραφίες της τρίτης πτήσης μέσα σε μόλις 1 λεπτό και 50 δευτερόλεπτα. Ο αλγόριθμος εντόπισε μια ανωμαλία που έμοιαζε με άνθρωπο και την υπέδειξε στον αναλυτή. Η διαδικασία επαλήθευσης από τον άνθρωπο διήρκεσε άλλα 2 λεπτά και 15 δευτερόλεπτα. Συνολικά, μέσα σε λιγότερο από 6 λεπτά από την προσγείωση του drone, υπήρχε επιβεβαιωμένο στίγμα. Οι επίγειες ομάδες έλαβαν τις συντεταγμένες και έφτασαν στο σημείο μέσα σε 9 λεπτά, βρίσκοντας τον άνδρα ζωντανό αλλά σε κρίσιμη κατάσταση. Η ταχύτητα του συστήματος ήταν καταλυτική, καθώς μια χειροκίνητη σάρωση της ίδιας περιοχής (περίπου 100 εκταρίων) θα απαιτούσε ώρες ή πολλαπλάσιες δυνάμεις.<br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> <br /> Ο χρόνος ήταν κρίσιμος παράγοντας, καθώς στατιστικά η πιθανότητα επιβίωσης ασθενών με Αλτσχάιμερ μειώνεται στο 54% μετά το 24ωρο. Η χρήση του SARUAV επιτάχυνε δραματικά τον εντοπισμό, μειώνοντας τον φόρτο εργασίας των διασωστών και επιτρέποντας τη συνέχιση της έρευνας χωρίς ανάγκη για άμεση αναπλήρωση πόρων. Η μελέτη υπογραμμίζει ότι η ανάλυση των εικόνων πρέπει να γίνεται άμεσα μετά την πτήση και επιβεβαιώνει ότι η οπτική επιθεώρηση από ανθρώπους είναι συχνά λιγότερο αποτελεσματική από το εξειδικευμένο λογισμικό. Το περιστατικό αποδεικνύει πρακτικά ότι η αυτοματοποιημένη ανάλυση εικόνας σώζει ζωές.<br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η επιτυχής αυτή αποστολή αποτελεί την καλύτερη απόδειξη της αξίας της τεχνητής νοημοσύνης στο πεδίο της διάσωσης. Το σύστημα SARUAV απέδειξε ότι μπορεί να λειτουργήσει συμπληρωματικά και ενισχυτικά προς τον άνθρωπο, καλύπτοντας τεράστιες εκτάσεις δύσβατου εδάφους σε ελάχιστο χρόνο. Το περιστατικό υπογραμμίζει τη σημασία της άμεσης επεξεργασίας δεδομένων στο πεδίο και την ανάγκη ενσωμάτωσης τέτοιων αυτοματοποιημένων εργαλείων στα επιχειρησιακά πρωτόκολλα των ομάδων διάσωσης παγκοσμίως. Η τεχνολογία αυτή δεν αντικαθιστά τον διασώστη, αλλά του χαρίζει τον πιο πολύτιμο πόρο σε μια έκτακτη ανάγκη: τον χρόνο. <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos4_3.png 2026-01-29T10:00:30Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos4_2.png 2026-01-29T09:59:59Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos4_1.png 2026-01-29T09:59:42Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%92%CE%B1%CE%B8%CE%B9%CE%AC%CF%82_%CE%9C%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%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 2026-01-29T09:05:42Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''A Multimodal Ensemble Deep Learning Model for Wildfire Prediction in Greece Using Satellite Imagery and Multi-Source Remote Sensing Data'''<br /> <br /> Συγγραφείς : ''Ioannis Papakis, Vasileios Linardos, Maria Drakaki''<br /> <br /> Πηγή:[https://www.mdpi.com/2072-4292/17/19/3310 Multidisciplinary Digital Publishing Institute]<br /> <br /> <br /> [[Αρχείο:Asoldatos2 1.png|200px|thumb|right|'''Εικόνα 1''': (a–f) Απεικόνιση περιστατικών πυρκαγιάς/μη πυρκαγιάς στην Ελλάδα κατά την περίοδο 2017–2021. Εμφανίζουν τις τραγικές πυρκαγιές που συνέβησαν στο νησί της Εύβοιας το 2021]]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Η Ελλάδα, λόγω της γεωγραφικής της θέσης και του μεσογειακού κλίματος, βρίσκεται στο επίκεντρο της κλιματικής κρίσης, αντιμετωπίζοντας κάθε καλοκαίρι καταστροφικές δασικές πυρκαγιές. Το κόστος αυτών των καταστροφών είναι τεράστιο, τόσο σε οικολογικό όσο και σε οικονομικό επίπεδο, με τις εκτιμώμενες ζημιές για το 2023 να αγγίζουν το δυσθεώρητο ποσό των 1,7 δισεκατομμυρίων ευρώ, το οποίο αντιστοιχεί περίπου στο 0,8% του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ) της χώρας. Παρόλο που η παγκόσμια επιστημονική κοινότητα έχει στραφεί στη Μηχανική Μάθηση (Machine Learning) για την αντιμετώπιση φυσικών καταστροφών, παρατηρείται σημαντική έλλειψη εξειδικευμένων μοντέλων Βαθιάς Μάθησης (Deep Learning) προσαρμοσμένων στα ελληνικά δεδομένα. Η παρούσα μελέτη έρχεται να καλύψει αυτό το κενό, προτείνοντας μια καινοτόμο προσέγγιση που δεν αρκείται στη χρήση απλών μετεωρολογικών δεικτών, αλλά ενσωματώνει πολυτροπικά δεδομένα (multimodal data) για την ακριβέστερη πρόβλεψη του κινδύνου.<br /> <br /> [[Αρχείο:Asoldatos2 2.png|200px|thumb|right|'''Εικόνα 2''': Δείγματα εικόνων NDVI από το σύνολο δεδομένων.]]<br /> <br /> <br /> '''&lt;h1&gt;Αρχιτεκτονική Δεδομένων και Πολυτροπική Σύντηξη &lt;/h1&gt;'''<br /> <br /> [[Αρχείο:Asoldatos2 3.png|200px|thumb|right|'''Εικόνα 3''': Διαγράμματα σύνοψης SHAP για μεμονωμένα μοντέλα CNN και LSTM. Τα χαρακτηριστικά κατατάσσονται με βάση τη μέση απόλυτη τιμή SHAP σε φθίνουσα σειρά, με τους πιο επιδραστικούς προγνωστικούς παράγοντες να εμφανίζονται στην κορυφή.]]<br /> <br /> Η ερευνητική ομάδα δημιούργησε ένα νέο, ολοκληρωμένο σύνολο δεδομένων που καλύπτει την πενταετία 2017-2021. Η καινοτομία της μεθοδολογίας έγκειται στον τρόπο με τον οποίο συνδυάζονται ετερογενείς πηγές πληροφορίας. Αρχικά, αντλήθηκαν ιστορικά δεδομένα πυρκαγιών από το σύστημα LANCE-FIRMS, αξιοποιώντας τις καταγραφές των δορυφόρων VIIRS (Suomi-NPP, NOAA-20 και NOAA-21), οι οποίοι παρέχουν χωρική ανάλυση 375 μέτρων. Για κάθε καταγεγραμμένο συμβάν, τα δεδομένα εμπλουτίστηκαν με τοπογραφικά στοιχεία (όπως υψόμετρο, κλίση εδάφους και προσανατολισμό πλαγιάς) από το ψηφιακό μοντέλο εδάφους NASADEM, καθώς και με κρίσιμες μετεωρολογικές παραμέτρους (θερμοκρασία, ταχύτητα ανέμου, υετός) από την πλατφόρμα Open-Meteo.<br /> Το πλέον καθοριστικό στοιχείο, ωστόσο, ήταν η ενσωμάτωση οπτικής πληροφορίας. Για κάθε σημείο ενδιαφέροντος, ανακτήθηκαν δορυφορικές εικόνες του Δείκτη Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI) από την αποστολή Sentinel-2. Αυτές οι εικόνες, διαστάσεων 2×2 χιλιομέτρων, παρείχαν στο μοντέλο μια «οπτική αντίληψη» της κατάστασης της καύσιμης ύλης (π.χ. υγρασία βλάστησης, πυκνότητα) πριν από την εκδήλωση της πυρκαγιάς. Η μελέτη ανέπτυξε και συνέκρινε δύο κύριες κατηγορίες μοντέλων: (α) μοντέλα που βασίζονται αποκλειστικά σε αριθμητικά δεδομένα, χρησιμοποιώντας αρχιτεκτονικές LSTM (Long Short-Term Memory) και CNN (Convolutional Neural Networks) 1D, και (β) ένα πολυτροπικό μοντέλο που συνδυάζει ένα δίκτυο CNN για την επεξεργασία των εικόνων NDVI και ένα MLP για τα αριθμητικά δεδομένα, επιτυγχάνοντας σύντηξη της πληροφορίας σε βαθύτερο επίπεδο χαρακτηριστικών.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συγκριτική Αξιολόγηση και Βελτιστοποίηση Αλγορίθμων&lt;/h1&gt;'''<br /> <br /> Η ανάλυση των αποτελεσμάτων ανέδειξε ξεκάθαρα την υπεροχή της πολυτροπικής προσέγγισης. Ενώ τα αμιγώς αριθμητικά μοντέλα παρουσίασαν ικανοποιητική απόδοση, με τα LSTM να ξεχωρίζουν λόγω της ικανότητάς τους να διαχειρίζονται την ανισορροπία των κλάσεων (fire vs. no-fire), η προσθήκη της οπτικής πληροφορίας εκτόξευσε την ακρίβεια πρόβλεψης. Συγκεκριμένα, το πολυτροπικό μοντέλο πέτυχε ακρίβεια 96,15% στο σύνολο επικύρωσης και F1-score 0,9609, ξεπερνώντας κατά 6,15% τις επιδόσεις των μεθόδων συνόλου (ensemble voting) που βασίζονταν μόνο σε αριθμητικά δεδομένα.<br /> Ιδιαίτερη έμφαση δόθηκε στη βελτιστοποίηση των υπερπαραμέτρων εκπαίδευσης. Η βέλτιστη διαμόρφωση επιτεύχθηκε με τη χρήση του αλγορίθμου Stochastic Gradient Descent (SGD) και μιας στρατηγικής κλιμακωτής μείωσης του ρυθμού μάθησης (step decay). Αυτή η προσέγγιση επέτρεψε στο μοντέλο να συγκλίνει αποτελεσματικά, αποφεύγοντας φαινόμενα υπερπροσαρμογής (overfitting), όπως φάνηκε από τη σταθερή μείωση της συνάρτησης απώλειας τόσο στο σύνολο εκπαίδευσης όσο και στο σύνολο επικύρωσης. Η ανάλυση ερμηνευσιμότητας (SHAP analysis) επιβεβαίωσε ότι η θερμοκρασία λαμπρότητας (brightness temperature) και το υψόμετρο αποτελούν τους ισχυρότερους προγνωστικούς παράγοντες, ενώ η παράμετρος «ημέρα/νύχτα» λειτούργησε ως κρίσιμο φίλτρο για τη μείωση των ψευδών συναγερμών που προκαλούνται από ηλιακές ανακλάσεις.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η έρευνα αυτή θέτει νέα θεμέλια για την ανάπτυξη συστημάτων έγκαιρης προειδοποίησης πυρκαγιών στην περιοχή της Μεσογείου. Αποδείχθηκε πέραν πάσης αμφιβολίας ότι η «τυφλή» ανάλυση μετεωρολογικών δεικτών δεν επαρκεί. Η ενσωμάτωση δορυφορικής απεικόνισης της βλάστησης (NDVI) είναι απαραίτητη για την επίτευξη υψηλής ακρίβειας. Το προτεινόμενο πλαίσιο Βαθιάς Μάθησης προσφέρει μια ισχυρή, κλιμακώσιμη λύση που μπορεί να υποστηρίξει επιχειρησιακά κέντρα λήψης αποφάσεων. Ως επόμενο βήμα, προτείνεται η ανάπτυξη ενός διαδραστικού πίνακα ελέγχου (dashboard) σε πραγματικό χρόνο, ο οποίος θα τροφοδοτείται από αυτά τα μοντέλα για την άμεση ενημέρωση των αρχών πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%92%CE%B1%CE%B8%CE%B9%CE%AC%CF%82_%CE%9C%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%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 2026-01-29T09:04:48Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''A Multimodal Ensemble Deep Learning Model for Wildfire Prediction in Greece Using Satellite Imagery and Multi-Source Remote Sensing Data'''<br /> <br /> Συγγραφείς : ''Ioannis Papakis, Vasileios Linardos, Maria Drakaki''<br /> <br /> Πηγή:[https://www.mdpi.com/2072-4292/17/19/3310]<br /> <br /> <br /> [[Αρχείο:Asoldatos2 1.png|200px|thumb|right|'''Εικόνα 1''': (a–f) Απεικόνιση περιστατικών πυρκαγιάς/μη πυρκαγιάς στην Ελλάδα κατά την περίοδο 2017–2021. Εμφανίζουν τις τραγικές πυρκαγιές που συνέβησαν στο νησί της Εύβοιας το 2021]]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Η Ελλάδα, λόγω της γεωγραφικής της θέσης και του μεσογειακού κλίματος, βρίσκεται στο επίκεντρο της κλιματικής κρίσης, αντιμετωπίζοντας κάθε καλοκαίρι καταστροφικές δασικές πυρκαγιές. Το κόστος αυτών των καταστροφών είναι τεράστιο, τόσο σε οικολογικό όσο και σε οικονομικό επίπεδο, με τις εκτιμώμενες ζημιές για το 2023 να αγγίζουν το δυσθεώρητο ποσό των 1,7 δισεκατομμυρίων ευρώ, το οποίο αντιστοιχεί περίπου στο 0,8% του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ) της χώρας. Παρόλο που η παγκόσμια επιστημονική κοινότητα έχει στραφεί στη Μηχανική Μάθηση (Machine Learning) για την αντιμετώπιση φυσικών καταστροφών, παρατηρείται σημαντική έλλειψη εξειδικευμένων μοντέλων Βαθιάς Μάθησης (Deep Learning) προσαρμοσμένων στα ελληνικά δεδομένα. Η παρούσα μελέτη έρχεται να καλύψει αυτό το κενό, προτείνοντας μια καινοτόμο προσέγγιση που δεν αρκείται στη χρήση απλών μετεωρολογικών δεικτών, αλλά ενσωματώνει πολυτροπικά δεδομένα (multimodal data) για την ακριβέστερη πρόβλεψη του κινδύνου.<br /> <br /> [[Αρχείο:Asoldatos2 2.png|200px|thumb|right|'''Εικόνα 2''': Δείγματα εικόνων NDVI από το σύνολο δεδομένων.]]<br /> <br /> <br /> '''&lt;h1&gt;Αρχιτεκτονική Δεδομένων και Πολυτροπική Σύντηξη &lt;/h1&gt;'''<br /> <br /> [[Αρχείο:Asoldatos2 3.png|200px|thumb|right|'''Εικόνα 3''': Διαγράμματα σύνοψης SHAP για μεμονωμένα μοντέλα CNN και LSTM. Τα χαρακτηριστικά κατατάσσονται με βάση τη μέση απόλυτη τιμή SHAP σε φθίνουσα σειρά, με τους πιο επιδραστικούς προγνωστικούς παράγοντες να εμφανίζονται στην κορυφή.]]<br /> <br /> Η ερευνητική ομάδα δημιούργησε ένα νέο, ολοκληρωμένο σύνολο δεδομένων που καλύπτει την πενταετία 2017-2021. Η καινοτομία της μεθοδολογίας έγκειται στον τρόπο με τον οποίο συνδυάζονται ετερογενείς πηγές πληροφορίας. Αρχικά, αντλήθηκαν ιστορικά δεδομένα πυρκαγιών από το σύστημα LANCE-FIRMS, αξιοποιώντας τις καταγραφές των δορυφόρων VIIRS (Suomi-NPP, NOAA-20 και NOAA-21), οι οποίοι παρέχουν χωρική ανάλυση 375 μέτρων. Για κάθε καταγεγραμμένο συμβάν, τα δεδομένα εμπλουτίστηκαν με τοπογραφικά στοιχεία (όπως υψόμετρο, κλίση εδάφους και προσανατολισμό πλαγιάς) από το ψηφιακό μοντέλο εδάφους NASADEM, καθώς και με κρίσιμες μετεωρολογικές παραμέτρους (θερμοκρασία, ταχύτητα ανέμου, υετός) από την πλατφόρμα Open-Meteo.<br /> Το πλέον καθοριστικό στοιχείο, ωστόσο, ήταν η ενσωμάτωση οπτικής πληροφορίας. Για κάθε σημείο ενδιαφέροντος, ανακτήθηκαν δορυφορικές εικόνες του Δείκτη Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI) από την αποστολή Sentinel-2. Αυτές οι εικόνες, διαστάσεων 2×2 χιλιομέτρων, παρείχαν στο μοντέλο μια «οπτική αντίληψη» της κατάστασης της καύσιμης ύλης (π.χ. υγρασία βλάστησης, πυκνότητα) πριν από την εκδήλωση της πυρκαγιάς. Η μελέτη ανέπτυξε και συνέκρινε δύο κύριες κατηγορίες μοντέλων: (α) μοντέλα που βασίζονται αποκλειστικά σε αριθμητικά δεδομένα, χρησιμοποιώντας αρχιτεκτονικές LSTM (Long Short-Term Memory) και CNN (Convolutional Neural Networks) 1D, και (β) ένα πολυτροπικό μοντέλο που συνδυάζει ένα δίκτυο CNN για την επεξεργασία των εικόνων NDVI και ένα MLP για τα αριθμητικά δεδομένα, επιτυγχάνοντας σύντηξη της πληροφορίας σε βαθύτερο επίπεδο χαρακτηριστικών.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συγκριτική Αξιολόγηση και Βελτιστοποίηση Αλγορίθμων&lt;/h1&gt;'''<br /> <br /> Η ανάλυση των αποτελεσμάτων ανέδειξε ξεκάθαρα την υπεροχή της πολυτροπικής προσέγγισης. Ενώ τα αμιγώς αριθμητικά μοντέλα παρουσίασαν ικανοποιητική απόδοση, με τα LSTM να ξεχωρίζουν λόγω της ικανότητάς τους να διαχειρίζονται την ανισορροπία των κλάσεων (fire vs. no-fire), η προσθήκη της οπτικής πληροφορίας εκτόξευσε την ακρίβεια πρόβλεψης. Συγκεκριμένα, το πολυτροπικό μοντέλο πέτυχε ακρίβεια 96,15% στο σύνολο επικύρωσης και F1-score 0,9609, ξεπερνώντας κατά 6,15% τις επιδόσεις των μεθόδων συνόλου (ensemble voting) που βασίζονταν μόνο σε αριθμητικά δεδομένα.<br /> Ιδιαίτερη έμφαση δόθηκε στη βελτιστοποίηση των υπερπαραμέτρων εκπαίδευσης. Η βέλτιστη διαμόρφωση επιτεύχθηκε με τη χρήση του αλγορίθμου Stochastic Gradient Descent (SGD) και μιας στρατηγικής κλιμακωτής μείωσης του ρυθμού μάθησης (step decay). Αυτή η προσέγγιση επέτρεψε στο μοντέλο να συγκλίνει αποτελεσματικά, αποφεύγοντας φαινόμενα υπερπροσαρμογής (overfitting), όπως φάνηκε από τη σταθερή μείωση της συνάρτησης απώλειας τόσο στο σύνολο εκπαίδευσης όσο και στο σύνολο επικύρωσης. Η ανάλυση ερμηνευσιμότητας (SHAP analysis) επιβεβαίωσε ότι η θερμοκρασία λαμπρότητας (brightness temperature) και το υψόμετρο αποτελούν τους ισχυρότερους προγνωστικούς παράγοντες, ενώ η παράμετρος «ημέρα/νύχτα» λειτούργησε ως κρίσιμο φίλτρο για τη μείωση των ψευδών συναγερμών που προκαλούνται από ηλιακές ανακλάσεις.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η έρευνα αυτή θέτει νέα θεμέλια για την ανάπτυξη συστημάτων έγκαιρης προειδοποίησης πυρκαγιών στην περιοχή της Μεσογείου. Αποδείχθηκε πέραν πάσης αμφιβολίας ότι η «τυφλή» ανάλυση μετεωρολογικών δεικτών δεν επαρκεί. Η ενσωμάτωση δορυφορικής απεικόνισης της βλάστησης (NDVI) είναι απαραίτητη για την επίτευξη υψηλής ακρίβειας. Το προτεινόμενο πλαίσιο Βαθιάς Μάθησης προσφέρει μια ισχυρή, κλιμακώσιμη λύση που μπορεί να υποστηρίξει επιχειρησιακά κέντρα λήψης αποφάσεων. Ως επόμενο βήμα, προτείνεται η ανάπτυξη ενός διαδραστικού πίνακα ελέγχου (dashboard) σε πραγματικό χρόνο, ο οποίος θα τροφοδοτείται από αυτά τα μοντέλα για την άμεση ενημέρωση των αρχών πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%92%CE%B1%CE%B8%CE%B9%CE%AC%CF%82_%CE%9C%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%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 2026-01-29T09:04:11Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''A Multimodal Ensemble Deep Learning Model for Wildfire Prediction in Greece Using Satellite Imagery and Multi-Source Remote Sensing Data'''<br /> <br /> Συγγραφείς : ''Ioannis Papakis, Vasileios Linardos, Maria Drakaki''<br /> <br /> Πηγή:[https://www.mdpi.com/2072-4292/17/19/3310]<br /> <br /> <br /> [[Αρχείο:Asoldatos2 2.png|200px|thumb|right|'''Εικόνα 2''': Δείγματα εικόνων NDVI από το σύνολο δεδομένων.]]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Η Ελλάδα, λόγω της γεωγραφικής της θέσης και του μεσογειακού κλίματος, βρίσκεται στο επίκεντρο της κλιματικής κρίσης, αντιμετωπίζοντας κάθε καλοκαίρι καταστροφικές δασικές πυρκαγιές. Το κόστος αυτών των καταστροφών είναι τεράστιο, τόσο σε οικολογικό όσο και σε οικονομικό επίπεδο, με τις εκτιμώμενες ζημιές για το 2023 να αγγίζουν το δυσθεώρητο ποσό των 1,7 δισεκατομμυρίων ευρώ, το οποίο αντιστοιχεί περίπου στο 0,8% του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ) της χώρας. Παρόλο που η παγκόσμια επιστημονική κοινότητα έχει στραφεί στη Μηχανική Μάθηση (Machine Learning) για την αντιμετώπιση φυσικών καταστροφών, παρατηρείται σημαντική έλλειψη εξειδικευμένων μοντέλων Βαθιάς Μάθησης (Deep Learning) προσαρμοσμένων στα ελληνικά δεδομένα. Η παρούσα μελέτη έρχεται να καλύψει αυτό το κενό, προτείνοντας μια καινοτόμο προσέγγιση που δεν αρκείται στη χρήση απλών μετεωρολογικών δεικτών, αλλά ενσωματώνει πολυτροπικά δεδομένα (multimodal data) για την ακριβέστερη πρόβλεψη του κινδύνου.<br /> <br /> [[Αρχείο:Asoldatos2 1.png|200px|thumb|right|'''Εικόνα 1''': (a–f) Απεικόνιση περιστατικών πυρκαγιάς/μη πυρκαγιάς στην Ελλάδα κατά την περίοδο 2017–2021. Εμφανίζουν τις τραγικές πυρκαγιές που συνέβησαν στο νησί της Εύβοιας το 2021]]<br /> <br /> '''&lt;h1&gt;Αρχιτεκτονική Δεδομένων και Πολυτροπική Σύντηξη &lt;/h1&gt;'''<br /> <br /> [[Αρχείο:Asoldatos2 3.png|200px|thumb|right|'''Εικόνα 3''': Διαγράμματα σύνοψης SHAP για μεμονωμένα μοντέλα CNN και LSTM. Τα χαρακτηριστικά κατατάσσονται με βάση τη μέση απόλυτη τιμή SHAP σε φθίνουσα σειρά, με τους πιο επιδραστικούς προγνωστικούς παράγοντες να εμφανίζονται στην κορυφή.]]<br /> <br /> Η ερευνητική ομάδα δημιούργησε ένα νέο, ολοκληρωμένο σύνολο δεδομένων που καλύπτει την πενταετία 2017-2021. Η καινοτομία της μεθοδολογίας έγκειται στον τρόπο με τον οποίο συνδυάζονται ετερογενείς πηγές πληροφορίας. Αρχικά, αντλήθηκαν ιστορικά δεδομένα πυρκαγιών από το σύστημα LANCE-FIRMS, αξιοποιώντας τις καταγραφές των δορυφόρων VIIRS (Suomi-NPP, NOAA-20 και NOAA-21), οι οποίοι παρέχουν χωρική ανάλυση 375 μέτρων. Για κάθε καταγεγραμμένο συμβάν, τα δεδομένα εμπλουτίστηκαν με τοπογραφικά στοιχεία (όπως υψόμετρο, κλίση εδάφους και προσανατολισμό πλαγιάς) από το ψηφιακό μοντέλο εδάφους NASADEM, καθώς και με κρίσιμες μετεωρολογικές παραμέτρους (θερμοκρασία, ταχύτητα ανέμου, υετός) από την πλατφόρμα Open-Meteo.<br /> Το πλέον καθοριστικό στοιχείο, ωστόσο, ήταν η ενσωμάτωση οπτικής πληροφορίας. Για κάθε σημείο ενδιαφέροντος, ανακτήθηκαν δορυφορικές εικόνες του Δείκτη Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI) από την αποστολή Sentinel-2. Αυτές οι εικόνες, διαστάσεων 2×2 χιλιομέτρων, παρείχαν στο μοντέλο μια «οπτική αντίληψη» της κατάστασης της καύσιμης ύλης (π.χ. υγρασία βλάστησης, πυκνότητα) πριν από την εκδήλωση της πυρκαγιάς. Η μελέτη ανέπτυξε και συνέκρινε δύο κύριες κατηγορίες μοντέλων: (α) μοντέλα που βασίζονται αποκλειστικά σε αριθμητικά δεδομένα, χρησιμοποιώντας αρχιτεκτονικές LSTM (Long Short-Term Memory) και CNN (Convolutional Neural Networks) 1D, και (β) ένα πολυτροπικό μοντέλο που συνδυάζει ένα δίκτυο CNN για την επεξεργασία των εικόνων NDVI και ένα MLP για τα αριθμητικά δεδομένα, επιτυγχάνοντας σύντηξη της πληροφορίας σε βαθύτερο επίπεδο χαρακτηριστικών.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συγκριτική Αξιολόγηση και Βελτιστοποίηση Αλγορίθμων&lt;/h1&gt;'''<br /> <br /> Η ανάλυση των αποτελεσμάτων ανέδειξε ξεκάθαρα την υπεροχή της πολυτροπικής προσέγγισης. Ενώ τα αμιγώς αριθμητικά μοντέλα παρουσίασαν ικανοποιητική απόδοση, με τα LSTM να ξεχωρίζουν λόγω της ικανότητάς τους να διαχειρίζονται την ανισορροπία των κλάσεων (fire vs. no-fire), η προσθήκη της οπτικής πληροφορίας εκτόξευσε την ακρίβεια πρόβλεψης. Συγκεκριμένα, το πολυτροπικό μοντέλο πέτυχε ακρίβεια 96,15% στο σύνολο επικύρωσης και F1-score 0,9609, ξεπερνώντας κατά 6,15% τις επιδόσεις των μεθόδων συνόλου (ensemble voting) που βασίζονταν μόνο σε αριθμητικά δεδομένα.<br /> Ιδιαίτερη έμφαση δόθηκε στη βελτιστοποίηση των υπερπαραμέτρων εκπαίδευσης. Η βέλτιστη διαμόρφωση επιτεύχθηκε με τη χρήση του αλγορίθμου Stochastic Gradient Descent (SGD) και μιας στρατηγικής κλιμακωτής μείωσης του ρυθμού μάθησης (step decay). Αυτή η προσέγγιση επέτρεψε στο μοντέλο να συγκλίνει αποτελεσματικά, αποφεύγοντας φαινόμενα υπερπροσαρμογής (overfitting), όπως φάνηκε από τη σταθερή μείωση της συνάρτησης απώλειας τόσο στο σύνολο εκπαίδευσης όσο και στο σύνολο επικύρωσης. Η ανάλυση ερμηνευσιμότητας (SHAP analysis) επιβεβαίωσε ότι η θερμοκρασία λαμπρότητας (brightness temperature) και το υψόμετρο αποτελούν τους ισχυρότερους προγνωστικούς παράγοντες, ενώ η παράμετρος «ημέρα/νύχτα» λειτούργησε ως κρίσιμο φίλτρο για τη μείωση των ψευδών συναγερμών που προκαλούνται από ηλιακές ανακλάσεις.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η έρευνα αυτή θέτει νέα θεμέλια για την ανάπτυξη συστημάτων έγκαιρης προειδοποίησης πυρκαγιών στην περιοχή της Μεσογείου. Αποδείχθηκε πέραν πάσης αμφιβολίας ότι η «τυφλή» ανάλυση μετεωρολογικών δεικτών δεν επαρκεί. Η ενσωμάτωση δορυφορικής απεικόνισης της βλάστησης (NDVI) είναι απαραίτητη για την επίτευξη υψηλής ακρίβειας. Το προτεινόμενο πλαίσιο Βαθιάς Μάθησης προσφέρει μια ισχυρή, κλιμακώσιμη λύση που μπορεί να υποστηρίξει επιχειρησιακά κέντρα λήψης αποφάσεων. Ως επόμενο βήμα, προτείνεται η ανάπτυξη ενός διαδραστικού πίνακα ελέγχου (dashboard) σε πραγματικό χρόνο, ο οποίος θα τροφοδοτείται από αυτά τα μοντέλα για την άμεση ενημέρωση των αρχών πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos2_3.png 2026-01-29T09:01:12Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos2_2.png 2026-01-29T09:00:54Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos2_1.png 2026-01-29T09:00:30Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2026-01-29T08:54:21Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*[[Παρακολούθηση των Μορφολογικών Αλλαγών στο Ηφαίστειο Στρόμπολι με Συνδυασμό Τηλεπισκόπησης και Γεωφυσικής]]<br /> *[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *[[Μοντέλο Βαθιάς Μάθησης για την πρόβλεψη πυρκαγιών στην Ελλάδα με χρήση δορυφορικών εικόνων και δεδομένων τηλεπισκόπησης]]<br /> *<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%BF_%CE%92%CE%B1%CE%B8%CE%B9%CE%AC%CF%82_%CE%9C%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%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 2026-01-29T08:53:42Z

<p>SOLDATOS ALEXANDROS: Νέα σελίδα με 'Πρότυπος Τίτλος : '''A Multimodal Ensemble Deep Learning Model for Wildfire Prediction in Greece Using Satellite Imagery and Multi-Source Remote Sensing Data...'</p> <hr /> <div>Πρότυπος Τίτλος : '''A Multimodal Ensemble Deep Learning Model for Wildfire Prediction in Greece Using Satellite Imagery and Multi-Source Remote Sensing Data'''<br /> <br /> Συγγραφείς : ''Ioannis Papakis, Vasileios Linardos, Maria Drakaki''<br /> <br /> Πηγή:[https://www.mdpi.com/2072-4292/17/19/3310]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> Η Ελλάδα, λόγω της γεωγραφικής της θέσης και του μεσογειακού κλίματος, βρίσκεται στο επίκεντρο της κλιματικής κρίσης, αντιμετωπίζοντας κάθε καλοκαίρι καταστροφικές δασικές πυρκαγιές. Το κόστος αυτών των καταστροφών είναι τεράστιο, τόσο σε οικολογικό όσο και σε οικονομικό επίπεδο, με τις εκτιμώμενες ζημιές για το 2023 να αγγίζουν το δυσθεώρητο ποσό των 1,7 δισεκατομμυρίων ευρώ, το οποίο αντιστοιχεί περίπου στο 0,8% του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ) της χώρας. Παρόλο που η παγκόσμια επιστημονική κοινότητα έχει στραφεί στη Μηχανική Μάθηση (Machine Learning) για την αντιμετώπιση φυσικών καταστροφών, παρατηρείται σημαντική έλλειψη εξειδικευμένων μοντέλων Βαθιάς Μάθησης (Deep Learning) προσαρμοσμένων στα ελληνικά δεδομένα. Η παρούσα μελέτη έρχεται να καλύψει αυτό το κενό, προτείνοντας μια καινοτόμο προσέγγιση που δεν αρκείται στη χρήση απλών μετεωρολογικών δεικτών, αλλά ενσωματώνει πολυτροπικά δεδομένα (multimodal data) για την ακριβέστερη πρόβλεψη του κινδύνου.<br /> <br /> <br /> '''&lt;h1&gt;Αρχιτεκτονική Δεδομένων και Πολυτροπική Σύντηξη &lt;/h1&gt;'''<br /> <br /> Η ερευνητική ομάδα δημιούργησε ένα νέο, ολοκληρωμένο σύνολο δεδομένων που καλύπτει την πενταετία 2017-2021. Η καινοτομία της μεθοδολογίας έγκειται στον τρόπο με τον οποίο συνδυάζονται ετερογενείς πηγές πληροφορίας. Αρχικά, αντλήθηκαν ιστορικά δεδομένα πυρκαγιών από το σύστημα LANCE-FIRMS, αξιοποιώντας τις καταγραφές των δορυφόρων VIIRS (Suomi-NPP, NOAA-20 και NOAA-21), οι οποίοι παρέχουν χωρική ανάλυση 375 μέτρων. Για κάθε καταγεγραμμένο συμβάν, τα δεδομένα εμπλουτίστηκαν με τοπογραφικά στοιχεία (όπως υψόμετρο, κλίση εδάφους και προσανατολισμό πλαγιάς) από το ψηφιακό μοντέλο εδάφους NASADEM, καθώς και με κρίσιμες μετεωρολογικές παραμέτρους (θερμοκρασία, ταχύτητα ανέμου, υετός) από την πλατφόρμα Open-Meteo.<br /> Το πλέον καθοριστικό στοιχείο, ωστόσο, ήταν η ενσωμάτωση οπτικής πληροφορίας. Για κάθε σημείο ενδιαφέροντος, ανακτήθηκαν δορυφορικές εικόνες του Δείκτη Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI) από την αποστολή Sentinel-2. Αυτές οι εικόνες, διαστάσεων 2×2 χιλιομέτρων, παρείχαν στο μοντέλο μια «οπτική αντίληψη» της κατάστασης της καύσιμης ύλης (π.χ. υγρασία βλάστησης, πυκνότητα) πριν από την εκδήλωση της πυρκαγιάς. Η μελέτη ανέπτυξε και συνέκρινε δύο κύριες κατηγορίες μοντέλων: (α) μοντέλα που βασίζονται αποκλειστικά σε αριθμητικά δεδομένα, χρησιμοποιώντας αρχιτεκτονικές LSTM (Long Short-Term Memory) και CNN (Convolutional Neural Networks) 1D, και (β) ένα πολυτροπικό μοντέλο που συνδυάζει ένα δίκτυο CNN για την επεξεργασία των εικόνων NDVI και ένα Πολυεπίπεδο Περσεπτρόνιο (MLP) για τα αριθμητικά δεδομένα, επιτυγχάνοντας σύντηξη της πληροφορίας σε βαθύτερο επίπεδο χαρακτηριστικών.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συγκριτική Αξιολόγηση και Βελτιστοποίηση Αλγορίθμων&lt;/h1&gt;'''<br /> Η ανάλυση των αποτελεσμάτων ανέδειξε ξεκάθαρα την υπεροχή της πολυτροπικής προσέγγισης. Ενώ τα αμιγώς αριθμητικά μοντέλα παρουσίασαν ικανοποιητική απόδοση, με τα LSTM να ξεχωρίζουν λόγω της ικανότητάς τους να διαχειρίζονται την ανισορροπία των κλάσεων (fire vs. no-fire), η προσθήκη της οπτικής πληροφορίας εκτόξευσε την ακρίβεια πρόβλεψης. Συγκεκριμένα, το πολυτροπικό μοντέλο πέτυχε ακρίβεια 96,15% στο σύνολο επικύρωσης και F1-score 0,9609, ξεπερνώντας κατά 6,15% τις επιδόσεις των μεθόδων συνόλου (ensemble voting) που βασίζονταν μόνο σε αριθμητικά δεδομένα.<br /> Ιδιαίτερη έμφαση δόθηκε στη βελτιστοποίηση των υπερπαραμέτρων εκπαίδευσης. Η βέλτιστη διαμόρφωση επιτεύχθηκε με τη χρήση του αλγορίθμου Stochastic Gradient Descent (SGD) και μιας στρατηγικής κλιμακωτής μείωσης του ρυθμού μάθησης (step decay). Αυτή η προσέγγιση επέτρεψε στο μοντέλο να συγκλίνει αποτελεσματικά, αποφεύγοντας φαινόμενα υπερπροσαρμογής (overfitting), όπως φάνηκε από τη σταθερή μείωση της συνάρτησης απώλειας τόσο στο σύνολο εκπαίδευσης όσο και στο σύνολο επικύρωσης. Η ανάλυση ερμηνευσιμότητας (SHAP analysis) επιβεβαίωσε ότι η θερμοκρασία λαμπρότητας (brightness temperature) και το υψόμετρο αποτελούν τους ισχυρότερους προγνωστικούς παράγοντες, ενώ η παράμετρος «ημέρα/νύχτα» λειτούργησε ως κρίσιμο φίλτρο για τη μείωση των ψευδών συναγερμών που προκαλούνται από ηλιακές ανακλάσεις.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η έρευνα αυτή θέτει νέα θεμέλια για την ανάπτυξη συστημάτων έγκαιρης προειδοποίησης πυρκαγιών στην περιοχή της Μεσογείου. Αποδείχθηκε πέραν πάσης αμφιβολίας ότι η «τυφλή» ανάλυση μετεωρολογικών δεικτών δεν επαρκεί· η ενσωμάτωση δορυφορικής απεικόνισης της βλάστησης (NDVI) είναι απαραίτητη για την επίτευξη υψηλής ακρίβειας. Το προτεινόμενο πλαίσιο Βαθιάς Μάθησης προσφέρει μια ισχυρή, κλιμακώσιμη λύση που μπορεί να υποστηρίξει επιχειρησιακά κέντρα λήψης αποφάσεων. Ως επόμενο βήμα, προτείνεται η ανάπτυξη ενός διαδραστικού πίνακα ελέγχου (dashboard) σε πραγματικό χρόνο, ο οποίος θα τροφοδοτείται από αυτά τα μοντέλα για την άμεση ενημέρωση των αρχών πολιτικής προστασίας . <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2026-01-29T08:31:38Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο νησί του συμπλέγματος των Αιολίδων και μνημείο παγκόσμιας κληρονομιάς της UNESCO, αποτελεί έναν δημοφιλή τουριστικό προορισμό με έντονη ηφαιστειακή ιστορία. Ωστόσο, η φυσική ομορφιά του νησιού κρύβει μια εξελισσόμενη απειλή: τη σταδιακή αλλά σταθερή διάβρωση της ακτογραμμής του. Οι χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά τμήματα, οι οποίες φιλοξενούν κρίσιμους οικισμούς και τουριστικές υποδομές, δέχονται ασφυκτικές πιέσεις. Φαινόμενα όπως η άνοδος της στάθμης της θάλασσας, οι καταιγίδες και η γεωλογική καθίζηση του εδάφους διαμορφώνουν ένα σκηνικό αυξανόμενου κινδύνου. Η παρούσα μελέτη χαρτογραφεί την εξέλιξη αυτών των ευάλωτων περιοχών, αναζητώντας τα αίτια της περιβαλλοντικής υποβάθμισης . <br /> <br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Για να συνθέσουν την ιστορία της μεταβολής της ακτογραμμής, οι ερευνητές εφάρμοσαν μια διεπιστημονική προσέγγιση που ενώνει το παρελθόν με το παρόν. Ιστορικές αεροφωτογραφίες από το 1954 έως το 2013 ψηφιοποιήθηκαν και συγκρίθηκαν με υπερ-υψηλής ανάλυσης ορθοφωτοχάρτες που δημιουργήθηκαν από σύγχρονες πτήσεις drones (UAV) το 2014 και 2017. Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας. Η έρευνα δεν έμεινε στην επιφάνεια, αλλά επεκτάθηκε στον υποθαλάσσιο χώρο με τη χρήση προηγμένων βυθομέτρων για τη λεπτομερή χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Επιπλέον, αναλύθηκαν δεδομένα δορυφορικής αλτιμετρίας για την περίοδο 1993-2020, προκειμένου να υπολογιστεί με ακρίβεια η μακροχρόνια τάση ανόδου της στάθμης της θάλασσας στην περιοχή. <br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> Η ανάλυση των δεδομένων αποκάλυψε μια εικόνα έντονης δυναμικής και αστάθειας. Περιοχές όπως το Porticello και η Papesca, που στο παρελθόν επεκτείνονταν τεχνητά χάρη στη ρίψη αποβλήτων από τα λατομεία ελαφρόπετρας, πλέον παρουσιάζουν ραγδαία υποχώρηση μετά το κλείσιμο των ορυχείων. Στον κόλπο του Canneto και τη Marina Lunga, η κατασκευή λιμενοβραχιόνων και άλλων έργων έχει διαταράξει τη φυσική ροή των ιζημάτων, προκαλώντας τοπικά φαινόμενα διάβρωσης. Τα δορυφορικά δεδομένα είναι ανησυχητικά: η θάλασσα ανεβαίνει με ρυθμό 3,1 χιλιοστών ετησίως, γεγονός που σε συνδυασμό με την τοπική καθίζηση του εδάφους, πολλαπλασιάζει τον κίνδυνο μόνιμης κατάκλυσης των παραλιακών οικισμών. <br /> <br /> <br /> [[Αρχείο:Asoldatos3 2.png|200px|thumb|right|'''Εικόνα 2''': Παράκτιες περιοχές στον ανατολικό και βορειοανατολικό τομέα του Λίπαρι που πλήττονται ιδιαίτερα από πλημμύρες κατά τη διάρκεια καταιγίδων (storm surges): (α) Marina Lunga, (β) Canneto, (γ,δ) Acquacalda. Η τοποθεσία των εικόνων βρίσκεται στο Σχήμα 1 μέσω των αντίστοιχων έγχρωμων κουκκίδων]]<br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Η σημερινή μορφολογία των ακτών του Λίπαρι, αποδεικνύεται αποτέλεσμα μιας εύθραυστης ισορροπίας που έχει πλέον διαταραχθεί. Η δραματική μείωση της φυσικής τροφοδοσίας με φερτά υλικά, σε συνδυασμό με την ύπαρξη ενεργών υποθαλάσσιων φαραγγιών που φτάνουν πολύ κοντά στην ακτή και κυριολεκτικά &quot;καταπίνουν&quot; τα ιζήματα, οδηγεί στην εξαφάνιση των παραλιών. Η κατάσταση επιδεινώνεται από το φαινόμενο της καθίζησης, το οποίο σε ιστορικές τοποθεσίες όπως η Marina Lunga έχει ήδη βυθίσει ρωμαϊκές κατασκευές και ισόγεια σύγχρονων κτιρίων κάτω από την επιφάνεια της θάλασσας. Η έλλειψη σχεδίου προσαρμογής αφήνει τους οικισμούς εκτεθειμένους σε μελλοντικά ακραία καιρικά φαινόμενα.<br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη καταλήγει στο συμπέρασμα ότι το παράκτιο σύστημα του Λίπαρι βρίσκεται σε ένα κρίσιμο σταυροδρόμι. Η πολύπλοκη αλληλεπίδραση φυσικών διεργασιών και μακροχρόνιων ανθρώπινων παρεμβάσεων έχει δημιουργήσει ένα καθεστώς μόνιμης αστάθειας. Καθώς η τοπική οικονομία εξαρτάται άμεσα από τον παραθεριστικό τουρισμό, η προστασία των ακτών και των παραλιών δεν αποτελεί απλώς περιβαλλοντική προτεραιότητα, αλλά ζήτημα επιβίωσης για την τοπική κοινωνία. Κρίνεται επιτακτική η ανάγκη για άμεση υιοθέτηση στρατηγικών διαχείρισης που θα λαμβάνουν υπόψη την επερχόμενη κλιματική αλλαγή και θα θωρακίσουν το νησί απέναντι στους αυξανόμενους κινδύνους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Asoldatos3_2.png 2026-01-29T08:30:36Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2026-01-29T08:29:17Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο νησί του συμπλέγματος των Αιολίδων και μνημείο παγκόσμιας κληρονομιάς της UNESCO, αποτελεί έναν δημοφιλή τουριστικό προορισμό με έντονη ηφαιστειακή ιστορία. Ωστόσο, η φυσική ομορφιά του νησιού κρύβει μια εξελισσόμενη απειλή: τη σταδιακή αλλά σταθερή διάβρωση της ακτογραμμής του. Οι χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά τμήματα, οι οποίες φιλοξενούν κρίσιμους οικισμούς και τουριστικές υποδομές, δέχονται ασφυκτικές πιέσεις. Φαινόμενα όπως η άνοδος της στάθμης της θάλασσας, οι καταιγίδες και η γεωλογική καθίζηση του εδάφους διαμορφώνουν ένα σκηνικό αυξανόμενου κινδύνου. Η παρούσα μελέτη χαρτογραφεί την εξέλιξη αυτών των ευάλωτων περιοχών, αναζητώντας τα αίτια της περιβαλλοντικής υποβάθμισης . <br /> <br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Για να συνθέσουν την ιστορία της μεταβολής της ακτογραμμής, οι ερευνητές εφάρμοσαν μια διεπιστημονική προσέγγιση που ενώνει το παρελθόν με το παρόν. Ιστορικές αεροφωτογραφίες από το 1954 έως το 2013 ψηφιοποιήθηκαν και συγκρίθηκαν με υπερ-υψηλής ανάλυσης ορθοφωτοχάρτες που δημιουργήθηκαν από σύγχρονες πτήσεις drones (UAV) το 2014 και 2017. Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας. Η έρευνα δεν έμεινε στην επιφάνεια, αλλά επεκτάθηκε στον υποθαλάσσιο χώρο με τη χρήση προηγμένων βυθομέτρων για τη λεπτομερή χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Επιπλέον, αναλύθηκαν δεδομένα δορυφορικής αλτιμετρίας για την περίοδο 1993-2020, προκειμένου να υπολογιστεί με ακρίβεια η μακροχρόνια τάση ανόδου της στάθμης της θάλασσας στην περιοχή. <br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> Η ανάλυση των δεδομένων αποκάλυψε μια εικόνα έντονης δυναμικής και αστάθειας. Περιοχές όπως το Porticello και η Papesca, που στο παρελθόν επεκτείνονταν τεχνητά χάρη στη ρίψη αποβλήτων από τα λατομεία ελαφρόπετρας, πλέον παρουσιάζουν ραγδαία υποχώρηση μετά το κλείσιμο των ορυχείων. Στον κόλπο του Canneto και τη Marina Lunga, η κατασκευή λιμενοβραχιόνων και άλλων έργων έχει διαταράξει τη φυσική ροή των ιζημάτων, προκαλώντας τοπικά φαινόμενα διάβρωσης. Τα δορυφορικά δεδομένα είναι ανησυχητικά: η θάλασσα ανεβαίνει με ρυθμό 3,1 χιλιοστών ετησίως, γεγονός που σε συνδυασμό με την τοπική καθίζηση του εδάφους, πολλαπλασιάζει τον κίνδυνο μόνιμης κατάκλυσης των παραλιακών οικισμών. <br /> <br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Η σημερινή μορφολογία των ακτών του Λίπαρι, αποδεικνύεται αποτέλεσμα μιας εύθραυστης ισορροπίας που έχει πλέον διαταραχθεί. Η δραματική μείωση της φυσικής τροφοδοσίας με φερτά υλικά, σε συνδυασμό με την ύπαρξη ενεργών υποθαλάσσιων φαραγγιών που φτάνουν πολύ κοντά στην ακτή και κυριολεκτικά &quot;καταπίνουν&quot; τα ιζήματα, οδηγεί στην εξαφάνιση των παραλιών. Η κατάσταση επιδεινώνεται από το φαινόμενο της καθίζησης, το οποίο σε ιστορικές τοποθεσίες όπως η Marina Lunga έχει ήδη βυθίσει ρωμαϊκές κατασκευές και ισόγεια σύγχρονων κτιρίων κάτω από την επιφάνεια της θάλασσας. Η έλλειψη σχεδίου προσαρμογής αφήνει τους οικισμούς εκτεθειμένους σε μελλοντικά ακραία καιρικά φαινόμενα.<br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη καταλήγει στο συμπέρασμα ότι το παράκτιο σύστημα του Λίπαρι βρίσκεται σε ένα κρίσιμο σταυροδρόμι. Η πολύπλοκη αλληλεπίδραση φυσικών διεργασιών και μακροχρόνιων ανθρώπινων παρεμβάσεων έχει δημιουργήσει ένα καθεστώς μόνιμης αστάθειας. Καθώς η τοπική οικονομία εξαρτάται άμεσα από τον παραθεριστικό τουρισμό, η προστασία των ακτών και των παραλιών δεν αποτελεί απλώς περιβαλλοντική προτεραιότητα, αλλά ζήτημα επιβίωσης για την τοπική κοινωνία. Κρίνεται επιτακτική η ανάγκη για άμεση υιοθέτηση στρατηγικών διαχείρισης που θα λαμβάνουν υπόψη την επερχόμενη κλιματική αλλαγή και θα θωρακίσουν το νησί απέναντι στους αυξανόμενους κινδύνους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2026-01-20T16:46:04Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> <br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> <br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> <br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> <br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS 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%CF%89%CE%BD_%CE%9C%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CF%83%CF%84%CE%BF_%CE%97%CF%86%CE%B1%CE%AF%CF%83%CF%84%CE%B5%CE%B9%CE%BF_%CE%A3%CF%84%CF%81%CF%8C%CE%BC%CF%80%CE%BF%CE%BB%CE%B9_%CE%BC%CE%B5_%CE%A3%CF%85%CE%BD%CE%B4%CF%85%CE%B1%CF%83%CE%BC%CF%8C_%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_%CE%93%CE%B5%CF%89%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%AE%CF%82 2025-12-29T15:51:50Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Integration of Remote Sensing and Offshore Geophysical Data for Monitoring the Short-Term Morphological Evolution of an Active Volcanic Flank: A Case Study from Stromboli Island '''<br /> <br /> Συγγραφείς : ''Casalbore, D.; Di Traglia, F.; Romagnoli, C.; Favalli, M.; Gracchi, T.; Tacconi Stefanelli, C.; Nolesini, T.; Rossi, G.; Del Soldato, M.; Manzella, I.; et al.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/18/4605 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Τα ηφαίστεια αποτελούν εξαιρετικά δυναμικά περιβάλλοντα, όπου η εναλλαγή εποικοδομητικών και καταστροφικών διεργασιών διαμορφώνει συνεχώς τις πλαγιές τους. Αυτό είναι ιδιαίτερα κρίσιμο στα νησιωτικά ηφαίστεια, όπως το Στρόμπολι, όπου φαινόμενα όπως κατολισθήσεις μπορούν να προκαλέσουν τσουνάμι, απειλώντας υποδομές και πληθυσμούς. Παρά τη σύνδεση μεταξύ χερσαίων και υποθαλάσσιων διεργασιών, λίγες μελέτες έχουν καταφέρει να ενοποιήσουν δεδομένα και από τα δύο περιβάλλοντα για την παρακολούθηση μορφολογικών αλλαγών κατά τη διάρκεια εκρήξεων. Η παρούσα μελέτη εστιάζει στην περιοχή Sciara del Fuoco (SdF) του Στρόμπολι, μια περιοχή που επηρεάζεται συχνά από πλευρικές καταρρεύσεις και ηφαιστειακή δραστηριότητα.<br /> <br /> [[Αρχείο:stromboli-1.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η μελέτη βασίστηκε στη σύγκριση τοπο-βαθομετρικών δεδομένων της χερσαίας και της ρηχής υποθαλάσσιας ζώνης της SdF μεταξύ Φεβρουαρίου 2020 και Ιουλίου 2021. Για το χερσαίο τμήμα χρησιμοποιήθηκαν δορυφορικές εικόνες PLÉIADES-1, φωτογραμμετρία μέσω UAV (drones) και εικόνες ραντάρ συνθετικού διαφράγματος COSMO-SkyMed (CSK-SAR). Για το υποθαλάσσιο τμήμα, πραγματοποιήθηκαν αποτυπώσεις με πολυδεσμικά βυθόμετρα (MBES) και ηχοβολιστικά πλευρικής σάρωσης (Side Scan Sonar - SSS). Εφαρμόστηκε αυστηρή διαδικασία συνεγγραφής (co-registration) των ψηφιακών μοντέλων εδάφους (DEMs) με βάση δεδομένα LiDAR του 2012 για την ελαχιστοποίηση σφαλμάτων και τον ακριβή υπολογισμό των μεταβολών όγκου.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μορφολογικές αλλαγές, κυρίως λόγω της κατάρρευσης του χείλους του ΒΑ κρατήρα τον Μάιο του 2021. Στο χερσαίο τμήμα καταγράφηκε διάβρωση στον ανώτερο τομέα και απόθεση υλικών (αύξηση όγκου) χαμηλότερα, με τις ροές λάβας να επεκτείνουν την ακτογραμμή κατά 35 μέτρα. Στον υποθαλάσσιο χώρο, εντοπίστηκαν ζώνες διάβρωσης (ME1, ME2) που αντιστοιχούν στην προέκταση της χερσαίας κατάρρευσης, καθώς και περιοχές απόθεσης (MA1). Η ανάλυση εικόνων SAR και οπισθοσκέδασης (backscatter) επέτρεψε τον εντοπισμό ροών λάβας και τραχύτητας εδάφους, διαχωρίζοντας τις λεπκόκκοκες αποθέσεις από τα πιο αδρά υλικά.<br /> <br /> [[Αρχείο:stromboli-2.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Τα αποτελέσματα συνδέουν άμεσα τις παρατηρούμενες αλλαγές με συγκεκριμένα ηφαιστειακά επεισόδια. Η κατάρρευση του Μαΐου 2021 δημιούργησε πυροκλαστικά ρεύματα που προκάλεσαν διάβρωση τόσο στη χερσαία όσο και στην υποθαλάσσια πλαγιά. Η ενοποίηση των δεδομένων έδειξε ότι οι ροές λάβας επιβραδύνθηκαν φτάνοντας στη θάλασσα, αυξάνοντας το πάχος τους και δημιουργώντας μια προέκταση της ακτής. Επιπλέον, η συγκριτική ανάλυση της υφής των εικόνων (SAR και οπισθοσκέδασης) κατέδειξε ότι οι διακυμάνσεις στην ένταση του σήματος εξαρτώνται από τη λιθολογία (λάβα έναντι τέφρας) και τις διεργασίες ανακατεργασίας των υλικών στην παράκτια ζώνη.<br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη απέδειξε την αξία της ολοκληρωμένης, πολυ-χρονικής προσέγγισης &quot;ξηράς-θάλασσας&quot; για την κατανόηση της εξέλιξης των ηφαιστειακών πλαγιών. Η ακριβής εκτίμηση των μετακινούμενων όγκων είναι κρίσιμη για την αξιολόγηση κινδύνων, όπως η πρόβλεψη τσουνάμι. Το γεγονός του 2021 κινητοποίησε σημαντικά μικρότερο όγκο υλικών σε σχέση με το 2019, εξηγώντας την απουσία σημαντικού τσουνάμι. Προτείνεται η συστηματική, ταυτόχρονη συλλογή τοπο-βαθομετρικών δεδομένων αμέσως μετά από σημαντικά συμβάντα, σε συνδυασμό με άλλα συστήματα παρακολούθησης, για την πληρέστερη διαχείριση του ηφαιστειακού κινδύνου.<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T15:51:04Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*[[Παρακολούθηση των Μορφολογικών Αλλαγών στο Ηφαίστειο Στρόμπολι με Συνδυασμό Τηλεπισκόπησης και Γεωφυσικής]]<br /> *[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *<br /> *<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS 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%CF%89%CE%BD_%CE%9C%CE%BF%CF%81%CF%86%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CF%83%CF%84%CE%BF_%CE%97%CF%86%CE%B1%CE%AF%CF%83%CF%84%CE%B5%CE%B9%CE%BF_%CE%A3%CF%84%CF%81%CF%8C%CE%BC%CF%80%CE%BF%CE%BB%CE%B9_%CE%BC%CE%B5_%CE%A3%CF%85%CE%BD%CE%B4%CF%85%CE%B1%CF%83%CE%BC%CF%8C_%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_%CE%93%CE%B5%CF%89%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%AE%CF%82 2025-12-29T15:49:35Z

<p>SOLDATOS ALEXANDROS: Νέα σελίδα με 'Πρότυπος Τίτλος : '''Integration of Remote Sensing and Offshore Geophysical Data for Monitoring the Short-Term Morphological Evolution of an Active Volcanic ...'</p> <hr /> <div>Πρότυπος Τίτλος : '''Integration of Remote Sensing and Offshore Geophysical Data for Monitoring the Short-Term Morphological Evolution of an Active Volcanic Flank A Case Study from Stromboli Island '''<br /> <br /> Συγγραφείς : ''Casalbore, D.; Di Traglia, F.; Romagnoli, C.; Favalli, M.; Gracchi, T.; Tacconi Stefanelli, C.; Nolesini, T.; Rossi, G.; Del Soldato, M.; Manzella, I.; et al.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/18/4605 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Τα ηφαίστεια αποτελούν εξαιρετικά δυναμικά περιβάλλοντα, όπου η εναλλαγή εποικοδομητικών και καταστροφικών διεργασιών διαμορφώνει συνεχώς τις πλαγιές τους. Αυτό είναι ιδιαίτερα κρίσιμο στα νησιωτικά ηφαίστεια, όπως το Στρόμπολι, όπου φαινόμενα όπως κατολισθήσεις μπορούν να προκαλέσουν τσουνάμι, απειλώντας υποδομές και πληθυσμούς. Παρά τη σύνδεση μεταξύ χερσαίων και υποθαλάσσιων διεργασιών, λίγες μελέτες έχουν καταφέρει να ενοποιήσουν δεδομένα και από τα δύο περιβάλλοντα για την παρακολούθηση μορφολογικών αλλαγών κατά τη διάρκεια εκρήξεων. Η παρούσα μελέτη εστιάζει στην περιοχή Sciara del Fuoco (SdF) του Στρόμπολι, μια περιοχή που επηρεάζεται συχνά από πλευρικές καταρρεύσεις και ηφαιστειακή δραστηριότητα.<br /> <br /> [[Αρχείο:stromboli-1.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η μελέτη βασίστηκε στη σύγκριση τοπο-βαθομετρικών δεδομένων της χερσαίας και της ρηχής υποθαλάσσιας ζώνης της SdF μεταξύ Φεβρουαρίου 2020 και Ιουλίου 2021. Για το χερσαίο τμήμα χρησιμοποιήθηκαν δορυφορικές εικόνες PLÉIADES-1, φωτογραμμετρία μέσω UAV (drones) και εικόνες ραντάρ συνθετικού διαφράγματος COSMO-SkyMed (CSK-SAR). Για το υποθαλάσσιο τμήμα, πραγματοποιήθηκαν αποτυπώσεις με πολυδεσμικά βυθόμετρα (MBES) και ηχοβολιστικά πλευρικής σάρωσης (Side Scan Sonar - SSS). Εφαρμόστηκε αυστηρή διαδικασία συνεγγραφής (co-registration) των ψηφιακών μοντέλων εδάφους (DEMs) με βάση δεδομένα LiDAR του 2012 για την ελαχιστοποίηση σφαλμάτων και τον ακριβή υπολογισμό των μεταβολών όγκου.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μορφολογικές αλλαγές, κυρίως λόγω της κατάρρευσης του χείλους του ΒΑ κρατήρα τον Μάιο του 2021. Στο χερσαίο τμήμα καταγράφηκε διάβρωση στον ανώτερο τομέα και απόθεση υλικών (αύξηση όγκου) χαμηλότερα, με τις ροές λάβας να επεκτείνουν την ακτογραμμή κατά 35 μέτρα. Στον υποθαλάσσιο χώρο, εντοπίστηκαν ζώνες διάβρωσης (ME1, ME2) που αντιστοιχούν στην προέκταση της χερσαίας κατάρρευσης, καθώς και περιοχές απόθεσης (MA1). Η ανάλυση εικόνων SAR και οπισθοσκέδασης (backscatter) επέτρεψε τον εντοπισμό ροών λάβας και τραχύτητας εδάφους, διαχωρίζοντας τις λεπκόκκοκες αποθέσεις από τα πιο αδρά υλικά.<br /> <br /> [[Αρχείο:stromboli-2.png|200px|thumb|right|'''Εικόνα 1''': Πλάγια φωτογραφία της SdF (Sciara del Fuoco) στις 19 Μαΐου 2021, η οποία δείχνει τις ροές λάβας που έφτασαν στη θάλασσα μετά την έναρξη των υπερχειλίσεων που προκάλεσαν την κατάρρευση του χείλους του ΒΑ (Βορειοανατολικού) κρατήρα ·(β) Φωτογραφία της SdF στις 7 Ιουλίου 2021, η οποία δείχνει τη συσσώρευση λάβας και ηφαιστειοκλαστικών αποθέσεων που σχετίζονται με την ηφαιστειακή δραστηριότητα του Μαΐου και του Ιουνίου 2021 ·(γ) Πλάγια φωτογραφία του κεντρικού τμήματος της SdF στις 27 Ιουλίου 2021, η οποία δείχνει τα υπολείμματα των υπερχειλίσεων της 24ης–25ης Ιανουαρίου 2021 και της 19ης Μαΐου 2021, μερικώς καλυμμένα από το διαδοχικό ηφαιστειοκλαστικό υλικό του Μαΐου–Ιουνίου 2021]]<br /> <br /> <br /> '''&lt;h1&gt;Συζήτηση&lt;/h1&gt;'''<br /> Τα αποτελέσματα συνδέουν άμεσα τις παρατηρούμενες αλλαγές με συγκεκριμένα ηφαιστειακά επεισόδια. Η κατάρρευση του Μαΐου 2021 δημιούργησε πυροκλαστικά ρεύματα που προκάλεσαν διάβρωση τόσο στη χερσαία όσο και στην υποθαλάσσια πλαγιά. Η ενοποίηση των δεδομένων έδειξε ότι οι ροές λάβας επιβραδύνθηκαν φτάνοντας στη θάλασσα, αυξάνοντας το πάχος τους και δημιουργώντας μια προέκταση της ακτής. Επιπλέον, η συγκριτική ανάλυση της υφής των εικόνων (SAR και οπισθοσκέδασης) κατέδειξε ότι οι διακυμάνσεις στην ένταση του σήματος εξαρτώνται από τη λιθολογία (λάβα έναντι τέφρας) και τις διεργασίες ανακατεργασίας των υλικών στην παράκτια ζώνη.<br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη απέδειξε την αξία της ολοκληρωμένης, πολυ-χρονικής προσέγγισης &quot;ξηράς-θάλασσας&quot; για την κατανόηση της εξέλιξης των ηφαιστειακών πλαγιών. Η ακριβής εκτίμηση των μετακινούμενων όγκων είναι κρίσιμη για την αξιολόγηση κινδύνων, όπως η πρόβλεψη τσουνάμι. Το γεγονός του 2021 κινητοποίησε σημαντικά μικρότερο όγκο υλικών σε σχέση με το 2019, εξηγώντας την απουσία σημαντικού τσουνάμι. Προτείνεται η συστηματική, ταυτόχρονη συλλογή τοπο-βαθομετρικών δεδομένων αμέσως μετά από σημαντικά συμβάντα, σε συνδυασμό με άλλα συστήματα παρακολούθησης, για την πληρέστερη διαχείριση του ηφαιστειακού κινδύνου.<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Stromboli-2.png 2025-12-29T15:48:17Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Stromboli-1.png 2025-12-29T15:47:47Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T15:31:27Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*<br /> *[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *<br /> *<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T15:30:48Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*[[Η Παράκτια Διάβρωση και οι Πλημμύρες Απειλούν τις Χαμηλού Υψομέτρου Παράκτιες Εκτάσεις στο Λίπαρι (Αιολίδες Νήσοι, Ιταλία)]]<br /> *<br /> *<br /> *<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2025-12-29T15:29:56Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο και πιο πυκνοκατοικημένο νησί του Αιόλου (μνημείο UNESCO), αντιμετωπίζει σοβαρά προβλήματα παράκτιας διάβρωσης και πλημμυρών, ιδιαίτερα στις χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά. Οι περιοχές αυτές είναι κρίσιμης σημασίας για τον τουρισμό και τις υποδομές, αλλά απειλούνται από φυσικούς παράγοντες όπως οι καταιγίδες και η καθίζηση του εδάφους, καθώς και από ανθρωπογενείς παρεμβάσεις. Η μελέτη στοχεύει στην ανασύσταση της εξέλιξης των ακτών τις τελευταίες δεκαετίες και στον εντοπισμό των πιο ευάλωτων περιοχών ενόψει της κλιματικής αλλαγής.<br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η έρευνα υιοθέτησε μια διεπιστημονική προσέγγιση που συνδυάζει χερσαία και υποθαλάσσια δεδομένα. Η εξέλιξη της ακτογραμμής από το 1954 έως το 2017 αναλύθηκε μέσω ιστορικών αεροφωτογραφιών και σύγχρονων ορθοφωτοχαρτών υψηλής ανάλυσης από drones (UAV). Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας και πολυδεσμικά βυθόμετρα (multibeam) για τη χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Η μεταβολή της στάθμης της θάλασσας εκτιμήθηκε μέσω δορυφορικής αλτιμετρίας για την περίοδο 1993-2020.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μεταβολές στις παραλίες Acquacalda, Porticello, Papesca, Canneto, Marina Lunga και Portinente. Στο Porticello και την Papesca, η ακτή αρχικά επεκτάθηκε λόγω της απόθεσης αποβλήτων εξόρυξης ελαφρόπετρας, αλλά υποχωρεί σταθερά μετά τη διακοπή της εξόρυξης. Στο Canneto και τη Marina Lunga, ανθρωπογενείς κατασκευές (π.χ. λιμενοβραχίονες) επηρέασαν τη μεταφορά ιζημάτων, προκαλώντας τοπική διάβρωση ή συσσώρευση. Η δορυφορική ανάλυση έδειξε ρυθμό ανόδου της στάθμης της θάλασσας 3,1 mm/έτος, που επιδεινώνεται δραματικά από την τοπική καθίζηση του εδάφους.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη κατέδειξε ότι οι χαμηλές ακτές του Λίπαρι βρίσκονται σε μια επισφαλή ισορροπία που απειλείται άμεσα. Η συνδυασμένη δράση της μειωμένης ιζηματογένεσης, της τοπικής καθίζησης και της κλιματικής αλλαγής (άνοδος στάθμης θάλασσας) έχει οδηγήσει σε σταδιακή υποχώρηση των παραλιών και αύξηση του κινδύνου πλημμύρας. Δεδομένου ότι η τοπική οικονομία βασίζεται στον παραθεριστικό τουρισμό, απαιτείται άμεσος σχεδιασμός στρατηγικών προσαρμογής για την προστασία των οικισμών και της πολιτιστικής κληρονομιάς από τους επερχόμενους παράκτιους κινδύνους.<br /> <br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2025-12-29T15:29:25Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο και πιο πυκνοκατοικημένο νησί του Αιόλου (μνημείο UNESCO), αντιμετωπίζει σοβαρά προβλήματα παράκτιας διάβρωσης και πλημμυρών, ιδιαίτερα στις χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά. Οι περιοχές αυτές είναι κρίσιμης σημασίας για τον τουρισμό και τις υποδομές, αλλά απειλούνται από φυσικούς παράγοντες όπως οι καταιγίδες και η καθίζηση του εδάφους, καθώς και από ανθρωπογενείς παρεμβάσεις. Η μελέτη στοχεύει στην ανασύσταση της εξέλιξης των ακτών τις τελευταίες δεκαετίες και στον εντοπισμό των πιο ευάλωτων περιοχών ενόψει της κλιματικής αλλαγής.<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η έρευνα υιοθέτησε μια διεπιστημονική προσέγγιση που συνδυάζει χερσαία και υποθαλάσσια δεδομένα. Η εξέλιξη της ακτογραμμής από το 1954 έως το 2017 αναλύθηκε μέσω ιστορικών αεροφωτογραφιών και σύγχρονων ορθοφωτοχαρτών υψηλής ανάλυσης από drones (UAV). Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας και πολυδεσμικά βυθόμετρα (multibeam) για τη χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Η μεταβολή της στάθμης της θάλασσας εκτιμήθηκε μέσω δορυφορικής αλτιμετρίας για την περίοδο 1993-2020.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μεταβολές στις παραλίες Acquacalda, Porticello, Papesca, Canneto, Marina Lunga και Portinente. Στο Porticello και την Papesca, η ακτή αρχικά επεκτάθηκε λόγω της απόθεσης αποβλήτων εξόρυξης ελαφρόπετρας, αλλά υποχωρεί σταθερά μετά τη διακοπή της εξόρυξης. Στο Canneto και τη Marina Lunga, ανθρωπογενείς κατασκευές (π.χ. λιμενοβραχίονες) επηρέασαν τη μεταφορά ιζημάτων, προκαλώντας τοπική διάβρωση ή συσσώρευση. Η δορυφορική ανάλυση έδειξε ρυθμό ανόδου της στάθμης της θάλασσας 3,1 mm/έτος, που επιδεινώνεται δραματικά από την τοπική καθίζηση του εδάφους.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη κατέδειξε ότι οι χαμηλές ακτές του Λίπαρι βρίσκονται σε μια επισφαλή ισορροπία που απειλείται άμεσα. Η συνδυασμένη δράση της μειωμένης ιζηματογένεσης, της τοπικής καθίζησης και της κλιματικής αλλαγής (άνοδος στάθμης θάλασσας) έχει οδηγήσει σε σταδιακή υποχώρηση των παραλιών και αύξηση του κινδύνου πλημμύρας. Δεδομένου ότι η τοπική οικονομία βασίζεται στον παραθεριστικό τουρισμό, απαιτείται άμεσος σχεδιασμός στρατηγικών προσαρμογής για την προστασία των οικισμών και της πολιτιστικής κληρονομιάς από τους επερχόμενους παράκτιους κινδύνους.<br /> <br /> [[Αρχείο:lipari-1.png|200px|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Lipari-1.png 2025-12-29T15:27:39Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div></div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B1_%CE%94%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%A0%CE%BB%CE%B7%CE%BC%CE%BC%CF%8D%CF%81%CE%B5%CF%82_%CE%91%CF%80%CE%B5%CE%B9%CE%BB%CE%BF%CF%8D%CE%BD_%CF%84%CE%B9%CF%82_%CE%A7%CE%B1%CE%BC%CE%B7%CE%BB%CE%BF%CF%8D_%CE%A5%CF%88%CE%BF%CE%BC%CE%AD%CF%84%CF%81%CE%BF%CF%85_%CE%A0%CE%B1%CF%81%CE%AC%CE%BA%CF%84%CE%B9%CE%B5%CF%82_%CE%95%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82_%CF%83%CF%84%CE%BF_%CE%9B%CE%AF%CF%80%CE%B1%CF%81%CE%B9_(%CE%91%CE%B9%CE%BF%CE%BB%CE%AF%CE%B4%CE%B5%CF%82_%CE%9D%CE%AE%CF%83%CE%BF%CE%B9,_%CE%99%CF%84%CE%B1%CE%BB%CE%AF%CE%B1) 2025-12-29T15:27:05Z

<p>SOLDATOS ALEXANDROS: Νέα σελίδα με 'Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)''' Συγγραφείς : ''Romagnoli...'</p> <hr /> <div>Πρότυπος Τίτλος : '''Coastal Erosion and Flooding Threaten Low-Lying Coastal Tracts at Lipari (Aeolian Islands, Italy)'''<br /> <br /> Συγγραφείς : ''Romagnoli, C.; Bosman, A.; Casalbore, D.; Anzidei, M.; Doumaz, F.; Bonaventura, F.; Meli, M.; Verdirame, C.''<br /> <br /> Πηγή : [https://www.mdpi.com/2072-4292/14/13/2960 Multidisciplinary Digital Publishing Institute]<br /> <br /> '''&lt;h1&gt;Εισαγωγή&lt;/h1&gt;'''<br /> <br /> Το Λίπαρι, το μεγαλύτερο και πιο πυκνοκατοικημένο νησί του Αιόλου (μνημείο UNESCO), αντιμετωπίζει σοβαρά προβλήματα παράκτιας διάβρωσης και πλημμυρών, ιδιαίτερα στις χαμηλού υψομέτρου ακτές στα ανατολικά και βορειοανατολικά. Οι περιοχές αυτές είναι κρίσιμης σημασίας για τον τουρισμό και τις υποδομές, αλλά απειλούνται από φυσικούς παράγοντες όπως οι καταιγίδες και η καθίζηση του εδάφους, καθώς και από ανθρωπογενείς παρεμβάσεις. Η μελέτη στοχεύει στην ανασύσταση της εξέλιξης των ακτών τις τελευταίες δεκαετίες και στον εντοπισμό των πιο ευάλωτων περιοχών ενόψει της κλιματικής αλλαγής.<br /> <br /> '''&lt;h1&gt;Μεθοδολογία&lt;/h1&gt;'''<br /> <br /> Η έρευνα υιοθέτησε μια διεπιστημονική προσέγγιση που συνδυάζει χερσαία και υποθαλάσσια δεδομένα. Η εξέλιξη της ακτογραμμής από το 1954 έως το 2017 αναλύθηκε μέσω ιστορικών αεροφωτογραφιών και σύγχρονων ορθοφωτοχαρτών υψηλής ανάλυσης από drones (UAV). Χρησιμοποιήθηκαν επίσης δεδομένα LIDAR για την ανάλυση της μορφολογίας και πολυδεσμικά βυθόμετρα (multibeam) για τη χαρτογράφηση του πυθμένα και τον εντοπισμό υποθαλάσσιων φαραγγιών. Η μεταβολή της στάθμης της θάλασσας εκτιμήθηκε μέσω δορυφορικής αλτιμετρίας για την περίοδο 1993-2020.<br /> <br /> '''&lt;h1&gt;Αποτελέσματα&lt;/h1&gt;'''<br /> <br /> Η ανάλυση ανέδειξε σημαντικές μεταβολές στις παραλίες Acquacalda, Porticello, Papesca, Canneto, Marina Lunga και Portinente. Στο Porticello και την Papesca, η ακτή αρχικά επεκτάθηκε λόγω της απόθεσης αποβλήτων εξόρυξης ελαφρόπετρας, αλλά υποχωρεί σταθερά μετά τη διακοπή της εξόρυξης. Στο Canneto και τη Marina Lunga, ανθρωπογενείς κατασκευές (π.χ. λιμενοβραχίονες) επηρέασαν τη μεταφορά ιζημάτων, προκαλώντας τοπική διάβρωση ή συσσώρευση. Η δορυφορική ανάλυση έδειξε ρυθμό ανόδου της στάθμης της θάλασσας 3,1 mm/έτος, που επιδεινώνεται δραματικά από την τοπική καθίζηση του εδάφους.<br /> <br /> <br /> <br /> '''&lt;h1&gt;Συμπεράσματα&lt;/h1&gt;'''<br /> <br /> Η μελέτη κατέδειξε ότι οι χαμηλές ακτές του Λίπαρι βρίσκονται σε μια επισφαλή ισορροπία που απειλείται άμεσα. Η συνδυασμένη δράση της μειωμένης ιζηματογένεσης, της τοπικής καθίζησης και της κλιματικής αλλαγής (άνοδος στάθμης θάλασσας) έχει οδηγήσει σε σταδιακή υποχώρηση των παραλιών και αύξηση του κινδύνου πλημμύρας. Δεδομένου ότι η τοπική οικονομία βασίζεται στον παραθεριστικό τουρισμό, απαιτείται άμεσος σχεδιασμός στρατηγικών προσαρμογής για την προστασία των οικισμών και της πολιτιστικής κληρονομιάς από τους επερχόμενους παράκτιους κινδύνους.<br /> <br /> [[Αρχείο:lipari-1.png|thumb|right|'''Εικόνα 1''': Ψηφιακό μοντέλο υψομέτρου υψηλής ανάλυσης της νήσου Λίπαρι και των υπεράκτιων τομέων (ισοβαθείς σε μέτρα), με τη θέση των παράκτιων περιοχών που μελετήθηκαν. Τα κόκκινα τρίγωνα αντιπροσωπεύουν τη θέση ιστορικών-αρχαιολογικών θέσεων που υφίστανται καθίζηση. Υποδεικνύεται επίσης η θέση των κεφαλών των κύριων φαραγγιών και καναλιών που επηρεάζουν την ανατολική παράκτια περιοχή του Λίπαρι στα ρηχά ύδατα, μαζί με εκείνη άλλων υποθαλάσσιων χαρακτηριστικών.]]<br /> <br /> <br /> [[category:Γεωλογία – Εδαφολογία]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T15:12:29Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*<br /> *<br /> *<br /> *<br /> *<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T15:11:43Z

<p>SOLDATOS ALEXANDROS: </p> <hr /> <div>*Ενοποίηση Τηλεπισκόπησης και Υπεράκτιων Γεωφυσικών Δεδομένων για την Παρακολούθηση της Βραχυπρόθεσμης Μορφολογικής Εξέλιξης μιας Ενεργής Ηφαιστειακής Πλαγιάς <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

SOLDATOS ALEXANDROS http://147.102.106.44/rs/wiki/index.php/%CE%A3%CE%BF%CE%BB%CE%B4%CE%AC%CF%84%CE%BF%CF%82_%CE%91%CE%BB%CE%AD%CE%BE%CE%B1%CE%BD%CE%B4%CF%81%CE%BF%CF%82-%CE%9C%CE%AC%CF%81%CE%B9%CE%BF%CF%82 2025-12-29T14:35:08Z

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

SOLDATOS ALEXANDROS