RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Τηλεπισκόπηση στην Αστική Ανάλυση

2019-03-12T18:20:05Z

Sokratis Konstantos: Νέα σελίδα με ''''Τίτλος: Remote Sensing Urban Analysis''' '''Συγγραφέας: Marco Gianinetto, Gabriele Candiani, Andrea Marchesi, Marco Rusmini, Francesco Rota Nodari, Pier...'

'''Τίτλος: Remote Sensing Urban Analysis'''
'''Συγγραφέας: Marco Gianinetto, Gabriele Candiani, Andrea Marchesi, Marco Rusmini, Francesco Rota Nodari, Pieralberto Maianti, Federico Frassy, and Giorgio Dalla Via '''
'''Link αρχικού άρθρου: [[https://www.academia.edu/27044495/Remote_Sensing_Urban_Analysis ]]'''

[[Εικόνα: Sa5e1.png|thumb|right|]]
[[Εικόνα: Sa5e2.png|thumb|right|]]

'''1. Αντικείμενο εργασίας'''
Τις τελευταίες δεκαετίες, οι αναπτυσσόμενες χώρες, ιδίως στην Ασία, είδαν μια εντυπωσιακή αστική ανάπτυξη με σημαντικές επιπτώσεις στην περιβαλλοντική αλλαγή. Η τάση επέκτασης των αστικών περιοχών αναμένεται να αυξηθεί στο μέλλον με αρνητικές συνέπειες για την ανθρώπινη υγεία, το περιβάλλον και τα αναγκαία οικιστικά συστήματα. Σε πολλές περιπτώσεις, η περίπλοκη διαδικασία της μαζικής αστικής εξάπλωσης δεν μπορούσε να μελετηθεί σωστά, δεδομένου ότι τα κοινωνικοοικονομικά δεδομένα των αναπτυσσόμενων χωρών είναι συνήθως ελλιπή, μη ενημερωμένα, μη τυποποιημένα ή μη εύκολα προσβιβάσιμα. Η παρούσα εργασία ασχολείται με το πώς τηλεσκοπικά δεδομένα μπορούν να συνδράμουν στην χαρτογράφηση και την παρακολούθηση της δυναμικής του αστικού χώρου. Η έρευνα έγινε για μία αστική περιοχή στο Πακιστάν (Multan). Συγκεκριμένα αναλύει, επεξεργάζεται και αξιολογεί τα δεδομένα της αστικής ανάπτυξης της περιοχής για τα τελευταία 20 χρόνια.

'''2. Μεθοδολογία'''
Multan είναι από τις μεγαλύτερες πόλεις του Πακιστάν και παρουσιάζει έναν ταχύτατο ρυθμό αστικοποίησης, που συνεπάγεται και χωρική ανάπτυξη. Το κέντρο της πόλης είναι εξαιρετικά πυκνή περιοχή που αποτελείται από μικρά παλιά σπίτια, στενούς δρόμους και αυξημένη εμπορική δραστηριότητα. Έτσι τα δορυφορικά δεδομένα χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγών του αστικού περιβάλλοντος στον χώρο και τον χώρο. Τα δεδομένα είναι δορυφορικές εικόνες του Landsat-5 (MR), WorldView2 και GeoEye1 (VHR).
Συγκεκριμένα χρησιμοποιήθηκε μια χρονοσειρά 22 σκηνών του Multan από το δορυφόρο Landsat-5 από το 1992 έως το 2011, δύο σκηνές WorldView-2 της 19ης Ιουνίου 2010 και ένα στερεοζεύγος GeoEye-1 της 25ης Απριλίου 2009. Στις εικόνες Landsat εφαρμόστηκε η ατμοσφαιρική τους διόρθωση. Οι ατμοσφαιρικά διορθωμένες εικόνες χρησιμοποιήθηκαν για τον υπολογισμό 3 δεικτών, κατάλληλων για τον εντοπισμό των κατηγοριών έδαφος, βλάστηση και νερό. Έπειτα οι εικόνες των 3 δεικτών χρησιμοποιήθηκαν για την εφαρμογή μη επιβλεπόμενης ταξινόμησης χρησιμοποιώντας τον αλγόριθμο k-mean. Το αποτέλεσμα για την κατηγορία αστική περιοχή διαχρονικά φαίνεται στο Fig. 1.
Η σύγκριση των τριών κατηγοριών δείχνει μια μεγάλη επέκταση των αστικών περιοχών από το 1992 έως το 2011, με συνέπεια τη μείωση της βλαστησης. Η ποσοτική ανάλυση δείχνει ότι η αστικοποιημένη περιοχή του δήμου έχει σχεδόν διπλασιαστεί από το 1992 έως το 2011.
Στη συνέχεια δημιουργήθηκε ένα τρισδιάστατο μοντέλο επιφανείας (DSM) του κέντρου της πόλης με τη χρήση του στερεοζέυγους των δορυφορικών εικόνων που λήφθηκαν από τον GeoEye-1 με χωρική ανάλυση 0.5m. Βάση μετρήσεων πεδίου εκτιμήθηκε ότι το 90% των αποτελεσμάτων του ύψους των κτηρίων βρέθηκε με ακρίβεια (+1,-1)m.
Έπειτα με τις δορυφορικές εικόνες του δορυφόρου WorldView2 υπολογίστηκε η κίνηση (ταχύτητα οχημάτων και αριθμός αυτοκινήτων ανά 100 τετραγωνικά μέτρα) για κεντρικές οδούς και μεγάλες περιφερειακές οδούς στο Multan. Τα αποτελέσματα έδειξαν ακρίβεια 70% του υπολογισμού της κίνησης.
Με τηλεσκοπικές μεθόδους ανιχνεύθηκε αστική βλάστηση στο κέντρο του Multan. Η ανάλυση των αστικών χώρων πρασίνου πραγματοποιήθηκε με τη χρήση εικόνων VHR από GeoEye-1 (2009) και WorlView-2 (2010). Τα πανχρωμικά και τα πολυφασματικά σύνολα δεδομένων κάθε αισθητήρα έχουν συνδυαστεί για να επωφεληθούν από την καλύτερη χωρική ανάλυση της πανχρωμικής ζώνης και την καλύτερη φασματική ανάλυση του πολυφασματικού σετ. Αυτή η διαδικασία, που ονομάζεται sharpening, έχει εκτελεστεί χρησιμοποιώντας την τεχνική GramSchmidt. Οι αστικοί χώροι πρασίνου έχουν ταξινομηθεί από το πανομοιότυπο σύνολο δεδομένων (GE-SHR και WV-SHR), χρησιμοποιώντας μια προσέγγιση OBIA (object-based image analysis). Τα αποτελέσματα φαίνονται στο Fig.2.
Τα αποτελέσματα δείχνουν ότι οι χώροι πρασίνου αντιπροσωπεύουν περίπου το 1% της συνολικής επιφάνειας του κέντρου της πόλης, με πυκνότητα βλάστησης 260 φυτών ανά τετραγωνικό χιλιόμετρο.

'''3. Συμπεράσματα'''
Οι δορυφόροι μπορούν να χρησιμοποιηθούν με επιτυχία για τη χαρτογράφηση των χωροχρονικών μεταβολών τόσο μεγάλων όσο και μικρών περιοχών. Όσον αφορά τις αστικές μελέτες, οι εικόνες μέσης ανάλυσης μπορούν να δώσουν μια συνοπτική επισκόπηση. Η χωρική τους ανάλυση είναι κατάλληλη για μελέτες σε επίπεδο δήμων και η διαθεσιμότητα ιστορικών δεδομένων, που συλλέχθηκαν τα τελευταία 40 χρόνια, καθιστά δυνατή μια μοναδική περιγραφή της αστικής δυναμικής τόσο για τις οικιστικές όσο και για τις αγροτικές περιοχές. Από την άλλη πλευρά, οι δορυφόροι υψηλής ανάλυσης μπορούν να δώσουν μια λεπτομερή γεωμετρική περιγραφή του αστικού περιβάλλοντος και τα προϊόντα απεικόνισής τους μπορούν να χρησιμοποιηθούν, μεταξύ άλλων, για την ενημέρωση των υφιστάμενων χαρτών, για τη μοντελοποίηση τρισδιάστατων πόλεων ή για την παρακολούθηση του αστικού πράσινου. Επιπλέον, η δυνατότητα συγχώνευσης και ενσωμάτωσης δεδομένων που χαρακτηρίζονται από διαφορετικές χωρικές, φασματικές και ραδιομετρικές ιδιότητες καθιστά τη δορυφορική τηλεπισκόπηση μια ισχυρή και κλιμακούμενη τεχνολογία που μπορεί να προσαρμοστεί σε διαφορετικά πλαίσια και ανάγκες.
Όσον αφορά τις μελλοντικές δραστηριότητες που σχεδιάζονται στην πόλη Multan ή και γενικά σε παρόμοια έργα που θα διεξαχθούν, οι τεχνικές τηλεπισκόπησης θα μπορούσαν να χρησιμοποιηθούν αποτελεσματικά όχι μόνο στις δράσεις υλοποίησης αλλά και για ενδιάμεση αξιολόγηση και παρακολούθηση μετά την ολοκλήρωση των εργασιών. Όλα αυτά τα στοιχεία και οι πληροφορίες που συλλέγονται από τα παραπάνω θα μπορούσαν επίσης να χρησιμοποιηθούν για τη δημιουργία μοντέλων που σχετίζονται με θέματα όπως τα φαινόμενα της αστικής θερμότητας, η ποιότητα του αέρα και η ρύπανση ή η διαχείριση του δικτύου για τη βελτίωση της συνολικής ποιότητας ζωής των πολιτών.

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

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Τροποποίηση και Ανάλυση της Κλιματικής Αλλαγής του Περιβάλλοντος χρησιμοποιώντας το Σύστημα Τηλεπισκόπησης και Γεωγραφικών Πληροφοριών

2019-03-12T18:18:20Z

Sokratis Konstantos: Νέα σελίδα με ''''Τίτλος: Modification and Climate Change Analysis of surrounding Environment using Remote Sensing and Geographical Information System ''' '''Συγγραφέας: ...'

'''Τίτλος: Modification and Climate Change Analysis of surrounding Environment using Remote Sensing and Geographical Information System '''
'''Συγγραφέας: Jaypalsing Kayte, Sangramsing Kayte, Suvarnsing Bhable, Raju Maher, Dr. R.R. Deshmukh '''
'''Link αρχικού άρθρου: [[http:// https://www.academia.edu/26827909/Modification_and_Climate_Change_Analysis_of_surrounding_Environment_using_Remote_Sensing_and_Geographical_Information_System ]]'''

'''1. Αντικείμενο εργασίας'''
Το αντικείμενο της συγκεκριμένης εργασίας είναι η εξέταση και η ανάλυση της κλιματικής αλλαγής του περιβάλλοντος, και η προσαρμογή σε αυτή, μέσω μεθόδων τηλεπισκόπισης και γεωγραφικών συστημάτων πληροφοριών. Τα θέματα που εξετάζονται είναι η παρακολούθηση του χιονιού- παγετώνων, η παρακολούθηση της γης, η ανίχνευση- παρακολούθηση του άνθρακα, η ατμοσφαιρική δυναμική, η επίγεια παρακολούθηση της θερμοκρασίας, η διατήρηση της βιοποικιλότητας, η παρακολούθηση των ωκεανών και των ακτών, η παρακολούθηση και ο έλεγχος της διάβρωσης, η γεωργία, η παρακολούθηση των πλημμυρών, η υγεία και οι ασθένειες, η ξηρασία και η ερημοποίηση. Το συμπέρασμα είναι ότι η κατανόηση των προβλημάτων της κλιματικής αλλαγής δεν είναι δυνατόν να εντοπιστούν και να κατανοηθούν χωρίς την συμβολή της τηλεπισκόπισης και των γεωγραφικών συστημάτων πληροφοριών.

'''2. Μεθοδολογία'''
Αρχικά αναλύεται το φαινόμενο της κλιματικής αλλαγής με τις αιτίες που την δημιουργούν (άνοδος θερμοκρασίας κ.λ.π) και τα προβλήματα που προκαλεί (πλημμύρες, ξηρασία) και τις άμεσες και καταστρεπτικές επιπτώσεις για τον άνθρωπο και τα οικοσυστήματα. Χρησιμοποιώντας πρόσφατες και παλαιότερες εικόνες τηλεπισκόπισης είναι δυνατός ο εντοπισμός χωροχρονικών μεταβολών των περιβαλλοντικών στοιχείων που μπορούν να χρησιμοποιηθούν για εφαρμογές κατανόησης και ανάλυσης της κλιματική αλλαγής και με την χρήση των γεωγραφικών συστημάτων πληροφοριών είναι δυνατή η μοντελοποίηση του περιβάλλοντος από τις τηλεσκοπικές μετρήσεις και πληροφορίες.
Η μεθοδολογία που ακολουθήθηκε είναι η ανάλυση του ρόλου της τηλεπισκόπισης και των γεωγραφικών συστημάτων πληροφοριών σε συγκεκριμένα περιβαλλοντικά θέματα, τα οποία αναλύονται παρακάτω.
Παρακολούθηση των αποθεμάτων σε πάγο: Η ύπαρξη παγετώνων και πάγων στα ηπειρωτικά είναι έναν σημαντικό στοιχείο στα φυσικά οικοσυστήματα της Γης και πολύ ευαίσθητο στην κλιματική αλλαγή. Το παγκόσμιο σύστημα παρακολούθησης αποθεμάτων πάγου (GLIMS) με δορυφορικές εικόνες ASTER, LANDSAT, radar, αεροφωτογραφίες υλοποιήθηκε με αυτόματους αλγόριθμους και χειρονακρικές διαδικασίες για τον ακριβή εντοπισμό της ποσότητας σε πάγο. Η λογική είναι ότι μετριούνται μικροί και μεγάλοι παγετώνες και οι μεταβολή του μεγέθους τους, και η μέτρηση ύψος χιονιού με μικροκύματα. Μέσω των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπισης είναι δυνατή η πρόβλεψη διάφορων φαινομένων όπως άνοδος στάθμης θάλασσας, την υδρολογία και ατμοσφαιρικές ιδιότητες κάνοντας την κλιματική αλλαγή πιο κατανοητή και προβλέψιμη.
Παρακολούθηση μεταβολών στη βλάστηση: Η βλάστηση παίζει καθοριστικό ρόλο στα οικοσυστήματα (τροφή, καταφύγιο) και συμβάλει στο κλίμα της Γης μέσω της εξατμισοδιαπνοής και την απορρόφηση του άνθρακα. Η χωροχρονική καταγραφή της μεταβολής της βλάστησης είναι απαραίτητη για την μελέτη της κλιματικής αλλαγής, και η τηλεπισκόπιση είναι η κατάλληλη μέθοδος για να εντοπιστεί. Βάση βιβλιογραφικών μελετών, μέσω ταξινόμησης και εντοπισμού μεταβολών στη βλάστηση έχει αποδειχτεί ότι η κλιματική αλλαγή επηρεάζει άμεσα την βλάστηση (αύξηση αλατότητας εδάφους, συσχέτιση ποιότητας βλάστησης με τις βροχοπτώσεις). Επίσης η βλάστηση όπως προαναφέρθηκε παίζει καθοριστικό ρόλο στον κύκλου του άνθρακα στον οποίο και βασίζεται η ζωή στη Γη.
Ανίχνευση άνθρακα: Η ανίχνευση και ανάλυση του κύκλου του άνθρακα είναι μία από τις βασικότερες μεθόδους πρόληψης και πρόβλεψης της κλιματικής αλλαγής. Μέσω μετρήσεων πεδίου, δορυφορικών εικόνων, Lidar και ατμοσφαιρικών μετρήσεων αξιολογούνται με υψηλή ακρίβεια τα αποθέματα σε άνθρακα. Βάση μελετών έχει αποδειχθεί ότι σε απομακρυσμένες και απομονωμένες περιοχές τα επίπεδα του άνθρακα είναι αυξημένα σε σχέση με περιοχές με αυξημένη ανθρώπινη δραστηριότητα. Μελέτες έχουν καταφέρει να βρούνε τα επίπεδα άνθρακα σε βλάστηση έδαφος και απορρίμματα συμβάλλοντας σε εθνικές απογραφές επιπέδων άνθρακα. Οι μελέτες καταλήγουν στο ότι η χαρτογράφιση των αποθεμάτων του άνθρακα είναι βασικό εργαλείο για την παρακολούθηση και την μετρίαση της κλιματικής αλλαγής.
Ατμοσφαιρική δυναμική: Οι μετεωρολογικοί δορυφόροι χρησιμοποιούνται κυρίως για την πρόβλεψη του καιρού (μετράνε ατμοσφαιρική θερμοκρασία, ανέμους, η υγρασία και η κάλυψη του νέφους), αλλά τα τελευταία χρόνια ξεκίνησαν να χρησιμοποιούνται για την πρόβλεψη της κλιματικής αλλαγής. Συγκεκριμένα, βάση μια μελέτης, με μια σειρά εφαρμογών τηλεπισκόπισης είναι δυνατός ο εντοπισμός του διοξειδίου του αζώτου. Άλλη μελέτη χρησιμοποιώντας το φασματόμετρο Absorption Spectrometer Scanning for Atmospheric Chartography (SCIAMACHY) εντοπίζονται βασικά ατμοσφαιρικά αέρια (O3, NO2, SO2, O2, OClO, H2CO, H2O, CO, CO2, CH4 και SO4).
Παρακολούθηση επίγειας θερμοκρασίας: Η επίγεια θερμοκρασία επηρεάζει την εξατμισοδιαπνοή η οποία επηρεάζει τον υδρολογικό κύκλο. Αλλαγές στην θερμοκρασία πλανήτη θα επιφέρει και μεταβολές στους ρυθμούς εξατμισοδιαπνοής. Η ακριβής εκτίμηση της εξατμισοδιαπνοής επιτρέπει βελτιώσεις στις προβλέψεις για τις καιρικές και κλιματικές συνθήκες, τις προβλέψεις για τις πλημμύρες και την ξηρασία, τις προβλέψεις της γεωργικής παραγωγικότητας και την αξιολόγηση των επιπτώσεων της κλιματικής αλλαγής. Προηγούμενες έρευνες έχουν δείξει ότι τα δορυφορικά δεδομένα μπορούν να χρησιμοποιηθούν για τον προσδιορισμό της εκπομπής και της θερμοκρασίας της επιφάνειας, της ανίχνευσης θερμών σημείων, όπως δασικές πυρκαγιές ή υπόγειες πυρκαγιές άνθρακα ή ηφαιστειακή δραστηριότητα. Τα χωρικά πρότυπα μοντέλων εξατμισοδιαπνοής και βασικών υποδηλώνουν ότι η ακτινοβολία και η διαθεσιμότητα υγρασίας είναι οι παράγοντες ελέγχου της εξατμισοδιαπνοής.
Διάβρωση εδάφους: Στο έδαφος κείτεται το μεγαλύτερο μέρος της ποσότητας του άνθρακα στη Γη. Ο ρυθμός αποσύνθεσης της οργανικής ύλης αυξάνεται μέσω της διάβρωσης των εδαφών, ιδιαίτερα από το νερό. Διάφορες έρευνες υπολογίζουν την διαβρωτικότητα του εδάφους. Το πρότυπο διάβρωσης προκύπτει από μετρήσεις βροχοπτώσεων και συνδυάζει τοπογραφικούς, γεωλογικούς, χερσαίους χάρτες χρήσης και δορυφορικά δεδομένα της περιοχής σε περιβάλλον GIS.
Παρακολούθηση ωκεανών και ακτών: Η θερμοκρασία της επιφάνειας της θάλασσας, το El Nino, η στάθμη της θάλασσας, η βιομάζα, οι βροχοπτώσεις, οι επιφανειακοί άνεμοι και το ύψος της θάλασσας σε σχέση με το γεωειδές του ωκεανού είναι σημαντικά χαρακτηριστικά που καθορίζουν τις παγκόσμιες καιρικές συνθήκες. Μέσω δορυφορικών δεδομένων και χρήσης γεωγραφικών συστημάτων πληροφοριών είναι δυνατή η καταγραφή σημαντικών λεπτομερειών για τους ωκεανούς. Μία μελέτη ανακάλυψε μια υψηλή συσχέτιση μεταξύ της θερμοκρασίας της επιφάνειας της θάλασσας και της χλωροφύλλης για τον ίδιο χρόνο και κατέληξε στο συμπέρασμα ότι οι πληροφορίες θα μπορούσαν να είναι χρήσιμες σε σχέση με τις μελέτες για τις παγκόσμιες μεταβολές της θερμοκρασίας και το αποτέλεσμα που θα μπορούσαν να έχουν για τη συνολική αφθονία της θαλάσσιας ζωής. Μία άλλη προσέγγιση παρέχει τη δυνατότητα χρήσης τηλεπισκόπισης και GIS για την παρακολούθηση της τροχιάς της αλλαγής του νερού σε λίμνη σε σχέση με την αλλαγή του κλίματος και τις ανθρωπογενείς επιπτώσεις.
Διατήρηση βιοποικιλότητας: Βάση προηγούμενων ερευνών αποδεικνύεται η συμβολή της τηλεπισκόπισης και στην εξέταση του πληθυσμού και των προτιμήσεων ενός ζωικού είδους. Προτάθηκε ότι οι προσεγγίσεις τηλεπισκόπησης μπορούν να παρέχουν στους υπεύθυνους σχεδιασμού και τους βιολόγους διατήρησης μια αποδοτική και οικονομικά αποδοτική μέθοδο για τη μελέτη και την εκτίμηση της βιοποικιλότητας.
Ξηρασία- ερημοποίηση: Η ερημοποίηση είναι μείωση της βιολογικής ή οικονομικής παραγωγικότητας του εδάφους σε ξηρές περιοχές που οφείλονται στην υποβάθμιση της γης λόγω ανθρώπινων δραστηριοτήτων και κλιματικών μεταβολών. Βάση έρευνας είναι δυνατή η χρήση δορυφορικών δεδομένων για την λεπτομερή παρακολούθηση της ξηρασίας και της ερημοποίησης, την εκτίμηση των ζημιών. Η πρόοδος στην τεχνολογία της τηλεπισκόπισης και η βοήθεια των GIS σε παρακολούθηση σε πραγματικό χρόνο, καθιστά έγκαιρη την προειδοποίηση και την γρήγορη αξιολόγηση των ζημιών τόσο της ξηρασίας όσο και των καταστροφών από πλημμύρες. Μία άλλη έρευνα εξέτασε τη νέα αριθμητική μέθοδο ανίχνευσης ξηρασίας και εκτίμησης επιπτώσεων από επιχειρησιακούς περιβαλλοντικούς δορυφόρους NOAA και διαπίστωσε ότι η ξηρασία μπορεί να ανιχνευθεί 4-6 εβδομάδες νωρίτερα από ό, τι προηγουμένως και οριοθετήθηκε με μεγαλύτερη ακρίβεια και ότι ο αντίκτυπός της στην παραγωγή σιτηρών μπορεί να διαγνωστεί πολύ πριν από τη συγκομιδή, η οποία είναι η πιο ζωτική ανάγκη παγκόσμιας επισιτιστικής ασφάλειας και εμπορίου.
Υγεία και ασθένειες: Η τηλεπισκόπηση χρησιμοποιείται κυρίως στο πλαίσιο της χαρτογράφησης ασθενειών, στην οποία καταδεικνύονται στατιστικές συσχετίσεις μεταξύ οικολογικών μεταβλητών και διαδικασιών που μπορούν να παρατηρηθούν εξ αποστάσεως (π.χ. βροχόπτωση, θερμοκρασία, βλάστηση, υγρασία κλπ.).
Παρακολούθηση πλημυρών: Η αλλαγή του κλίματος αναμένεται να αυξήσει τον κίνδυνο πλημμύρας για τους ανθρώπους σε όλο τον κόσμο, τόσο με την αύξηση της παγκόσμιας στάθμης της θάλασσας όσο και με την αύξηση των σοβαρών γεγονότων πλημμυρών στην ενδοχώρα, συνεπώς υπάρχει συνεχής επιθυμία πρόβλεψης των πλημμυρών. Έρευνα υποστήριξε ότι τα συμβατικά μέσα καταγραφής των υδρολογικών παραμέτρων μιας πλημμύρας συχνά δεν καταγράφουν ένα ακραίο γεγονός, έτσι η τηλεπισκόπιση και τα GIS αποτελούν το βασικό εργαλείο για τον καθορισμό των ζωνών πλημμύρας και την προετοιμασία χαρτών επικινδυνότητας πλημμύρας για τις ευπαθείς περιοχές. Άλλη έρευνα χρησιμοποίησε δύο εικόνες ραντάρ (SAR) ERS-1 (πριν και μετά) και βοηθητικές τοπογραφικές πληροφορίες για την ανίχνευση πλημμυρισμένων περιοχών στο αποκορύφωμά τους και αξιολόγησαν τις δυνατότητές τους με χαρτογράφηση. Μετά την επεξεργασία και την ερμηνεία, ο χάρτης των πλημμυρών αντιστοιχούσε στο 96,7% της πλημμυρισμένης περιοχής, καθιστώντας την διαδικασία κατάλληλη. Με την πρόβλεψη τέτοιον φαινομένων είναι δυνατή η προστασία καλλιεργειών η και αστικών περιοχών.
Γεωργία: Η Lal (2009) υποστήριξε ότι η ποιότητα του εδάφους, η διαθεσιμότητα νερού ή το άγχος της ξηρασίας και η κλιματική αλλαγή είναι τρεις βιοφυσικοί παράγοντες που πρέπει να αντιμετωπιστούν για την επισιτιστική ασφάλεια ενόψει της κλιματικής αλλαγής. Η τηλεπισκόπιση και τα GIS έχουν βρεθεί χρήσιμα για τη χαρτογράφηση χαρακτηριστικών εδάφους, την αγρο-κλιματική αξιολόγηση, την καταλληλότητα της χρήσης γης για την παραγωγή φυτών, την διαχείριση της άρδευσης, την καλλιέργεια ακριβείας, την χαρτογράφηση των καλλιεργειών και την εκτίμηση της κατάστασης των καλλιεργειών. Τα δορυφορικά δεδομένα παρέχουν μια εκτίμηση της κατάστασης των καλλιεργειών σε πραγματικό χρόνο. Έρευνα έχει αποδείξει ότι με τα γεωγραφικά συστήματα πληροφοριών είναι χρήσιμα για τον προγραμματισμό άρδευσης καλλιεργειών, όπως επίσης για την εξέταση τοπογραφίας και της απόδοσης των καλλιεργειών.

'''3. Συμπεράσματα'''
Καθώς το σύστημα της γης συνεχώς θερμαίνεται αναπόφευκτα λόγω της ανθρωπογενούς εκπομπής αερίων του θερμοκηπίου, όλο και περισσότερες έρευνες επεκτείνονται στην ανακάλυψη αποτελεσματικών τρόπων απομόνωσης του CO2 από την ατμόσφαιρα ως τον μόνο τρόπο για την αποτροπή της υπερθέρμανσης του πλανήτη. Ωστόσο, εν τω μεταξύ, η ανάλυση της κλιματικής αλλαγής θα συνεχίσει να επωφελείται από την πληθώρα δεδομένων που παράγονται από τα αεροσκάφη και τα διαστημικά οχήματα και τη συνεχή πρόοδο στον χώρο και την τεχνολογία των υπολογιστών, καθιστώντας έτσι την τηλεπισκόπιση και τα GIS βασικά εργαλεία στην ανίχνευση της κλιματικής αλλαγής και τα αποτελέσματά της για την ανθρώπινη επιβίωση.

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

[[category:Περιβαλλοντικές Επιπτώσεις]]

Μέθοδος φαινολογίας βασισμένη σε εικονοστοιχεία για την ταξινόμηση περιβάλλοντος δορυφορικών εικόνων - Εποπτευόμενη προσέγγιση

2019-03-12T18:16:21Z

Sokratis Konstantos: Νέα σελίδα με ''''Τίτλος: Pixel Based Phenology Method for Satellite Image Environment Classification – Supervised Approach ''' '''Συγγραφέας: KR. Sivabalan, Dr. E. Ram...'

'''Τίτλος: Pixel Based Phenology Method for Satellite Image Environment Classification – Supervised Approach '''
'''Συγγραφέας: KR. Sivabalan, Dr. E. Ramaraj '''
'''Link αρχικού άρθρου: [[http:// https://www.academia.edu/35039144/Pixel_Based_Phenology_Method_for_Satellite_Image_Environment_Classification_Supervised_Approach ]]'''

[[Εικόνα: Sa3e1.png|thumb|right|]]
[[Εικόνα: Sa3e2.png|thumb|right|]]
[[Εικόνα: Sa3e3.png|thumb|right|]]

'''1. Αντικείμενο εργασίας'''
Το αντικείμενο της παρούσας εργασίας είναι η ανάδειξη μίας νέας μεθόδου ταξινόμησης φασματικών δορυφορικών εικόνων. Η μέθοδος ονομάζεται «Pixel Based Phenology Method» (PBPM) και βασίζεται στην επιβλεπόμενη ταξινόμηση με την εφαρμογή μία συγκεκριμένης πράξης καναλιών και το αποτέλεσμα είναι πολύ ακριβές κάτι το οποίο είναι απαραίτητο για την καλύτερη επεξεργασία μιας εικόνας.

'''2. Μεθοδολογία'''
Τα δεδομένα που χρησιμοποιήθηκαν είναι πολυφασματικές εικόνες από το δορυφόρο Landsat 8 από αισθητήρα OLIS, TRIS.
Αρχικά συλλέχθηκαν οι δορυφορικές πολυφασματικές εικόνες και στη συνέχεια προσδιορίστηκε η περιοχή μελέτης βάση συγκεκριμένων απαιτήσεων. Έπειτα εφαρμόστηκε η πράξη καναλιών PBP για να πάρουν τα εικονοστοιχεία την κατάλληλη τιμή φωτεινότητας η οποία θα βοηθήσει στην ταξινόμιση.
NearInfraRed + ShortWave_InfraRed2*Coastal
Panchromatic

PBP=

Για την εκτέλεση της ταξινόμησης, για την μέγιστη ακρίβεια, επιλέγονται 7 περιοχές εκπαίδευσης. Η σωστή απόδοση της ταξινόμησης ελέγχεται μέσω επίγειων περιοχών ελέγχου και τον συντελεστή k.

'''3. Αποτελέσματα- Αξιολόγηση'''
Παρακάτω παρατίθενται τα αποτελέσματα της ταξινόμησης (Fig.1) και ο πίνακας σύγχυσης για την ταξινόμηση με PBP.
Kappa Coefficient = 0.9366
Για την εξακρίβωση ότι η συγκεκριμένη μέθοδος υπερτερεί των υπαρχόντων έγινε η ίδια ταξινόμηση με τα ίδια δεδομένα αλλα με τον δέικτη NDVI και EVI. Παρακάτω φαίνεται η σύγκριση της ακρίβειας των 3 αποτελεσμάτων και ο δείκτης k για τα 3 αποτελέσματα.

'''4. Συμπεράσματα'''
Όταν είναι διαθέσιμες εικόνες οι οποίες περιέχουν τα κανάλια NearInfraRed, ShortWave InfraRed2, Coastal και Panchromatic με την εφαρμογή της πράξης PBP και την εκτέλεση της μεθόδου της επιβλεπόμενης ταξινόμησης με 7 περιοχές εκπαίδευσης η PBPM είναι μία κατάλληλη και πολύ ακριβής μέθοδος.

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

[[category:Εφαρμογές Φωτοερμηνείας - Τηλεπισκόπησης]]

Υδρολογικές συνέπειες της θερμικής αδράνειας

2019-03-12T18:13:26Z

Sokratis Konstantos: Νέα σελίδα με ''''Τίτλος: Hydrological implications of remotely sensed thermal inertia''' '''Συγγραφέας: VALERIO TRAMUTOLI, PIERLUIGI CLAPS, MAURO MARELLA , NICOLA PERGOL...'

'''Τίτλος: Hydrological implications of remotely sensed thermal inertia'''
'''Συγγραφέας: VALERIO TRAMUTOLI, PIERLUIGI CLAPS, MAURO MARELLA , NICOLA PERGOLA, CARLA PIETRAPERTOSA , CANIO SILEO'''
'''Link αρχικού άρθρου: [[http:// https://www.academia.edu/29982739/Hydrological_implications_of_remotely_sensed_thermal_inertia ]]'''

[[Εικόνα: Sa2e1.png|thumb|right|]]
[[Εικόνα: Sa2e2.png|thumb|right|]]

'''1. Αντικείμενο εργασίας'''

Το αντικείμενο της παρούσας εργασίας είναι η διερεύνηση της δυνατότητας χρήσης της διαφοράς θερμοκρασίας την μέρα και την νύχτα σαν δείκτη περιεκτικότητας νερού στο έδαφος βάση δεδομένων υψηλής ραδιομετρικής ανάλυσης μέσω (AVHRR). Στόχος είναι η αξιολόγηση της χρησιμότητας ενός θερμικού δείκτη εδάφους για την εκτίμηση της διαχρονικής μεταβολής της υγρασίας του εδάφους. Τα αποτελέσματα αυτής της μελέτης μπορούν να βοηθήσουν τα χωρικά μοντέλα κατακρημνίσεων, τις προβλέψεις πλημμυρών και το μοντέλο ισοζυγίου ύδατος με τον καθορισμό καλύτερων αρχικών συνθηκών. Η θερμική αδράνεια (ATI, η ιδιότητα των υλικών να αντιστέκονται στην αλλαγή θερμοκρασίας) που παρέχουν τα υψηλής ραδιομετρικής ανάλυσης δεδομένα συγκρίθηκε με την καθημερινή κατακρήμνιση και με έναν δείκτη κατακρήμνισης για να ελεγχθεί η συσχέτιση της με τη σχετική περιεκτικότητα σε νερό του εδάφους. Τα αποτελέσματα από τον υπολογισμό του δείκτη (ATI) σε συγκεκριμένη περιοχή μελέτης δείχνουν ότι μπορεί να παρέχει χρήσιμες πληροφορίες για την εκτίμηση της υγρασίας του εδάφους.

'''2. Μεθοδολογία'''

Για την διεκπεραίωση της έρευνας αρχικά έγινε μία αξιολόγηση της εύρεσης υγρασίας εδάφους με τηλεπισκόπιση. Η μέχρι τώρα συνήθης διαδικασία του υπολογισμού της υγρασίας του εδάφους με μικροκύματα (η οποία υστερεί σε χωρική ανάλυση, ειδικά όταν πρόκειται για παθητικούς δέκτες, σε χρονική ανάλυση και κόστος) δεν περιορίζει τη χρησιμότητα άλλων έμμεσων τεχνικών, για πρακτικές υδρολογικές εφαρμογές, που βασίζονται σε μετρήσεις υψηλής ραδιομετρικής ανάλυσης στο οπτικό φάσμα. Οι υδρολογικές εφαρμογές, όπως πλημμυρικά φαινόμενα απαιτούν πληροφορίες σχετικά με την χρονική και χωρική μεταβολή της περιεκτικότητας του εδάφους σε νερό. Για αυτό το σκοπό προτείνονται μετρήσεις με (AVHRR). (AVHRR) είναι ένας σαρωτής που τοποθετείται σε δορυφόρους ,με υψηλή χρονική ανάλυση, χωρική ανάλυση της τάξης του 1 χιλιομέτρου (επαρκεί για την εξέταση λεκανών απορροής) και φασματική ανάλυση που να περιέχει και το θερμικό υπέρυθρο κανάλι. Μια ταξινόμηση σε μια εικόνα με τις προδιαγραφές που προαναφέρθηκαν μπορεί να διακρίνει: (α) τη χρήση ορατών και σχεδόν υπέρυθρων τιμών ανακλαστικότητας (β) χρήση θερμοκρασίας επιφανείας που εκτιμήθηκε στην υπέρυθρη περιοχή και ενδεχομένως με ενσωματωμένο τον δείκτη NDVI. Το θέμα στην παρούσα εργασία είναι η επαναξιολόγηση της θερμικής αδράνειας (ATI) ως δείκτης υγρασίας εδάφους σε συνδυασμό με την συσχέτιση της με τον NDVI.
Συγκεκριμένα το νερό παρουσιάζει υψηλή θερμική αδράνεια σε σχέση με το ξηρό έδαφος και τα πετρώματα οπότε καθώς αυξάνεται η υγρασία στο έδαφος αυξάνεται και η θερμική του αδράνεια, μειώνοντας την ημερήσια θερμοκρασία του εδάφους. Έτσι με χρήση δεδομένων με επαρκή χρονική ανάλυση για την παρακολούθηση της ημερησίας μεταβολής θερμοκρασίας και φασματική ανάλυση εξάγονται συμπεράσματα για την θερμική αδράνεια του εδάφους. Τα προβλήματα που μπορούν να επηρεάσουν τα αποτελέσματα του υπολογισμού θερμικής αδράνειας και πρέπει να ληφθούν υπόψη είναι οι γωνίες λήψης από τον δορυφόρο, το ηλιακό ζενίθιο, η κάλυψη σύννεφων και ειδικά η ύπαρξη πυκνής βλάστησης.
Έπειτα γίνεται η συσχέτιση ανάμεση σε θερμική αδράνεια εδάφους και της σχετικής υγρασίας του εδάφους σε συγκεκριμένη περιοχή μελέτης (λεκάνη απορροής) η οποία πληρεί κάποια κριτήρια όπως (α) διαθεσιμότητα των ημερήσιων βροχοπτώσεων και δεδομένων θερμοκρασίας, (β) ομοιογένεια της κάλυψης της γης (γ) ξηρότητα εδάφους και (δ) μέτρια υδατοπερατότητα. Οι μήνες που επιλέχθηκαν για την παρακολούθηση είναι ο Απρίλιος και ο Ιούνιος δύο διαφορετικών ετών. Τα ακατέργαστα δεδομένα που χρησιμοποιήθηκαν από (AVHRR) επεξεργάστηκαν και από αυτά χρησιμοποιήθηκαν μόνο οι σκηνές χωρίς σύννεφα. Έτσι δημιουργήθηκαν χάρτες θερμικής αδράνειας για μερικές μέρες πριν και μερικές μέρες μετά από βροχόπτωση. Παράλληλα υπολογίστηκε και ο παλαιότερος δείκτης υγρασίας (API) για να δώσει μία ένδειξη υγρασίας εδάφους από δεδομένα βροχόπτωσης.
Τέλος από τον έλεγχο συσχέτισης μεταξύ του (ΑΡΙ) και (ΑΤΙ) αποφάνθηκε ότι βρίσκονται σε επαρκεί συμφωνία. (Fig.1, Fig.2)
Τυχόν αποκλίσεις που παρατηρούνται στον ΑΤΙ μέρες χωρίς βροχόπτωση οφείλονται σε πιθανές νεφώσεις κατά τη διάρκεια της ημέρας με αποτέλεσμα την μείωση της θερμοκρασίας του εδάφους.

'''3. Συμπεράσματα'''
Συμπερασματικά, η συνολική συμπεριφορά της θερμικής αδράνειας εμφανίζεται καλά σχετιζόμενη με την κατακρήμνιση (και το σχετικό API) και μπορεί να συνδεθεί εύλογα με τις παρενέργειες εάν υπάρχουν διαθέσιμα δεδομένα θερμοκρασίας. Περαιτέρω ανάλυση της χωρικής μεταβλητότητας του ΑΤΙ ο οποίος μπορεί να είναι σημαντικός για εκτιμήσεις σε πιο ανομοιόμορφη έκταση γης και για την εκτίμηση των προβλημάτων που προκύπτουν από τη μέτρηση των θερμοκρασιακών διαφορών σε περιοχές με υψηλή βλάστηση.

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

[[category:Αξιολόγηση υδρολογικών αποθεμάτων / δυναμικού]]

Εντοπισμός χώρων ρυπασμένων με αστικά στερεά απόβλητα με τη χρήση τηλεσκοπικών δεδομένων σε περιβάλλον GIS

2019-03-12T18:09:40Z

Sokratis Konstantos: Νέα σελίδα με ''''Τίτλος: Εντοπισμός χώρων ρυπασμένων με αστικά στερεά απόβλητα με τη χρήση τηλεσκοπικών δεδ...'

'''Τίτλος: Εντοπισμός χώρων ρυπασμένων με αστικά στερεά απόβλητα με τη χρήση τηλεσκοπικών δεδομένων σε περιβάλλον GIS'''
'''Συγγραφέας: Κορύζη Αικατερίνη'''
'''Link αρχικού άρθρου: [[http://dspace.lib.ntua.gr/handle/123456789/47961]]'''

[[Εικόνα: Sa1e1.png|thumb|right|]]
[[Εικόνα: Sa1e2.png|thumb|right|]]
[[Εικόνα: Sa1e3.png|thumb|right|]]

'''1. Αντικείμενο εργασίας'''

Η παρούσα εργασία έχει ως αντικείμενο τον εντοπισμό και την οριοθέτηση παράνομων ρυπασμένων χώρων από αστικά στερεά απόβλητα με χρήση δορυφορικών εικόνων σε περιβάλλον GIS στις περιφέρειες Αττικής, Στερεάς Ελλάδας, Θεσσαλίας, Δυτικής Ελλάδας και Πελοποννήσου. Με συνδυασμό τηλεπισκόπισης και GIS μπορεί να ερευνηθεί μια μεγάλη γκάμα περιβαλλοντικών ζητημάτων που μέχρι τώρα ήταν πολύ δύσκολο έως και αδύνατο.
Ο σκοπός είναι ο γρήγορος εντοπισμός χώρων δυνητικά ρυπασμένων με αστικά απόβλητα όταν δεν απαιτούνται υψηλές απαιτήσεις ακρίβειας εξοικονομώντας έτσι χρόνο και ανθρώπινο κεφάλαιο σε σχέση με τις μέχρι τώρα πρακτικές (επιτόπια έρευνα- εναέρια εποπτεία.

'''2. Μεθοδολογία'''

Για την εκπόνηση της εργασίας συλλέχθηκαν δορυφορικές εικόνες από τον δορυφόρο Sentinel-2 και εφαρμόστηκαν τεχνικές χωρικής ανάλυσης σε αυτές στο περιβάλλον ARCGIS. Λόγω της χωρικής διακριτικής ικανότητας του δέκτη η εργασία εστιάζει σε σχετικά μεγάλους χώρους διάθεσης απορριμμάτων.
Συγκεκριμένα έγινε προεπεξεργασία των δορυφορικών εικόνων (ατμοσφαιρική διόρθωση, δημιουργία ενιαίας εικόνας με όλα τα κανάλια, κόψιμο εικόνας στα όρια περιοχής μελέτης), έπειτα καθορίστηκε η φασματική υπογραφής επιφανειών με αστικά στέρεα απόβλητα με τη χρήση περιοχών εκπαίδευσης οι οποίες αφορούσαν γνωστούς ΧΥΤΑ ή ΧΥΤΥ, οι οποίοι εντοπίστηκαν μέσω της εφαρμογής Google Earth.
Πριν την ταξινόμηση έγινε σύγκριση των φασματικών χαρακτηριστικών της κατηγορίας κάλυψης γης με στερεά απόβλητα με τα φασματικά χαρακτηριστικά βασικών κατηγοριών κάλυψης γης (Αστικό τοπίο, καλλιέργειες έδαφος, βλάστηση). Παρατηρήθηκε ότι η κατηγορία έδαφος εμφανίζει μία παραπλήσια φασματική συμπεριφορά στο υπέρυθρο τμήμα του φάσματος. Αντίθετα η φασματική υπογραφή της κατηγορίας αστικό τοπίο είναι πολύ κοντά αριθμητικά με την κατηγορία αστικά στερεά απόβλητα.
Στη συνέχεια εφαρμόστηκαν τρεις μέθοδοι επιβλεπόμενης ταξινόμησης ( (βάση ήδη γνωστών και μεγάλων σε έκταση χώρων διάθεσης αποβλήτων και δεδομένου ότι έχουν συγκεκριμένη και γενικά σταθερή φασματική υπογραφή). Παρακάτω φαίνονται τα αποτελέσματα της ταξινόμησης με τον αλγόριθμο παραλληλεπιπέδου και οι λάθος κατηγορίες κάλυψης που εντοπίστηκαν ως χώροι διάθεσης στερεών αποβλήτων.
Έπειτα της ταξινόμησης, δεδομένου ότι λόγω φασματικής σύγχυσης μεταξύ των κατηγοριών κάλυψης εντοπίστηκαν άσχετες περιοχές ως χώροι διάθεσης αποβλήτων, ακολούθησε η χωρική ανάλυση για την εύρεση επικρατέστερων θέσεων χώρων ρύπανσης. Βασικό κριτήριο για την εύρεση χώρων ρυπασμένων από αστικά απόβλητα ήταν η οδική προσβασιμότητα. Επιπρόσθετα χρησιμοποιήθηκαν συμπληρωματικά χωρικά δεδομένα για τον αποκλεισμό κατηγοριών κάλυψης γης που είναι απίθανη η ύπαρξη χώρων διάθεσης αποβλήτων όπως οικισμοί, βιομηχανικές- εμπορικές ζώνες, οδικό δίκτυο και άλλες τεχνητές υποδομές. Τα δεδομένα που χρησιμοποιήθηκαν για την πραγμάτωση της χωρικής ανάλυσης αριθμούσαν 187000 οντότητες.
Τέλος εφαρμόστηκαν φασματικοί δείκτες με στόχο τη μείωση της φασματικής σύγχυσης μεταξύ των κατηγοριών και για καλύτερη απόδοση του αποτελέσματος της ταξινόμησης.

'''3. Αποτελέσματα'''

Από τα αποτελέσματα φάνηκε ότι ήταν επιτυχής ο εντοπισμός του συνόλου των χώρων διάθεσης αστικών αποβλήτων νόμιμων και μη. Παρόλα αυτά δεν μπόρεσαν να απαλειφθούν πλήρως επιφάνειες άλλων κατηγοριών κάλυψης και ειδικά του γυμνού εδάφους και των κοιτών των ποταμών λόγω φερτών υλικών. Τα αποτελέσματα αξιολογήθηκαν χρησιμοποιώντας του δείκτες ορθότητας, πληρότητας και ολικής ποιότητας.

'''4. Συμπεράσματα'''

Για να είναι δυνατός ο εντοπισμός χώρων ρυπασμένων με στερεά αστικά απόβλητα θα πρέπει να είναι ικανής έκτασης ώστε να εντοπιστεί από ελεύθερα διαθέσιμες δορυφορικές εικόνες. Ο Sentinel 2 με μέγεθος pixel (10x10)m ενδείκνυται για τον εντοπισμό οντοτήτων τουλάχιστον της τάξης (20χ20)m.
Η αντιπροσωπευτικότητα και η ποιότητα της δειγματοληψίας εξαρτάται από τον αριθμό δειγμάτων μιας κατηγορίας, όσο μεγαλύτερος ο αριθμός δειγμάτων τόσο καλύτερος είναι ο καθορισμός των φασματικών χαρακτηριστικών μιας κατηγορίας.
Για δορυφορικές εικόνες χωρικής ανάλυσης των 10m είναι αναπόφευκτη ή σύγχυση μεταξύ λάθος κατηγοριών λόγω παρόμοιων φασματικών χαρακτηριστικών. Για να βελτιωθούν τα αποτελέσματα του διαχωρισμού είναι δυνατή η επιλεκτική χρήση των «καθαρών» εικονοστοιχείων.
Η λήψη δείγματος από την συνολική επιφάνεια του χώρου διάθεσης απορριμμάτων και όχι από την επιφάνεια που καταλαμβάνει η μάζα των αποβλήτων δυσχεράνει κατά πολύ την ποιότητα και αποτελεσματικότητα του διαχωρισμού. Ως εκ τούτου η δυνατότητα εντοπισμού μικρών εκτάσεων με διάσπαρτα αστικά στερεά απόβλητα δεν κρίνεται εφικτή με τηλεσκοπικά δεδομένα χωρικής ανάλυσης 10m.
Από τους 3 αλγόριθμους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν, από τα την αξιολόγηση των αποτελεσμάτων, κρίθηκαν πιο ικανοποιητικά τα αποτελέσματα του αλγορίθμου του ορθογώνιο παραλληλεπιπέδου στον οποίο εφαρμόστηκε παραλλαγή του φασματικού εύρους που καθορίστηκε με την ελάχιστη και μέγιστη τιμή της φασματικής υπογραφής της κατηγορίας των επιφανειών με αστικά στερεά απόβλητα. Ο λόγος που ο συγκεκριμένος αλγόριθμος ήταν πιο αποτελεσματικός φαίνεται να είναι το γεγονός ότι λαμβάνει υπόψη τη διακύμανση των τιμών των φασματικών δεδομένων.
Η εφαρμογή φασματικών δεικτών που αποτέλεσε το τελικό στάδιο των τεχνικών ανάλυσης διαπιστώθηκε ότι είναι απαραίτητη διαδικασία για τη μείωση της φασματικής σύγχυσης εκτάσεων με στερεά απόβλητα με άλλα είδη εδαφοκάλυψης.

'''5. Προοπτικές'''

Σε εφαρμογές που απαιτείται υψηλή ακρίβεια δεν ενδείκνυται η χρήση πολυφασματικών εικόνων χωρικής ανάλυσης 10m. Όμως για εφαρμογές χαμηλής ακρίβειας, όπως ένα σώμα περιβαλλοντικής επιθεώρησης, η χρήση τηλεπισκόπισης σε συνδυασμό με τα γεωγραφικά συστήματα πληροφοριών είναι ένα πολλά υποσχόμενο εργαλείο. Μελλοντικά είναι δυνατή η βελτιστοποίηση των αποτελεσμάτων με τις ακόλουθες διαδικασίες:
* Προσδιορισμός της φασματικής υπογραφής των επιφανειών με αστικά απόβλητα με συστηματικές μετρήσεις πεδίου σε ικανό αριθμό χώρων
* Αξιοποίηση τεχνικών φασματικού διαχωρισμού
* Ενδελεχή εξέταση και άλλων αλγορίθμων ταξινόμησης και σύγκριση αυτών για την εύρεση μειονεκτημάτων και πλεονεκτημάτων.
* Χρήση δορυφορικών εικόνων υψηλής χωρικής διακριτικής ικανότητας και υπερφασματικών εικόνων
* Μελέτη και αξιολόγηση φασματικών δεικτών για την αποτελεσματικότερη διαφοροποίηση επιφανειών.

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

Αρχείο:Sa5e2.png

2019-03-08T06:53:59Z

Sokratis Konstantos:

Αρχείο:Sa5e1.png

2019-03-08T06:53:24Z

Sokratis Konstantos:

Αρχείο:Sa3e3.png

2019-03-08T06:53:06Z

Sokratis Konstantos:

Αρχείο:Sa3e2.png

2019-03-08T06:52:55Z

Sokratis Konstantos:

Αρχείο:Sa3e1.png

2019-03-08T06:52:40Z

Sokratis Konstantos:

Αρχείο:Sa2e2.png

2019-03-08T06:52:27Z

Sokratis Konstantos:

Αρχείο:Sa2e1.png

2019-03-08T06:52:13Z

Sokratis Konstantos:

Αρχείο:Sa1e3.png

2019-03-08T06:51:57Z

Sokratis Konstantos:

Αρχείο:Sa1e2.png

2019-03-08T06:51:38Z

Sokratis Konstantos:

Αρχείο:Sa1e1.png

2019-03-08T06:51:10Z

Sokratis Konstantos:

Αρχείο:Φασματικα.png

2019-03-04T16:02:40Z

Sokratis Konstantos: