RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-13T13:28:23Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR)[https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/sar] συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνα πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-13T13:22:32Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης και της τεχνολογίας LiDAR [https://oceanservice.noaa.gov/facts/lidar.html], που εμφανίστηκε στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημείωτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-13T13:16:47Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένης και της τεχνολογίας LiDAR [https://oceanservice.noaa.gov/facts/lidar.html], που εμφανίστηκε στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημείωτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-13T13:16:26Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένης και της τεχνολογίας LiDAR [https://oceanservice.noaa.gov/facts/lidar.html], που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημείωτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-13T13:14:35Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένων και των LiDAR [https://oceanservice.noaa.gov/facts/lidar.html], που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημείωτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-13T13:13:07Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR)[https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/sar] συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνας πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-13T13:11:54Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (σχέση 1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (σχέση 2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-13T13:10:45Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (σχέσεις 1, 2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των φασματικών καμπυλών ανακλαστικότητας (σχέση 3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (σχέση 4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (σχέση 5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (σχέση 6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (σχέση 7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (F1 - score) (σχέσεις 8, 9, 10, για αποτελέσματα βλ. Πίνακα 2)).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα χρήσης από διάφορους δορυφόρους προς σχηματισμό εικονικού αστερισμού(virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-13T13:10:28Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (σχέσεις 1, 2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των φασματικών καμπυλών ανακλαστικότητας (σχέση 3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (σχέση 4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (σχέση 5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (σχέση 6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (σχέση 7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (F1 - score) (σχέσεις 8, 9, 10, για αποτελέσματα βλ. Πίνακα 2)).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα χρήσης από διάφορους δορυφόρους προς σχηματισμό εικονικού αστερισμού
(virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-13T13:08:22Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (σχέσεις 1, 2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των φασματικών καμπυλών ανακλαστικότητας (σχέση 3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (σχέση 4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (σχέση 5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (σχέση 6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (σχέση 7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (F1 - score) (σχέσεις 8, 9, 10, για αποτελέσματα βλ. Πίνακα 2)).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-13T13:07:54Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (σχέση 1), (σχέση 2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των φασματικών καμπυλών ανακλαστικότητας (σχέση 3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (σχέση 4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (σχέση 5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (σχέση 6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (σχέση 7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (F1 - score) (σχέσεις 8, 9, 10, για αποτελέσματα βλ. Πίνακα 2)).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-13T13:03:33Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (1), (2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των φασματικών καμπυλών ανακλαστικότητας (3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (8), (9), (10).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης

2026-01-13T13:02:21Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing

'''Συγγραφείς: ''' Junfang Yang, Yabin Hu, Jie Zhang, Yi Ma, Zhongwei Li, Zongchen Jiang

'''Δημοσίευση: ''' 17 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3389/fmars.2023.1135356]

'''Πλήρης βιβλιογραφική αναφορά:''' Yang J, Hu Y, Zhang J, Ma Y, Li Z, & Jiang Z (2023) Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing. Front. Mar. Sci. 10:1135356. doi: 10.3389/fmars.2023.1135356

'''Λέξεις/φράσεις–κλειδιά:''' θαλάσσιες πετρελαιοκηλίδες, υπερφασματική τηλεπισκόπηση, θερμική υπέρυθρη τηλεπισκόπηση, αναγνώριση τύπων πετρελαϊκής ρύπανσης, βαθιά μάθηση

==''' Εισαγωγή '''==
[[ Εικόνα: rs_wiki_1.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Σύγκριση της ικανότητας παρακολούθησης πετρελαιοκηλίδων με διάφορες τεχνολογίες τηλεπισκόπησης. ]]
Οι πετρελαιοκηλίδες αποτελούν μία από τις σοβαρότερες μορφές θαλάσσιας ρύπανσης, προκαλώντας εκτεταμένες επιπτώσεις στα θαλάσσια οικοσυστήματα, την οικονομία και τη δημόσια υγεία. Γενικότερα, οι κύριοι τύποι θαλάσσιας ρύπανσης περιλαμβάνουν:

* Έλαια όπως: Αργό πετρέλαιο, καύσιμα πλοίων (μαζούτ), συμπυκνώματα (φυσική βενζίνη), φυτικά έλαια (π.χ. φοινικέλαιο) και πετρέλαιο κίνησης/ντίζελ.

* Γαλακτώματα αργού πετρελαίου: Μείγματα νερού σε λάδι (WO) ή λαδιού σε νερό (OW), τα οποία σχηματίζονται μέσω φυσικοχημικών διεργασιών υπό την επίδραση των κυμάτων και του ανέμου.

Η οπτική τηλεπισκόπηση και η τηλεπισκόπηση μικροκυμάτων αποτελούν απαραίτητες μεθόδους για την αντιμετώπιση τέτοιων διαρροών. Μέχρι σήμερα, τα Ραντάρ Συνθετικού Ανοίγματος (SAR)[https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/sar] αποτελούσαν την κυρίαρχη επιλογή μικροκυματικής τηλεπισκόπησης για τον εντοπισμό πετρελαιοκηλίδων.

Πλέον, η σύγχρονη έρευνα στρέφεται στον συνδυασμό διαφορετικών αισθητήρων για τη μεγιστοποίηση της ακρίβειας. Η παρούσα μελέτη εξετάζει τη δυνατότητα υπέρβασης των περιορισμών που εμφανίζουν οι μεμονωμένες μέθοδοι, μέσω της συνδυαστικής χρήσης υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης.

==''' Υλικά και μέθοδοι '''==
''' 2.1. Πειραματική διαδικασία και υλικά '''
[[ Εικόνα: rs_wiki_1.3.jpg | thumb | right |250px|'''Εικόνα 2:''' Πειραματικά έλαια: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]
[[ Εικόνα: rs_wiki_1.4.jpg | thumb | right |250px|'''Πίνακας 2:''' Οι ιδιότητες και η περιγραφή των πειραματικών ελαίων. ]]
Για την επίτευξη των στόχων της έρευνας, σχεδιάστηκαν και υλοποιήθηκαν δύο πειραματικές προσομοιώσεις πετρελαιοκηλίδων σε εξωτερικό χώρο, στο Qingdao της Κίνας.

Η πρώτη αφορά την ανίχνευση διαφόρων ειδών ελαίων. Διεξήχθη τον Σεπτέμβριο του 2020 σε δεξαμενή διαστάσεων 45 m. x 40 m. με θαλασσινό νερό βάθους 1,2 m., στην προβλήτα Nanjiang. Χρησιμοποιήθηκαν πέντε διαφορετικά είδη ελαίων, τα οποία τοποθετήθηκαν μέσα σε ειδικό περιφραγμένο πλαίσιο από πλάκες PVC.

Η δεύτερη προσομοίωση έγινε τον Μάιο του 2022 στην πειραματική βάση Aoshanmei, με στόχο τη μελέτη του αργού πετρελαίου σε διάφορες φάσεις: μη γαλακτοποιημένο, γαλακτώματα νερού σε λάδι (WO) και λαδιού σε νερό (OW), που παρασκευάστηκαν με χρήση διασπορέα υψηλής ταχύτητας και γαλακτοποιητή. Τα δείγματα κατανεμήθηκαν σε διαφορετικά πάχη και ογκομετρικές συγκεντρώσεις, επίσης εντός περιφραγμένου πλαισίου από PVC.

[[ Εικόνα: rs_wiki_1.2.jpg | thumb | center |450px| '''Εικόνα 1:''' Πειραματικά σενάρια παρατήρησης πετρελαιοκηλίδων και κατανομής πετρελαίου με χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης: (A) πειραματικά σενάρια διαφορετικού τύπου ελαίων τον Σεπτέμβριο 2020, (B) κατανομή διαφορετικού τύπου ελαίων (C) πειραματικό σενάριο αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις τον Μάιο 2022 (D) κατανομή αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις. ]]

''' 2.2. Δεδομένα και προεπεξεργασία '''
[[ Εικόνα: rs_wiki_1.5.jpg | thumb | right |200px|'''Εικόνα 4:''' Υπερφασματικές και θερμικές υπέρυθρες εικόνες διαφορετικών τύπων ρύπανσης από πετρελαιοκηλίδες: (A) εναέρια υπερφασματική εικόνα διαφορετικού τύπου ελαίων, (B) εναέριες θερμικές υπέρυθρες εικόνες διαφορετικού τύπου ελαίων, (C) εναέριες υπερφασματικές εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του, (D) εναέριες θερμικές υπέρυθρες εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του. ]]

Η λήψη των εικόνων έγινε σχεδόν ταυτόχρονα χρησιμοποιώντας διαφορετικούς συνδυασμούς αερομεταφερόμενων αισθητήρων. Για το πρώτο πείραμα χρησιμοποιήθηκε ο υπερφασματικός απεικονιστής Cubert S185 και η θερμική κάμερα DJI “Yu” 2, ενώ για το δεύτερο ο ίδιος υπερφασματικός απεικονιστής και η θερμική κάμερα Zenmuse H20T.

Η επεξεργασία των υπερφασματικών δεδομένων έγινε μέσω του λογισμικού Cubert Utils Touch και εξήχθησαν δεδομένα φασματικής ανακλαστικότητας μετά από βαθμονόμηση (dark current & reference plate). Η επεξεργασία της καταγραφής θερμικού υπερύθρου έγινε μέσω του DJI Thermal Analysis Tool απ’ όπου εξήχθησαν δεδομένα θερμοκρασίας λαμπρότητας(brightness temperature). Λόγω διαφορετικής κάλυψης, οι εικόνες υποβλήθηκαν σε γεωγραφική καταχώριση (registration) και περικοπή.
Για τη δημιουργία εικόνας αναφοράς (ground truth image) και την αξιολόγηση της ακρίβειας των αλγορίθμων, χρησιμοποιήθηκαν φωτογραφίες και το φασματοφωτόμετρο ASD FieldSpec4 (350-2500 nm) και καταγράφηκε η ακτινοβολία των ρύπων, του θαλασσινού νερού και του ήλιου για τον ακριβή υπολογισμό της φασματικής τους ανακλαστικότητας στο πεδίο.
[[ Εικόνα: rs_wiki_1.6.jpg | thumb | center |350px|'''Εικόνα 3:''' Εικόνα αναφοράς: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' 2.3. Μέθοδοι ταξινόμησης '''

Για την παρούσα μελέτη χρησιμοποιήθηκαν τα μοντέλα μηχανικής μάθησης (machine/ensemble learning) και βαθιάς μάθησης(deep learning):

• Support Vector Machine (SVM)

• Random Forest (RF)

• Convolutional Neural Network (2D-CNN)

Με αυτά τα μοντέλα αναγνωρίστηκαν τα διαφορετικά είδη πετρελαιοκηλίδων. Χρησιμοποιήθηκαν 375.606 δείγματα για το πρώτο πείραμα και 135.695 για το δεύτερο, με το 3% αυτών να διατίθεται για εκπαίδευση (training samples) και το 3% για επαλήθευση (validation samples).

==''' Αποτελέσματα και αξιολόγηση '''==
[[ Εικόνα: rs_wiki_1.9.jpg | thumb | right |200px|'''Πίνακας 3:''' Ακρίβειες αναγνώρισης τύπων ρύπανσης από πετρελαιοκηλίδες τριών αλγορίθμων βάσει HSI και HTI. ]]
[[ Εικόνα: rs_wiki_1.10.jpg | thumb | right |200px|'''Εικόνα 7:''' Ακρίβειες αναγνώρισης μεμονωμένου τύπου ρύπανσης από πετρελαιοκηλίδα βάσει HSI και HTI: (A–C) διαφορετικά έλαια, (D–F) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' Αναγνώριση διαφορετικού τύπου ελαίων: '''
Όσον αφορά την υπερφασματική απεικόνιση (HSI), το μοντέλο 2D-CNN και το RF υπερείχαν του SVM, διατηρώντας τη συνέχεια της πετρελαιοκηλίδας. Ωστόσο, παρατηρήθηκε έντονη σύγχυση στη διάκριση μεταξύ των ελαφρών ελαίων (φοινικέλαιο, ντίζελ, βενζίνη). Η προσθήκη θερμικών υπέρυθρων χαρακτηριστικών βελτίωσε σημαντικά τα αποτελέσματα. Τα όρια έγιναν σαφέστερα και ο διαχωρισμός των ελαφρών ελαίων ακριβέστερος, πλησιάζοντας την πραγματική εικόνα εδάφους (ground truth image).

[[ Εικόνα: rs_wiki_1.7.jpg | thumb | center |300px|'''Εικόνα 5:''' Αποτελέσματα ταξινόμησης διαφορετικού τύπου ελαίων βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI.]]

''' Αναγνώριση αργού πετρελαίου και των γαλακτωμάτων του: '''
Σε αντίθεση με τα διαφορετικά έλαια, η υπερφασματική απεικόνιση (HSI) από μόνη της απέδωσε καλύτερα. Αν και τα θερμικά δεδομένα βοήθησαν στον καλύτερο διαχωρισμό του θαλασσινού νερού από τα γαλακτώματα, επιδείνωσαν τη σύγχυση μεταξύ αργού πετρελαίου και γαλακτώματος νερού σε λάδι (WO). Το αργό πετρέλαιο συχνά ταξινομήθηκε λανθασμένα ως γαλάκτωμα WO.

[[ Εικόνα: rs_wiki_1.8.jpg | thumb | center |300px|'''Εικόνα 6:''' Αποτελέσματα ταξινόμησης αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI. ]]

==''' Συζήτηση '''==
[[ Εικόνα: rs_wiki_1.11.jpg | thumb | right |200px|'''Διάγραμμα 3:''' Μέση φασματική ανακλαστικότητα τυπικών προϊόντων πετρελαιοκηλίδων (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας).]]
[[ Εικόνα: rs_wiki_1.12.jpg | thumb | right |200px|'''Διάγραμμα 4:''' Μέση φασματική ανακλαστικότητα του αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας). ]]
[[ Εικόνα: rs_wiki_1.16.jpg | thumb | right |200px|'''Διάγραμμα 5:''' Θερμική υπέρυθρη λαμπρότητα και θερμοκρασία φιλμ αργού πετρελαίου με διαφορετικό πάχος και γαλακτώματος WO με διαφορετικό πάχος στην ίδια συγκέντρωση. ]]
''' 4.1. Φασματική απόκριση (360 – 2400nm) '''

Γενικά, η φασματική ανακλαστικότητα επηρεάζεται από την απορρόφηση και τη σκέδαση του φωτός. Όσον αφορά τα διαφορετικά έλαια του πρώτου πειράματος, στο ορατό φάσμα τα ελαφρά έλαια (ντίζελ, βενζίνη, φοινικέλαιο) μοιάζουν φασματικά με το θαλασσινό νερό, γεγονός που εξηγεί τη δυσκολία διαχωρισμού τους με τη χρήση μόνο υπερφασματικών δεδομένων. Αντίθετα, τα βαρέα έλαια (αργό πετρέλαιο, μαζούτ) έχουν σαφώς χαμηλότερη ανακλαστικότητα.

''' 4.2. Θερμική απόκριση και θερμοκρασία λαμπρότητας '''

Η ανίχνευση βασίζεται στη διαφορά θερμοχωρητικότητας και εκπομπής θερμότητας μεταξύ ελαίων και νερού. Σχετικά με τη θερμική ένταση, τα βαρέα έλαια εμφανίζονται «φωτεινά» (θερμά), καθώς απορροφούν περισσότερη ηλιακή ακτινοβολία. Τα ελαφρά, εμφανίζονται «σκοτεινά» (ψυχρά), με τη βενζίνη να είναι η σκοτεινότερη λόγω της πτώσης θερμοκρασίας που προκαλεί η εξάτμισή της. Η θερμοκρασία λαμπρότητας του αργού πετρελαίου και των γαλακτωμάτων WO είναι εξαιρετικά παραπλήσια (διαφορά μικρότερη από 1°C), ενώ απέχουν περίπου 20°C από το θαλασσινό νερό. Αυτή η θερμική ομοιότητα εξηγεί γιατί η προσθήκη θερμικών δεδομένων οδηγεί σε λανθασμένη ταξινόμηση του αργού πετρελαίου ως γαλακτώματος WO.
[[ Εικόνα: rs_wiki_1.13.jpg | thumb | center |300px|'''Διάγραμμα 1:''' Κατανομή της θερμικής υπέρυθρης έντασης διαφορετικών ελαίων και θαλασσινού νερού. ]]
[[ Εικόνα: rs_wiki_1.14.jpg | thumb | center |300px|'''Διάγραμμα 2:''' Κατανομή της θερμικής υπέρυθρης λαμπρότητας και της θερμοκρασίας του αργού πετρελαίου, των διαφορετικών γαλακτωμάτων του και του θαλασσινού νερού. ]]

''' 4.3. Επίδραση του πάχους της πετρελαιοκηλίδας '''

Φασματικά, καθώς αυξάνεται το πάχος της στρώσης του αργού πετρελαίου, η φασματική ανακλαστικότητα μειώνεται σταθερά. Στα γαλακτώματα WO, το πάχος επηρεάζει διαφορετικά τις περιοχές του φάσματος. Θερμικά, η θερμοκρασία λαμπρότητας αυξάνεται ανάλογα με το πάχος της πετρελαιοκηλίδας.

Τα γαλακτώματα WO παρουσιάζουν υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο λόγω οπισθοσκέδασης (backscattering) στα σταγονίδια νερού, με χαρακτηριστικές «κοιλάδες» απορρόφησης (-C-H). Τα γαλακτώματα OW έχουν υψηλή ανακλαστικότητα στο φάσμα 360 – 1400 nm, με «κοιλάδες απορρόφησης» (-O-H). Το αργό πετρέλαιο έχει σχεδόν μηδενική ανακλαστικότητα στο εγγύς υπέρυθρο.

==''' Συμπεράσματα '''==
Στην παρούσα μελέτη αξιολογήθηκε η συνδυαστική χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης για την ταυτοποίηση πετρελαιοκηλίδων μέσω μοντέλων μηχανικής και βαθιάς μάθησης. Τα βασικά συμπεράσματα συνοψίζονται ως εξής:

* Η προσθήκη θερμικών χαρακτηριστικών βελτιώνει σημαντικά την ακρίβεια αναγνώρισης διαφορετικών τύπων πετρελαιοκηλίδων, με ιδιαίτερη επιτυχία στα ελαφρά έλαια.

* Η θερμική τηλεπισκόπηση αδυνατεί να διακρίνει το αργό πετρέλαιο από τα γαλακτώματα WO υψηλής συγκέντρωσης. Η ενσωμάτωση θερμικών δεδομένων σε αυτές τις περιπτώσεις μειώνει την αποτελεσματικότητα της υπερφασματικής ανάλυσης, λόγω παρόμοιων θερμικών υπογραφών.

* Οι θερμικές ιδιότητες μπορούν να ενισχύσουν τη δυνατότητα της υπερφασματικής τεχνολογίας στον προσδιορισμό του πάχους της πετρελαιοκηλίδας, καθώς και των γαλακτωμάτων WO με την ίδια συγκέντρωση.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Επικίνδυνα απόβλητα]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-12T23:03:04Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένων και των LiDAR, που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημειώτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-12T23:02:50Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-12T23:02:34Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR) συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνας πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-12T23:02:19Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (1), (2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των καμπυλών φασματικής ανακλαστικότητας (3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-στη φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (8), (9), (10).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----
'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης

2026-01-12T23:01:45Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing

'''Συγγραφείς: ''' Junfang Yang, Yabin Hu, Jie Zhang, Yi Ma, Zhongwei Li, Zongchen Jiang

'''Δημοσίευση: ''' 17 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3389/fmars.2023.1135356]

'''Πλήρης βιβλιογραφική αναφορά:''' Yang J, Hu Y, Zhang J, Ma Y, Li Z, & Jiang Z (2023) Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing. Front. Mar. Sci. 10:1135356. doi: 10.3389/fmars.2023.1135356

'''Λέξεις/φράσεις–κλειδιά:''' θαλάσσιες πετρελαιοκηλίδες, υπερφασματική τηλεπισκόπηση, θερμική υπέρυθρη τηλεπισκόπηση, αναγνώριση τύπων πετρελαϊκής ρύπανσης, βαθιά μάθηση

==''' Εισαγωγή '''==
[[ Εικόνα: rs_wiki_1.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Σύγκριση της ικανότητας παρακολούθησης πετρελαιοκηλίδων με διάφορες τεχνολογίες τηλεπισκόπησης. ]]
Οι πετρελαιοκηλίδες αποτελούν μία από τις σοβαρότερες μορφές θαλάσσιας ρύπανσης, προκαλώντας εκτεταμένες επιπτώσεις στα θαλάσσια οικοσυστήματα, την οικονομία και τη δημόσια υγεία. Γενικότερα, οι κύριοι τύποι θαλάσσιας ρύπανσης περιλαμβάνουν:

* Έλαια όπως: Αργό πετρέλαιο, καύσιμα πλοίων (μαζούτ), συμπυκνώματα (φυσική βενζίνη), φυτικά έλαια (π.χ. φοινικέλαιο) και πετρέλαιο κίνησης/ντίζελ.

* Γαλακτώματα αργού πετρελαίου: Μείγματα νερού σε λάδι (WO) ή λαδιού σε νερό (OW), τα οποία σχηματίζονται μέσω φυσικοχημικών διεργασιών υπό την επίδραση των κυμάτων και του ανέμου.

Η οπτική τηλεπισκόπηση και η τηλεπισκόπηση μικροκυμάτων αποτελούν απαραίτητες μεθόδους για την αντιμετώπιση τέτοιων διαρροών. Μέχρι σήμερα, τα Ραντάρ Συνθετικού Ανοίγματος (SAR) αποτελούσαν την κυρίαρχη επιλογή μικροκυματικής τηλεπισκόπησης για τον εντοπισμό πετρελαιοκηλίδων.

Πλέον, η σύγχρονη έρευνα στρέφεται στον συνδυασμό διαφορετικών αισθητήρων για τη μεγιστοποίηση της ακρίβειας. Η παρούσα μελέτη εξετάζει τη δυνατότητα υπέρβασης των περιορισμών που εμφανίζουν οι μεμονωμένες μέθοδοι, μέσω της συνδυαστικής χρήσης υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης.

==''' Υλικά και μέθοδοι '''==
''' 2.1. Πειραματική διαδικασία και υλικά '''
[[ Εικόνα: rs_wiki_1.3.jpg | thumb | right |250px|'''Εικόνα 2:''' Πειραματικά έλαια: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]
[[ Εικόνα: rs_wiki_1.4.jpg | thumb | right |250px|'''Πίνακας 2:''' Οι ιδιότητες και η περιγραφή των πειραματικών ελαίων. ]]
Για την επίτευξη των στόχων της έρευνας, σχεδιάστηκαν και υλοποιήθηκαν δύο πειραματικές προσομοιώσεις πετρελαιοκηλίδων σε εξωτερικό χώρο, στο Qingdao της Κίνας.

Η πρώτη αφορά την ανίχνευση διαφόρων ειδών ελαίων. Διεξήχθη τον Σεπτέμβριο του 2020 σε δεξαμενή διαστάσεων 45 m. x 40 m. με θαλασσινό νερό βάθους 1,2 m., στην προβλήτα Nanjiang. Χρησιμοποιήθηκαν πέντε διαφορετικά είδη ελαίων, τα οποία τοποθετήθηκαν μέσα σε ειδικό περιφραγμένο πλαίσιο από πλάκες PVC.

Η δεύτερη προσομοίωση έγινε τον Μάιο του 2022 στην πειραματική βάση Aoshanmei, με στόχο τη μελέτη του αργού πετρελαίου σε διάφορες φάσεις: μη γαλακτοποιημένο, γαλακτώματα νερού σε λάδι (WO) και λαδιού σε νερό (OW), που παρασκευάστηκαν με χρήση διασπορέα υψηλής ταχύτητας και γαλακτοποιητή. Τα δείγματα κατανεμήθηκαν σε διαφορετικά πάχη και ογκομετρικές συγκεντρώσεις, επίσης εντός περιφραγμένου πλαισίου από PVC.

[[ Εικόνα: rs_wiki_1.2.jpg | thumb | center |450px| '''Εικόνα 1:''' Πειραματικά σενάρια παρατήρησης πετρελαιοκηλίδων και κατανομής πετρελαίου με χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης: (A) πειραματικά σενάρια διαφορετικού τύπου ελαίων τον Σεπτέμβριο 2020, (B) κατανομή διαφορετικού τύπου ελαίων (C) πειραματικό σενάριο αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις τον Μάιο 2022 (D) κατανομή αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις. ]]

''' 2.2. Δεδομένα και προεπεξεργασία '''
[[ Εικόνα: rs_wiki_1.5.jpg | thumb | right |200px|'''Εικόνα 4:''' Υπερφασματικές και θερμικές υπέρυθρες εικόνες διαφορετικών τύπων ρύπανσης από πετρελαιοκηλίδες: (A) εναέρια υπερφασματική εικόνα διαφορετικού τύπου ελαίων, (B) εναέριες θερμικές υπέρυθρες εικόνες διαφορετικού τύπου ελαίων, (C) εναέριες υπερφασματικές εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του, (D) εναέριες θερμικές υπέρυθρες εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του. ]]

Η λήψη των εικόνων έγινε σχεδόν ταυτόχρονα χρησιμοποιώντας διαφορετικούς συνδυασμούς αερομεταφερόμενων αισθητήρων. Για το πρώτο πείραμα χρησιμοποιήθηκε ο υπερφασματικός απεικονιστής Cubert S185 και η θερμική κάμερα DJI “Yu” 2, ενώ για το δεύτερο ο ίδιος υπερφασματικός απεικονιστής και η θερμική κάμερα Zenmuse H20T.

Η επεξεργασία των υπερφασματικών δεδομένων έγινε μέσω του λογισμικού Cubert Utils Touch και εξήχθησαν δεδομένα φασματικής ανακλαστικότητας μετά από βαθμονόμηση (dark current & reference plate). Η επεξεργασία της καταγραφής θερμικού υπερύθρου έγινε μέσω του DJI Thermal Analysis Tool απ’ όπου εξήχθησαν δεδομένα θερμοκρασίας λαμπρότητας(brightness temperature). Λόγω διαφορετικής κάλυψης, οι εικόνες υποβλήθηκαν σε γεωγραφική καταχώριση (registration) και περικοπή.
Για τη δημιουργία εικόνας αναφοράς (ground truth image) και την αξιολόγηση της ακρίβειας των αλγορίθμων, χρησιμοποιήθηκαν φωτογραφίες και το φασματοφωτόμετρο ASD FieldSpec4 (350-2500 nm) και καταγράφηκε η ακτινοβολία των ρύπων, του θαλασσινού νερού και του ήλιου για τον ακριβή υπολογισμό της φασματικής τους ανακλαστικότητας στο πεδίο.
[[ Εικόνα: rs_wiki_1.6.jpg | thumb | center |350px|'''Εικόνα 3:''' Εικόνα αναφοράς: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' 2.3. Μέθοδοι ταξινόμησης '''

Για την παρούσα μελέτη χρησιμοποιήθηκαν τα μοντέλα μηχανικής μάθησης (machine/ensemble learning) και βαθιάς μάθησης(deep learning):

• Support Vector Machine (SVM)

• Random Forest (RF)

• Convolutional Neural Network (2D-CNN)

Με αυτά τα μοντέλα αναγνωρίστηκαν τα διαφορετικά είδη πετρελαιοκηλίδων. Χρησιμοποιήθηκαν 375.606 δείγματα για το πρώτο πείραμα και 135.695 για το δεύτερο, με το 3% αυτών να διατίθεται για εκπαίδευση (training samples) και το 3% για επαλήθευση (validation samples).

==''' Αποτελέσματα και αξιολόγηση '''==
[[ Εικόνα: rs_wiki_1.9.jpg | thumb | right |200px|'''Πίνακας 3:''' Ακρίβειες αναγνώρισης τύπων ρύπανσης από πετρελαιοκηλίδες τριών αλγορίθμων βάσει HSI και HTI. ]]
[[ Εικόνα: rs_wiki_1.10.jpg | thumb | right |200px|'''Εικόνα 7:''' Ακρίβειες αναγνώρισης μεμονωμένου τύπου ρύπανσης από πετρελαιοκηλίδα βάσει HSI και HTI: (A–C) διαφορετικά έλαια, (D–F) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' Αναγνώριση διαφορετικού τύπου ελαίων: '''
Όσον αφορά την υπερφασματική απεικόνιση (HSI), το μοντέλο 2D-CNN και το RF υπερείχαν του SVM, διατηρώντας τη συνέχεια της πετρελαιοκηλίδας. Ωστόσο, παρατηρήθηκε έντονη σύγχυση στη διάκριση μεταξύ των ελαφρών ελαίων (φοινικέλαιο, ντίζελ, βενζίνη). Η προσθήκη θερμικών υπέρυθρων χαρακτηριστικών βελτίωσε σημαντικά τα αποτελέσματα. Τα όρια έγιναν σαφέστερα και ο διαχωρισμός των ελαφρών ελαίων ακριβέστερος, πλησιάζοντας την πραγματική εικόνα εδάφους (ground truth image).

[[ Εικόνα: rs_wiki_1.7.jpg | thumb | center |300px|'''Εικόνα 5:''' Αποτελέσματα ταξινόμησης διαφορετικού τύπου ελαίων βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI.]]

''' Αναγνώριση αργού πετρελαίου και των γαλακτωμάτων του: '''
Σε αντίθεση με τα διαφορετικά έλαια, η υπερφασματική απεικόνιση (HSI) από μόνη της απέδωσε καλύτερα. Αν και τα θερμικά δεδομένα βοήθησαν στον καλύτερο διαχωρισμό του θαλασσινού νερού από τα γαλακτώματα, επιδείνωσαν τη σύγχυση μεταξύ αργού πετρελαίου και γαλακτώματος νερού σε λάδι (WO). Το αργό πετρέλαιο συχνά ταξινομήθηκε λανθασμένα ως γαλάκτωμα WO.

[[ Εικόνα: rs_wiki_1.8.jpg | thumb | center |300px|'''Εικόνα 6:''' Αποτελέσματα ταξινόμησης αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI. ]]

==''' Συζήτηση '''==
[[ Εικόνα: rs_wiki_1.11.jpg | thumb | right |200px|'''Διάγραμμα 3:''' Μέση φασματική ανακλαστικότητα τυπικών προϊόντων πετρελαιοκηλίδων (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας).]]
[[ Εικόνα: rs_wiki_1.12.jpg | thumb | right |200px|'''Διάγραμμα 4:''' Μέση φασματική ανακλαστικότητα του αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας). ]]
[[ Εικόνα: rs_wiki_1.16.jpg | thumb | right |200px|'''Διάγραμμα 5:''' Θερμική υπέρυθρη λαμπρότητα και θερμοκρασία φιλμ αργού πετρελαίου με διαφορετικό πάχος και γαλακτώματος WO με διαφορετικό πάχος στην ίδια συγκέντρωση. ]]
''' 4.1. Φασματική απόκριση (360 – 2400nm) '''

Γενικά, η φασματική ανακλαστικότητα επηρεάζεται από την απορρόφηση και τη σκέδαση του φωτός. Όσον αφορά τα διαφορετικά έλαια του πρώτου πειράματος, στο ορατό φάσμα τα ελαφρά έλαια (ντίζελ, βενζίνη, φοινικέλαιο) μοιάζουν φασματικά με το θαλασσινό νερό, γεγονός που εξηγεί τη δυσκολία διαχωρισμού τους με τη χρήση μόνο υπερφασματικών δεδομένων. Αντίθετα, τα βαρέα έλαια (αργό πετρέλαιο, μαζούτ) έχουν σαφώς χαμηλότερη ανακλαστικότητα.

''' 4.2. Θερμική απόκριση και θερμοκρασία λαμπρότητας '''

Η ανίχνευση βασίζεται στη διαφορά θερμοχωρητικότητας και εκπομπής θερμότητας μεταξύ ελαίων και νερού. Σχετικά με τη θερμική ένταση, τα βαρέα έλαια εμφανίζονται «φωτεινά» (θερμά), καθώς απορροφούν περισσότερη ηλιακή ακτινοβολία. Τα ελαφρά, εμφανίζονται «σκοτεινά» (ψυχρά), με τη βενζίνη να είναι η σκοτεινότερη λόγω της πτώσης θερμοκρασίας που προκαλεί η εξάτμισή της. Η θερμοκρασία λαμπρότητας του αργού πετρελαίου και των γαλακτωμάτων WO είναι εξαιρετικά παραπλήσια (διαφορά μικρότερη από 1°C), ενώ απέχουν περίπου 20°C από το θαλασσινό νερό. Αυτή η θερμική ομοιότητα εξηγεί γιατί η προσθήκη θερμικών δεδομένων οδηγεί σε λανθασμένη ταξινόμηση του αργού πετρελαίου ως γαλακτώματος WO.
[[ Εικόνα: rs_wiki_1.13.jpg | thumb | center |300px|'''Διάγραμμα 1:''' Κατανομή της θερμικής υπέρυθρης έντασης διαφορετικών ελαίων και θαλασσινού νερού. ]]
[[ Εικόνα: rs_wiki_1.14.jpg | thumb | center |300px|'''Διάγραμμα 2:''' Κατανομή της θερμικής υπέρυθρης λαμπρότητας και της θερμοκρασίας του αργού πετρελαίου, των διαφορετικών γαλακτωμάτων του και του θαλασσινού νερού. ]]

''' 4.3. Επίδραση του πάχους της πετρελαιοκηλίδας '''

Φασματικά, καθώς αυξάνεται το πάχος της στρώσης του αργού πετρελαίου, η φασματική ανακλαστικότητα μειώνεται σταθερά. Στα γαλακτώματα WO, το πάχος επηρεάζει διαφορετικά τις περιοχές του φάσματος. Θερμικά, η θερμοκρασία λαμπρότητας αυξάνεται ανάλογα με το πάχος της πετρελαιοκηλίδας.

Τα γαλακτώματα WO παρουσιάζουν υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο λόγω οπισθοσκέδασης (backscattering) στα σταγονίδια νερού, με χαρακτηριστικές «κοιλάδες» απορρόφησης (-C-H). Τα γαλακτώματα OW έχουν υψηλή ανακλαστικότητα στο φάσμα 360 – 1400 nm, με «κοιλάδες απορρόφησης» (-O-H). Το αργό πετρέλαιο έχει σχεδόν μηδενική ανακλαστικότητα στο εγγύς υπέρυθρο.

==''' Συμπεράσματα '''==
Στην παρούσα μελέτη αξιολογήθηκε η συνδυαστική χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης για την ταυτοποίηση πετρελαιοκηλίδων μέσω μοντέλων μηχανικής και βαθιάς μάθησης. Τα βασικά συμπεράσματα συνοψίζονται ως εξής:

* Η προσθήκη θερμικών χαρακτηριστικών βελτιώνει σημαντικά την ακρίβεια αναγνώρισης διαφορετικών τύπων πετρελαιοκηλίδων, με ιδιαίτερη επιτυχία στα ελαφρά έλαια.

* Η θερμική τηλεπισκόπηση αδυνατεί να διακρίνει το αργό πετρέλαιο από τα γαλακτώματα WO υψηλής συγκέντρωσης. Η ενσωμάτωση θερμικών δεδομένων σε αυτές τις περιπτώσεις μειώνει την αποτελεσματικότητα της υπερφασματικής ανάλυσης, λόγω παρόμοιων θερμικών υπογραφών.

* Οι θερμικές ιδιότητες μπορούν να ενισχύσουν τη δυνατότητα της υπερφασματικής τεχνολογίας στον προσδιορισμό του πάχους της πετρελαιοκηλίδας, καθώς και των γαλακτωμάτων WO με την ίδια συγκέντρωση.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Επικίνδυνα απόβλητα]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-12T22:55:20Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένων και των LiDAR, που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημειώτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν κείμενο αποτελεί αποδελτίωση του πρωτότυπου άρθρου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Αναγνώριση γεωμορφών]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-12T22:54:46Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν κείμενο αποτελεί αποδελτίωση του πρωτότυπου άρθρου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-12T22:54:31Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR) συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνας πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν κείμενο αποτελεί αποδελτίωση του πρωτότυπου άρθρου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης

2026-01-12T22:53:07Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing

'''Συγγραφείς: ''' Junfang Yang, Yabin Hu, Jie Zhang, Yi Ma, Zhongwei Li, Zongchen Jiang

'''Δημοσίευση: ''' 17 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3389/fmars.2023.1135356]

'''Πλήρης βιβλιογραφική αναφορά:''' Yang J, Hu Y, Zhang J, Ma Y, Li Z, & Jiang Z (2023) Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing. Front. Mar. Sci. 10:1135356. doi: 10.3389/fmars.2023.1135356

'''Λέξεις/φράσεις–κλειδιά:''' θαλάσσιες πετρελαιοκηλίδες, υπερφασματική τηλεπισκόπηση, θερμική υπέρυθρη τηλεπισκόπηση, αναγνώριση τύπων πετρελαϊκής ρύπανσης, βαθιά μάθηση

==''' Εισαγωγή '''==
[[ Εικόνα: rs_wiki_1.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Σύγκριση της ικανότητας παρακολούθησης πετρελαιοκηλίδων με διάφορες τεχνολογίες τηλεπισκόπησης. ]]
Οι πετρελαιοκηλίδες αποτελούν μία από τις σοβαρότερες μορφές θαλάσσιας ρύπανσης, προκαλώντας εκτεταμένες επιπτώσεις στα θαλάσσια οικοσυστήματα, την οικονομία και τη δημόσια υγεία. Γενικότερα, οι κύριοι τύποι θαλάσσιας ρύπανσης περιλαμβάνουν:

* Έλαια όπως: Αργό πετρέλαιο, καύσιμα πλοίων (μαζούτ), συμπυκνώματα (φυσική βενζίνη), φυτικά έλαια (π.χ. φοινικέλαιο) και πετρέλαιο κίνησης/ντίζελ.

* Γαλακτώματα αργού πετρελαίου: Μείγματα νερού σε λάδι (WO) ή λαδιού σε νερό (OW), τα οποία σχηματίζονται μέσω φυσικοχημικών διεργασιών υπό την επίδραση των κυμάτων και του ανέμου.

Η οπτική τηλεπισκόπηση και η τηλεπισκόπηση μικροκυμάτων αποτελούν απαραίτητες μεθόδους για την αντιμετώπιση τέτοιων διαρροών. Μέχρι σήμερα, τα Ραντάρ Συνθετικού Ανοίγματος (SAR) αποτελούσαν την κυρίαρχη επιλογή μικροκυματικής τηλεπισκόπησης για τον εντοπισμό πετρελαιοκηλίδων.

Πλέον, η σύγχρονη έρευνα στρέφεται στον συνδυασμό διαφορετικών αισθητήρων για τη μεγιστοποίηση της ακρίβειας. Η παρούσα μελέτη εξετάζει τη δυνατότητα υπέρβασης των περιορισμών που εμφανίζουν οι μεμονωμένες μέθοδοι, μέσω της συνδυαστικής χρήσης υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης.

==''' Υλικά και μέθοδοι '''==
''' 2.1. Πειραματική διαδικασία και υλικά '''
[[ Εικόνα: rs_wiki_1.3.jpg | thumb | right |250px|'''Εικόνα 2:''' Πειραματικά έλαια: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]
[[ Εικόνα: rs_wiki_1.4.jpg | thumb | right |250px|'''Πίνακας 2:''' Οι ιδιότητες και η περιγραφή των πειραματικών ελαίων. ]]
Για την επίτευξη των στόχων της έρευνας, σχεδιάστηκαν και υλοποιήθηκαν δύο πειραματικές προσομοιώσεις πετρελαιοκηλίδων σε εξωτερικό χώρο, στο Qingdao της Κίνας.

Η πρώτη αφορά την ανίχνευση διαφόρων ειδών ελαίων. Διεξήχθη τον Σεπτέμβριο του 2020 σε δεξαμενή διαστάσεων 45 m. x 40 m. με θαλασσινό νερό βάθους 1,2 m., στην προβλήτα Nanjiang. Χρησιμοποιήθηκαν πέντε διαφορετικά είδη ελαίων, τα οποία τοποθετήθηκαν μέσα σε ειδικό περιφραγμένο πλαίσιο από πλάκες PVC.

Η δεύτερη προσομοίωση έγινε τον Μάιο του 2022 στην πειραματική βάση Aoshanmei, με στόχο τη μελέτη του αργού πετρελαίου σε διάφορες φάσεις: μη γαλακτοποιημένο, γαλακτώματα νερού σε λάδι (WO) και λαδιού σε νερό (OW), που παρασκευάστηκαν με χρήση διασπορέα υψηλής ταχύτητας και γαλακτοποιητή. Τα δείγματα κατανεμήθηκαν σε διαφορετικά πάχη και ογκομετρικές συγκεντρώσεις, επίσης εντός περιφραγμένου πλαισίου από PVC.

[[ Εικόνα: rs_wiki_1.2.jpg | thumb | center |450px| '''Εικόνα 1:''' Πειραματικά σενάρια παρατήρησης πετρελαιοκηλίδων και κατανομής πετρελαίου με χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης: (A) πειραματικά σενάρια διαφορετικού τύπου ελαίων τον Σεπτέμβριο 2020, (B) κατανομή διαφορετικού τύπου ελαίων (C) πειραματικό σενάριο αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις τον Μάιο 2022 (D) κατανομή αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις. ]]

''' 2.2. Δεδομένα και προεπεξεργασία '''
[[ Εικόνα: rs_wiki_1.5.jpg | thumb | right |200px|'''Εικόνα 4:''' Υπερφασματικές και θερμικές υπέρυθρες εικόνες διαφορετικών τύπων ρύπανσης από πετρελαιοκηλίδες: (A) εναέρια υπερφασματική εικόνα διαφορετικού τύπου ελαίων, (B) εναέριες θερμικές υπέρυθρες εικόνες διαφορετικού τύπου ελαίων, (C) εναέριες υπερφασματικές εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του, (D) εναέριες θερμικές υπέρυθρες εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του. ]]

Η λήψη των εικόνων έγινε σχεδόν ταυτόχρονα χρησιμοποιώντας διαφορετικούς συνδυασμούς αερομεταφερόμενων αισθητήρων. Για το πρώτο πείραμα χρησιμοποιήθηκε ο υπερφασματικός απεικονιστής Cubert S185 και η θερμική κάμερα DJI “Yu” 2, ενώ για το δεύτερο ο ίδιος υπερφασματικός απεικονιστής και η θερμική κάμερα Zenmuse H20T.

Η επεξεργασία των υπερφασματικών δεδομένων έγινε μέσω του λογισμικού Cubert Utils Touch και εξήχθησαν δεδομένα φασματικής ανακλαστικότητας μετά από βαθμονόμηση (dark current & reference plate). Η επεξεργασία της καταγραφής θερμικού υπερύθρου έγινε μέσω του DJI Thermal Analysis Tool απ’ όπου εξήχθησαν δεδομένα θερμοκρασίας λαμπρότητας(brightness temperature). Λόγω διαφορετικής κάλυψης, οι εικόνες υποβλήθηκαν σε γεωγραφική καταχώριση (registration) και περικοπή.
Για τη δημιουργία εικόνας αναφοράς (ground truth image) και την αξιολόγηση της ακρίβειας των αλγορίθμων, χρησιμοποιήθηκαν φωτογραφίες και το φασματοφωτόμετρο ASD FieldSpec4 (350-2500 nm) και καταγράφηκε η ακτινοβολία των ρύπων, του θαλασσινού νερού και του ήλιου για τον ακριβή υπολογισμό της φασματικής τους ανακλαστικότητας στο πεδίο.
[[ Εικόνα: rs_wiki_1.6.jpg | thumb | center |350px|'''Εικόνα 3:''' Εικόνα αναφοράς: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' 2.3. Μέθοδοι ταξινόμησης '''

Για την παρούσα μελέτη χρησιμοποιήθηκαν τα μοντέλα μηχανικής μάθησης (machine/ensemble learning) και βαθιάς μάθησης(deep learning):

• Support Vector Machine (SVM)

• Random Forest (RF)

• Convolutional Neural Network (2D-CNN)

Με αυτά τα μοντέλα αναγνωρίστηκαν τα διαφορετικά είδη πετρελαιοκηλίδων. Χρησιμοποιήθηκαν 375.606 δείγματα για το πρώτο πείραμα και 135.695 για το δεύτερο, με το 3% αυτών να διατίθεται για εκπαίδευση (training samples) και το 3% για επαλήθευση (validation samples).

==''' Αποτελέσματα και αξιολόγηση '''==
[[ Εικόνα: rs_wiki_1.9.jpg | thumb | right |200px|'''Πίνακας 3:''' Ακρίβειες αναγνώρισης τύπων ρύπανσης από πετρελαιοκηλίδες τριών αλγορίθμων βάσει HSI και HTI. ]]
[[ Εικόνα: rs_wiki_1.10.jpg | thumb | right |200px|'''Εικόνα 7:''' Ακρίβειες αναγνώρισης μεμονωμένου τύπου ρύπανσης από πετρελαιοκηλίδα βάσει HSI και HTI: (A–C) διαφορετικά έλαια, (D–F) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' Αναγνώριση διαφορετικού τύπου ελαίων: '''
Όσον αφορά την υπερφασματική απεικόνιση (HSI), το μοντέλο 2D-CNN και το RF υπερείχαν του SVM, διατηρώντας τη συνέχεια της πετρελαιοκηλίδας. Ωστόσο, παρατηρήθηκε έντονη σύγχυση στη διάκριση μεταξύ των ελαφρών ελαίων (φοινικέλαιο, ντίζελ, βενζίνη). Η προσθήκη θερμικών υπέρυθρων χαρακτηριστικών βελτίωσε σημαντικά τα αποτελέσματα. Τα όρια έγιναν σαφέστερα και ο διαχωρισμός των ελαφρών ελαίων ακριβέστερος, πλησιάζοντας την πραγματική εικόνα εδάφους (ground truth image).

[[ Εικόνα: rs_wiki_1.7.jpg | thumb | center |300px|'''Εικόνα 5:''' Αποτελέσματα ταξινόμησης διαφορετικού τύπου ελαίων βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI.]]

''' Αναγνώριση αργού πετρελαίου και των γαλακτωμάτων του: '''
Σε αντίθεση με τα διαφορετικά έλαια, η υπερφασματική απεικόνιση (HSI) από μόνη της απέδωσε καλύτερα. Αν και τα θερμικά δεδομένα βοήθησαν στον καλύτερο διαχωρισμό του θαλασσινού νερού από τα γαλακτώματα, επιδείνωσαν τη σύγχυση μεταξύ αργού πετρελαίου και γαλακτώματος νερού σε λάδι (WO). Το αργό πετρέλαιο συχνά ταξινομήθηκε λανθασμένα ως γαλάκτωμα WO.

[[ Εικόνα: rs_wiki_1.8.jpg | thumb | center |300px|'''Εικόνα 6:''' Αποτελέσματα ταξινόμησης αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI. ]]

==''' Συζήτηση '''==
[[ Εικόνα: rs_wiki_1.11.jpg | thumb | right |200px|'''Διάγραμμα 3:''' Μέση φασματική ανακλαστικότητα τυπικών προϊόντων πετρελαιοκηλίδων (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας).]]
[[ Εικόνα: rs_wiki_1.12.jpg | thumb | right |200px|'''Διάγραμμα 4:''' Μέση φασματική ανακλαστικότητα του αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας). ]]
[[ Εικόνα: rs_wiki_1.16.jpg | thumb | right |200px|'''Διάγραμμα 5:''' Θερμική υπέρυθρη λαμπρότητα και θερμοκρασία φιλμ αργού πετρελαίου με διαφορετικό πάχος και γαλακτώματος WO με διαφορετικό πάχος στην ίδια συγκέντρωση. ]]
''' 4.1. Φασματική απόκριση (360 – 2400nm) '''

Γενικά, η φασματική ανακλαστικότητα επηρεάζεται από την απορρόφηση και τη σκέδαση του φωτός. Όσον αφορά τα διαφορετικά έλαια του πρώτου πειράματος, στο ορατό φάσμα τα ελαφρά έλαια (ντίζελ, βενζίνη, φοινικέλαιο) μοιάζουν φασματικά με το θαλασσινό νερό, γεγονός που εξηγεί τη δυσκολία διαχωρισμού τους με τη χρήση μόνο υπερφασματικών δεδομένων. Αντίθετα, τα βαρέα έλαια (αργό πετρέλαιο, μαζούτ) έχουν σαφώς χαμηλότερη ανακλαστικότητα.

''' 4.2. Θερμική απόκριση και θερμοκρασία λαμπρότητας '''

Η ανίχνευση βασίζεται στη διαφορά θερμοχωρητικότητας και εκπομπής θερμότητας μεταξύ ελαίων και νερού. Σχετικά με τη θερμική ένταση, τα βαρέα έλαια εμφανίζονται «φωτεινά» (θερμά), καθώς απορροφούν περισσότερη ηλιακή ακτινοβολία. Τα ελαφρά, εμφανίζονται «σκοτεινά» (ψυχρά), με τη βενζίνη να είναι η σκοτεινότερη λόγω της πτώσης θερμοκρασίας που προκαλεί η εξάτμισή της. Η θερμοκρασία λαμπρότητας του αργού πετρελαίου και των γαλακτωμάτων WO είναι εξαιρετικά παραπλήσια (διαφορά μικρότερη από 1°C), ενώ απέχουν περίπου 20°C από το θαλασσινό νερό. Αυτή η θερμική ομοιότητα εξηγεί γιατί η προσθήκη θερμικών δεδομένων οδηγεί σε λανθασμένη ταξινόμηση του αργού πετρελαίου ως γαλακτώματος WO.
[[ Εικόνα: rs_wiki_1.13.jpg | thumb | center |300px|'''Διάγραμμα 1:''' Κατανομή της θερμικής υπέρυθρης έντασης διαφορετικών ελαίων και θαλασσινού νερού. ]]
[[ Εικόνα: rs_wiki_1.14.jpg | thumb | center |300px|'''Διάγραμμα 2:''' Κατανομή της θερμικής υπέρυθρης λαμπρότητας και της θερμοκρασίας του αργού πετρελαίου, των διαφορετικών γαλακτωμάτων του και του θαλασσινού νερού. ]]

''' 4.3. Επίδραση του πάχους της πετρελαιοκηλίδας '''

Φασματικά, καθώς αυξάνεται το πάχος της στρώσης του αργού πετρελαίου, η φασματική ανακλαστικότητα μειώνεται σταθερά. Στα γαλακτώματα WO, το πάχος επηρεάζει διαφορετικά τις περιοχές του φάσματος. Θερμικά, η θερμοκρασία λαμπρότητας αυξάνεται ανάλογα με το πάχος της πετρελαιοκηλίδας.

Τα γαλακτώματα WO παρουσιάζουν υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο λόγω οπισθοσκέδασης (backscattering) στα σταγονίδια νερού, με χαρακτηριστικές «κοιλάδες» απορρόφησης (-C-H). Τα γαλακτώματα OW έχουν υψηλή ανακλαστικότητα στο φάσμα 360 – 1400 nm, με «κοιλάδες απορρόφησης» (-O-H). Το αργό πετρέλαιο έχει σχεδόν μηδενική ανακλαστικότητα στο εγγύς υπέρυθρο.

==''' Συμπεράσματα '''==
Στην παρούσα μελέτη αξιολογήθηκε η συνδυαστική χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης για την ταυτοποίηση πετρελαιοκηλίδων μέσω μοντέλων μηχανικής και βαθιάς μάθησης. Τα βασικά συμπεράσματα συνοψίζονται ως εξής:

* Η προσθήκη θερμικών χαρακτηριστικών βελτιώνει σημαντικά την ακρίβεια αναγνώρισης διαφορετικών τύπων πετρελαιοκηλίδων, με ιδιαίτερη επιτυχία στα ελαφρά έλαια.

* Η θερμική τηλεπισκόπηση αδυνατεί να διακρίνει το αργό πετρέλαιο από τα γαλακτώματα WO υψηλής συγκέντρωσης. Η ενσωμάτωση θερμικών δεδομένων σε αυτές τις περιπτώσεις μειώνει την αποτελεσματικότητα της υπερφασματικής ανάλυσης, λόγω παρόμοιων θερμικών υπογραφών.

* Οι θερμικές ιδιότητες μπορούν να ενισχύσουν τη δυνατότητα της υπερφασματικής τεχνολογίας στον προσδιορισμό του πάχους της πετρελαιοκηλίδας, καθώς και των γαλακτωμάτων WO με την ίδια συγκέντρωση.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν κείμενο αποτελεί αποδελτίωση του πρωτότυπου άρθρου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Επικίνδυνα απόβλητα]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-12T22:52:40Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (1), (2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των καμπυλών φασματικής ανακλαστικότητας (3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-στη φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (8), (9), (10).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν κείμενο αποτελεί αποδελτίωση του πρωτότυπου άρθρου και αναρτάται για εκπαιδευτικούς σκοπούς. Το περιεχόμενο, καθώς και το συνοδευτικό υλικό που περιλαμβάνει αποτελούν πνευματική ιδιοκτησία των αρχικών συγγραφέων.''

[[category:Υδατικοί Πόροι]]

Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης

2026-01-12T22:49:18Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing

'''Συγγραφείς: ''' Junfang Yang, Yabin Hu, Jie Zhang, Yi Ma, Zhongwei Li, Zongchen Jiang

'''Δημοσίευση: ''' 17 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3389/fmars.2023.1135356]

'''Πλήρης βιβλιογραφική αναφορά:''' Yang J, Hu Y, Zhang J, Ma Y, Li Z, & Jiang Z (2023) Identification of marine oil spill pollution using hyperspectral combined with thermal infrared remote sensing. Front. Mar. Sci. 10:1135356. doi: 10.3389/fmars.2023.1135356

'''Λέξεις/φράσεις–κλειδιά:''' θαλάσσιες πετρελαιοκηλίδες, υπερφασματική τηλεπισκόπηση, θερμική υπέρυθρη τηλεπισκόπηση, αναγνώριση τύπων πετρελαϊκής ρύπανσης, βαθιά μάθηση

==''' Εισαγωγή '''==
[[ Εικόνα: rs_wiki_1.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Σύγκριση της ικανότητας παρακολούθησης πετρελαιοκηλίδων με διάφορες τεχνολογίες τηλεπισκόπησης. ]]
Οι πετρελαιοκηλίδες αποτελούν μία από τις σοβαρότερες μορφές θαλάσσιας ρύπανσης, προκαλώντας εκτεταμένες επιπτώσεις στα θαλάσσια οικοσυστήματα, την οικονομία και τη δημόσια υγεία. Γενικότερα, οι κύριοι τύποι θαλάσσιας ρύπανσης περιλαμβάνουν:

* Έλαια όπως: Αργό πετρέλαιο, καύσιμα πλοίων (μαζούτ), συμπυκνώματα (φυσική βενζίνη), φυτικά έλαια (π.χ. φοινικέλαιο) και πετρέλαιο κίνησης/ντίζελ.

* Γαλακτώματα αργού πετρελαίου: Μείγματα νερού σε λάδι (WO) ή λαδιού σε νερό (OW), τα οποία σχηματίζονται μέσω φυσικοχημικών διεργασιών υπό την επίδραση των κυμάτων και του ανέμου.

Η οπτική τηλεπισκόπηση και η τηλεπισκόπηση μικροκυμάτων αποτελούν απαραίτητες μεθόδους για την αντιμετώπιση τέτοιων διαρροών. Μέχρι σήμερα, τα Ραντάρ Συνθετικού Ανοίγματος (SAR) αποτελούσαν την κυρίαρχη επιλογή μικροκυματικής τηλεπισκόπησης για τον εντοπισμό πετρελαιοκηλίδων.

Πλέον, η σύγχρονη έρευνα στρέφεται στον συνδυασμό διαφορετικών αισθητήρων για τη μεγιστοποίηση της ακρίβειας. Η παρούσα μελέτη εξετάζει τη δυνατότητα υπέρβασης των περιορισμών που εμφανίζουν οι μεμονωμένες μέθοδοι, μέσω της συνδυαστικής χρήσης υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης.

==''' Υλικά και μέθοδοι '''==
''' 2.1. Πειραματική διαδικασία και υλικά '''
[[ Εικόνα: rs_wiki_1.3.jpg | thumb | right |250px|'''Εικόνα 2:''' Πειραματικά έλαια: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]
[[ Εικόνα: rs_wiki_1.4.jpg | thumb | right |250px|'''Πίνακας 2:''' Οι ιδιότητες και η περιγραφή των πειραματικών ελαίων. ]]
Για την επίτευξη των στόχων της έρευνας, σχεδιάστηκαν και υλοποιήθηκαν δύο πειραματικές προσομοιώσεις πετρελαιοκηλίδων σε εξωτερικό χώρο, στο Qingdao της Κίνας.

Η πρώτη αφορά την ανίχνευση διαφόρων ειδών ελαίων. Διεξήχθη τον Σεπτέμβριο του 2020 σε δεξαμενή διαστάσεων 45 m. x 40 m. με θαλασσινό νερό βάθους 1,2 m., στην προβλήτα Nanjiang. Χρησιμοποιήθηκαν πέντε διαφορετικά είδη ελαίων, τα οποία τοποθετήθηκαν μέσα σε ειδικό περιφραγμένο πλαίσιο από πλάκες PVC.

Η δεύτερη προσομοίωση έγινε τον Μάιο του 2022 στην πειραματική βάση Aoshanmei, με στόχο τη μελέτη του αργού πετρελαίου σε διάφορες φάσεις: μη γαλακτοποιημένο, γαλακτώματα νερού σε λάδι (WO) και λαδιού σε νερό (OW), που παρασκευάστηκαν με χρήση διασπορέα υψηλής ταχύτητας και γαλακτοποιητή. Τα δείγματα κατανεμήθηκαν σε διαφορετικά πάχη και ογκομετρικές συγκεντρώσεις, επίσης εντός περιφραγμένου πλαισίου από PVC.

[[ Εικόνα: rs_wiki_1.2.jpg | thumb | center |450px| '''Εικόνα 1:''' Πειραματικά σενάρια παρατήρησης πετρελαιοκηλίδων και κατανομής πετρελαίου με χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης: (A) πειραματικά σενάρια διαφορετικού τύπου ελαίων τον Σεπτέμβριο 2020, (B) κατανομή διαφορετικού τύπου ελαίων (C) πειραματικό σενάριο αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις τον Μάιο 2022 (D) κατανομή αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις. ]]

''' 2.2. Δεδομένα και προεπεξεργασία '''
[[ Εικόνα: rs_wiki_1.5.jpg | thumb | right |200px|'''Εικόνα 4:''' Υπερφασματικές και θερμικές υπέρυθρες εικόνες διαφορετικών τύπων ρύπανσης από πετρελαιοκηλίδες: (A) εναέρια υπερφασματική εικόνα διαφορετικού τύπου ελαίων, (B) εναέριες θερμικές υπέρυθρες εικόνες διαφορετικού τύπου ελαίων, (C) εναέριες υπερφασματικές εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του, (D) εναέριες θερμικές υπέρυθρες εικόνες αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του. ]]

Η λήψη των εικόνων έγινε σχεδόν ταυτόχρονα χρησιμοποιώντας διαφορετικούς συνδυασμούς αερομεταφερόμενων αισθητήρων. Για το πρώτο πείραμα χρησιμοποιήθηκε ο υπερφασματικός απεικονιστής Cubert S185 και η θερμική κάμερα DJI “Yu” 2, ενώ για το δεύτερο ο ίδιος υπερφασματικός απεικονιστής και η θερμική κάμερα Zenmuse H20T.

Η επεξεργασία των υπερφασματικών δεδομένων έγινε μέσω του λογισμικού Cubert Utils Touch και εξήχθησαν δεδομένα φασματικής ανακλαστικότητας μετά από βαθμονόμηση (dark current & reference plate). Η επεξεργασία της καταγραφής θερμικού υπερύθρου έγινε μέσω του DJI Thermal Analysis Tool απ’ όπου εξήχθησαν δεδομένα θερμοκρασίας λαμπρότητας(brightness temperature). Λόγω διαφορετικής κάλυψης, οι εικόνες υποβλήθηκαν σε γεωγραφική καταχώριση (registration) και περικοπή.
Για τη δημιουργία εικόνας αναφοράς (ground truth image) και την αξιολόγηση της ακρίβειας των αλγορίθμων, χρησιμοποιήθηκαν φωτογραφίες και το φασματοφωτόμετρο ASD FieldSpec4 (350-2500 nm) και καταγράφηκε η ακτινοβολία των ρύπων, του θαλασσινού νερού και του ήλιου για τον ακριβή υπολογισμό της φασματικής τους ανακλαστικότητας στο πεδίο.
[[ Εικόνα: rs_wiki_1.6.jpg | thumb | center |350px|'''Εικόνα 3:''' Εικόνα αναφοράς: (A) διαφορετικοί τύποι ελαίων, (B) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' 2.3. Μέθοδοι ταξινόμησης '''

Για την παρούσα μελέτη χρησιμοποιήθηκαν τα μοντέλα μηχανικής μάθησης (machine/ensemble learning) και βαθιάς μάθησης(deep learning):

• Support Vector Machine (SVM)

• Random Forest (RF)

• Convolutional Neural Network (2D-CNN)

Με αυτά τα μοντέλα αναγνωρίστηκαν τα διαφορετικά είδη πετρελαιοκηλίδων. Χρησιμοποιήθηκαν 375.606 δείγματα για το πρώτο πείραμα και 135.695 για το δεύτερο, με το 3% αυτών να διατίθεται για εκπαίδευση (training samples) και το 3% για επαλήθευση (validation samples).

==''' Αποτελέσματα και αξιολόγηση '''==
[[ Εικόνα: rs_wiki_1.9.jpg | thumb | right |200px|'''Πίνακας 3:''' Ακρίβειες αναγνώρισης τύπων ρύπανσης από πετρελαιοκηλίδες τριών αλγορίθμων βάσει HSI και HTI. ]]
[[ Εικόνα: rs_wiki_1.10.jpg | thumb | right |200px|'''Εικόνα 7:''' Ακρίβειες αναγνώρισης μεμονωμένου τύπου ρύπανσης από πετρελαιοκηλίδα βάσει HSI και HTI: (A–C) διαφορετικά έλαια, (D–F) αργό πετρέλαιο και τα γαλακτώματά του σε διαφορετικές φάσεις. ]]

''' Αναγνώριση διαφορετικού τύπου ελαίων: '''
Όσον αφορά την υπερφασματική απεικόνιση (HSI), το μοντέλο 2D-CNN και το RF υπερείχαν του SVM, διατηρώντας τη συνέχεια της πετρελαιοκηλίδας. Ωστόσο, παρατηρήθηκε έντονη σύγχυση στη διάκριση μεταξύ των ελαφρών ελαίων (φοινικέλαιο, ντίζελ, βενζίνη). Η προσθήκη θερμικών υπέρυθρων χαρακτηριστικών βελτίωσε σημαντικά τα αποτελέσματα. Τα όρια έγιναν σαφέστερα και ο διαχωρισμός των ελαφρών ελαίων ακριβέστερος, πλησιάζοντας την πραγματική εικόνα εδάφους (ground truth image).

[[ Εικόνα: rs_wiki_1.7.jpg | thumb | center |300px|'''Εικόνα 5:''' Αποτελέσματα ταξινόμησης διαφορετικού τύπου ελαίων βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI.]]

''' Αναγνώριση αργού πετρελαίου και των γαλακτωμάτων του: '''
Σε αντίθεση με τα διαφορετικά έλαια, η υπερφασματική απεικόνιση (HSI) από μόνη της απέδωσε καλύτερα. Αν και τα θερμικά δεδομένα βοήθησαν στον καλύτερο διαχωρισμό του θαλασσινού νερού από τα γαλακτώματα, επιδείνωσαν τη σύγχυση μεταξύ αργού πετρελαίου και γαλακτώματος νερού σε λάδι (WO). Το αργό πετρέλαιο συχνά ταξινομήθηκε λανθασμένα ως γαλάκτωμα WO.

[[ Εικόνα: rs_wiki_1.8.jpg | thumb | center |300px|'''Εικόνα 6:''' Αποτελέσματα ταξινόμησης αργού πετρελαίου και των διαφορετικών γαλακτωμάτων του βάσει εικόνων διαφορετικών διαστάσεων: (A–C) HSI, (D–F) HTI. ]]

==''' Συζήτηση '''==
[[ Εικόνα: rs_wiki_1.11.jpg | thumb | right |200px|'''Διάγραμμα 3:''' Μέση φασματική ανακλαστικότητα τυπικών προϊόντων πετρελαιοκηλίδων (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας).]]
[[ Εικόνα: rs_wiki_1.12.jpg | thumb | right |200px|'''Διάγραμμα 4:''' Μέση φασματική ανακλαστικότητα του αργού πετρελαίου και των γαλακτωμάτων του σε διαφορετικές φάσεις (Η γκρι περιοχή είναι μη ατμοσφαιρικό παράθυρο, η κόκκινη ορθογώνια περιοχή αντιπροσωπεύει το φασματικό εύρος της εναέριας υπερφασματικής εικόνας). ]]
[[ Εικόνα: rs_wiki_1.16.jpg | thumb | right |200px|'''Διάγραμμα 5:''' Θερμική υπέρυθρη λαμπρότητα και θερμοκρασία φιλμ αργού πετρελαίου με διαφορετικό πάχος και γαλακτώματος WO με διαφορετικό πάχος στην ίδια συγκέντρωση. ]]
''' 4.1. Φασματική απόκριση (360 – 2400nm) '''

Γενικά, η φασματική ανακλαστικότητα επηρεάζεται από την απορρόφηση και τη σκέδαση του φωτός. Όσον αφορά τα διαφορετικά έλαια του πρώτου πειράματος, στο ορατό φάσμα τα ελαφρά έλαια (ντίζελ, βενζίνη, φοινικέλαιο) μοιάζουν φασματικά με το θαλασσινό νερό, γεγονός που εξηγεί τη δυσκολία διαχωρισμού τους με τη χρήση μόνο υπερφασματικών δεδομένων. Αντίθετα, τα βαρέα έλαια (αργό πετρέλαιο, μαζούτ) έχουν σαφώς χαμηλότερη ανακλαστικότητα.

''' 4.2. Θερμική απόκριση και θερμοκρασία λαμπρότητας '''

Η ανίχνευση βασίζεται στη διαφορά θερμοχωρητικότητας και εκπομπής θερμότητας μεταξύ ελαίων και νερού. Σχετικά με τη θερμική ένταση, τα βαρέα έλαια εμφανίζονται «φωτεινά» (θερμά), καθώς απορροφούν περισσότερη ηλιακή ακτινοβολία. Τα ελαφρά, εμφανίζονται «σκοτεινά» (ψυχρά), με τη βενζίνη να είναι η σκοτεινότερη λόγω της πτώσης θερμοκρασίας που προκαλεί η εξάτμισή της. Η θερμοκρασία λαμπρότητας του αργού πετρελαίου και των γαλακτωμάτων WO είναι εξαιρετικά παραπλήσια (διαφορά μικρότερη από 1°C), ενώ απέχουν περίπου 20°C από το θαλασσινό νερό. Αυτή η θερμική ομοιότητα εξηγεί γιατί η προσθήκη θερμικών δεδομένων οδηγεί σε λανθασμένη ταξινόμηση του αργού πετρελαίου ως γαλακτώματος WO.
[[ Εικόνα: rs_wiki_1.13.jpg | thumb | center |300px|'''Διάγραμμα 1:''' Κατανομή της θερμικής υπέρυθρης έντασης διαφορετικών ελαίων και θαλασσινού νερού. ]]
[[ Εικόνα: rs_wiki_1.14.jpg | thumb | center |300px|'''Διάγραμμα 2:''' Κατανομή της θερμικής υπέρυθρης λαμπρότητας και της θερμοκρασίας του αργού πετρελαίου, των διαφορετικών γαλακτωμάτων του και του θαλασσινού νερού. ]]

''' 4.3. Επίδραση του πάχους της πετρελαιοκηλίδας '''

Φασματικά, καθώς αυξάνεται το πάχος της στρώσης του αργού πετρελαίου, η φασματική ανακλαστικότητα μειώνεται σταθερά. Στα γαλακτώματα WO, το πάχος επηρεάζει διαφορετικά τις περιοχές του φάσματος. Θερμικά, η θερμοκρασία λαμπρότητας αυξάνεται ανάλογα με το πάχος της πετρελαιοκηλίδας.

Τα γαλακτώματα WO παρουσιάζουν υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο λόγω οπισθοσκέδασης (backscattering) στα σταγονίδια νερού, με χαρακτηριστικές «κοιλάδες» απορρόφησης (-C-H). Τα γαλακτώματα OW έχουν υψηλή ανακλαστικότητα στο φάσμα 360 – 1400 nm, με «κοιλάδες απορρόφησης» (-O-H). Το αργό πετρέλαιο έχει σχεδόν μηδενική ανακλαστικότητα στο εγγύς υπέρυθρο.

==''' Συμπεράσματα '''==
Στην παρούσα μελέτη αξιολογήθηκε η συνδυαστική χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης για την ταυτοποίηση πετρελαιοκηλίδων μέσω μοντέλων μηχανικής και βαθιάς μάθησης. Τα βασικά συμπεράσματα συνοψίζονται ως εξής:

* Η προσθήκη θερμικών χαρακτηριστικών βελτιώνει σημαντικά την ακρίβεια αναγνώρισης διαφορετικών τύπων πετρελαιοκηλίδων, με ιδιαίτερη επιτυχία στα ελαφρά έλαια.

* Η θερμική τηλεπισκόπηση αδυνατεί να διακρίνει το αργό πετρέλαιο από τα γαλακτώματα WO υψηλής συγκέντρωσης. Η ενσωμάτωση θερμικών δεδομένων σε αυτές τις περιπτώσεις μειώνει την αποτελεσματικότητα της υπερφασματικής ανάλυσης, λόγω παρόμοιων θερμικών υπογραφών.

* Οι θερμικές ιδιότητες μπορούν να ενισχύσουν τη δυνατότητα της υπερφασματικής τεχνολογίας στον προσδιορισμό του πάχους της πετρελαιοκηλίδας, καθώς και των γαλακτωμάτων WO με την ίδια συγκέντρωση.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο αποτελεί αποδελτίωση του πρωτότυπου κειμένου και αναρτάται αποκλειστικά για εκπαιδευτικούς σκοπούς. Οι εικόνες, τα διαγράμματα και το κείμενο αποτελούν πνευματική ιδιοκτησία των συγγραφέων του, ενώ η βιβλιογραφία ανήκει στους δημιουργούς των αντίστοιχων έργων που παρατίθενται.''

[[category:Επικίνδυνα απόβλητα]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:37:01Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:36:03Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:35:34Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:35:24Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:35:07Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

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

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία

2026-01-12T22:34:43Z

TSAKONI HELGA ELENI: Η Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία μετακινήθηκε στη θέση [[...

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία]]

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-12T22:34:43Z

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένων και των LiDAR, που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημειώτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, τα σχήματα και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Αναγνώριση γεωμορφών]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:32:59Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:32:51Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:32:27Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:32:15Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία

2026-01-12T22:31:53Z

TSAKONI HELGA ELENI: Η Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία μετακινήθηκε στη θέση [[Χωροθέτηση ΧΥΤΑ με τ...

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-12T22:31:53Z

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, οι σχέσεις, τα διαγράμματα και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:30:26Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπισης: ένα παράδειγμα από την Jena,Γερμανία

2026-01-12T22:30:09Z

TSAKONI HELGA ELENI: Η Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπισης: ένα παράδειγμα από την Jena,Γερμανία μετακινήθηκε στη θέση [[...

Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπησης: ένα παράδειγμα από την Jena, Γερμανία

2026-01-12T22:30:09Z

'''Πρωτότυπος τίτλος: ''' Efficient geomorphological mapping based on geographic information systems and remote sensing data: an example from Jena, Germany

'''Συγγραφείς: ''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, Lothar Schrott

'''Δημοσίευση: ''' 6 Μαρτίου 2023

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17445647.2023.2172468]

'''Πλήρης βιβλιογραφική αναφορά:''' Ikram Zangana, Jan-Christoph Otto, Roland Mäusbacher, & Lothar Schrott
(2023) Efficient geomorphological mapping based on geographic information systems and
remote sensing data: an example from Jena, Germany, Journal of Maps, 19:1, 2172468, doi:
10.1080/17445647.2023.2172468

'''Λέξεις/φράσεις–κλειδιά:''' γεωμορφολογικός χάρτης, ArcGIS, τηλεπισκόπηση, Jena, Γερμανία

==''' Εισαγωγή '''==

Οι γεωμορφολογικοί χάρτες αποτελούν το καλύτερο εργαλείο για την αναγνώριση των υλικών και των μορφών του αναγλύφου της γήινης επιφάνειας και την κατανόηση των διεργασιών που τις δημιούργησαν. Πέραν της επιστημονικής τους αξίας, οι χάρτες αυτοί χρησιμοποιούνται επίσης ως υπόβαθρα για την εκτίμηση φυσικών κινδύνων, τη διαχείριση και το σχεδιασμό της χρήσης γης και την οπτικοποίηση του αναγλύφου για την εκπαίδευση και τον τουρισμό.

Παλαιότερα, οι γεωμορφολογικοί χάρτες δημιουργούνταν έπειτα από επιτόπια χαρτογράφηση, η οποία εκτός από πολύ μεγάλη εμπειρία απαιτούσε χρόνο και δεν ήταν εφικτό να πραγματοποιηθεί σε δύσβατα εδάφη. Τα προβλήματα αυτά, από τα τέλη του 20ου αιώνα και πλέον μπορούν να αντιμετωπιστούν με την χρήση τηλεπισκόπησης, συμπεριλαμβανομένων και των LiDAR, που εμφανίστηκαν στα τέλη της δεκαετίας του ’90. Σήμερα, έχουν αναπτυχθεί ημι-αυτοματοποιημένοι αλγόριθμοι ταξινόμησης, ωστόσο η αξιοπιστία τους παραμένει συχνά περιορισμένη σε σχέση με τη χειροκίνητη ψηφιακή ερμηνεία. Η χρήση παραμέτρων επιφάνειας εδάφους (LSPs) που προκύπτουν από Ψηφιακά Μοντέλα Υψομέτρου (DEMs) συμβάλλουν σημαντικά στον εντοπισμό των ορίων των γεωμορφών.

Στην παρούσα μελέτη εισάγεται μια συστηματική ροή εργασίας που συνδυάζει υψηλής ανάλυσης δεδομένα LiDAR – DTM, LSPs, τοπογραφικούς χάρτες, γεωλογικούς χάρτες, ψηφιακές ορθοφωτογραφίες (DOPs) και μια σειρά μεθόδων οπτικοποίησης, με σκοπό την παραγωγή ενός γεωμορφολογικού χάρτη υψηλής ακριβείας για την περιοχή Jena, Γερμανία. Στόχος είναι η αξιολόγηση του συνδυασμού των διαφόρων πηγών και τεχνικών οπτικοποίησης ως προς τη βελτίωση της ποιότητας του τελικού αποτελέσματος και την κατανόηση της γένεσης των γεωμορφολογικών διεργασιών, αλλά και η εφαρμογή του προτεινόμενου μοντέλου εργασίας και σε άλλα εδάφη.

==''' Περιοχή μελέτης '''==

Η περιοχή μελέτης βρίσκεται στη Θουριγγία της Γερμανίας και έχει έκταση 44 τ.χλμ. Εντοπίζεται γύρω από τη πόλη Jena και χαρακτηρίζεται από δύο κύριες υψομετρικές ζώνες: την πεδιάδα του ποταμού Saale και μια ορεινή ζώνη με πλαγιές και οροπέδια. Γεωλογικά, η περιοχή κυριαρχείται από σχηματισμούς ασβεστόλιθου στα μεγάλα υψόμετρα (Muschelkalk) και κόκκινου ψαμμίτη (Buntsandstein) στα χαμηλότερα. Έχει εύκρατο κλίμα και περιλαμβάνει αστικές και βιομηχανικές ζώνες στα πεδινά, δάση στις απότομες πλαγιές και καλλιέργειες στις προσχωσιγενείς πεδιάδες. Αξιοσημειώτο είναι επίσης το γεγονός ότι στην πεδιάδα του ποταμού Saale, η έντονη ανθρωπογενής παρέμβασης έχει αλλοιώσει το φυσικό τοπίο πλήρως. Τέλος, η εδαφική κάλυψη παρουσιάζει ποικιλομορφία φανερώνοντας την άμεση εξάρτηση του εδάφους από το μητρικό πέτρωμα και την τοπογραφία.

[[ Εικόνα: rs_wiki_5.1.jpg | thumb | center |500px|'''Εικόνα 1:''' Τοποθεσία της περιοχής μελέτης. Τα μαύρα τετράγωνα υποδεικνύουν προσεγγιστικά τις θέσεις των πλαισίων στις εικόνες 2,3 και 4.''']]

==''' Υλικά και μέθοδοι ==

Για την διεξαγωγή της μελέτης χρησιμοποιήθηκε ως βάση ένα ψηφιακό μοντέλο εδάφους LiDAR – DTM ανάλυσης 2 μ. Συμπληρωματικά, χρησιμοποιήθηκαν επίσης δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth images), ορθοφωτογραφίες (DOPs, ανάλυσης 20 εκ.) και τοπογραφικοί – γεωλογικοί χάρτες. Από το DTM παρήχθησαν διάφορες παράμετροι επιφάνειας εδάφους (LSPs) που επέτρεψαν την βέλτιστη οπτικοποίηση και τον ακριβέστερο εντοπισμό γεωμορφών.

Η χαρτογράφηση πραγματοποιήθηκε σε δύο στάδια, σε κλίμακα 1:1000 για την μεγιστοποίηση της λεπτομέρειας απεικόνισης.

''' Στο πρώτο στάδιο ''' εφαρμόστηκε μια συστηματική ροή εργασίας για τον προσδιορισμό της γένεσης των γεωμορφών και την εξαγωγή των πεδίων γεωμορφολογικών διεργασιών. Αρχικά, με την παραδοχή ότι όλη η περιοχή ανήκει στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) οι ερευνητές ανέλυσαν την περιοχή και ταυτοποιώντας τα ενεργά πεδία που εντόπισαν (ποτάμιες αποθέσεις, καρστ, κορυφογραμμές, υδρογραφικό δίκτυο, ανθρωπογενή παρέμβαση), τα τοποθέτησαν στον χάρτη αντικαθιστώντας τα αντίστοιχα τμήματα του αρχικού γενικού πεδίου (denudational domain) που είχαν ορίσει. Η ταυτοποίηση των ενεργών πεδίων πραγματοποιήθηκε με συνδυασμό δεδομένων LiDAR – DTM, τοπογραφικών – γεωλογικών χαρτών, ορθοφωτογραφιών και διεξαγωγή έρευνας πεδίου για τις αμφίβολες γεωμορφολογικές κατηγορίες.

''' Στο δεύτερο στάδιο ''' πραγματοποιήθηκαν δύο έρευνες πεδίου (πριν και μετά την επεξεργασία των λοιπών συλλεχθέντων δεδομένων) με τη χρήση διαφορικού GPS (DGPS) για την επαλήθευση των ψηφιακών δεδομένων και τη σύγκριση της αποτελεσματικότητας της μεθόδου με την πραγματικότητα.

Ο τελικός χάρτης δημιουργήθηκε σε περιβάλλον ArcGIS 10.7 και εξαιτίας της αλλαγής κλίμακας προς εκτύπωση (από 1:1000 σε 1:5000) εφαρμόστηκε μια διαδικασία γενίκευσης, όπου μικρές γεωμορφές που δεν διακρίνονταν στην τελική κλίμακα, αντικαταστάθηκαν από σημειακά σύμβολα ή συγχωνεύτηκαν με γειτονικά πεδία, διατηρώντας ωστόσο την αρχική τους πληροφορία.

[[ Εικόνα: rs_wiki_5.2.jpg | thumb | center |300px|'''Σχήμα 1:''' Διάγραμμα ροής που απεικονίζει τη μεθοδολογία που χρησιμοποιήθηκε στη συγκεκριμένη μελέτη.]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_5.3.jpg | thumb | right |250px|'''Εικόνα 2:''' (a) Ο σύνθετος χάρτης LSPs ορίζει με σαφήνεια τις γεωμορφές και τα όριά τους σε σύγκριση με τα δεδομένα DTM και τα παράγωγά τους, όπως (b) η σκίαση αναγλύφου, (c) η κλίση και (d) η καμπυλότητα. ]]

[[ Εικόνα: rs_wiki_5.4.jpg | thumb | right |250px| '''Εικόνα 3:''' Παράδειγμα οριοθέτησης πεδίου διεργασιών (διεργασία ποτάμιας απόθεσης): (a) Σκίαση αναγλύφου (για το υπόμνημα, βλ. Εικ. 2(b)). (b) Κλίση (για το υπόμνημα, βλ. Εικ. 2(c)). (c) Γεωλογικός χάρτης-GK25 και (d) τα πεδία των γεωμορφολογικών διεργασιών. ]]

Οι διάφοροι γεωλογικοί σχηματισμοί της Jena καθορίζουν άμεσα το ανάγλυφο της περιοχής: στον βορρά ο ασβεστόλιθος δημιουργεί απότομα πρανή, κατολισθήσεις και κοιλάδες μορφής V, ενώ στον νότο λόγω της παρουσίας ψαμμίτη εντοπίζονται επίπεδες κοιλάδες, πλημμυρικές πεδιάδες και αναβαθμίδες. Ο τελικός γεωμορφολογικός χάρτης που προέκυψε διακρίθηκε σε τέσσερα κύρια επίπεδα πληροφορίας:

* Πεδία γεωμορφολογικών διεργασιών

* Υδρολογικά χαρακτηριστικά

* Διεργασίες πλαγιάς και αποθέσεις

* Τοπογραφικά και δομικά χαρακτηριστικά αναγλύφου

Στο ''' επίπεδο των πεδίων γεωμορφολογικών διεργασιών ''' προέκυψε ότι τα οροπέδια κυριαρχούνται από καρστικά φαινόμενα, ενώ οι πλαγιές των βουνών επηρεάζονται έντονα από τη βαρύτητα (κατολισθήσεις, καταπτώσεις βράχων). Οι περιοχές όπου δεν παρατηρήθηκαν έντονες δυναμικές διεργασίες κατατάχθηκαν στο πεδίο αποσάθρωσης και διάβρωσης (denudational domain) και οι πεδινές ζώνες κατά μήκος του ποταμού Saale στο πεδίο ποτάμιων αποθέσεων. Σε όλη την έκταση της περιοχής μελέτης εντοπίζεται η ανθρωπογενής επίδραση με χαρακτηριστικό παράδειγμα το λατομείο Steinbruch, που δημιούργησε τεχνητά πρανή 30 μ. και ένα πλατό διαστάσεων 400 μ. x 600 μ. περίπου. Αναγνωρίστηκαν επίσης αιολικές και περιπαγετώδεις γεωμορφές, οι οποίες όμως είναι πλέον ανενεργές και εμφανίζονται μόνο σε συνδυασμό με άλλες διεργασίες.

Στο ''' επίπεδο των υδρολογικών χαρακτηριστικών ''', ο ποταμός Saale και οι παραπόταμοί του (Roda, Leutra, Pennickental) είναι οι κύριοι παράγοντες που διαμορφώνουν το πεδίο. Αξιοσημείωτο είναι το γεγονός ότι στον βορρά, η κοίτη του Pennickental έχει αλλοιωθεί από μεταλλευτικές δραστηριότητες.

Στο ''' επίπεδο των διεργασιών πλαγιάς και αποθέσεων ''' εντοπίστηκαν πολυάριθμες χαράδρες, αυλακώσεις και μικρά αλλουβιακά ριπίδια στις εκβολές των παραποτάμων.

Τέλος, όσον αφορά τα ''' τοπογραφικά και δομικά χαρακτηριστικά του αναγλύφου ''' υπάρχουν κλειστές λεκάνες στα οροπέδια και μικροί λόφοι στην πεδιάδα του Saale που προέκυψαν κυρίως από ανθρωπογενή δραστηριότητα. Τα όρια των γεωμορφών στην περιοχή (οροπέδια, κοιλάδες, αναβαθμίδες) ελέγχονται από τις κορυφογραμμές και τις απότομες αλλαγές της κλίσης του εδάφους.

==''' Συζήτηση και συμπεράσματα '''==

[[ Εικόνα: rs_wiki_5.5.jpg | thumb | left |250px| '''Εικόνα 4:''' a) Σύνθετος χάρτης LSPs, (b) σκίαση αναγλύφου, (c) χάρτης κλίσεων της περιοχής του λατομείου Steinbruch, (d) επισκόπηση της έρευνας πεδίου/DGPS (κόκκινα σημεία). Οι κόκκινοι κύκλοι δείχνουν ότι αυτές οι γεωμορφές συμπίπτουν με τις μετρήσεις DGPS, ενώ οι κίτρινοι κύκλοι παρουσιάζουν χαρακτηριστικά που δεν εντοπίστηκαν στο πεδίο λόγω της πυκνής βλάστησης. Οι μπλε κύκλοι παρουσιάζουν γεωμορφές που δεν κατέστη δυνατό να χαρτογραφηθούν μέσω της ψηφιακής ανάλυσης (on-screen) που βασίστηκε στο LiDAR-DTM (βλ. Εικ. 2 για τα υπομνήματα των a, b και c, και Εικ. 1 για την τοποθεσία αυτής της περιοχής). ]]

Η παρούσα μελέτη έδειξε ότι η χρήση δεδομένων LiDAR επιταχύνει σημαντικά τη γεωμορφολογική χαρτογράφηση, ωστόσο η πολυπλοκότητα των φυσικών διεργασιών καθιστά απαραίτητο τον συνδυασμό πολλαπλών πηγών δεδομένων για τον ακριβή προσδιορισμό της γένεσης των γεωμορφών. Κατά τη διεξαγωγή της μελέτης, παρατηρήθηκαν αποκλίσεις μεταξύ των τοπογραφικών χαρτών και του DTM που όμως οφείλονται στους διαφορετικούς χρόνους συλλογής των δεδομένων και για τον λόγο αυτό η επιτόπια έρευνα πεδίου κρίνεται απαραίτητη, κυρίως για την επαλήθευση των ανθρωπογενών παρεμβάσεων. Οι γεωλογικοί χάρτες παρείχαν σημαντική πληροφορία για την αναγνώριση των γεωμορφών, αλλά υστερούν στον ακριβή προσδιορισμό των ορίων τους συγκριτικά με την ακρίβεια που παρείχαν οι σύνθετες απεικονίσεις των LSPs. Οι κλασικές ταξινομήσεις κλίσεων αποδείχτηκαν λιγότερο αποτελεσματικές σε πιο λεπτομερείς κλίμακες (1:5000), ενώ οι σκιάσεις αναγλύφου πολλαπλών κατευθύνσεων (multidirectional hillshades) έδωσαν μια πιο ρεαλιστική αναπαράσταση. Η επαλήθευση με τη χρήση DGPS έδειξε εξαιρετική ακρίβεια (χιλιοστών έως ενός μέτρου) παρά τις δυσκολίες σε δασώδεις περιοχές, που η έντονη φυτοκάλυψη δυσκόλεψε την αναγνώριση των γεωμορφών.

Εν κατακλείδι, η προτεινόμενη μεθοδολογία παρέχει ένα υψηλής ποιότητας υπόβαθρο που δύναται να αντικαταστήσει ή να συμπληρώσει την κλασική χαρτογράφηση πεδίου, ειδικά όταν υπάρχει χρονικός περιορισμός, ενώ παράλληλα μπορεί να χρησιμεύσει ως δείγμα εκπαίδευσης για μελλοντικούς αλγορίθμους αυτόματης ταξινόμησης γεωμορφών σε διαφορετικά περιβάλλοντα.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, τα σχήματα και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Αναγνώριση γεωμορφών]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:29:36Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπισης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπισης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία

2026-01-12T22:29:18Z

TSAKONI HELGA ELENI: Η Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπισης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία μετακινήθηκε στη θέση [[Χωροθέτηση ΧΥΤΑ με τ...

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-12T22:29:18Z

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, οι σχέσεις, τα διαγράμματα και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T22:28:58Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπισης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπισης: ένα παράδειγμα από την Jena,Γερμανία]]

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

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RTS σε δεδομένα SAR

2026-01-12T22:28:14Z

TSAKONI HELGA ELENI: Η Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RTS σε δεδομένα SAR μετακινήθηκε στη θέση [[Έγκαιρη χαρτογράφηση πλημμυρών...

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR]]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-12T22:28:14Z

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR) συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνας πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, τα σχήματα, οι πίνακες και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RST σε δεδομένα SAR

2026-01-12T20:46:15Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods

'''Συγγραφείς: ''' Meriam Lahsaini, Felice Albano, Raffaele Albano, Arianna Mazzariello, Teodosio Lacava

'''Δημοσίευση: ''' 17 Ιουνίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.3390/rs16122193]

'''Πλήρης βιβλιογραφική αναφορά:''' Lahsaini, M., Albano, F., Albano, R., Mazzariello, A., & Lacava, T. (2024). A Synthetic Aperture Radar-Based Robust Satellite Technique (RST) for Timely Mapping of Floods. Remote Sensing, 16(12), 2193. doi: 10.3390/rs16122193

'''Λέξεις/φράσεις–κλειδιά:''' Sentinel – 1, SAR – RST – FLOOD, χαρτογράφηση και παρακολούθηση πλημμυρών, Google Earth Engine, CEMS, πολύ – χρονική μέθοδος

==''' Εισαγωγή '''==

Οι πλημμύρες αποτελούν την συχνότερη και πιο δαπανηρή φυσική καταστροφή παγκοσμίως, πλήττουν υποδομές και στερούν πολλές ανθρώπινες ζωές. Η κλιματική αλλαγή εντείνει μεταξύ άλλων και τη συχνότητα εμφάνισης πλημμυρικών φαινομένων, καθιστώντας επιτακτική την ανάγκη για άμεσο εντοπισμό τους. Η τηλεπισκόπηση και συγκεκριμένα η χρήση Ραντάρ Συνθετικού Ανοίγματος (SAR) συνιστά σημαντικό εργαλείο για την έγκαιρη παρακολούθηση και την αποτελεσματική διαχείριση των πλημμυρών, καθώς τα SAR είναι αποδοτικά ανεξαρτήτως καιρού και σε οποιεσδήποτε συνθήκες φωτισμού.
Πλέον, η διέλευση της συστοιχίας δορυφόρων Sentinel – 1 προσφέρει υψηλή συχνότητα λήψεων, διευκολύνοντας την παρακολούθηση του φαινομένου. Οι παραδοσιακές μέθοδοι επεξεργασίας των δορυφορικών δεδομένων παρουσιάζουν περιορισμούς, καθώς συγχέουν συχνά το νερό με σκιές ή δυσκολεύονται σε περιοχές με πυκνή βλάστηση. Ταυτόχρονα, οι σύγχρονες τεχνικές μηχανικής μάθησης, αν και ακριβείς, απαιτούν τεράστιο όγκο ήδη ταξινομημένων δεδομένων για την εκπαίδευσή τους.
Στην παρούσα μελέτη εισάγεται η μέθοδος SAR – RST – FLOOD που εφαρμόζει για πρώτη φορά την τεχνική Robust Satellite Technique (RST) σε δεδομένα ραντάρ. Βασίζεται στη στατιστική ανάλυση μακροχρόνιων σειρών δεδομένων για κάθε εικονοστοιχείο μιας δορυφορικής εικόνας, επιτρέποντας τον αυτόματο εντοπισμό μιας πλημμύρας ως στατιστική απόκλιση από τις φυσιολογικές συνθήκες μιας περιοχής. Η προτεινόμενη μεθοδολογία εφαρμόστηκε στη πλατφόρμα Google Earth Engine (GEE), προς αντιμετώπιση των υψηλών υπολογιστικών απαιτήσεων για την ανάλυση αυτού του είδους δεδομένων.

==''' Δεδομένα '''==

[[ Εικόνα: rs_wiki_3.1.jpg | thumb | right |250px|'''Πίνακας 1:''' Λίστα δεδομένων που χρησιμοποιήθηκαν.]]
[[ Εικόνα: rs_wiki_3.2.jpg | thumb | right |250px|'''Πίνακας 2:''' Χαρακτηριστικά των εικόνων Sentinel - 1 SAR που χρησιμοποιήθηκαν στις περιοχές μελέτης.]]
Για την υλοποίηση της προτεινόμενης μεθοδολογίας και την εκτίμηση της αποτελεσματικότητάς της αξιοποιήθηκαν γεωχωρικά δεδομένα ανοιχτής πρόσβασης από την πλατφόρμα Google Earth Engine (GEE) με εικόνες SAR του δορυφόρου Sentinel – 1 (ανάλυσης 10m) σε πόλωση VH (Vertical – Horizontal), που παρουσιάζει μεγάλη αποτελεσματικότητα στην ανίχνευση μεταβολών στην επιφάνεια του εδάφους. Για τη διασφάλιση της ακρίβειας έγινε συνδυασμός με το Ψηφιακό Μοντέλο Αναγλύφου HydroSHEDS (DEM) για τον αποκλεισμό των περιοχών με μεγάλες κλίσεις, αλλά και με τις βάσεις δεδομένων JRC Global Surface Water (ιστορικό 1984 – 2020) και MERIT Hydro για την ανάλυση της κατεύθυνσης ροής των υδάτων. Η αξιολόγηση κι ο έλεγχος της μεθόδου πραγματοποιήθηκαν χρησιμοποιώντας δεδομένα αναφοράς της υπηρεσίας Copernicus Emergency Management Service (CEMS) με επίγεια δεδομένα, shapefiles και δορυφορικές λήψεις υψηλής ανάλυσης των δορυφορικών συστημάτων COSMO – SkyMed και Radarsat – 2. Σε περιπτώσεις έλλειψης ψηφιακών δεδομένων πραγματοποιήθηκε οπτικός έλεγχος για τη μέγιστη δυνατή αντικειμενικότητα αξιολόγησης των πλημμυρικών συμβάντων.
Με κριτήριο την αντιπροσωπευτικότητά τους ως προς τα χαρακτηριστικά των πλημμυρισμένων περιοχών, τη δυναμική των φαινομένων και το μέγεθος των ζημιών που προκλήθηκαν, επιλέχθηκαν πέντε διαφορετικές περιπτώσεις πλημμυρικών γεγονότων και βρέθηκαν δεδομένα αναφοράς για κάθε ένα από αυτά.

[[ Εικόνα: rs_wiki_3.png | thumb | center |400px|'''Εικόνα 1:''' Εντοπισμός των περιοχών μελέτης. Οι πλημμυρισμένες περιοχές, όπως ανιχνευθήκαν από το CEMS (μπλε χρώμα).]]

''' Προσέγγιση RST '''

Ο αλγόριθμος RST αποτελεί μια αυτοματοποιημένη μέθοδο ανίχνευσης μεταβολών που βασίζεται στον προσδιορισμό των φυσιολογικών τιμών ενός σήματος σε βάθος χρόνου, προκειμένου να εντοπίζονται στατιστικά σημαντικές ανωμαλίες. Η ανάλυση γίνεται σε κλίμακα εικονοστοιχείου και απαιτείται η δημιουργία ομοιογενούς βάσης δεδομένων όπου μελετάται η ίδια ακριβώς περιοχή, τον ίδιο μήνα, την ίδια ώρα και από την ίδια τροχιά. Βασικό εργαλείο της μεθόδου συνιστά ο δείκτης ALICE (Absolute Local Index of Change of Environment), μια τυποποιημένη γκαουσιανή μεταβλητή. Στην παρούσα μελέτη, η μέθοδος αυτή εφαρμόζεται για πρώτη φορά σε δεδομένα SAR, αναλύοντας το σήμα οπισθοσκέδασης (backscatter).

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_5.3.1.png | thumb | right |250px|'''Εικόνα 2.1:''' Χάρτης της πολυ -χρονικής (a) χρονικής μέσης τιμής που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
[[ Εικόνα: rs_wiki_3.5.2.png | thumb | right |250px| '''Εικόνα 2.2:''' Χάρτης της πολυ -χρονικής(b) τυπικής απόκλισης, που υπολογίστηκε για το συμβάν του ποταμού Ebro, Zaragozza (Δεκέμβριος 2014–2023).]]
Η ροή εργασίας που ακολουθήθηκε πραγματοποιήθηκε μέσω GEE με τη χρήση της γλώσσας προγραμματισμού JavaScript.
[[ Εικόνα: rs_wiki_3.4.png | thumb | center |270px|'''Σχήμα 1:''' Διάγραμμα ροής της προσέγγισης SAR - RST - FLOOD.]]
Η ανάλυση βασίστηκε σε 475 εικόνες Sentinel – 1 (IW GRD με πόλωση VH) που επιλέχθηκαν από την πλατφόρμα GEE βάσει του μήνα που συνέβησαν τα πλημμυρικά φαινόμενα. Πραγματοποιήθηκε αυτόματη αφαίρεση θορύβου, βαθμονόμηση και γεωμετρική διόρθωση κι εφαρμόστηκαν το φίλτρο Refined Lee και ραδιομετρική διόρθωση αναγλύφου (SRTM DEM), με στόχο την εξάλειψη των γεωμετρικών παραμορφώσεων και την μετατροπή του σήματος σε λογαριθμική κλίμακα για βελτιωμένη ερμηνεία.
Για την υλοποίηση της τεχνικής RST υπολογίστηκαν αρχικά οι αναμενόμενες τιμές (μέση τιμή, τυπική απόκλιση) κάθε εικονοστοιχείου, με τη χρήση ιστορικών δεδομένων της περιόδου 2014 – 2023 για τον εκάστοτε μήνα. Έπειτα, υπολογίστηκε ο δείκτης ALICE για κάθε εικόνας πλημμύρας. Τιμές >2 θεωρήθηκαν στατιστικά σημαντικές ανωμαλίες, υποδηλώνοντας την παρουσία νερού.
Για την ελαχιστοποίηση των σφαλμάτων εφαρμόστηκαν τρία επίπεδα φιλτραρίσματος:
* Διαχωρισμός μόνιμων υδάτων
* Τοπογραφικό φίλτρο
* Υδρολογικό φίλτρο
Η ακρίβεια της μεθόδου SAR – RST – FLOOD αξιολογήθηκε από τη σύγκριση με δεδομένα αναφοράς της υπηρεσίας CEMS και τα δορυφορικά συστήματα COSMO – SkyMed και Radarsat – 2. Στατιστικό τεκμήριο για τον έλεγχο αξιοπιστίας της μεθόδου αποτέλεσε ο πίνακας σύγχυσης (confusion matrix).

==''' Αποτελέσματα '''==
[[ Εικόνα: rs_wiki_3.6.jpg | thumb | left |'''Εικόνα 3:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ouse (Selby, 29 Δεκεμβρίου 2015).]]
[[ Εικόνα: rs_wiki_3.7'.png | thumb | left |'''Εικόνα 4:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Sesia (Sesia, 3 Οκτωβρίου 2020).]]
[[ Εικόνα: rs_wiki_3.8.png | thumb | right |'''Εικόνα 5:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 2 Φεβρουαρίου 2015).]]
[[ Εικόνα: rs_wiki_3.9.png | thumb | right |'''Εικόνα 6:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Tudela, 13 Απριλίου 2018).]]
[[ Εικόνα: rs_wiki_3.10.png | thumb | right |'''Εικόνα 7:''' Χάρτης πλημμύρας για το συμβάν στον ποταμό Ebro (Zaragozza, 16 Δεκεμβρίου 2021).]]

Στην περίπτωση του ποταμού Ouse (Αγγλία, 2015) ο έλεγχος της μεθόδου πραγματοποιήθηκε βάσει των δεδομένων της υπηρεσίας CEMS. Η σύγκριση των αποτελεσμάτων έδειξε υψηλή αξιοπιστία της μεθόδου SAR – RST – FLOOD. Από την οπτική ανάλυση, η προτεινόμενη μέθοδος φαίνεται να εντόπισε περισσότερα πλημμυρισμένα εικονοστοιχεία από τη μέθοδο του CEMS και παρά το γεγονός ότι η επιβεβαίωση αυτής της διαφοράς είναι δύσκολη χωρίς επίγεια δεδομένα, η υψηλή στατιστική ακρίβεια επιβεβαιώνει την ικανότητα του αλγορίθμου RST στον εντοπισμό πλημμυρών.

Στην περίπτωση του ποταμού Sesia (Ιταλία, 2020), πραγματοποιήθηκε σύγκριση της μεθόδου SAR – RST – FLOOD με οπτικά δεδομένα του Sentinel – 2. Παρά τη χαμηλότερη ακρίβεια χρήστη (user’s accuracy), ο δείκτης Kappa και η ακρίβεια παραγωγού (producer’s accuracy) παρέμειναν υψηλές. Η διαφορά μεταξύ των αποτελεσμάτων οφείλεται στην ικανότητα των SAR να εντοπίζουν πλημμύρες ακόμη και σε περιοχές με βλάστηση, έναντι των οπτικών αισθητήρων όπως ο Sentinel – 2, αναδεικνύοντας την μέθοδο SAR – RST – FLOOD ως καταλληλότερη για δύσκολες εδαφικές συνθήκες.

Στην περίπτωση του ποταμού Ebro (Ισπανία, 2015/2018/2021) η μέθοδος SAR – RST – FLOOD αξιολογήθηκε σε τρία πλημμυρικά συμβάντα παρουσιάζοντας υψηλή στατιστική ακρίβεια. Συνολικά, οι τρεις περιπτωσιολογικές μελέτες επιβεβαίωσαν ότι η προτεινόμενη μέθοδος ταυτίζεται σε μεγάλο βαθμό με τα δεδομένα αναφοράς του CEMS και μάλιστα υπερέχει σε ορισμένες περιπτώσεις για τις περιοχές με έντονο ανάγλυφο και βλάστηση.

==''' Συζήτηση και συμπεράσματα '''==

Η μελέτη απέδειξε πως ο συνδυασμός δεδομένων SAR με τη μέθοδο RST – FLOOD και την υπολογιστική ισχύ του GEE επιτρέπει την ταχεία και αυτόματη χαρτογράφηση πλημμυρών. Η μέθοδος εφαρμόστηκε για πρώτη φορά σε δεδομένα SAR μέσω του ανοιχτού προγράμματος Copernicus και παρουσιάζει μεγάλη αξιοπιστία, όπως προέκυψε από την αξιολόγηση πέντε διαφορετικών πλημμυρικών συμβάντων. Η SAR – RST – FLOOD εισάγει καινοτομίες όπως η πλήρης αυτοματοποίηση, η δυναμική παρακολούθηση, ο καθορισμός τοπικά προσαρμοσμένων ορίων (σε κλίμακα εικονοστοιχείου) για την εξάλειψη ψευδών ανιχνεύσεων και η μεγάλη ταχύτητα εξαγωγής αποτελεσμάτων σε σχεδόν πραγματικό χρόνο.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, τα σχήματα, οι πίνακες και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπησης και GIS στην περιοχή Sanliurfa του έργου GAP, Tουρκία

2026-01-12T20:23:05Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey

'''Συγγραφείς: ''' Abdullah İzzeddin Karabulut, Benan Yazici-Karabulut, Perihan Derin, Mehmet Irfan Yesilnacar, Mehmet Ali Cullu

'''Δημοσίευση: ''' 16 Αυγούστου 2021

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1007/s11356-021-15951-7]

'''Πλήρης βιβλιογραφική αναφορά:''' Karabulut, A.İ., Yazici-Karabulut, B., Derin, P. et al. Landfill siting for municipal solid waste using remote sensing and geographic information system integrated analytic hierarchy process and simple additive weighting methods from the point of view of a fast-growing metropolitan area in GAP area of Turkey. Environ Sci Pollut Res 29, 4044–4061 (2022). doi: 10.1007/s11356-021-15951-7

'''Λέξεις/φράσεις–κλειδιά:''' αστικά στερεά απόβλητα, χώρος υγειονομικής ταφής, AHP – SAW , RS – GIS, αστική ανάπτυξη

==''' Εισαγωγή '''==

Η διαχείριση των αστικών στερεών αποβλήτων αποτελεί πλέον κρίσιμη παγκόσμια πρόκληση εξαιτίας της ανάπτυξης της βιομηχανίας, την πληθυσμιακής αύξησης και της ταυτόχρονης έλλειψης διαθέσιμου χώρου. Οι τοπικές αρχές συχνά δυσκολεύονται να βρουν βιώσιμες λύσεις για το ζήτημα ειδικά σε αναπτυσσόμενες χώρες, όπως η Τουρκία, που η ταχεία αστικοποίηση συχνά υπερβαίνει τις δυνατότητες του πολεοδομικού σχεδιασμού. Παλαιότερα, η επιλογή των τοποθεσιών για τη δημιουργία χώρων υγειονομικής ταφής απορριμμάτων (ΧΥΤΑ) γινόταν με επιτόπια χαρτογράφηση από ειδικούς. Πλέον, η σύγχρονη τεχνολογία επιτρέπει τον συνδυασμό της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (GIS) και της Πολυκριτηριακής Ανάλυσης Αποφάσεων (MCDA).

Η παρούσα μελέτη εστιάζει στην περιοχή Sanliurfa της Τουρκίας, όπου η χωρητικότητα της υπάρχουσας μονάδας υγειονομικής ταφής έχει εξαντληθεί και πλησιάζει πλέον τους οικισμούς λόγω της αστικής εξάπλωσης. Στόχος της μελέτης είναι η χωροθέτηση μιας νέας μονάδας που θα εξυπηρετεί τρεις μητροπολιτικές περιφέρειες και επτά περιφερειακούς δήμους με καινοτομίες, όπως ο συνυπολογισμός των ιδιωτικών ιδιοκτησιών και η πρόβλεψη της πληθυσμιακής ανάπτυξης για τα επόμενα 25 χρόνια, προς διασφάλιση της βιωσιμότητας του εγχειρήματος.

==''' Μέθοδοι και υλικά '''==

[[ Εικόνα: rs_wiki_4.2.jpg | thumb | right |200px|'''Εικόνα 1:''' Χάρτης εντοπισμού της περιοχής μελέτης με την υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων.]]

Τα δορυφορικά δεδομένα που αξιοποιήθηκαν προήλθαν από τους δορυφόρους Landsat 5 και Landsat 8 και χρησιμοποιήθηκαν για την ανάλυση των αλλαγών χρήσεων γης, την εκτίμηση της αστικής εξάπλωσης και την ψηφιοποίηση των κριτηρίων που εφαρμόστηκαν. Συγχρόνως, χρησιμοποιήθηκαν γεωλογικοί χάρτες της Γενικής Διεύθυνσης Μεταλλευτικών Ερευνών της Τουρκίας (ΜΤΑ), ενώ τα μορφολογικά χαρακτηριστικά (κλίση, προσανατολισμός, υψόμετρο) εξήχθησαν από Ψηφιακό Μοντέλο Αναγλύφου (DEM) της περιοχής με υψηλή χωρική ανάλυση (12.5m). Επιλέχθηκαν συνολικά 14 κύρια κριτήρια και υπο-κριτήρια (οικιστικές ζώνες, καταλληλότητα της γης, υδροφορείς, γεωλογία, επιφανειακά ύδατα, προστατευόμενες περιοχές, κλίση, εδαφοκάλυψη, δείκτης βλάστησης NDVI, οδικό δίκτυο, ρήγματα, υψόμετρο, ενεργειακό δίκτυο, χάρτης τοπίου), που αποτέλεσαν ψηφιακά επίπεδα στο λογισμικό ArcGIS 10.5, ορίστηκαν για κάθε ένα οι κατάλληλες παράμετροι για την βέλτιστη χωροθέτηση του ΧΥΤΑ και σταθμίστηκαν μέσω ενός πίνακα σύγκρισης, με τις βαθμολογίες βαρύτητας να καθορίζονται βάσει απόψεων ειδικών και προηγούμενης βιβλιογραφίας.

[[ Εικόνα: rs_wiki_4.3.jpg | thumb | right |200px|'''Εικόνα 2:''' Εικόνες από drone: a) η υφιστάμενη εγκατάσταση αστικών στερεών αποβλήτων (MSW), b) η εγγύτητα της υφιστάμενης εγκατάστασης MSW με τους οικισμούς.]]

Στη συνέχεια, παρουσιάστηκε η περιοχή μελέτης και τα χαρακτηριστικά στοιχεία της που επηρεάζουν άμεσα την χωροθέτηση (ανάγλυφο, θερμοκρασίες, βροχοπτώσεις). Επισημάνθηκε ότι στην περιοχή, ο ήδη υπάρχον ΧΥΤΑ έχει εξαντλήσει την χωρητικότητά του και παρά την ύπαρξη μονάδας παραγωγής ενέργειας και συστήματος αποστείρωσης ιατρικών αποβλήτων, εγείρονται σοβαροί οικολογικοί κίνδυνοι.

''' Συνοπτική περιγραφή της περιοχής μελέτης '''

Η περιοχή μελέτης βρίσκεται στο επίκεντρο του Έργου της Νοτιοανατολικής Ανατολίας (GAP), ενός από τα μεγαλύτερα αναπτυξιακά εγχειρήματα της Τουρκίας με στόχο την πλήρη κοινωνικοοικονομική ανάπτυξη της Άνω Μεσοποταμίας. Εξαιτίας του έργου αυτού, η αστική ανάπτυξη στην Sanliurfa ήταν ακραία και έντονα μεταναστευτικά ρεύματα (2011 και έπειτα) αύξησαν τον πληθυσμό της. Πλέον, η εκβιομηχάνιση, η αλλαγή των καταναλωτικών προτύπων, η εσωτερική μετανάστευση, η παρουσία προσφύγων κι οι κτηνοτροφικές δραστηριότητες εντός του αστικού ιστού έχουν καταστήσει την υφιστάμενη χωματερή ανεπαρκή.

[[ Εικόνα: rs_wiki_4.4.png | thumb | right | '''Εικόνα 3:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση: a) Υψομετρικά δεδομένα και χάρτης καταλληλότητας. b) Οικιστικές περιοχές και χάρτης καταλληλότητας. c) Δεδομένα μεταφορών και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.5.png | thumb | right | '''Εικόνα 4:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): d) Γραμμή ενέργειας και χάρτης καταλληλότητας. e) Τιμές κλίσης και χάρτης καταλληλότητας. f) Γεωλογικά χαρακτηριστικά και χάρτης καταλληλότητας. ]]
[[Εικόνα: rs_wiki_4.6.png | thumb | right | '''Εικόνα 5:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): g) Δεδομένα ικανότητας χρήσης γης (LUCC) και χάρτης καταλληλότητας. h) Δεδομένα υδροφορέων και χάρτης καταλληλότητας. i) Αποστραγγιστικά δίκτυα και χάρτης καταλληλότητας. ]]

==''' Αποτελέσματα και συζήτηση '''==

Για την γεωχωρική ανάλυση συνδυάστηκαν οι μέθοδοι της Αναλυτικής Ιεραρχικής Διαδικασίας (AHP) και της Απλής Προσθετικής Στάθμισης (SAW) στα ψηφιακά επίπεδα του ArcGIS. Η μέθοδος AHP χρησιμοποιήθηκε για την ιεράρχηση και την απόδοση της βαρύτητας σε κριτήρια που αντικρούονται ή έχουν διαφορετικές μονάδες μέτρησης. Η μέθοδος SAW χρησιμοποιήθηκε για τον τελικό προσδιορισμό των καταλληλότερων θέσεων, με τον τελικό βαθμό κάθε εναλλακτικής θέσης να προκύπτει από τον πολλαπλασιασμό του βάρους κάθε θεματικού χάρτη με την αντίστοιχη τιμή του και την άθροιση των επιμέρους γινομένων (1). Λόγω των διαφορετικών κλιμάκων βαθμολόγησης των κριτηρίων πραγματοποιήθηκε τυποποίηση (standardization) σε μια κοινή αδιάστατη μονάδα με την εφαρμογή εύρους βαθμολογίας (score range) (2).

[[Εικόνα: rs_wiki_4.10.png | thumb |150px|center| '''Σχέση (1)''' ]]
όπου

* xij η βαθμολογία της i – οστής εναλλακτικής λύσης σύμφωνα με την j – οστή ιδιότητα,
* wj το κανονικοποιημένο βάρος

[[Εικόνα: rs_wiki_4.11.png | thumb | center |150px|'''Σχέση (2)''']]
όπου:

* Χ΄ij η τυποποιημένη βαθμολογία για την i – οστή εναλλακτική και την j – οστή ιδιότητα,
* Xij η αρχική βαθμολογία (κατάταξη),
* Χjmax και Χjmin η μέγιστη και η ελάχιστη βαθμολογία για την j – οστή ιδιότητα, αντίστοιχα.

Για τον εντοπισμό των ακατάλληλων περιοχών, όλα τα επίπεδα πληροφορίας πολλαπλασιάστηκαν μεταξύ τους, προκειμένου κάθε εικονοστοιχείο με μηδενική τιμή σε κάποιο κριτήριο, να αποκλείεται από τον τελικό χάρτη καταλληλότητας. Ταυτόχρονα, διεξήχθησαν πληθυσμιακές προβλέψεις για την περίοδο 2020 – 2045 με τρεις μεθόδους (Turkish Bank of Provinces, Arithmetic increase, Geometric increase) που επιβεβαίωσαν την αύξηση του όγκου των απορριμμάτων εξαιτίας της αστικοποίησης. Με τεχνικές τηλεπισκόπησης και εικόνες Landsat 5 και Landsat 8 εξετάστηκε το δυναμικό της χρήσης γης για μιας περίοδο 30 ετών, όπου καταγράφηκε μείωση των στεπών και ξερικών καλλιεργειών και αύξηση αρδευόμενων εκτάσεων και οικιστικών ζωνών, γεγονός που εντείνει την ανάγκη ενός νέου ΧΥΤΑ στην περιοχή.

[[Εικόνα: rs_wiki_4.7.png | thumb | right | '''Εικόνα 6:''' Οι ψηφιοποιημένοι θεματικοί χάρτες που χρησιμοποιήθηκαν στην ανάλυση (συνέχεια): j) Ιδιότητες εδάφους και χάρτης καταλληλότητας. k) Δεδομένα ρηγμάτων και χάρτης καταλληλότητας l) Δεδομένα δείκτη βλάστησης NDVI και χάρτης καταλληλότητας.]]

Η ανάλυση δορυφορικών δεδομένων για το διάστημα 1989 – 2019 έδειξε μια δραματική αστική εξάπλωση με την απόσταση μεταξύ της υφιστάμενης χωματερής και των ορίων της πόλης να μειώνεται από τα 4km σε 800m. Η οικιστική και βιομηχανική ανάπτυξη σημειώθηκε κυρίως στον βόρειο, ανατολικό και νοτιοανατολικό άξονα, με τα παραδοσιακά στατιστικά μοντέλα και τους παλιούς χάρτες να κρίνονται ανεπαρκή για την πρόβλεψη της μελλοντικής ανάπτυξης του χώρου.
[[Εικόνα: rs_wiki_4.12.png | thumb | center |300px|'''Διάγραμμα 1:''' Η απεικόνιση των μεταβολών στην ποσότητα των αστικών στερεών αποβλήτων (m3 /έτος) στη Sanliurfa από το 2020 έως το 2045 με τρεις διαφορετικές μεθόδους. ]]
[[Εικόνα: rs_wiki_4.13.png | thumb | center |300px|'''Εικόνα 8:''' Αστική ανάπτυξη της μητροπολιτικής πόλης σύμφωνα με τα έτη 1989, 2019 και 2045. ]]

Ο τελικός χάρτης καταλληλότητας που προέκυψε από την ανάλυση περιλαμβάνει τέσσερις χαρακτηρισμούς για την χωροθέτηση του νέου ΧΥΤΑ (κατάλληλη, μερικώς κατάλληλη, κατάλληλη αλλά μη προτιμητέα, ακατάλληλη). Από την αξιολόγηση προέκυψαν 10 δυνητικές θέσεις, κυρίως στα βόρεια και δυτικά της πόλης, με τις υπόλοιπες κατευθύνσεις να αποκλείονται λόγω περιορισμών. Τελικά, η πρώτη υποψήφια περιοχή (Candidate Area 1) κρίθηκε ως καταλληλότερη, τόσο από άποψη ικανοποίησης των κριτηρίων, όσο κι από άποψη απόστασης από την υφιστάμενη χωματερή και τη μονάδα επεξεργασίας νερού, διευκολύνοντας τις υποδομές.

==''' Συμπεράσματα '''==
Ο καθορισμός της κατάλληλης τοποθεσίας για τη δημιουργία ΧΥΤΑ είναι ζήτημα ζωτικής σημασίας, ειδικά για αναπτυσσόμενες χώρες όπως η Τουρκία. Η μελέτη έδειξε πως ο συνδυασμός των μεθόδων AHP και SAW συνιστά την πιο ολοκληρωμένη και τεκμηριωμένη προσέγγιση για χωροθέτηση ΧΥΤΑ. Συνυπολογίζοντας 14 διαφορετικά κριτήρια και την πληθυσμιακή πρόβλεψη του 2045 η μελέτη προσδιόρισε 10 δυνητικά κατάλληλες θέσεις που καταλαμβάνουν το 13.51% της περιοχής. Τελικά, η πρώτη υποψήφια περιοχή (320,3ha) επιλέχθηκε ως η πλέον ενδεδειγμένη καθώς πληροί όλες τις προϋποθέσεις βιωσιμότητας.

[[Εικόνα: rs_wiki_4.14.png | thumb | center |300px| '''Εικόνα 9:''' Yποψήφιες περιοχές σύμφωνα με την εκτίμηση της αστικής ανάπτυξης. ]]

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, οι σχέσεις, τα διαγράμματα και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Χώροι απόρριψης απορριμμάτων]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-12T18:02:06Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (1), (2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των καμπυλών φασματικής ανακλαστικότητας (3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-στη φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (8), (9), (10).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συζήτηση και συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, οι σχέσεις, τα σχήματα, οι πίνακες και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Υδατικοί Πόροι]]

Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα

2026-01-12T17:58:46Z

TSAKONI HELGA ELENI:

'''Πρωτότυπος τίτλος: ''' A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments.

'''Συγγραφείς: ''' Haishuo Wei, Kun Jia, Qiao Wang, Biao Cao, Jianbo Qi, Wenzhi Zhao, Kai Yan

'''Δημοσίευση: ''' 5 Φεβρουαρίου 2024

'''Σύνδεσμος πρότυπου κειμένου: ''' [https://doi.org/10.1080/17538947.2024.2313695]

'''Πλήρης βιβλιογραφική αναφορά:''' Wei, H., Jia, K., Wang, Q., Cao, B., Qi, J., Zhao, W., & Yan, K. (2024). A remote sensing index for the detection of multi-type water quality anomalies in complex geographical environments. International Journal of Digital Earth, 17(1). doi: 10.1080/17538947.2024.2313695

'''Λέξεις/φράσεις–κλειδιά:''' ανωμαλίες ποιότητας νερού, τηλεπισκοπική ανίχνευση, σύνθετα γεωγραφικά περιβάλλοντα, φασματικά χαρακτηριστικά, SDG 15.1

==''' Εισαγωγή '''==
Η Ατζέντα 2030 για την Βιώσιμη Ανάπτυξη (ΟΗΕ, 2015) περιλαμβάνει τον Στόχο Βιώσιμης Ανάπτυξης (SDG) 15.1 για τη διασφάλιση της διατήρησης, αποκατάστασης και αειφόρου χρήσης των χερσαίων και υδάτινων οικοσυστημάτων γλυκού νερού και των υπηρεσιών τους. Ωστόσο, οι συχνές, πλέον, ανωμαλίες στην ποιότητα του νερού απειλούν τη σταθερότητα αυτών των οικοσυστημάτων κι έτσι κρίνεται αναγκαία η παρακολούθησή τους σε πραγματικό χρόνο.

«Ανωμαλία» στην ποιότητα του νερού αποτελεί κάθε φαινόμενο που απειλεί το φυσικό ή κοινωνικό περιβάλλον, καταστρέφοντας την σταθερή ισορροπία των υδάτινων περιοχών ή μετατρέποντας ξαφνικά χερσαίες εκτάσεις σε υδάτινες, λόγω φυσικών ή/και ανθρωπογενών παραγόντων.

Οι υπάρχουσες μέθοδοι ανίχνευσης αυτών των ανωμαλιών αξιοποιούν δορυφόρους τηλεπισκόπησης πολλαπλών πηγών προς σχηματισμό ενός εικονικού αστερισμού (virtual constellation) για τη βελτίωση της χρονικής ανάλυσης. Όμως, παρουσιάζουν καθυστερήσεις 1 – 4 ημερών, με αποτέλεσμα να μην ανταποκρίνονται επαρκώς στις πραγματικές ανάγκες των υπηρεσιών έκτακτης ανάγκης για ανωμαλίες στην ποιότητα του νερού, οι οποίες απαιτούν απόκριση επιπέδου μερικών λεπτών. Η ανίχνευση απευθείας σε τροχιά (on – orbit) είναι η πλέον ενδεδειγμένη λύση, απλοποιώντας τις διαδικασίες και επιταχύνοντας την απόκριση.

Επιπλέον, παρά την εξέλιξη των τεχνολογιών προεπεξεργασίας δεδομένων εντός του δορυφόρου, οι υπάρχοντες φασματικοί δείκτες μειονεκτούν διότι:
* Συγχέουν τις ανωμαλίες νερού με τη στεριά
* Απαιτούν τη χρήση χαρτών κάλυψης γης
* Εξειδικεύονται σε ένα μόνο είδος υδατικής ανωμαλίας
Η παρούσα μελέτη προτείνει έναν ενιαίο τηλεπισκοπικό δείκτη για τον εντοπισμό πολλαπλών τύπων ανωμαλιών νερού σε σύνθετα περιβάλλοντα. Μέσα από την ανάλυση των φασματικών χαρακτηριστικών νερού, ανωμαλιών και ξηράς, ο προτεινόμενος δείκτης μειώνει τον όγκο και την πολυπλοκότητα των δεδομένων που απαιτούνται και ενισχύει τη δυνατότητα άμεσης ανίχνευσης σε πραγματικό χρόνο. Η αποτελεσματικότητά του επιβεβαιώνεται μέσω της σύγκρισης με κλασικούς δείκτες σε διάφορα σενάρια.

==''' Μεθοδολογία '''==
[[ Εικόνα: rs_wiki_2.1.jpg | thumb | right |250px| '''Εικόνα 1:''' Φασματικές καμπύλες ανακλαστικότητας των διαφορετικών επιφανειών της γης. ]]
''' Ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης: '''
Για την ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών επιφανειών της γης χρησιμοποιήθηκαν πολυφασματικά δεδομένα του Sentinel – 2 για 2.600 δείγματα που περιλάμβαναν κανονικό νερό, όλες τις υδάτινες ανωμαλίες και κάποιους κοινούς τύπους κάλυψης γης κι εξήχθησαν οι καμπύλες φασματικής ανακλαστικότητας για τις επιφάνειες αυτές, βάσει των δειγμάτων. Κατόπιν χρησιμοποιήθηκε η μέθοδος της τεταρτημοριακής απόστασης για τον προσδιορισμό των λογικών μέγιστων και ελάχιστων τιμών ανάκλασης των διαφορετικών επιφανειών (1), (2) και εξαλείφθηκαν οι μη λογικές. Έπειτα, η μέση ανακλαστικότητά τους σε κάθε ζώνη υπολογίστηκε προς την τελική κατασκευή των καμπυλών φασματικής ανακλαστικότητας (3).

[[ Εικόνα: rs_wiki_2.8.jpg | thumb | center |300px| ]]

όπου:
* max(bi,rk)/min(bi,rk), η μέγιστη/ελάχιστη τιμή ανάκλασης της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη,
* Q1/Q3 η πρώτη/τρίτη τεταρτημοριακή απόσταση,
* fmean(bi,rk) η μέση ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-στη φασματική ζώνη,
* (bi,rk,n) η ανάκλαση της rk-οστής γήινης επιφάνειας στη bi-οστή φασματική ζώνη και στο n-οστό τυχαίο σημείο,
* n o αριθμός των τυχαίων σημείων πάνω στην rk-οστή γήινη επιφάνεια.

''' Κατασκευή του δείκτη τηλεπισκόπησης για την ανίχνευση ανωμαλιών στην ποιότητα του νερού: '''
Η ανάλυση των φασματικών χαρακτηριστικών των διαφορετικών γήινων επιφανειών οδήγησε στη δημιουργία του Δείκτη Ανωμαλίας Νερού (Water Anomaly Index – WAI). Αρχικά, δημιουργήθηκε ο δείκτης WAI_0 (4) που απεικόνιζε τις κανονικές πληροφορίες για το νερό βάσει των ζωνών υψηλής ανάκλασης και απορρόφησής του. Έπειτα, αφαιρέθηκαν οι φασματικές ζώνες όπου οι ανωμαλίες παρουσιάζουν μέγιστη ανάκλαση και προέκυψε ο δείκτης WAI_1 (5), που διαχωρίζει τις ανωμαλίες από το καθαρό νερό αξιοποιώντας τη μετατόπιση των κορυφών ανάκλασης προς το πράσινο, κόκκινο και εγγύς υπέρυθρο τμήμα του ΗΜ φάσματος. Για την αποφυγή της σύγχυσης υδάτινων επιφανειών και χερσαίων εκτάσεων, δημιουργήθηκε ο WAI_2 (6) με κανονικοποίηση μεταξύ μπλε ζώνης και SWIR2. Τελικά, για να αποκλειστούν δυσδιάκριτες επιφάνειες προστέθηκε ένα στατιστικό κατώφλι (threshold) στο μπλε κανάλι (>0.13). Ο τελικός δείκτης WAI (7) προέκυψε με συνδυασμό των ανωτέρω κριτηρίων, αποτελώντας ικανό εργαλείο εντοπισμού πολλαπλών ανώμαλων υδάτινων επιφανειών σε σύνθετα περιβάλλοντα με μεγάλη ακρίβεια και πλήρη συμβατότητα με τους διάφορους δορυφορικούς αισθητήρες.

[[ Εικόνα: rs_wiki_2.2.jpg | thumb | center |300px|'''Σχέσεις:''' WAI_0, WAI_1, WAI_2, WAI ]]

==''' Έλεγχος του προτεινόμενου δείκτη (WAI) '''==
[[ Εικόνα: rs_wiki_2.3.jpg | thumb | right |250px| '''Πίνακας 1:''' Πληροφορίες σχετικά με τον χρόνο και τον τόπο λήψης των επιλεγμένων δεδομένων Sentinel-2.]]
[[ Εικόνα: rs_wiki_2.4.jpg | thumb | right |250px| '''Πίνακας 2:''' Η ακρίβεια, η ανάκληση και οι βαθμολογίες F1 των διαφορετικών αποτελεσμάτων ανίχνευσης ανωμαλιών στην ποιότητα του νερού.]]
''' Ειδικά πειράματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού: '''
Για τον έλεγχο του προτεινόμενου δείκτη (WAI) επιλέχθηκαν ως πειραματικές περιοχές τυχαία οκτώ διαφορετικά συμβάντα υδάτινων ανωμαλιών, έξι χερσαίες περιοχές και μία με κανονικό νερό από δεδομένα χωρικής ανάλυσης 10m του Sentinel – 2.

Για τις ανάγκες των πειραμάτων υπολογίστηκαν αρχικά εικόνες της κλίμακας του γκρι για τον δείκτη WAI και έπειτα αντίστοιχες εικόνες από εξειδικευμένους δείκτες (FAI, EVI, RI, BOI, MNDWI, NDWI, FI, WRDI) για συγκεκριμένα φαινόμενα προς σύγκριση των αποδόσεων. Για τον βέλτιστο διαχωρισμό μεταξύ νερού, ανωμαλιών και χέρσου δημιουργήθηκαν χάρτες κατανομής συχνοτήτων για κάθε δείκτη και στη συνέχεια ορίστηκαν κατάλληλα κατώφλια (thresholds) για το διαχωρισμό βάσει του εύρους τιμών της κάθε επιφάνειας. Έτσι ολοκληρώθηκε η διαδικασία ταυτοποίησης και διαμορφώθηκε ένα προτεινόμενο εύρος τιμών του δείκτη WAI.

''' Αξιολόγηση ακρίβειας: '''
Για την αξιολόγηση της ακρίβειας εντοπισμού των υδάτινων ανωμαλιών, επιλέχθηκε ένα τυχαίο και ομοιόμορφο σύνολο σημείων επαλήθευσης για κάθε κατηγορία. Πραγματοποιήθηκε οπτικός έλεγχος, συγκρίνοντας εικόνες – στόχους με δορυφορικά δεδομένα του Sentinel – 2 για την ίδια περιοχή και εικόνες υψηλότερης ανάλυσης. Ύστερα, κατασκευάστηκε πίνακας σύγχυσης (confusion matrix) για τον υπολογισμό της ακρίβειας (precision), την ανάκλησης (recall), και της βαθμολόγησης F1. (8), (9), (10).
[[ Εικόνα: rs_wiki_2.9.jpg | thumb | center |400px]]

==''' Αποτελέσματα και συζήτηση '''==

[[ Εικόνα: rs_wiki_2.5.jpg | thumb | left |350πχ| '''Εικόνα 2:''' Φυσικές έγχρωμες εικόνες, εικόνες σε κλίμακα του γκρι με δείκτες τηλεπισκόπησης και αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
[[ Εικόνα: rs_wiki_2.7.jpg | thumb | right |350πχ|'''Εικόνα 3:''' Οι φυσικές έγχρωμες εικόνες, οι εικόνες σε κλίμακα του γκρι του WAI και τα αποτελέσματα ανίχνευσης ανωμαλιών στην ποιότητα του νερού. Το λευκό χρώμα αντιπροσωπεύει τις ανωμαλίες στην ποιότητα του νερού και το μαύρο τις ανωμαλίες που δεν σχετίζονται με την ποιότητα του νερού στα αποτελέσματα ανίχνευσης.]]
Ο δείκτης WAI υπερέχει έναντι των κλασικών δεικτών προσφέροντας σαφή διαχωρισμό μεταξύ καθαρού νερού, υδάτινων ανωμαλιών και ξηράς. Όπως φαίνεται στις εικόνες 2 και 3 , η διαφορά στη φωτεινότητα επιτρέπει τον εύκολο διαχωρισμό του κανονικού νερού, των υδάτινων ανωμαλιών και της ξηράς, με τις καμπύλες συχνότητάς του να επιβεβαιώνουν την μηδενική επικάλυψη των τιμών μεταξύ των κλάσεων. Στατιστικά, ο WAI επιτυγχάνει εξαιρετική ακρίβεια, χωρίς να εμφανίζει τα σφάλματα των παλαιότερων δεικτών.
[[ Εικόνα: rs_wiki_2.6.jpg | thumb | center |350px|'''Σχήμα 1:''' Kατανομή συχνότητας των μη υδάτινων περιοχών, των κανονικών υδάτινων περιοχών και των ανωμαλιών στην ποιότητα του νερού για διαφορετικούς δείκτες τηλεπισκόπησης.]]

==''' Συμπεράσματα '''==

Στην παρούσα μελέτη παρουσιάστηκε ένας νέος Δείκτης Ανωμαλιών Νερού (WAI) με στόχο την ακριβή και απευθείας σε τροχιά ανίχνευση πολλαπλών τύπων υδάτινων ανωμαλιών σε σύνθετα γεωγραφικά περιβάλλοντα. Ο δείκτης αυτός εισάγει τρεις βασικές καινοτομίες:
* Εφαρμογή σε σύνθετα περιβάλλοντα
* Καταλληλότητα για επεξεργασία σε τροχιά (on – orbit)
* Δυνατότητα δημιουργίας εικονικού αστερισμού (virtual constellation)

Οι περιορισμοί του αφορούν τις στατιστικές παραμέτρους (σταθερό κατώφλι), την ανάγκη προηγούμενης γνώσης και την εξάρτηση από την ανακλαστικότητα της επιφάνειας.

Ο WAI αποδείχτηκε αποτελεσματικότερος από τους έως σήμερα γνωστούς δείκτες, εφαρμόζεται καθολικά σε ποικίλα περιβάλλοντα και συμβάλλει άμεσα στην επίτευξη του SDG 15.1.

----

'''''Σημείωση Πνευματικών Δικαιωμάτων:''' Το παρόν άρθρο συνιστά αποδελτίωση του πρωτότυπου κειμένου και αναρτήθηκε για λόγους εκπαιδευτικής πληροφόρησης. Οι εικόνες, οι σχέσεις, τα σχήματα, οι πίνακες και η βιβλιογραφία ανήκουν στους νόμιμους κατόχους τους.''

[[category:Υδατικοί Πόροι]]

Τσακόνι Χέλγκα - Ελένη

2026-01-12T17:38:05Z

TSAKONI HELGA ELENI:

* [[Αναγνώριση θαλάσσιας ρύπανσης από πετρελαιοκηλίδες με τη χρήση υπερφασματικής και θερμικής υπέρυθρης τηλεπισκόπησης]]
* [[Τηλεπισκοπικός δείκτης για την ανίχνευση πολλαπλών τύπων ανωμαλιών στην ποιότητα των υδάτων σε σύνθετα γεωγραφικά περιβάλλοντα]]
* [[Έγκαιρη χαρτογράφηση πλημμυρών με την εφαρμογή της τεχνικής RTS σε δεδομένα SAR]]
* [[Χωροθέτηση ΧΥΤΑ με τη χρήση τηλεπισκόπισης και GIS στην περιοχή Sanliurfa του έργου GAP,Τουρκία]]
* [[Γεωμορφολογική χαρτογράφηση βασισμένη σε δεδομένα GIS και τηλεπισκόπισης: ένα παράδειγμα από την Jena,Γερμανία]]

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