http://147.102.106.44/rs/wiki/index.php?feed=atom&target=V_karagiannaki&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FV_karagiannaki 2026-05-22T20:32:50Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%81%CE%B1%CE%B3%CE%B9%CE%B1%CE%BD%CE%BD%CE%AC%CE%BA%CE%B7_%CE%92%CE%B1%CF%83%CE%B9%CE%BB%CE%B9%CE%BA%CE%AE 2023-01-26T21:04:22Z

<p>V karagiannaki: </p> <hr /> <div> <br /> * [[Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων]]<br /> <br /> * [[Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών]]<br /> <br /> * [[Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών]]<br /> <br /> * [[Φασµατικοί δείκτες βλάστησης και οι εφαρμογές τους στη γεωργία]]<br /> <br /> * [[Μέθοδοι Βαθίας Μάθησης για την Ταξινόμηση Δορυφορικών Υπερφασματικών Δεδομένων.]]<br /> <br /> * [[Μελέτη και εφαρμογή αλγορίθμου για την ενίσχυση χωρικής ανάλυσης τηλεπισκοπικών προϊόντων εκτίμησης εδαφικής υγρασίας]]<br /> <br /> * [[Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2]]<br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%81%CE%B1%CE%B3%CE%B9%CE%B1%CE%BD%CE%BD%CE%AC%CE%BA%CE%B7_%CE%92%CE%B1%CF%83%CE%B9%CE%BB%CE%B9%CE%BA%CE%AE 2023-01-26T21:00:03Z

<p>V karagiannaki: Νέα σελίδα με ' * [[Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικώ...'</p> <hr /> <div> <br /> * [[Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων]]<br /> <br /> * [[Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών]]<br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα)]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%BA%CE%B1%CE%B9_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CE%B1%CE%BB%CE%B3%CE%BF%CF%81%CE%AF%CE%B8%CE%BC%CE%BF%CF%85_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%87%CF%89%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CE%BF%CF%80%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%81%CE%BF%CF%8A%CF%8C%CE%BD%CF%84%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7%CF%82_%CE%B5%CE%B4%CE%B1%CF%86%CE%B9%CE%BA%CE%AE%CF%82_%CF%85%CE%B3%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82 2023-01-15T21:34:42Z

<p>V karagiannaki: Νέα σελίδα με ''''Μελέτη και εφαρμογή αλγορίθμου για την ενίσχυση χωρικής ανάλυσης τηλεπισκοπικών προϊόντων...'</p> <hr /> <div>'''Μελέτη και εφαρμογή αλγορίθμου για την ενίσχυση χωρικής ανάλυσης τηλεπισκοπικών προϊόντων εκτίμησης εδαφικής υγρασίας'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη και εφαρμογή αλγορίθμου για την ενίσχυση χωρικής ανάλυσης τηλεπισκοπικών προϊόντων εκτίμησης εδαφικής υγρασίας<br /> <br /> <br /> '''Συγγραφείς:''' Σοφικίτη Ελένη<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56394<br /> <br /> [[Εικόνα:Eikona22_vic.jpg| thumb| right|''Διάγραμμα 1:''' Διαγράμματα γραμμής τάσης τη καλλιεργητική περίοδο αριστερά, τους χειμερινούς μήνες στο κέντρο, όλο το χρόνο δεξιά.]]<br /> <br /> [[Εικόνα:Eikona23_vic.jpg| thumb| right|''' Εικόνα 1: '''Σταθμός &quot;Las Vacas&quot; , επιφανειακή εδαφική υγρασία με χωρική διακριτικότητα 30m.]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Στη παρούσα εργασία μελετάται μεθοδολογία που αξιοποιεί ανοιχτά και δωρεάν οπτικά και θερμικά δεδομένα Τηλεπισκόπησης για την ενίσχυση χωρικής ανάλυσης ανοιχτού και δωρεάν Τηλεπισκοπικού προϊόντος εκτίμησης επιφανειακής εδαφικής υγρασίας. Η μεθοδολογία εφαρμόζεται σε καλλιεργητική περιοχή στην Ισπανία και παράγει Τηλεπισκοπικό προϊόν εκτίμησης εδαφικής υγρασία σε υψηλή χωρική ανάλυση. <br /> Εδαφική υγρασία είναι η ποσότητα του νερού που περιέχεται στο έδαφος, στο πορώδες ή μέσα στα σωματίδια του εδάφους. Η περιεκτικότητα σε εδαφική υγρασία του εδάφους μπορεί να ταξινομηθεί σε 3 κατηγορίες, υδατοχωρητικότητα, υδατοϊκανότητα και σημείο μάρανσης.<br /> Η εδαφική υγρασία είναι σημαντική φυσική μεταβλητή που επηρεάζει το κλίμα, τη βλάστηση, είναι δείκτης για πλημμύρες και ξηρασίες και επηρεάζει τις καλλιέργειες, την υγεία των φυτών, την ποσότητα και την ποιότητα της παραγωγής. Έτσι η εκτίμηση της εδαφικής υγρασίας σε εκτεταμένες εκτάσεις είναι αναγκαία.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Στη παρούσα εργασία γίνεται εφαρμογή του αλγόριθμου Disaggregation based on Physical And Theoretical scale Change algorithm (DISPATCH) που χρησιμοποιεί οπτικά, θερμικά δορυφορικά δεδομένα και δείκτες βλάστησης για την ενίσχυση χωρικής ανάλυσης δορυφορικών προϊόντων επιφανειακής εδαφικής υγρασίας.<br /> Ως περιοχή μελέτης, ορίστηκε καλλιεργητική πεδιάδα στην Αυτόνομη Κοινότητα Καστίλη και Λεόν της Ισπανίας. Για την αξιολόγηση των αποτελεσμάτων, χρησιμοποιήθηκαν δεδομένα πεδίου από το Διεθνές Δίκτυο Εδαφικής Υγρασίας. Για τη μετατροπή των μονάδων εδαφικής υγρασίας του αρχικού προϊόντος από ποσοστό, σε ογκομετρικές μονάδες χρησιμοποιούνται δεδομένα σύνθεσης του εδάφους, που παρέχονται από το Ευρωπαϊκό Κέντρο Δεδομένων για το Έδαφος.<br /> Αρχικά, οι τιμές οπισθοσκέδασης από του δορυφόρους Sentinel-1 διορθώνονται ραδιομετρικά και γεωμετρικά. Στη συνέχεια, υπολογίστηκαν οι παράμετροι του μοντέλου και ο θόρυβος με νόμο διάδοση σφαλμάτων από τις παρατηρήσεις οπισθοσκέδασης του Sentinel-1.<br /> Στη παρούσα εργασία, χρησιμοποιήθηκαν, επίσης, εικόνες Landsat Collection 2 Level-2 Surface Reflectance και Surface Temperature των δορυφόρων 8 και 9 που είναι ατμοσφαιρικά διορθωμένες, με χωρική ανάλυση 30 m. <br /> H ανάπτυξη της μεθοδολογίας έγινε σε περιβάλλον προγραμματισμού Python.<br /> Στο πρώτο στάδιο της προεπεξεργασίας, έγινε εφαρμογή στις εικόνες Landsat, των συντελεστών που περιγράφονται στα μεταδεδομένα των εικόνων για τη μετατροπή των ψηφιακών αριθμών σε αριθμούς με φυσικό νόημα. Εν συνεχεία, υπολογίζεται ο Δείκτης κανονικοποιημένης διαφοράς βλάστησης (Normalized Difference Vegetation Index, NDVI) και το ποσοστό κάλυψης βλάστησης (Fractional Vegetation Cover, Fv ). Στις εικόνες NDVI και Fv εφαρμόζονται οι μάσκες που παρέχονται με τα δεδομένα Landsat, μάσκα νεφοκάλυψης, μάσκα σκιάς νεφοκάλυψης και μάσκα νερού. Στην εικόνα SSM εφαρμόστηκε συντελεστής κλίμακας, ο οποίος περιγράφεται στα μεταδεδομένα του προϊόντος. <br /> Στο δεύτερο στάδιο της προεπεξεργασίας έγινε μετατροπή των τιμών της εικόνας SSM από ποσοστό σε ογκομετρικές μονάδες μέτρησης. Για τον υπολογισμό της απόδοσης εξάτμισης του γυμνού εδάφους (Soil Evaporative Efficiency, SEE) είναι απαραίτητο να γίνει διαμερισμός της θερμοκρασίας επιφάνειας του εδάφους σε επιμέρους συνιστώσες , θερμοκρασία γυμνού χώματος (Ts ) και θερμοκρασία Βλάστησης (Τv ). Ύστερα και αφού υπολογίστηκαν η κλίση και ο σταθερός όρος των ευθειών, υπολογίστηκαν οι ακραίες τιμές θερμοκρασίας Tv,max , Tv,min . Τελικά η απόδοση εξάτμισης του γυμνού εδάφους (Soil Evaporative Efficiency, SEE) για τα εικονοστοιχεία στις ζώνες A,B,C υπολογίστηκαν για κάθε εικονοστοιχείο Landsat με χωρική ανάλυση 30 m: <br /> SEELandsat,30m = Ts,max−Ts Ts,max−Ts,min<br /> Ενώ για τα εικονοστοιχεία που ανήκουν στη ζώνη D υπολογίστηκε ο δείκτης TVDI, οποίος αντικαθιστά το SEE στη μεθοδολογία που συνεχίζει παρακάτω <br /> TVDILandsat = LSTmax−LSTLandsat LSTmax−LSTmin<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όσον αφορά την οπτικοποίηση των αποτελεσμάτων, η μεθοδολογία φαίνεται να αποτυπώνει επαρκώς την διακύμανση των τιμών μέσα σε κάθε εικονοστοιχείο Copernicus SSM 1Km και τα γεγονότα βροχόπτωσης και άρδευσης. Η υψηλή, όμως μεταβλητότητα εδαφικής υγρασία που υπάρχει στο αρχικό προϊόν παρέμεινε εμφανής μετά την εφαρμογή της μεθοδολογίας.<br /> Όσον αφορά τη συσχέτιση του ενισχυμένου χωρικά προϊόντος με τις μετρήσεις πεδίου, στις περισσότερες περιπτώσεις ο συντελεστής συσχέτισης βελτιώνεται συγκριτικά με το αρχικό προϊόν εδαφικής υγρασίας μέσης χωρικής ανάλυσης.<br /> Γενικά, τα στατιστικά αποτελέσματα διαφέρουν πολύ από σταθμό σε σταθμό αλλά ο δείκτης GDOWN είναι θετικός στη πλειοψηφία των περιπτώσεων δείχνοντας ότι η μεθοδολογία επιφέρει βελτίωση στη συσχέτιση των παρατηρήσεων με τις παρατηρήσεις πεδίου αν και μικρή, αφού η διαφορά κλίμακας πριν και μετά την ενίσχυση είναι μικρή, όμως τα αποτελέσματα της μεθοδολογίας κατά απόλυτη τιμή εξαρτώνται σε μεγάλο βαθμό από την ποιότητα και την απόδοση των αρχικών δεδομένων εδαφικής υγρασίας.<br /> <br /> <br /> [[category:Υπολογιστικά/αλγοριθμικά θέματα]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona23_vic.jpg 2023-01-15T21:33:30Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona22_vic.jpg 2023-01-15T21:32:36Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%A0%CE%BB%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%BF%CF%81%CF%81%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%B9%CE%BA%CE%AF%CE%BB%CF%89%CE%BD_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%98%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82_%CF%83%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2 2023-01-15T19:12:19Z

<p>V karagiannaki: </p> <hr /> <div>'''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2<br /> <br /> '''Συγγραφείς:''' Μικέλη Παρασκευή<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/55395<br /> <br /> [[Εικόνα:Eikona20_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> [[Εικόνα:Eikona21_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας Μεταπτυχιακής Εργασίας (ΜΕ) αποτελεί η διερεύνηση της δυνατότητας διαχωρισμού επιπλεόντων Θαλάσσιων Πλαστικών Απορριμμάτων (ΕΘΠΑ) από άλλα επιπλέοντα αντικείμενα και υλικά μέσω δορυφορικών πολυφασματικών εικόνων.<br /> Ως Επιπλέοντα Θαλάσσια Πλαστικά Απορρίμματα ορίζονται οι συγκεντρώσεις, που έχουν εισέλθει στο θαλάσσιο περιβάλλον και λόγω της μικρής πυκνότητας τους και των περιβαλλοντικών συνθηκών, βρίσκονται στην επιφάνεια της θάλασσας.<br /> Τα ΕΘΠΑ λόγω φυσικών και βιολογικών διεργασιών που συμβαίνουν στο θαλάσσιο περιβάλλον κινούνται και μεταφέρονται σε περιοχές μακριά από τον άνθρωπο όπου και δημιουργούν συγκεντρώσεις. Το γεγονός αυτό καθιστά τον εντοπισμό τους από επίγεια μέσα σχετικά δύσκολο. Σε αυτή την κατεύθυνση τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται εναέρια μέσα για τον εντοπισμό πλαστικών σε δυσπρόσιτες περιοχές, αλλά και σε παράκτιες περιοχές.<br /> Η παρούσα εργασία κλήθηκε να διερευνήσει τη δυνατότητα διαχωρισμού ΕΘΠΑ από άλλα επιπλέοντα αντικείμενα με την εφαρμογή φασματικών και χωρικών δεικτών. Η μελέτη επικεντρώθηκε κυρίως στην ανίχνευση διαφοροποιήσεων που παρουσιάζουν αντικείμενα που παρουσιάζουν συναφείς φασματικές ιδιότητες με εκείνων των ΕΘΠΑ, όπως αραιές συγκεντρώσεις πλεούμενης βλάστησης, σκάφη, οργανικά υλικά και ο αφρός.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για τους σκοπούς της εργασίας χρησιμοποιήθηκε το MARIDA, το οποίο είναι ένα ανοιχτό dataset που προσφέρει τη δυνατότητα σύγκρισης και αξιολόγησης μεθόδων που αφορούν την ανίχνευση πλαστικών απορριμμάτων και άλλων στοιχείων της επιφάνειας της θάλασσας. Το MARIDA είναι δομημένο με τέτοιων τρόπο ώστε να επιτρέπει την πολύτροπη επεξεργασία και ανάλυση γεωαναφερμένων δεδομένων για την επιφάνεια της θάλασσας.<br /> Αρχικά, χρησιμοποιήθηκε ο δείκτης FDI, ο οποίος αξιοποιεί την έντονη αύξηση που παρουσιάζουν τα πλαστικά στο Εγγύς Υπέρυθρο του φάσματος και ο δείκτης PI, που δημιουργήθηκε με σκοπό την ανάδειξη πλαστικών στην επιφάνεια της θάλασσας.<br /> Στη συνέχεια, χρησιμοποιήθηκε ο δείκτης NDVI, ο οποίος έχει ευρέως εφαρμοστεί στη Δορυφορική Τηλεπισκόπηση για την ανάδειξη της βλάστησης, καθώς εκμεταλλεύεται την διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου που παρουσιάζει η βλάστηση εξαιτίας της χλωροφύλλης. Ενώ, με σκοπό την διερεύνηση της ικανότητας των δεικτών να διακρίνουν τις διαφορετικές κλάσεις και βάσει των αποτελεσμάτων του NDVI, έγιναν πειράματα και με άλλους δείκτες βλάστησης. Πιο συγκεκριμένα διερευνήθηκε ο δείκτης FAI, ο οποίος υλοποιήθηκε για την ανάδειξη των Algae στην επιφάνεια της θάλασσας.<br /> Ύστερα, εφαρμόστηκαν οι δείκτες NDWI [Normalized Difference Water Index], MNDWI [Modified Normalized Difference Water Index] και NDMI [Normalized Difference Moisture Index] τόσο σε συνδυασμό με τους FDI και NDVI όσο και μεταξύ τους. Ενώ, οι υπόλοιποι φασματικοί δείκτες που χρησιμοποιήθηκαν είναι ο BSI, o NDSII και ο SI.<br /> Ταυτόχρονα, έγινε προσπάθεια εισαγωγής της υφής για τον διαχωρισμό των διάφορων κλάσεων από τα Marine Debris, προστέθηκε, δηλαδή η υφή ως μετρήσιμο χαρακτηριστικό, το οποίο συνδυάστηκε με τους δείκτες που αναφέρθηκαν παραπάνω. Έτσι, εφαρμόστηκαν οι χωρικοί δείκτες CON, DIS και HOMO, οι οποίοι εκ του αποτελέσματος παρουσιάζουν υψηλή συσχέτιση μεταξύ τους.<br /> Τέλος, πραγματοποιήθηκε αποθορυβοποίηση με στόχο την αφαίρεση του θορύβου από τις εικόνες, έτσι ώστε τα χαρακτηριστικά να μπορούν να αναδείξουν τις οντότητες με καλύτερο τρόπο.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Από όλες τις παραπάνω διαδικασίες προκύπτει πως υπάρχει η δυνατότητα διαχωρισμού ΕΘΠΑ και ποικίλων χαρακτηριστικών της επιφάνειας της θάλασσας μέσω πολυφασματικών δεδομένων Sentinel-2. <br /> Οι δείκτες πλαστικών (FDI και PI) κατάφεραν τη διάκριση μεταξύ των ΕΘΠΑ και των κλάσεων του νερού, ενώ προσδίδουν και χρήσιμη πληροφορία για τη διάκριση των ΕΘΠΑ από Natural Organic Material και Foam. Οι δείκτες της βλάστησης (NDVI, FAI, EVI, NRD, NDMI) φαίνεται πως χρησιμοποιώντας τις ανακλαστικότητες στο Εγγύς Υπέρυθρο και στο Red μπορούν να βοηθήσουν στη διάκριση των ΕΘΠΑ και των Sargassum, και γενικά στη διάκριση των ΕΘΠΑ με χαρακτηριστικά που διαφοροποιούνται μαζί τους σε εκείνες τις ζώνες του φάσματος. Οι δείκτες του νερού (NDWI, MNDWI, WRI, AWEI) προσδίδουν πληροφορία για τη διάκριση των ΕΘΠΑ από τις κλάσεις του νερού, με τον NDWI να λειτουργεί καλύτερα για τις περισσότερες από αυτές. Οι χωρικοί δείκτες, από την άλλη φαίνεται να λειτουργούν αποτελεσματικά και συμπληρωματικά στην φασματική πληροφορία, με τον δείκτη αντίθεσης CON να ξεχωρίζει.<br /> <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%A0%CE%BB%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%BF%CF%81%CF%81%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%B9%CE%BA%CE%AF%CE%BB%CF%89%CE%BD_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%98%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82_%CF%83%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2 2023-01-15T19:10:18Z

<p>V karagiannaki: </p> <hr /> <div>'''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2<br /> <br /> '''Συγγραφείς:''' Μικέλη Παρασκευή<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/55395<br /> <br /> <br /> [[Εικόνα:Eikona21_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας Μεταπτυχιακής Εργασίας (ΜΕ) αποτελεί η διερεύνηση της δυνατότητας διαχωρισμού επιπλεόντων Θαλάσσιων Πλαστικών Απορριμμάτων (ΕΘΠΑ) από άλλα επιπλέοντα αντικείμενα και υλικά μέσω δορυφορικών πολυφασματικών εικόνων.<br /> Ως Επιπλέοντα Θαλάσσια Πλαστικά Απορρίμματα ορίζονται οι συγκεντρώσεις, που έχουν εισέλθει στο θαλάσσιο περιβάλλον και λόγω της μικρής πυκνότητας τους και των περιβαλλοντικών συνθηκών, βρίσκονται στην επιφάνεια της θάλασσας.<br /> Τα ΕΘΠΑ λόγω φυσικών και βιολογικών διεργασιών που συμβαίνουν στο θαλάσσιο περιβάλλον κινούνται και μεταφέρονται σε περιοχές μακριά από τον άνθρωπο όπου και δημιουργούν συγκεντρώσεις. Το γεγονός αυτό καθιστά τον εντοπισμό τους από επίγεια μέσα σχετικά δύσκολο. Σε αυτή την κατεύθυνση τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται εναέρια μέσα για τον εντοπισμό πλαστικών σε δυσπρόσιτες περιοχές, αλλά και σε παράκτιες περιοχές.<br /> Η παρούσα εργασία κλήθηκε να διερευνήσει τη δυνατότητα διαχωρισμού ΕΘΠΑ από άλλα επιπλέοντα αντικείμενα με την εφαρμογή φασματικών και χωρικών δεικτών. Η μελέτη επικεντρώθηκε κυρίως στην ανίχνευση διαφοροποιήσεων που παρουσιάζουν αντικείμενα που παρουσιάζουν συναφείς φασματικές ιδιότητες με εκείνων των ΕΘΠΑ, όπως αραιές συγκεντρώσεις πλεούμενης βλάστησης, σκάφη, οργανικά υλικά και ο αφρός.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για τους σκοπούς της εργασίας χρησιμοποιήθηκε το MARIDA, το οποίο είναι ένα ανοιχτό dataset που προσφέρει τη δυνατότητα σύγκρισης και αξιολόγησης μεθόδων που αφορούν την ανίχνευση πλαστικών απορριμμάτων και άλλων στοιχείων της επιφάνειας της θάλασσας. Το MARIDA είναι δομημένο με τέτοιων τρόπο ώστε να επιτρέπει την πολύτροπη επεξεργασία και ανάλυση γεωαναφερμένων δεδομένων για την επιφάνεια της θάλασσας.<br /> Αρχικά, χρησιμοποιήθηκε ο δείκτης FDI, ο οποίος αξιοποιεί την έντονη αύξηση που παρουσιάζουν τα πλαστικά στο Εγγύς Υπέρυθρο του φάσματος και ο δείκτης PI, που δημιουργήθηκε με σκοπό την ανάδειξη πλαστικών στην επιφάνεια της θάλασσας.<br /> Στη συνέχεια, χρησιμοποιήθηκε ο δείκτης NDVI, ο οποίος έχει ευρέως εφαρμοστεί στη Δορυφορική Τηλεπισκόπηση για την ανάδειξη της βλάστησης, καθώς εκμεταλλεύεται την διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου που παρουσιάζει η βλάστηση εξαιτίας της χλωροφύλλης. Ενώ, με σκοπό την διερεύνηση της ικανότητας των δεικτών να διακρίνουν τις διαφορετικές κλάσεις και βάσει των αποτελεσμάτων του NDVI, έγιναν πειράματα και με άλλους δείκτες βλάστησης. Πιο συγκεκριμένα διερευνήθηκε ο δείκτης FAI, ο οποίος υλοποιήθηκε για την ανάδειξη των Algae στην επιφάνεια της θάλασσας.<br /> Ύστερα, εφαρμόστηκαν οι δείκτες NDWI [Normalized Difference Water Index], MNDWI [Modified Normalized Difference Water Index] και NDMI [Normalized Difference Moisture Index] τόσο σε συνδυασμό με τους FDI και NDVI όσο και μεταξύ τους. Ενώ, οι υπόλοιποι φασματικοί δείκτες που χρησιμοποιήθηκαν είναι ο BSI, o NDSII και ο SI.<br /> Ταυτόχρονα, έγινε προσπάθεια εισαγωγής της υφής για τον διαχωρισμό των διάφορων κλάσεων από τα Marine Debris, προστέθηκε, δηλαδή η υφή ως μετρήσιμο χαρακτηριστικό, το οποίο συνδυάστηκε με τους δείκτες που αναφέρθηκαν παραπάνω. Έτσι, εφαρμόστηκαν οι χωρικοί δείκτες CON, DIS και HOMO, οι οποίοι εκ του αποτελέσματος παρουσιάζουν υψηλή συσχέτιση μεταξύ τους.<br /> Τέλος, πραγματοποιήθηκε αποθορυβοποίηση με στόχο την αφαίρεση του θορύβου από τις εικόνες, έτσι ώστε τα χαρακτηριστικά να μπορούν να αναδείξουν τις οντότητες με καλύτερο τρόπο.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Από όλες τις παραπάνω διαδικασίες προκύπτει πως υπάρχει η δυνατότητα διαχωρισμού ΕΘΠΑ και ποικίλων χαρακτηριστικών της επιφάνειας της θάλασσας μέσω πολυφασματικών δεδομένων Sentinel-2. <br /> Οι δείκτες πλαστικών (FDI και PI) κατάφεραν τη διάκριση μεταξύ των ΕΘΠΑ και των κλάσεων του νερού, ενώ προσδίδουν και χρήσιμη πληροφορία για τη διάκριση των ΕΘΠΑ από Natural Organic Material και Foam. Οι δείκτες της βλάστησης (NDVI, FAI, EVI, NRD, NDMI) φαίνεται πως χρησιμοποιώντας τις ανακλαστικότητες στο Εγγύς Υπέρυθρο και στο Red μπορούν να βοηθήσουν στη διάκριση των ΕΘΠΑ και των Sargassum, και γενικά στη διάκριση των ΕΘΠΑ με χαρακτηριστικά που διαφοροποιούνται μαζί τους σε εκείνες τις ζώνες του φάσματος. Οι δείκτες του νερού (NDWI, MNDWI, WRI, AWEI) προσδίδουν πληροφορία για τη διάκριση των ΕΘΠΑ από τις κλάσεις του νερού, με τον NDWI να λειτουργεί καλύτερα για τις περισσότερες από αυτές. Οι χωρικοί δείκτες, από την άλλη φαίνεται να λειτουργούν αποτελεσματικά και συμπληρωματικά στην φασματική πληροφορία, με τον δείκτη αντίθεσης CON να ξεχωρίζει.<br /> <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%A0%CE%BB%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%BF%CF%81%CF%81%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%B9%CE%BA%CE%AF%CE%BB%CF%89%CE%BD_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%98%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82_%CF%83%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2 2023-01-15T19:09:39Z

<p>V karagiannaki: </p> <hr /> <div>'''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2<br /> <br /> '''Συγγραφείς:''' Μικέλη Παρασκευή<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/55395<br /> <br /> [[Εικόνα:Eikona20_vic.jpg| thumb| right|'''Διάγραμμα 1''' <br /> <br /> [[Εικόνα:Eikona21_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας Μεταπτυχιακής Εργασίας (ΜΕ) αποτελεί η διερεύνηση της δυνατότητας διαχωρισμού επιπλεόντων Θαλάσσιων Πλαστικών Απορριμμάτων (ΕΘΠΑ) από άλλα επιπλέοντα αντικείμενα και υλικά μέσω δορυφορικών πολυφασματικών εικόνων.<br /> Ως Επιπλέοντα Θαλάσσια Πλαστικά Απορρίμματα ορίζονται οι συγκεντρώσεις, που έχουν εισέλθει στο θαλάσσιο περιβάλλον και λόγω της μικρής πυκνότητας τους και των περιβαλλοντικών συνθηκών, βρίσκονται στην επιφάνεια της θάλασσας.<br /> Τα ΕΘΠΑ λόγω φυσικών και βιολογικών διεργασιών που συμβαίνουν στο θαλάσσιο περιβάλλον κινούνται και μεταφέρονται σε περιοχές μακριά από τον άνθρωπο όπου και δημιουργούν συγκεντρώσεις. Το γεγονός αυτό καθιστά τον εντοπισμό τους από επίγεια μέσα σχετικά δύσκολο. Σε αυτή την κατεύθυνση τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται εναέρια μέσα για τον εντοπισμό πλαστικών σε δυσπρόσιτες περιοχές, αλλά και σε παράκτιες περιοχές.<br /> Η παρούσα εργασία κλήθηκε να διερευνήσει τη δυνατότητα διαχωρισμού ΕΘΠΑ από άλλα επιπλέοντα αντικείμενα με την εφαρμογή φασματικών και χωρικών δεικτών. Η μελέτη επικεντρώθηκε κυρίως στην ανίχνευση διαφοροποιήσεων που παρουσιάζουν αντικείμενα που παρουσιάζουν συναφείς φασματικές ιδιότητες με εκείνων των ΕΘΠΑ, όπως αραιές συγκεντρώσεις πλεούμενης βλάστησης, σκάφη, οργανικά υλικά και ο αφρός.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για τους σκοπούς της εργασίας χρησιμοποιήθηκε το MARIDA, το οποίο είναι ένα ανοιχτό dataset που προσφέρει τη δυνατότητα σύγκρισης και αξιολόγησης μεθόδων που αφορούν την ανίχνευση πλαστικών απορριμμάτων και άλλων στοιχείων της επιφάνειας της θάλασσας. Το MARIDA είναι δομημένο με τέτοιων τρόπο ώστε να επιτρέπει την πολύτροπη επεξεργασία και ανάλυση γεωαναφερμένων δεδομένων για την επιφάνεια της θάλασσας.<br /> Αρχικά, χρησιμοποιήθηκε ο δείκτης FDI, ο οποίος αξιοποιεί την έντονη αύξηση που παρουσιάζουν τα πλαστικά στο Εγγύς Υπέρυθρο του φάσματος και ο δείκτης PI, που δημιουργήθηκε με σκοπό την ανάδειξη πλαστικών στην επιφάνεια της θάλασσας.<br /> Στη συνέχεια, χρησιμοποιήθηκε ο δείκτης NDVI, ο οποίος έχει ευρέως εφαρμοστεί στη Δορυφορική Τηλεπισκόπηση για την ανάδειξη της βλάστησης, καθώς εκμεταλλεύεται την διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου που παρουσιάζει η βλάστηση εξαιτίας της χλωροφύλλης. Ενώ, με σκοπό την διερεύνηση της ικανότητας των δεικτών να διακρίνουν τις διαφορετικές κλάσεις και βάσει των αποτελεσμάτων του NDVI, έγιναν πειράματα και με άλλους δείκτες βλάστησης. Πιο συγκεκριμένα διερευνήθηκε ο δείκτης FAI, ο οποίος υλοποιήθηκε για την ανάδειξη των Algae στην επιφάνεια της θάλασσας.<br /> Ύστερα, εφαρμόστηκαν οι δείκτες NDWI [Normalized Difference Water Index], MNDWI [Modified Normalized Difference Water Index] και NDMI [Normalized Difference Moisture Index] τόσο σε συνδυασμό με τους FDI και NDVI όσο και μεταξύ τους. Ενώ, οι υπόλοιποι φασματικοί δείκτες που χρησιμοποιήθηκαν είναι ο BSI, o NDSII και ο SI.<br /> Ταυτόχρονα, έγινε προσπάθεια εισαγωγής της υφής για τον διαχωρισμό των διάφορων κλάσεων από τα Marine Debris, προστέθηκε, δηλαδή η υφή ως μετρήσιμο χαρακτηριστικό, το οποίο συνδυάστηκε με τους δείκτες που αναφέρθηκαν παραπάνω. Έτσι, εφαρμόστηκαν οι χωρικοί δείκτες CON, DIS και HOMO, οι οποίοι εκ του αποτελέσματος παρουσιάζουν υψηλή συσχέτιση μεταξύ τους.<br /> Τέλος, πραγματοποιήθηκε αποθορυβοποίηση με στόχο την αφαίρεση του θορύβου από τις εικόνες, έτσι ώστε τα χαρακτηριστικά να μπορούν να αναδείξουν τις οντότητες με καλύτερο τρόπο.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Από όλες τις παραπάνω διαδικασίες προκύπτει πως υπάρχει η δυνατότητα διαχωρισμού ΕΘΠΑ και ποικίλων χαρακτηριστικών της επιφάνειας της θάλασσας μέσω πολυφασματικών δεδομένων Sentinel-2. <br /> Οι δείκτες πλαστικών (FDI και PI) κατάφεραν τη διάκριση μεταξύ των ΕΘΠΑ και των κλάσεων του νερού, ενώ προσδίδουν και χρήσιμη πληροφορία για τη διάκριση των ΕΘΠΑ από Natural Organic Material και Foam. Οι δείκτες της βλάστησης (NDVI, FAI, EVI, NRD, NDMI) φαίνεται πως χρησιμοποιώντας τις ανακλαστικότητες στο Εγγύς Υπέρυθρο και στο Red μπορούν να βοηθήσουν στη διάκριση των ΕΘΠΑ και των Sargassum, και γενικά στη διάκριση των ΕΘΠΑ με χαρακτηριστικά που διαφοροποιούνται μαζί τους σε εκείνες τις ζώνες του φάσματος. Οι δείκτες του νερού (NDWI, MNDWI, WRI, AWEI) προσδίδουν πληροφορία για τη διάκριση των ΕΘΠΑ από τις κλάσεις του νερού, με τον NDWI να λειτουργεί καλύτερα για τις περισσότερες από αυτές. Οι χωρικοί δείκτες, από την άλλη φαίνεται να λειτουργούν αποτελεσματικά και συμπληρωματικά στην φασματική πληροφορία, με τον δείκτη αντίθεσης CON να ξεχωρίζει.<br /> <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%A0%CE%BB%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%BF%CF%81%CF%81%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%B9%CE%BA%CE%AF%CE%BB%CF%89%CE%BD_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%98%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82_%CF%83%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2 2023-01-15T19:06:56Z

<p>V karagiannaki: </p> <hr /> <div>'''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2<br /> <br /> '''Συγγραφείς:''' Μικέλη Παρασκευή<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/55395<br /> <br /> [[Εικόνα:Eikona20_vic.jpg| thumb| right|'''Διάγραμμα 1:'''<br /> <br /> [[Εικόνα:Eikona21_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας Μεταπτυχιακής Εργασίας (ΜΕ) αποτελεί η διερεύνηση της δυνατότητας διαχωρισμού επιπλεόντων Θαλάσσιων Πλαστικών Απορριμμάτων (ΕΘΠΑ) από άλλα επιπλέοντα αντικείμενα και υλικά μέσω δορυφορικών πολυφασματικών εικόνων.<br /> Ως Επιπλέοντα Θαλάσσια Πλαστικά Απορρίμματα ορίζονται οι συγκεντρώσεις, που έχουν εισέλθει στο θαλάσσιο περιβάλλον και λόγω της μικρής πυκνότητας τους και των περιβαλλοντικών συνθηκών, βρίσκονται στην επιφάνεια της θάλασσας.<br /> Τα ΕΘΠΑ λόγω φυσικών και βιολογικών διεργασιών που συμβαίνουν στο θαλάσσιο περιβάλλον κινούνται και μεταφέρονται σε περιοχές μακριά από τον άνθρωπο όπου και δημιουργούν συγκεντρώσεις. Το γεγονός αυτό καθιστά τον εντοπισμό τους από επίγεια μέσα σχετικά δύσκολο. Σε αυτή την κατεύθυνση τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται εναέρια μέσα για τον εντοπισμό πλαστικών σε δυσπρόσιτες περιοχές, αλλά και σε παράκτιες περιοχές.<br /> Η παρούσα εργασία κλήθηκε να διερευνήσει τη δυνατότητα διαχωρισμού ΕΘΠΑ από άλλα επιπλέοντα αντικείμενα με την εφαρμογή φασματικών και χωρικών δεικτών. Η μελέτη επικεντρώθηκε κυρίως στην ανίχνευση διαφοροποιήσεων που παρουσιάζουν αντικείμενα που παρουσιάζουν συναφείς φασματικές ιδιότητες με εκείνων των ΕΘΠΑ, όπως αραιές συγκεντρώσεις πλεούμενης βλάστησης, σκάφη, οργανικά υλικά και ο αφρός.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για τους σκοπούς της εργασίας χρησιμοποιήθηκε το MARIDA, το οποίο είναι ένα ανοιχτό dataset που προσφέρει τη δυνατότητα σύγκρισης και αξιολόγησης μεθόδων που αφορούν την ανίχνευση πλαστικών απορριμμάτων και άλλων στοιχείων της επιφάνειας της θάλασσας. Το MARIDA είναι δομημένο με τέτοιων τρόπο ώστε να επιτρέπει την πολύτροπη επεξεργασία και ανάλυση γεωαναφερμένων δεδομένων για την επιφάνεια της θάλασσας.<br /> Αρχικά, χρησιμοποιήθηκε ο δείκτης FDI, ο οποίος αξιοποιεί την έντονη αύξηση που παρουσιάζουν τα πλαστικά στο Εγγύς Υπέρυθρο του φάσματος και ο δείκτης PI, που δημιουργήθηκε με σκοπό την ανάδειξη πλαστικών στην επιφάνεια της θάλασσας.<br /> Στη συνέχεια, χρησιμοποιήθηκε ο δείκτης NDVI, ο οποίος έχει ευρέως εφαρμοστεί στη Δορυφορική Τηλεπισκόπηση για την ανάδειξη της βλάστησης, καθώς εκμεταλλεύεται την διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου που παρουσιάζει η βλάστηση εξαιτίας της χλωροφύλλης. Ενώ, με σκοπό την διερεύνηση της ικανότητας των δεικτών να διακρίνουν τις διαφορετικές κλάσεις και βάσει των αποτελεσμάτων του NDVI, έγιναν πειράματα και με άλλους δείκτες βλάστησης. Πιο συγκεκριμένα διερευνήθηκε ο δείκτης FAI, ο οποίος υλοποιήθηκε για την ανάδειξη των Algae στην επιφάνεια της θάλασσας.<br /> Ύστερα, εφαρμόστηκαν οι δείκτες NDWI [Normalized Difference Water Index], MNDWI [Modified Normalized Difference Water Index] και NDMI [Normalized Difference Moisture Index] τόσο σε συνδυασμό με τους FDI και NDVI όσο και μεταξύ τους. Ενώ, οι υπόλοιποι φασματικοί δείκτες που χρησιμοποιήθηκαν είναι ο BSI, o NDSII και ο SI.<br /> Ταυτόχρονα, έγινε προσπάθεια εισαγωγής της υφής για τον διαχωρισμό των διάφορων κλάσεων από τα Marine Debris, προστέθηκε, δηλαδή η υφή ως μετρήσιμο χαρακτηριστικό, το οποίο συνδυάστηκε με τους δείκτες που αναφέρθηκαν παραπάνω. Έτσι, εφαρμόστηκαν οι χωρικοί δείκτες CON, DIS και HOMO, οι οποίοι εκ του αποτελέσματος παρουσιάζουν υψηλή συσχέτιση μεταξύ τους.<br /> Τέλος, πραγματοποιήθηκε αποθορυβοποίηση με στόχο την αφαίρεση του θορύβου από τις εικόνες, έτσι ώστε τα χαρακτηριστικά να μπορούν να αναδείξουν τις οντότητες με καλύτερο τρόπο.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Από όλες τις παραπάνω διαδικασίες προκύπτει πως υπάρχει η δυνατότητα διαχωρισμού ΕΘΠΑ και ποικίλων χαρακτηριστικών της επιφάνειας της θάλασσας μέσω πολυφασματικών δεδομένων Sentinel-2. <br /> Οι δείκτες πλαστικών (FDI και PI) κατάφεραν τη διάκριση μεταξύ των ΕΘΠΑ και των κλάσεων του νερού, ενώ προσδίδουν και χρήσιμη πληροφορία για τη διάκριση των ΕΘΠΑ από Natural Organic Material και Foam. Οι δείκτες της βλάστησης (NDVI, FAI, EVI, NRD, NDMI) φαίνεται πως χρησιμοποιώντας τις ανακλαστικότητες στο Εγγύς Υπέρυθρο και στο Red μπορούν να βοηθήσουν στη διάκριση των ΕΘΠΑ και των Sargassum, και γενικά στη διάκριση των ΕΘΠΑ με χαρακτηριστικά που διαφοροποιούνται μαζί τους σε εκείνες τις ζώνες του φάσματος. Οι δείκτες του νερού (NDWI, MNDWI, WRI, AWEI) προσδίδουν πληροφορία για τη διάκριση των ΕΘΠΑ από τις κλάσεις του νερού, με τον NDWI να λειτουργεί καλύτερα για τις περισσότερες από αυτές. Οι χωρικοί δείκτες, από την άλλη φαίνεται να λειτουργούν αποτελεσματικά και συμπληρωματικά στην φασματική πληροφορία, με τον δείκτη αντίθεσης CON να ξεχωρίζει.<br /> <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B5%CE%BB%CE%AD%CF%84%CE%B7_%CE%A0%CE%BB%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%91%CF%80%CE%BF%CF%81%CF%81%CE%B9%CE%BC%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%80%CE%BF%CE%B9%CE%BA%CE%AF%CE%BB%CF%89%CE%BD_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%95%CF%80%CE%B9%CF%86%CE%AC%CE%BD%CE%B5%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%98%CE%AC%CE%BB%CE%B1%CF%83%CF%83%CE%B1%CF%82_%CF%83%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%A0%CE%BF%CE%BB%CF%85%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2 2023-01-15T19:06:26Z

<p>V karagiannaki: Νέα σελίδα με ''''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε...'</p> <hr /> <div>'''Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2'''<br /> <br /> <br /> '''Πρωτότυπος τίτλος:''' Μελέτη Πλαστικών Απορριμμάτων και ποικίλων Χαρακτηριστικών στην Επιφάνεια της Θάλασσας σε Δορυφορικά Πολυφασματικά Δεδομένα Sentinel-2<br /> <br /> '''Συγγραφείς:''' Μικέλη Παρασκευή<br /> <br /> '''Δημοσιεύθηκε:''' 2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/55395<br /> <br /> [[Εικόνα:Eikona20_vic.jpg| thumb| right|<br /> <br /> [[Εικόνα:Eikona21_vic.jpg| thumb| right|'''Διάγραμμα 1:''' Καλύτεροι συνδυασμοί φασματικών και χωρικών δεικτών για το διαχωρισμό Marine Debris από: (a) Dense Sargassum (b) Sparse Sargassum (c) Natural Organic Material (d) Foam (e) Ship]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Σκοπός της παρούσας Μεταπτυχιακής Εργασίας (ΜΕ) αποτελεί η διερεύνηση της δυνατότητας διαχωρισμού επιπλεόντων Θαλάσσιων Πλαστικών Απορριμμάτων (ΕΘΠΑ) από άλλα επιπλέοντα αντικείμενα και υλικά μέσω δορυφορικών πολυφασματικών εικόνων.<br /> Ως Επιπλέοντα Θαλάσσια Πλαστικά Απορρίμματα ορίζονται οι συγκεντρώσεις, που έχουν εισέλθει στο θαλάσσιο περιβάλλον και λόγω της μικρής πυκνότητας τους και των περιβαλλοντικών συνθηκών, βρίσκονται στην επιφάνεια της θάλασσας.<br /> Τα ΕΘΠΑ λόγω φυσικών και βιολογικών διεργασιών που συμβαίνουν στο θαλάσσιο περιβάλλον κινούνται και μεταφέρονται σε περιοχές μακριά από τον άνθρωπο όπου και δημιουργούν συγκεντρώσεις. Το γεγονός αυτό καθιστά τον εντοπισμό τους από επίγεια μέσα σχετικά δύσκολο. Σε αυτή την κατεύθυνση τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται εναέρια μέσα για τον εντοπισμό πλαστικών σε δυσπρόσιτες περιοχές, αλλά και σε παράκτιες περιοχές.<br /> Η παρούσα εργασία κλήθηκε να διερευνήσει τη δυνατότητα διαχωρισμού ΕΘΠΑ από άλλα επιπλέοντα αντικείμενα με την εφαρμογή φασματικών και χωρικών δεικτών. Η μελέτη επικεντρώθηκε κυρίως στην ανίχνευση διαφοροποιήσεων που παρουσιάζουν αντικείμενα που παρουσιάζουν συναφείς φασματικές ιδιότητες με εκείνων των ΕΘΠΑ, όπως αραιές συγκεντρώσεις πλεούμενης βλάστησης, σκάφη, οργανικά υλικά και ο αφρός.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για τους σκοπούς της εργασίας χρησιμοποιήθηκε το MARIDA, το οποίο είναι ένα ανοιχτό dataset που προσφέρει τη δυνατότητα σύγκρισης και αξιολόγησης μεθόδων που αφορούν την ανίχνευση πλαστικών απορριμμάτων και άλλων στοιχείων της επιφάνειας της θάλασσας. Το MARIDA είναι δομημένο με τέτοιων τρόπο ώστε να επιτρέπει την πολύτροπη επεξεργασία και ανάλυση γεωαναφερμένων δεδομένων για την επιφάνεια της θάλασσας.<br /> Αρχικά, χρησιμοποιήθηκε ο δείκτης FDI, ο οποίος αξιοποιεί την έντονη αύξηση που παρουσιάζουν τα πλαστικά στο Εγγύς Υπέρυθρο του φάσματος και ο δείκτης PI, που δημιουργήθηκε με σκοπό την ανάδειξη πλαστικών στην επιφάνεια της θάλασσας.<br /> Στη συνέχεια, χρησιμοποιήθηκε ο δείκτης NDVI, ο οποίος έχει ευρέως εφαρμοστεί στη Δορυφορική Τηλεπισκόπηση για την ανάδειξη της βλάστησης, καθώς εκμεταλλεύεται την διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου που παρουσιάζει η βλάστηση εξαιτίας της χλωροφύλλης. Ενώ, με σκοπό την διερεύνηση της ικανότητας των δεικτών να διακρίνουν τις διαφορετικές κλάσεις και βάσει των αποτελεσμάτων του NDVI, έγιναν πειράματα και με άλλους δείκτες βλάστησης. Πιο συγκεκριμένα διερευνήθηκε ο δείκτης FAI, ο οποίος υλοποιήθηκε για την ανάδειξη των Algae στην επιφάνεια της θάλασσας.<br /> Ύστερα, εφαρμόστηκαν οι δείκτες NDWI [Normalized Difference Water Index], MNDWI [Modified Normalized Difference Water Index] και NDMI [Normalized Difference Moisture Index] τόσο σε συνδυασμό με τους FDI και NDVI όσο και μεταξύ τους. Ενώ, οι υπόλοιποι φασματικοί δείκτες που χρησιμοποιήθηκαν είναι ο BSI, o NDSII και ο SI.<br /> Ταυτόχρονα, έγινε προσπάθεια εισαγωγής της υφής για τον διαχωρισμό των διάφορων κλάσεων από τα Marine Debris, προστέθηκε, δηλαδή η υφή ως μετρήσιμο χαρακτηριστικό, το οποίο συνδυάστηκε με τους δείκτες που αναφέρθηκαν παραπάνω. Έτσι, εφαρμόστηκαν οι χωρικοί δείκτες CON, DIS και HOMO, οι οποίοι εκ του αποτελέσματος παρουσιάζουν υψηλή συσχέτιση μεταξύ τους.<br /> Τέλος, πραγματοποιήθηκε αποθορυβοποίηση με στόχο την αφαίρεση του θορύβου από τις εικόνες, έτσι ώστε τα χαρακτηριστικά να μπορούν να αναδείξουν τις οντότητες με καλύτερο τρόπο.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Από όλες τις παραπάνω διαδικασίες προκύπτει πως υπάρχει η δυνατότητα διαχωρισμού ΕΘΠΑ και ποικίλων χαρακτηριστικών της επιφάνειας της θάλασσας μέσω πολυφασματικών δεδομένων Sentinel-2. <br /> Οι δείκτες πλαστικών (FDI και PI) κατάφεραν τη διάκριση μεταξύ των ΕΘΠΑ και των κλάσεων του νερού, ενώ προσδίδουν και χρήσιμη πληροφορία για τη διάκριση των ΕΘΠΑ από Natural Organic Material και Foam. Οι δείκτες της βλάστησης (NDVI, FAI, EVI, NRD, NDMI) φαίνεται πως χρησιμοποιώντας τις ανακλαστικότητες στο Εγγύς Υπέρυθρο και στο Red μπορούν να βοηθήσουν στη διάκριση των ΕΘΠΑ και των Sargassum, και γενικά στη διάκριση των ΕΘΠΑ με χαρακτηριστικά που διαφοροποιούνται μαζί τους σε εκείνες τις ζώνες του φάσματος. Οι δείκτες του νερού (NDWI, MNDWI, WRI, AWEI) προσδίδουν πληροφορία για τη διάκριση των ΕΘΠΑ από τις κλάσεις του νερού, με τον NDWI να λειτουργεί καλύτερα για τις περισσότερες από αυτές. Οι χωρικοί δείκτες, από την άλλη φαίνεται να λειτουργούν αποτελεσματικά και συμπληρωματικά στην φασματική πληροφορία, με τον δείκτη αντίθεσης CON να ξεχωρίζει.<br /> <br /> <br /> <br /> [[category:Περιβαλλοντικές Επιπτώσεις]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona21_vic.jpg 2023-01-15T19:04:55Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona20_vic.jpg 2023-01-15T19:02:21Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CE%92%CE%B1%CE%B8%CE%AF%CE%B1%CF%82_%CE%9C%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%A4%CE%B1%CE%BE%CE%B9%CE%BD%CF%8C%CE%BC%CE%B7%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%A5%CF%80%CE%B5%CF%81%CF%86%CE%B1%CF%83%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD. 2023-01-15T18:41:11Z

<p>V karagiannaki: Νέα σελίδα με ''''Μέθοδοι Βαθίας Μάθησης για την Ταξινόμηση Δορυφορικών Υπερφασματικών Δεδομένων.''' '''Πρωτό...'</p> <hr /> <div>'''Μέθοδοι Βαθίας Μάθησης για την Ταξινόμηση Δορυφορικών Υπερφασματικών Δεδομένων.'''<br /> <br /> '''Πρωτότυπος τίτλος:''' Μέθοδοι Βαθίας Μάθησης για την Ταξινόμηση Δορυφορικών Υπερφασματικών Δεδομένων.<br /> <br /> '''Συγγραφείς:''' Ουζουνίδης Γεώργιος<br /> <br /> '''Δημοσιεύθηκε:''' 2020<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/51891<br /> <br /> [[Εικόνα:Eikona9_vic.jpg| thumb| right|'''Εικόνα 1:'''ΗAMIDA ET AL]]<br /> <br /> [[Εικόνα:Eikona10_vic.jpg| thumb| right|'''Eικόνα 2:''' LEE ET AL]]<br /> <br /> [[Εικόνα:Eikona11_vic.jpg| thumb| right|'''Eικόνα 3:'''CHEN ET AL]]<br /> <br /> [[Εικόνα:Eikona12_vic.jpg| thumb| right|'''Eικόνα 4:'''LI ET AL]]<br /> <br /> [[Εικόνα:Eikona13_vic.jpg| thumb| right|'''Εικόνα 5:''' HU ET AL]]<br /> <br /> [[Εικόνα:Eikona14_vic.jpg| thumb| right|'''Eικόνα 6:'''HE ET AL]]<br /> <br /> [[Εικόνα:Eikona15_vic.jpg| thumb| right|'''Eικόνα 7:''' MOU ET AL]]<br /> <br /> [[Εικόνα:Eikona16_vic.jpg| thumb| right|'''Eικόνα 8:''' FDSSC]]<br /> <br /> [[Εικόνα:Eikona17_vic.jpg| thumb| right|'''Εικόνα 9:''' LIU ET AL]]<br /> <br /> [[Εικόνα:Eikona18_vic.jpg| thumb| right|'''Eικόνα 10:''' SVM]]<br /> <br /> [[Εικόνα:Eikona19_vic.jpg| thumb| right|'''Eικόνα 11:''' RF]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η εργασία αυτή επικεντρώνεται πάνω στην διερεύνηση, παρουσίαση, εφαρμογή και αξιολόγηση μεθόδων σχετικών με την Βαθιά Μάθηση πάνω στην ταξινόμηση υπερφασματικών δεδομένων. Οι μέθοδοι αυτοί υλοποιούνται με την χρήση των νευρωνικών δικτύων. Η ανάπτυξη της Βαθιάς Μάθησης χαρακτηρίζει γενικότερα την εξέλιξη της Όρασης υπολογιστών. Η παρούσα εργασία ασχολήθηκε με τη διερεύνηση και παρουσίαση διάφορων μεθόδων Βαθιάς Μάθησης που εφαρμόζονται πάνω στις υπερφασματικές εικόνες. Οι μέθοδοι αυτές ξεχώρισαν στην επιστημονική κοινότητα και μπορούν να χαρακτηριστούν ως σύγχρονες μέθοδοι αιχμής για την χρονική στιγμή στην οποία ολοκληρώθηκε η συγκεκριμένη εργασία. Στην εργασία, επίσης εφαρμόστηκαν ταξινομήσεις σε υπερφασματικά δεδομένα, οι οποίες τελικά αξιολογήθηκαν ποσοτικά και ποιοτικά.<br /> Γενικά, η βαθιά μάθηση ανήκει στην οικογένεια της μηχανικής μάθησης αλλά αναφέρεται σε πολυπλοκότερους αλγόριθμους σε σχέση με τους συμβατικούς πάνω στην μηχανική μάθηση. Αυτοί επιτρέπουν στην μηχανή να αποκωδικοποιήσει και κατά συνέπεια, να μάθει πιο σύνθετα χαρακτηριστικά και συσχετισμούς των δεδομένων που δέχεται ως είσοδο.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Τα δεδομένα στα οποία χρησιμοποιήθηκαν οι μέθοδοι Βαθιάς Μάθησης προέρχονται από το HyRANK dataset, ενώ έγινε κανονικοποίηση αυτών, αφού σε όλα τα πειράματα οι φασματικές τιμές των εικονοστοιχείων των εικόνων μεταφέρθηκαν στο διάστημα [0,1].<br /> Γενικότερα, έγινε προσπάθεια να διατηρηθούν οι υπερπαράμετροι που δίνονται στην βιβλιογραφία του κάθε δικτύου. Η διαφορετικότητα των δεδομένων εκπαίδευσης σε σχέση με τα δεδομένα που χρησιμοποιήθηκαν στην βιβλιογραφία απαιτεί την προσαρμογή αυτών για την ομαλή εκπαίδευση των δικτύων. Πραγματοποιήθηκε, λοιπόν η μέθοδος disjoint, η οποία χωρίζει τις περιοχές εκπαίδευσης με έναν τρόπο ρεαλιστικό για τους σκοπούς της επαλήθευσης.<br /> Έτσι, για την αρχική εκπαίδευση και τον προσδιορισμό των υπερπαραμέτρων χρησιμοποιήθηκαν 28312 εικονοστοιχεία από τα 33527 συνολικά χαρακτηρισμένα εικονοστοιχεία των 2 εικόνων. Για το σετ επαλήθευσης χρησιμοποιήθηκαν τα υπόλοιπα 5215, δηλαδή το 5.4%.<br /> Επιπλέον, προκειμένου να γίνει περισσότερο αντιληπτή η διαδικασία της ταξινόμησης των φασματικών εικόνων αλλά και η αποτελεσματικότητα των μεθόδων, χρησιμοποιούνται οι πίνακες σύγχυσης. Ένας πίνακας σύγχυσης περιέχει όλα τα στατιστικά στοιχεία τα οποία θα βοηθήσουν στην ερμηνεία τυχόν προβλημάτων της ταξινόμησης και κατά προέκταση στην επίλυση τους.<br /> Στην συνέχεια, χρησιμοποιήθηκαν επιγραμματικά το δίκτυο Hamida et al, τo δίκτυο Lee et al, το δίκτυο Chen et al, τo δίκτυο Li et al, το δίκτυο Hu et al, το δίκτυο Ηe et al, το δίκτυο Mou et al, το δίκτυο FDSSC και τo δίκτυο Liu et al. Χρησιμοποιήθηκαν, επίσης οι αλγόριθμοι: Μηχανές Διανυσματικής Υποστήριξης (SVM) που αποτελούν αλγόριθμους επιβλεπόμενης μάθησης που υπάγονται στην οικογένεια της Μηχανικής Μάθησης και η μέθοδος Τυχαίων Δασών (Random forest) κατά την οποία πραγματοποιείται ταξινόμηση που βασίζεται στην ύπαρξη δέντρων αποφάσεων<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Στην συγκεκριμένη εργασία παρουσιάστηκαν διάφοροι μέθοδοι Βαθιάς Mάθησης για την ταξινόμηση υπερφασματικών δεδομένων, οι οποίες βασίστηκαν στην αντίστοιχη βιβλιογραφία και έγινε προσπάθεια εφαρμογής τους. Παρατηρώντας τις προβλέψεις στις εικόνες, γίνεται αμέσως αντιληπτό πώς η αίσθηση της χωρικής λεπτομέρειας στις εικόνες είναι διαφορετική ανά μέθοδο. Στις pixel-based μεθόδους όπως SVM,RF,Hu et al., οι εικόνες που παράχθηκαν αποτυπώνουν τις κατηγορίες χρήσεων γης με περισσότερη χωρική ακρίβεια. Στις μεθόδους που δέχονται γειτονιές των εικονοστοιχείων, οι προβλέψεις που δίνονται περιγράφουν τις χρήσεις γης με έναν γενικότερο τρόπο. <br /> Αξίζει να αναφερθεί πως η μέθοδος Liu et al. παρότι και αυτή δέχεται γειτονία 9x9 εικονοστοιχείων στην εισαγωγή, η προβλέψεις της δεν παρουσιάζουν τα χαρακτηριστικά αυτά. Αυτό οφείλεται στην ιδιότητα απαλλαγής του θορύβου του συγκεκριμένου δικτύου, σαν δίκτυο Κωδικοποιητή-Αποκωδικοποιητή που εκπαιδεύεται στην ανασύσταση της εισαγωγής απαλλαγμένης από τον θόρυβο. <br /> Από την σκοπιά της ολικής ακρίβειας και του χρόνου παραγωγής της ταξινόμησης, η καθιερωμένη μέθοδος SVM επικρατεί των υπολοίπων, επιτυγχάνοντας την υψηλότερη ολική ακρίβεια.<br /> <br /> <br /> <br /> <br /> <br /> [[category:Υπολογιστικά/αλγοριθμικά θέματα]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona19_vic.jpg 2023-01-15T18:40:10Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona18_vic.jpg 2023-01-15T18:39:01Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona17_vic.jpg 2023-01-15T18:38:21Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona16_vic.jpg 2023-01-15T18:37:36Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona15_vic.jpg 2023-01-15T18:36:38Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona14_vic.jpg 2023-01-15T18:36:03Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona13_vic.jpg 2023-01-15T18:35:25Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona12_vic.jpg 2023-01-15T18:34:30Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona11_vic.jpg 2023-01-15T18:33:14Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona10_vic.jpg 2023-01-15T18:32:30Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona9_vic.jpg 2023-01-15T18:31:48Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%A6%CE%B1%CF%83%C2%B5%CE%B1%CF%84%CE%B9%CE%BA%CE%BF%CE%AF_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%B9_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AD%CF%82_%CF%84%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%B7_%CE%B3%CE%B5%CF%89%CF%81%CE%B3%CE%AF%CE%B1 2023-01-15T17:58:15Z

<p>V karagiannaki: Νέα σελίδα με ''''Φασµατικοί δείκτες βλάστησης και οι εφαρμογές τους στη γεωργία''' '''Πρωτότυπος τίτλος:'''Φασ...'</p> <hr /> <div>'''Φασµατικοί δείκτες βλάστησης και οι εφαρμογές τους στη γεωργία'''<br /> <br /> '''Πρωτότυπος τίτλος:'''Φασµατικοί δείκτες βλάστησης και οι εφαρμογές τους στη γεωργία<br /> <br /> '''Συγγραφείς:''' Καλλιώρας Γεώργιος<br /> <br /> '''Δημοσιεύθηκε:'''2022<br /> <br /> '''Σύνδεσμος πρότυπου κειμένου:''' http://repository.library.teiwest.gr/xmlui/handle/123456789/10509 <br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Οι στρατηγικές γεωργικής παραγωγής έχουν αλλάξει σημαντικά, τα τελευταία χρόνια, λόγω της τεχνολογικής ανάπτυξης, των οικονομικών αποφάσεων για μείωση των εισροών και μεγιστοποίηση των κερδών και μέσω περιβαλλοντικών κατευθυντήριων γραμμών για την επίτευξη καλύτερης ασφαλέστερης και αποτελεσματικότερης χρήσης των γεωργικών χημικών ουσιών. Επιπλέον, τα συστήματα γεωργικής παραγωγής είναι εγγενώς μεταβλητά, λόγω της χωρικής διακύμανσης των ιδιοτήτων του εδάφους, η τοπογραφία και το κλίμα είναι χωρικά μεταβλητά. <br /> Για την επίτευξη του στόχου των βιώσιμων συστημάτων καλλιέργειας, η μεταβλητότητα πρέπει, συνεπώς να εξετάζεται τόσο στο χώρο όσο και στο χρόνο, επειδή οι παράγοντες που επηρεάζουν την απόδοση των καλλιεργειών έχουν διαφορετική χωρική και χρονική συμπεριφορά. Η πρόοδος σε τεχνολογίες όπως τα Παγκόσμια Συστήματα Εντοπισμού Θέσης (GPS), τα Γεωγραφικά Συστήματα Πληροφοριών (GIS) και η τηλεπισκόπηση έχουν δημιουργήσει τη δυνατότητα να εκτιμηθεί η χωρική μεταβλητότητα που υπάρχει στον τομέα και διαχείρισής του με κατάλληλες εξειδικευμένες πρακτικές πεδίου.<br /> <br /> <br /> '''Φασματικοί δείκτες βλάστησης:'''<br /> <br /> Οι φασματικοί δείκτες βλάστησης είναι μια ενιαία τιμή μαθηματικού ποσοτικού συνδυασμού της απορρόφησης και σκέδασης των φυτών μετασχηματίζοντας τις παρατηρήσεις από πολλαπλές φασματικές ζώνες του ηλεκτρομαγνητικού φάσματος. Ανάλογα με τη μέθοδο μετασχηματισμού και τις φασματικές ζώνες που χρησιμοποιούνται, αξιολογούνται διάφορες πτυχές που σχετίζονται με τη βλάστηση και άλλες παραμέτρους στην εικόνα.<br /> Ορισμένοι από τους δείκτες βλάστησης που αναφέρονται στην παρούσα εργασία είναι:<br /> Δείκτης Simple Ratio ή Ratio Vegetation Index (SR or RVI): Ο δείκτης βλάστησης RATIO υπολογίζεται από απλή διαίρεση των ραδιομετρικών τιμών του υπέρυθρου καναλιού προς τις τιμές του κόκκινου και έχει το πλεονέκτημα ότι ελαχιστοποιεί τα προβλήματα φωτεινότητας που προκαλούνται από την τοπογραφία της περιοχής.<br /> NDVl (Normalized Difference Vegetation Index): Ο NDVI είναι ένας από τους πιο συχνά χρησιμοποιούμενους δείκτες βλάστησης στην τηλεπισκόπηση από την δεκαετία του 1970 κι έπειτα. Αυτός ο δείκτης εκμεταλλεύεται την αντίθεση των χαρακτηριστικών μεταξύ δύο ζωνών από ένα πολυφασματικό σύνολο δεδομένων raster, την απορρόφηση χρωστικών ουσιών χλωροφύλλης στην κόκκινη ζώνη και την υψηλή ανακλαστικότητα του φυτικού υλικού στη (NIR).<br /> NDWI (Normalized Difference Water Index): Ο δείκτης κανονικοποιημένης διαφοράς νερού (NDWI) χρησιμοποιείται για την επισήμανση χαρακτηριστικών ανοικτού νερού σε μια δορυφορική εικόνα επιτρέποντας σε ένα υδάτινο σώμα να &quot;ξεχωρίζει&quot; ενάντια στο έδαφος και τη βλάστηση.<br /> NDMI (Normalized Difference Moisture Index): Ο δείκτης υγρασίας κανονικοποιημένης διαφοράς (NDMI) ανιχνεύει τα επίπεδα υγρασίας στη βλάστηση χρησιμοποιώντας ένα συνδυασμό στις φασματικές ζώνες. (NIR) και (SWIR). Είναι ένας αξιόπιστος δείκτης της καταπόνησης του νερού στις καλλιέργειες.<br /> GNDVI (Green-Normalized Difference Vegetation Index): Ο δείκτης GNDVI (Green Normalized Difference Vegetation) είναι ένας δείκτης της φωτοσυνθετικής δραστηριότητας των φυτών μετρά την περιεκτικότητα σε χλωροφύλλη με μεγαλύτερη ακρίβεια από τη NDVI. Είναι δείκτης χλωροφύλλης και χρησιμοποιείται σε μεταγενέστερα στάδια ανάπτυξης.<br /> RE-NDVI (Red Edge-Normalized Difference Vegetation Index): Ο κανονικοποιημένος δείκτης βλάστησης κόκκινων άκρων διαφοράς (NDRE) συνδυάζει τις φασματικές ζώνες near-infrared (NIR) και μια συγκεκριμένη ζώνη για το στενό εύρος μεταξύ του ορατού κόκκινου και της ζώνης μετάβασης κόκκινου NIR. Για την καλύτερη ακρίβεια δεδομένων, συνιστάται η χρήση του NDRE σε συνδυασμό με το NDVI.<br /> <br /> <br /> '''Εφαρμογές:'''<br /> <br /> Για πρακτικές εφαρμογές στον γεωργικό τομέα, η επιλογή ενός συγκεκριμένου VI πρέπει να γίνει με προσοχή εξετάζοντας και αναλύοντας διεξοδικά τα πλεονεκτήματα και τους περιορισμούς των υφιστάμενων VIs και στη συνέχεια να τα συνδυάσουμε για να εφαρμοστούν σε ένα συγκεκριμένο περιβάλλον και καλλιέργεια. Ενδεικτικές εφαρμογές στη γεωργία είναι:<br /> Παρακολούθηση καλλιέργειας και απόδοσης. (Crop Monitoring and Yield): Η δορυφορική παρακολούθηση καλλιεργειών είναι η τεχνολογία για την παρατήρηση των αλλαγών στον δείκτη βλάστησης που λαμβάνονται με φασματική ανάλυση δορυφορικών εικόνων υψηλής ανάλυσης. Χρησιμοποιείται σε διαφορετικούς αγρούς ή για μεμονωμένες καλλιέργειες και επιτρέπει την παρακολούθηση της θετικής και αρνητικής δυναμικής της ανάπτυξης των φυτών. Η διαφορά στη δυναμική του δείκτη βλάστησης υποδηλώνει δυσαναλογίες στην ανάπτυξη εντός της ίδιας καλλιέργειας ή πεδίου. <br /> Διαχείριση λίπανσης και θρεπτικών (Nutrient Management): Η διαχείριση της λίπανσης και γενικότερα των θρεπτικών συστατικών αποτελεί ένα από τα πιο βασικά στοιχεία της γεωργίας ακριβείας που διέπει όλα τα σημαντικά προβλήματα βελτίωσης της παραγωγικότητας, της βιωσιμότητας, της κερδοφορίας και της κλιματικής αλλαγής. Η αξιολόγηση της ζήτησης θρεπτικών στοιχείων από τα φυτά είναι πιο αποτελεσματική στρατηγική, καθώς η ανάπτυξη των φυτών σε οποιαδήποτε δεδομένη στιγμή είναι μια συνισταμένη της επίδρασης της προσφοράς θρεπτικών ουσιών από όλες τις πηγές και επομένως αποτελεί ένα αξιόπιστο μέτρο της διαθεσιμότητάς τους.<br /> Διαχείριση άρδευσης και εξατμισοδιαπνοή (Irrigation Water Management &amp; E.T.): Η ακριβής εκτίμηση και ο χωρικός προσδιορισμός των πραγματικών απαιτήσεων σε νερό είναι πρωταρχικής σημασίας για τη διασφάλιση μιας αποτελεσματικής χρήσης της Γης και βιώσιμης διαχείρισης του νερού, όπως ορίζεται από την Ατζέντα για τους Στόχους Βιώσιμης Ανάπτυξης (United_Nations, 2015). Η μέθοδος FAO56 έχει χρησιμοποιηθεί εδώ και πολύ καιρό ως τυπική διαδικασία για την εκτίμηση της ETc μέσω ενός μόνο ή διπλού Kc και ενός ETo. Οι αξιοσημείωτες πρόοδοι στις τεχνολογίες τηλεπισκόπησης τις τελευταίες δεκαετίες δημιούργησαν την ευκαιρία για την αποτελεσματική χρήση φασματικών πληροφοριών, συχνά με τη μορφή VIs, για υποστήριξη γεωργικών εφαρμογών, συμπεριλαμβανομένων εκείνων που σχετίζονται με την εκτίμηση των Kc και Kcb.<br /> Εδαφική υγρασία και υδατικό στρες. (Soil Moisture &amp; Water Stress): Η περιεκτικότητα εδαφικής υγρασίας των εδαφών που καλύπτονται από τη βλάστηση έχει μελετηθεί με τη χρήση δεικτών όπως TVDI, EVI, GCI και συνηθέστερα ο NDVI, ένας ενισχυμένος δείκτης βλάστησης για τον προσδιορισμό της κατάστασης της βλάστησης, χρησιμοποιώντας την ξηρασία ως δείκτη εδαφικής υγρασίας, και ο δείκτης NDWI χρησιμοποιείται για τον προσδιορισμό υδατικών σωμάτων και περιοχών όπου το έδαφος είναι κορεσμένο. Ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI), χρησιμοποιείται για τη μείωση της επίδρασης του εδάφους, ελαχιστοποιώντας την σχετική φωτεινότητα λαμβάνοντας υπόψη κυρίως την αλληλεπίδραση βλάστησης/εδάφους με παραμέτρους ρύθμισης του εδάφους. Η χρήση αυτού του δείκτη για τη χαρτογράφηση της εδαφικής υγρασίας, είναι σημαντική στην πρόβλεψη της συγκράτησης της υγρασίας του εδάφους.<br /> Διαχείριση ασθενειών και εντόμων (Crop Disease Management &amp; Insect detection): Βλάβες των εντόμων και των ασθενειών μπορούν να ανιχνευθούν με τη χρήση διαφόρων φασματικών δεικτών με βάση VIS-NIR ή υπερφασματικές αντανακλάσεις, σε συνδυασμό με ανάλυση μερικής παλινδρόμησης ελαχίστων τετραγώνων ή τεχνικές μηχανικής μάθησης.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταχεία τεχνολογική ανάπτυξη έχει συμβάλει καθοριστικά στον αγροτικό τομέα. Ο συνδυασμός τεχνολογιών, όπως η τηλεπισκόπηση, GIS και GPS αποτελούν σημαντικό παράγοντα και εργαλείο στην παραγωγή των καλλιεργειών και τις εφαρμογές. Οι εφαρμογές των VIs στη γεωργία επεκτείνονται σε πολλά πεδία και είδη καλλιεργειών, από την αρχική προετοιμασία του εδάφους έως την συγκομιδή. Η χρήση των VIs για τις εφαρμογές στα προβλήματα των καλλιεργειών μπορεί να προσαρμοστεί για να λάβει πληροφορίες σχετικά με την παραλλαγή εντός του πεδίου/αγρού σε ένα συγκεκριμένο τμήμα της καλλιεργητικής περιόδου και των χαρακτηριστικών στα διάφορα στάδια ανάπτυξης των καλλιεργειών. Ταυτόχρονα, η χρήση διαφορετικών δεικτών ενισχύει την κατανόησή για τις επιπτώσεις των πρακτικών διαχείρισης.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE_%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%9A%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%A7%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD 2023-01-15T17:45:30Z

<p>V karagiannaki: </p> <hr /> <div>'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών'''<br /> '''Πρωτότυπος τίτλος:'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών<br /> <br /> '''Συγγραφείς:''' Ουζούν Μεμέτ<br /> <br /> '''Δημοσιεύθηκε:'''2020<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/51896 <br /> <br /> <br /> [[Εικόνα:Eikona7_vic.jpg| thumb| right|'''Διάγραμμα 1: ''' δείκτες NDVI για το σύνολο δεδομένων, έτη 2017-2019, χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> [[Εικόνα:Eikona8_vic.jpg| thumb| right|'''Διάγραμμα 2: '''σύγκριση ιδανικής καμπύλης NDVI για το σύνολο δεδομένων, έτη 2017-2019, με και χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην παρούσα εργασία εξετάστηκαν και εφαρμόστηκαν μαθηματικά μοντέλα ανάλυσης χρονοσειρών σε δορυφορικά δεδομένα, με σκοπό την αναγνώριση του είδους των καλλιεργειών τηλεπισκοπικά. Η μελέτη αφορούσε τις εξής καλλιέργειες: βαμβάκι, καλαμπόκι, ηλίανθο, ρύζι, σιτάρι και μηδική. Ως περιοχή μελέτης ορίστηκαν 6 νομοί στη Βόρεια Ελλάδα και ο νομός Καρδίτσας, για τους οποίους τα δεδομένα ελέγχου είτε παραχωρήθηκαν από τον ΟΠΕΚΕΠΕ (2017), είτε συλλέχθηκαν από το εργαστήριο τηλεπισκόπησης (2018, 2019).<br /> Στόχος της εργασίας ήταν η παραγωγή χρονοσειρών που αφορούσαν τις καλλιέργειες βαμβακιού, καλαμποκιού, ηλίανθου, ρυζιού, σιταριού και μηδικής με χρήση δορυφορικών δεδομένων Sentinel 2. Επειδή ένας από τους στόχους της εργασίας ήταν η εξερεύνηση εργαλείων που είναι διαθέσιμα ελεύθερα για σκοπούς τηλεπισκόπησης, η λήψη των δορυφορικών δεδομένων έγινε μέσω της πλατφόρμας ‘Google Earth Engine’. Τα απαραίτητα δορυφορικά δεδομένα αντλήθηκαν μέσω της πλατφόρμας, χωρίς να χρειαστεί να γίνει οποιαδήποτε λήψη εικόνων τοπικά.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όσον αφορά την καλλιέργεια βαμβακιού, παρατηρήθηκε εμφανής διαφορά στις παρατηρήσεις για το έτος 2017, το οποίο είναι πιθανό να οφείλεται στις λάθος καταχωρημένες εγγραφές που παρουσιάστηκαν στην συγκεκριμένη καλλιέργεια, ενώ στις δοκιμές που συμμετείχαν τα δεδομένα της περιοχής Έβρου, ο δείκτης NDVI ήταν αισθητά χαμηλότερος. <br /> Όσον αφορά την καλλιέργεια καλαμποκιού, η ανάπτυξη της καλλιέργειας παρατηρήθηκε από τα μέσα Μαΐου έως το πρώτο δεκαήμερο του Σεπτεμβρίου στο σύνολο των περιοχών που εξετάστηκαν. Στην περιοχή του Έβρου, ο κύκλος της καλλιέργειας παρουσίασε μικρή καθυστέρηση, το οποίο είναι πιθανό να οφείλεται στη διαφορά του κλίματος της περιοχής, σε σχέση με τις υπόλοιπες περιοχές μελέτης, ενώ οι υψηλότερες τιμές του δείκτη NDVI, παρατηρήθηκαν στα μέσα Ιουνίου και ήταν περίπου 0.80, όπου συμβαδίζει με το φαινολογικό κύκλο της καλλιέργειας στην Ελλάδα. <br /> Όσον αφορά την καλλιέργεια ηλίανθου, ο κύκλος ανάπτυξης της παρατηρήθηκε μέσω του δείκτη NDVI γύρω στις 15 Μαΐου έως το πρώτο δεκαήμερο του Αυγούστου, ενώ οι ψηλότερες τιμές στον δείκτη NDVI, παρατηρούνταν προς το τέλος Ιουνίου και ήταν περίπου 0.70. Η περίοδος ωρίμανσης του φυτού είχε μεγαλύτερη διάρκεια παρά η περίοδος ανάπτυξης σύμφωνα με τα μοντέλα των χρονοσειρών NDVI. <br /> Όσον αφορά την καλλιέργεια ρυζιού, παρατηρήθηκε χρονική διαφορά περίπου 20 ημερών, ανάμεσα στην ανάπτυξη των καλλιεργειών στην περιοχή Θεσσαλονίκης και στην περιοχή Έβρου. Στην περιοχή του Έβρου, η ορατή ανάπτυξη παρατηρήθηκε μετά τις 10 Ιουνίου έως τις 20 Οκτωβρίου, ενώ στην περιοχή Θεσσαλονίκης η διαδικασία ξεκινούσε περίπου 20 ημέρες νωρίτερα. Η μέγιστη τιμή του δείκτη NDVI που παρατηρήθηκε ήταν περίπου 0.90 στις αρχές Αυγούστου και διατηρήθηκε για αρκετές ημέρες σε ψηλά επίπεδα.<br /> Όσον αφορά την καλλιέργεια σιταριού, ο κύκλος της καλλιέργειας ξεκινά μεταξύ Δεκεμβρίου και Ιανουαρίου που συμβαδίζει με τις ημερομηνίες σποράς στην Ελλάδα. Η καλλιέργεια χρειάζεται 3 έως 4 μήνες ώστε να φτάσει στο μέγιστο επίπεδο χλωροφύλλης και στη συνέχεια για την ολοκλήρωση της ωρίμανσης χρειάζεται περίπου 1 μήνα, ενώ οι ψηλότερες τιμές δείκτη NDVI που παρατηρήθηκαν ήταν κοντά στο 0.65<br /> Τέλος, όσον αφορά την καλλιέργεια μηδικής, δεν παρουσίασε συγκεκριμένη συμπεριφορά στην ανάπτυξη, ως προς το χρόνο, ενώ σε κάθε γεωτεμάχιο, η καλλιέργεια μπορεί να αναπτύσσεται για τουλάχιστον 3 χρόνια χωρίς να ξαναφυτευτεί. Αναλόγως με τη φροντίδα, το πότισμα και τη διάθεση του αγρότη ο αριθμός των κοπών μέσα στον χρόνο ποικίλει που καθιστά την μοντελόποίηση του NDVI αδύνατη.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona8_vic.jpg 2023-01-15T17:45:12Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE_%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%9A%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%A7%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD 2023-01-15T17:44:58Z

<p>V karagiannaki: </p> <hr /> <div>'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών'''<br /> '''Πρωτότυπος τίτλος:'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών<br /> <br /> '''Συγγραφείς:''' Ουζούν Μεμέτ<br /> <br /> '''Δημοσιεύθηκε:'''2020<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/51896 <br /> <br /> <br /> [[Εικόνα:Eikona7_vic.jpg| thumb| right|'''Διάγραμμα 1: ''' δείκτες NDVI για το σύνολο δεδομένων, έτη 2017-2019, χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> [[Εικόνα:eikona8_vic.jpg| thumb| right|'''Διάγραμμα 2: '''σύγκριση ιδανικής καμπύλης NDVI για το σύνολο δεδομένων, έτη 2017-2019, με και χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην παρούσα εργασία εξετάστηκαν και εφαρμόστηκαν μαθηματικά μοντέλα ανάλυσης χρονοσειρών σε δορυφορικά δεδομένα, με σκοπό την αναγνώριση του είδους των καλλιεργειών τηλεπισκοπικά. Η μελέτη αφορούσε τις εξής καλλιέργειες: βαμβάκι, καλαμπόκι, ηλίανθο, ρύζι, σιτάρι και μηδική. Ως περιοχή μελέτης ορίστηκαν 6 νομοί στη Βόρεια Ελλάδα και ο νομός Καρδίτσας, για τους οποίους τα δεδομένα ελέγχου είτε παραχωρήθηκαν από τον ΟΠΕΚΕΠΕ (2017), είτε συλλέχθηκαν από το εργαστήριο τηλεπισκόπησης (2018, 2019).<br /> Στόχος της εργασίας ήταν η παραγωγή χρονοσειρών που αφορούσαν τις καλλιέργειες βαμβακιού, καλαμποκιού, ηλίανθου, ρυζιού, σιταριού και μηδικής με χρήση δορυφορικών δεδομένων Sentinel 2. Επειδή ένας από τους στόχους της εργασίας ήταν η εξερεύνηση εργαλείων που είναι διαθέσιμα ελεύθερα για σκοπούς τηλεπισκόπησης, η λήψη των δορυφορικών δεδομένων έγινε μέσω της πλατφόρμας ‘Google Earth Engine’. Τα απαραίτητα δορυφορικά δεδομένα αντλήθηκαν μέσω της πλατφόρμας, χωρίς να χρειαστεί να γίνει οποιαδήποτε λήψη εικόνων τοπικά.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όσον αφορά την καλλιέργεια βαμβακιού, παρατηρήθηκε εμφανής διαφορά στις παρατηρήσεις για το έτος 2017, το οποίο είναι πιθανό να οφείλεται στις λάθος καταχωρημένες εγγραφές που παρουσιάστηκαν στην συγκεκριμένη καλλιέργεια, ενώ στις δοκιμές που συμμετείχαν τα δεδομένα της περιοχής Έβρου, ο δείκτης NDVI ήταν αισθητά χαμηλότερος. <br /> Όσον αφορά την καλλιέργεια καλαμποκιού, η ανάπτυξη της καλλιέργειας παρατηρήθηκε από τα μέσα Μαΐου έως το πρώτο δεκαήμερο του Σεπτεμβρίου στο σύνολο των περιοχών που εξετάστηκαν. Στην περιοχή του Έβρου, ο κύκλος της καλλιέργειας παρουσίασε μικρή καθυστέρηση, το οποίο είναι πιθανό να οφείλεται στη διαφορά του κλίματος της περιοχής, σε σχέση με τις υπόλοιπες περιοχές μελέτης, ενώ οι υψηλότερες τιμές του δείκτη NDVI, παρατηρήθηκαν στα μέσα Ιουνίου και ήταν περίπου 0.80, όπου συμβαδίζει με το φαινολογικό κύκλο της καλλιέργειας στην Ελλάδα. <br /> Όσον αφορά την καλλιέργεια ηλίανθου, ο κύκλος ανάπτυξης της παρατηρήθηκε μέσω του δείκτη NDVI γύρω στις 15 Μαΐου έως το πρώτο δεκαήμερο του Αυγούστου, ενώ οι ψηλότερες τιμές στον δείκτη NDVI, παρατηρούνταν προς το τέλος Ιουνίου και ήταν περίπου 0.70. Η περίοδος ωρίμανσης του φυτού είχε μεγαλύτερη διάρκεια παρά η περίοδος ανάπτυξης σύμφωνα με τα μοντέλα των χρονοσειρών NDVI. <br /> Όσον αφορά την καλλιέργεια ρυζιού, παρατηρήθηκε χρονική διαφορά περίπου 20 ημερών, ανάμεσα στην ανάπτυξη των καλλιεργειών στην περιοχή Θεσσαλονίκης και στην περιοχή Έβρου. Στην περιοχή του Έβρου, η ορατή ανάπτυξη παρατηρήθηκε μετά τις 10 Ιουνίου έως τις 20 Οκτωβρίου, ενώ στην περιοχή Θεσσαλονίκης η διαδικασία ξεκινούσε περίπου 20 ημέρες νωρίτερα. Η μέγιστη τιμή του δείκτη NDVI που παρατηρήθηκε ήταν περίπου 0.90 στις αρχές Αυγούστου και διατηρήθηκε για αρκετές ημέρες σε ψηλά επίπεδα.<br /> Όσον αφορά την καλλιέργεια σιταριού, ο κύκλος της καλλιέργειας ξεκινά μεταξύ Δεκεμβρίου και Ιανουαρίου που συμβαδίζει με τις ημερομηνίες σποράς στην Ελλάδα. Η καλλιέργεια χρειάζεται 3 έως 4 μήνες ώστε να φτάσει στο μέγιστο επίπεδο χλωροφύλλης και στη συνέχεια για την ολοκλήρωση της ωρίμανσης χρειάζεται περίπου 1 μήνα, ενώ οι ψηλότερες τιμές δείκτη NDVI που παρατηρήθηκαν ήταν κοντά στο 0.65<br /> Τέλος, όσον αφορά την καλλιέργεια μηδικής, δεν παρουσίασε συγκεκριμένη συμπεριφορά στην ανάπτυξη, ως προς το χρόνο, ενώ σε κάθε γεωτεμάχιο, η καλλιέργεια μπορεί να αναπτύσσεται για τουλάχιστον 3 χρόνια χωρίς να ξαναφυτευτεί. Αναλόγως με τη φροντίδα, το πότισμα και τη διάθεση του αγρότη ο αριθμός των κοπών μέσα στον χρόνο ποικίλει που καθιστά την μοντελόποίηση του NDVI αδύνατη.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona7_vic.jpg 2023-01-15T17:44:37Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CE%AE_%CE%A0%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%9A%CE%B1%CE%BB%CE%BB%CE%B9%CE%B5%CF%81%CE%B3%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AC_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%A7%CF%81%CE%BF%CE%BD%CE%BF%CF%83%CE%B5%CE%B9%CF%81%CF%8E%CE%BD 2023-01-15T17:44:08Z

<p>V karagiannaki: Νέα σελίδα με ''''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρ...'</p> <hr /> <div>'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών'''<br /> '''Πρωτότυπος τίτλος:'''Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών<br /> <br /> '''Συγγραφείς:''' Ουζούν Μεμέτ<br /> <br /> '''Δημοσιεύθηκε:'''2020<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/51896 <br /> <br /> <br /> [[Εικόνα:eikona7_vic.jpg| thumb| right|'''Διάγραμμα 1: ''' δείκτες NDVI για το σύνολο δεδομένων, έτη 2017-2019, χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> [[Εικόνα:eikona8_vic.jpg| thumb| right|'''Διάγραμμα 2: '''σύγκριση ιδανικής καμπύλης NDVI για το σύνολο δεδομένων, έτη 2017-2019, με και χωρίς τα προβληματικά γεωτεμάχια]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Στην παρούσα εργασία εξετάστηκαν και εφαρμόστηκαν μαθηματικά μοντέλα ανάλυσης χρονοσειρών σε δορυφορικά δεδομένα, με σκοπό την αναγνώριση του είδους των καλλιεργειών τηλεπισκοπικά. Η μελέτη αφορούσε τις εξής καλλιέργειες: βαμβάκι, καλαμπόκι, ηλίανθο, ρύζι, σιτάρι και μηδική. Ως περιοχή μελέτης ορίστηκαν 6 νομοί στη Βόρεια Ελλάδα και ο νομός Καρδίτσας, για τους οποίους τα δεδομένα ελέγχου είτε παραχωρήθηκαν από τον ΟΠΕΚΕΠΕ (2017), είτε συλλέχθηκαν από το εργαστήριο τηλεπισκόπησης (2018, 2019).<br /> Στόχος της εργασίας ήταν η παραγωγή χρονοσειρών που αφορούσαν τις καλλιέργειες βαμβακιού, καλαμποκιού, ηλίανθου, ρυζιού, σιταριού και μηδικής με χρήση δορυφορικών δεδομένων Sentinel 2. Επειδή ένας από τους στόχους της εργασίας ήταν η εξερεύνηση εργαλείων που είναι διαθέσιμα ελεύθερα για σκοπούς τηλεπισκόπησης, η λήψη των δορυφορικών δεδομένων έγινε μέσω της πλατφόρμας ‘Google Earth Engine’. Τα απαραίτητα δορυφορικά δεδομένα αντλήθηκαν μέσω της πλατφόρμας, χωρίς να χρειαστεί να γίνει οποιαδήποτε λήψη εικόνων τοπικά.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A).<br /> Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. <br /> Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. <br /> Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές.<br /> Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.<br /> <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Όσον αφορά την καλλιέργεια βαμβακιού, παρατηρήθηκε εμφανής διαφορά στις παρατηρήσεις για το έτος 2017, το οποίο είναι πιθανό να οφείλεται στις λάθος καταχωρημένες εγγραφές που παρουσιάστηκαν στην συγκεκριμένη καλλιέργεια, ενώ στις δοκιμές που συμμετείχαν τα δεδομένα της περιοχής Έβρου, ο δείκτης NDVI ήταν αισθητά χαμηλότερος. <br /> Όσον αφορά την καλλιέργεια καλαμποκιού, η ανάπτυξη της καλλιέργειας παρατηρήθηκε από τα μέσα Μαΐου έως το πρώτο δεκαήμερο του Σεπτεμβρίου στο σύνολο των περιοχών που εξετάστηκαν. Στην περιοχή του Έβρου, ο κύκλος της καλλιέργειας παρουσίασε μικρή καθυστέρηση, το οποίο είναι πιθανό να οφείλεται στη διαφορά του κλίματος της περιοχής, σε σχέση με τις υπόλοιπες περιοχές μελέτης, ενώ οι υψηλότερες τιμές του δείκτη NDVI, παρατηρήθηκαν στα μέσα Ιουνίου και ήταν περίπου 0.80, όπου συμβαδίζει με το φαινολογικό κύκλο της καλλιέργειας στην Ελλάδα. <br /> Όσον αφορά την καλλιέργεια ηλίανθου, ο κύκλος ανάπτυξης της παρατηρήθηκε μέσω του δείκτη NDVI γύρω στις 15 Μαΐου έως το πρώτο δεκαήμερο του Αυγούστου, ενώ οι ψηλότερες τιμές στον δείκτη NDVI, παρατηρούνταν προς το τέλος Ιουνίου και ήταν περίπου 0.70. Η περίοδος ωρίμανσης του φυτού είχε μεγαλύτερη διάρκεια παρά η περίοδος ανάπτυξης σύμφωνα με τα μοντέλα των χρονοσειρών NDVI. <br /> Όσον αφορά την καλλιέργεια ρυζιού, παρατηρήθηκε χρονική διαφορά περίπου 20 ημερών, ανάμεσα στην ανάπτυξη των καλλιεργειών στην περιοχή Θεσσαλονίκης και στην περιοχή Έβρου. Στην περιοχή του Έβρου, η ορατή ανάπτυξη παρατηρήθηκε μετά τις 10 Ιουνίου έως τις 20 Οκτωβρίου, ενώ στην περιοχή Θεσσαλονίκης η διαδικασία ξεκινούσε περίπου 20 ημέρες νωρίτερα. Η μέγιστη τιμή του δείκτη NDVI που παρατηρήθηκε ήταν περίπου 0.90 στις αρχές Αυγούστου και διατηρήθηκε για αρκετές ημέρες σε ψηλά επίπεδα.<br /> Όσον αφορά την καλλιέργεια σιταριού, ο κύκλος της καλλιέργειας ξεκινά μεταξύ Δεκεμβρίου και Ιανουαρίου που συμβαδίζει με τις ημερομηνίες σποράς στην Ελλάδα. Η καλλιέργεια χρειάζεται 3 έως 4 μήνες ώστε να φτάσει στο μέγιστο επίπεδο χλωροφύλλης και στη συνέχεια για την ολοκλήρωση της ωρίμανσης χρειάζεται περίπου 1 μήνα, ενώ οι ψηλότερες τιμές δείκτη NDVI που παρατηρήθηκαν ήταν κοντά στο 0.65<br /> Τέλος, όσον αφορά την καλλιέργεια μηδικής, δεν παρουσίασε συγκεκριμένη συμπεριφορά στην ανάπτυξη, ως προς το χρόνο, ενώ σε κάθε γεωτεμάχιο, η καλλιέργεια μπορεί να αναπτύσσεται για τουλάχιστον 3 χρόνια χωρίς να ξαναφυτευτεί. Αναλόγως με τη φροντίδα, το πότισμα και τη διάθεση του αγρότη ο αριθμός των κοπών μέσα στον χρόνο ποικίλει που καθιστά την μοντελόποίηση του NDVI αδύνατη.<br /> <br /> <br /> <br /> <br /> [[category:Γεωργία]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:26:06Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:Eikona3_VIC.jpg‎| thumb| right|'''Εικόνα 1''' ]]<br /> <br /> [[Εικόνα:Eikona4_VIC.jpg‎‎| thumb| right|'''Eικόνα 2''']]<br /> <br /> [[Εικόνα:Eikona5_VIC.jpg‎‎| thumb| right|'''Eικόνα 3''']]<br /> <br /> [[Εικόνα:Eikona6_VIC.jpg‎‎‎| thumb| right|'''Eικόνα 4''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:25:36Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:Eikona3_VIC.jpg‎| thumb| right|'''Εικόνα 1''' ]]<br /> <br /> [[Εικόνα:Eikona4_VIC.jpg‎‎| thumb| right|'''Eικόνα 2''']]<br /> <br /> [[Εικόνα:Eikona5_VIC.jpg‎‎| thumb| right|'''Eικόνα 3''']]<br /> <br /> [[Εικόνα:Eikona6_VIC.jpg‎ ‎| thumb| right|'''Eικόνα 4''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona6_VIC.jpg 2023-01-15T17:25:08Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:24:54Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:Eikona3_VIC.jpg‎| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:Eikona4_VIC.jpg‎‎| thumb| right|'''Eικόνα 2:''']]<br /> <br /> [[Εικόνα:Eikona5_VIC.jpg‎‎| thumb| right|'''Eικόνα 3:''']]<br /> <br /> [[Εικόνα:Eikona6_VIC.jpg‎| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona5_VIC.jpg 2023-01-15T17:24:32Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:24:05Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:Eikona3_VIC.jpg‎| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:Eikona4_VIC.jpg‎‎| thumb| right|'''Eικόνα 2:''']]<br /> <br /> [[Εικόνα:Eikona5_VIC.jpg‎| thumb| right|'''Eικόνα 3:''']]<br /> <br /> [[Εικόνα:Eikona6_VIC.jpg‎| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona4_VIC.jpg 2023-01-15T17:23:09Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:22:37Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:Eikona3_VIC.jpg‎| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:Eikona4_VIC.jpg‎ (| thumb| right|'''Eικόνα 2:''']]<br /> <br /> [[Εικόνα:Eikona5_VIC.jpg‎ (| thumb| right|'''Eικόνα 3:''']]<br /> <br /> [[Εικόνα:Eikona6_VIC.jpg‎ (| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:20:42Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:eikona3_VIC.JPG| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:eikona4_vic.JPG| thumb| right|'''Eικόνα 2:''' ]]<br /> <br /> [[Εικόνα:eikona5_vic.JPG| thumb| right|'''Eικόνα 3:''' ]]<br /> <br /> [[Εικόνα:eikona6_vic.JPG| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:19:43Z

<p>V karagiannaki: </p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:eikona3_VIC.JPG| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:eikona4_vic.JPG| thumb| right|'''Eικόνα 2:''' ]]<br /> <br /> [[Εικόνα:eikona5_vic.JPG| thumb| right|'''Eικόνα 3:''' ]]<br /> <br /> [[Εικόνα:eikona6_vic.JPG| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona3_VIC.jpg 2023-01-15T17:17:35Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%A4%CE%B7%CF%82_%CE%9C%CE%B5%CF%84%CE%B1%CE%B2%CE%BF%CE%BB%CE%AE%CF%82_%CE%A4%CE%B7%CF%82_%CE%A7%CF%89%CF%81%CE%B7%CF%84%CE%B9%CE%BA%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CE%A4%CE%BF%CF%85_%CE%A4%CE%B1%CE%BC%CE%B9%CE%B5%CF%85%CF%84%CE%AE%CF%81%CE%B1_%CE%A4%CE%B7%CF%82_%CE%A5%CE%BB%CE%AF%CE%BA%CE%B7%CF%82_%CE%9C%CE%B5_%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD 2023-01-15T17:17:02Z

<p>V karagiannaki: Νέα σελίδα με ''''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών ...'</p> <hr /> <div>'''Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.'''<br /> '''Πρωτότυπος τίτλος:''' Η Εκτίμηση Της Μεταβολής Της Χωρητικότητας Του Ταμιευτήρα Της Υλίκης Με Χρήση Δορυφορικών Δεδομένων.<br /> '''Συγγραφείς:'''Νικόλαος Γ. Γουργουλέτης<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.lib.ntua.gr/xmlui/handle/123456789/56011<br /> <br /> <br /> [[Εικόνα:eikona3_VIC.jpg| thumb| right|'''Εικόνα 1:''' ]]<br /> <br /> [[Εικόνα:eikona4_vic.jpg| thumb| right|'''Eικόνα 2:''' ]]<br /> <br /> [[Εικόνα:eikona5_vic.jpg| thumb| right|'''Eικόνα 3:''' ]]<br /> <br /> [[Εικόνα:eikona6_vic.jpg| thumb| right|'''Eικόνα 4:''']]<br /> <br /> <br /> '''Εισαγωγή'''<br /> Ο ταμιευτήρας της Υλίκης συνδυάζει δύο σημαντικά στοιχεία για τις ανάγκες της παρούσας ερευνητικής εργασίας. Αφενός, για πολλές δεκαετίες αποτελούσε σημαντική πηγή υδροδότησης της Αθήνας, όπου ακόμα λειτουργεί ως εφεδρικός ταμιευτήρας, αφετέρου, πρόκειται για έναν ταμιευτήρα, όπου κατά τις πρόσφατες δεκαετίες αποτελεί δείγμα των επιπτώσεων της κλιματικής αλλαγής. Ταυτόχρονα, εντοπίζεται ένα σχετικό κενό στη βιβλιογραφία αναφορικά με την Ελλάδα, που η παρούσα ερευνητική εργασία καλείται να καλύψει όσον αφορά την ανίχνευση και εφαρμογή ενός συνδυασμού εφαρμοσμένων μεθοδολογιών για την εκτίμηση του όγκου ή της μεταβολής αυτού, σε λιμναία υδάτινα σώματα, με χρήση δορυφορικών δεδομένων.<br /> <br /> '''Μεθοδολογία'''<br /> <br /> Για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα της Υλίκης, χρησιμοποιήθηκαν δεδομένα της αποστολής Sentinel-2. Χρησιμοποιήθηκε, επίσης, ο δείκτης NDWI, 𝑁𝐷𝑊𝐼𝑆𝑒𝑛𝑡𝑖𝑛𝑒𝑙−2 = (𝐵𝑎𝑛𝑑3 − 𝐵𝑎𝑛𝑑8) / (𝐵𝑎𝑛𝑑3 + 𝐵𝑎𝑛𝑑8) και η μέθοδος ελάχιστου κατωφλιού, για την ανάδειξη του νερού.<br /> Για την εξαγωγή της στάθμης του νερού του ταμιευτήρα σε μ.σ.θ. έγινε εισαγωγή των δεδομένων του Sentinel-3 σε περιβάλλον GIS. Η στάθμη του νερού του ταμιευτήρα υπολογίζεται ως η διαφορά των μετρήσεων δύο πεδίων, εκ των οποίων το πρώτο ενσωματώνει την υπολογιζόμενη διαφορά μεταξύ του υψομέτρου πτήσης του δορυφόρου καθώς και της απόστασης που υπολογίζει το ραντάρ μεταξύ δορυφόρου και αντανακλώμενης επιφάνειας και το δεύτερο πεδίο περιέχει τον υπολογισμό του υψομέτρου του γεωειδούς σε κάθε σημείο μέτρησης. Ενώ, παράλληλα, υπολογίστηκε και το χρονικό εύρος εντός του οποίου η επιφάνεια και η στάθμη νερού συνδυάζονται, απαιτείται, δηλαδή, η δημιουργία ζευγών των τιμών στάθμης – επιφάνειας για τις ανάγκες υπολογισμού της μεταβολής του όγκου νερού.<br /> Αφότου επιλεχθεί το κατάλληλο χρονικό εύρος τα παραπάνω αποτελέσματα συνδυάζονται για τον υπολογισμό του όγκου ή της μεταβολής αυτού του ταμιευτήρα Υλίκης. Για τον σκοπό αυτό, δημιουργήθηκαν τέσσερεις διαφορετικές χρονοσειρές μεταβολής του όγκου του ταμιευτήρα, οι οποίες συγκρίνονται με την πραγματική χρονοσειρά, βάση των καταγραφών του διαχειριστή.<br /> Προέκυψαν 69 εκτιμήσεις της επιφάνειας νερού με την εφαρμογή της παραπάνω μεθοδολογίας, ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία και παρουσιάζονται παρακάτω.<br /> <br /> Με το σύνολο των 69 ζευγών εκτιμημένης επιφάνειας – παρατηρημένου όγκου, καταρτίζεται η καμπύλη επιφάνειας – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα2.<br /> <br /> Προέκυψαν 37 εκτιμήσεις της στάθμης νερού με την εφαρμογή της παραπάνω μεθοδολογίας και παρουσιάζονται ταυτόχρονα με τις παρατηρήσεις όγκου του διαχειριστή του ταμιευτήρα για την ίδια ημερομηνία στην εικόνα 3.<br /> <br /> Με το σύνολο των 37 ζευγών εκτιμημένης στάθμης – παρατηρημένου όγκου, καταρτίζεται η καμπύλη στάθμης – όγκου για το εύρος των μετρημένων τιμών όπως στην εικόνα 4.<br /> Τα 28 ζεύγη δεδομένων των δορυφορικών αποστολών Sentinel-2 και 3, τα οποία προέκυψαν τελικά από την επιλογή χρονικού εύρους, συγκρίθηκαν επιπλέον και με τις υφιστάμενες σχέσεις που παρουσιάζονται στη βιβλιογραφία<br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παρούσα ερευνητική εργασία επαλήθευσε, μέσω in-situ παρατηρήσεων, την εφαρμοσιμότητα της χρήσης δορυφορικών δεδομένων για την εκτίμηση της στάθμης, της επιφάνειας και του αποθηκευμένου όγκου νερού του ταμιευτήρα Υλίκης. Η εφαρμογή του δείκτη NDWI, με την αξιοποίηση της μεθόδου ελάχιστου κατωφλίου, παρουσιάζει εξαιρετικά αποτελέσματα για την εκτίμηση της επιφάνειας νερού του ταμιευτήρα. Με επιτυχία χαρακτηρίζεται και η προσέγγιση για την εκτίμηση της στάθμης νερού του ταμιευτήρα με τη χρήση των δεδομένων των δορυφόρων Sentinel-3. Τα στοιχεία των δορυφορικών αποστολών Sentinel-2 και Sentinel-3 που χρησιμοποιήθηκαν στα πλαίσια της παρούσας εργασίας, κατέστησαν δυνατή την εκτίμηση των μεταβολών του όγκου νερού και την παρακολούθηση των υδρολογικών στοιχείων του ταμιευτήρα Υλίκης για χρονικό διάστημα περίπου 3 ετών. Επιπλέον, οι τρεις από τις τέσσερεις μεθοδολογίες που εξετάστηκαν παρουσίασαν αποτελέσματα υψηλής ακρίβειας. Τέλος, αναφορικά με τη σύγκριση που έλαβε χώρα μεταξύ της σχέσης στάθμης – επιφάνειας – αποθηκευμένου όγκου νερού που υπολογίστηκε από τα δορυφορικά δεδομένα και της αντίστοιχης που εντοπίστηκε στη βιβλιογραφία, παρατηρούνται ορισμένες αποκλίσεις.<br /> <br /> <br /> [[category:Υδατικοί Πόροι]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%BD%CE%BF%CE%B9%CF%87%CF%84%CF%8E%CE%BD_%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD 2023-01-15T16:45:27Z

<p>V karagiannaki: </p> <hr /> <div>'''Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών.'''<br /> <br /> '''Πρωτότυπος τίτλος:''' Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών<br /> '''Συγγραφείς:''' Χατζηγιάγκου Γεωργία.<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.uowm.gr/xmlui/handle/123456789/2799<br /> [[Εικόνα:Eikona1 VIC.png| thumb| right|'''Εικόνα 1:'''χάρτης ταξινομημένης εικόνας πριν την πλημμύρα]]<br /> [[Εικόνα:Eikona2_VIC.png| thumb| right|'''Eικόνα 2:''' χάρτης ταξινομημένης εικόνας μετά την πλημμύρα]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Με αφορμή την σχετικά πρόσφατη πλημμύρα στην περιοχή της Καρδίτσας τον Σεπτέμβριο του 2020, η παρούσα διπλωματική εργασία, εξετάζει και εκτιμά τις πλημμυρισμένες επιφάνειες Γης, αξιοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών (G.I.S) για την καταγραφή αλλά και την χαρτογράφηση του πλημμυρικού φαινομένου, με την χρήση δορυφορικών εικόνων Sentinel-2.<br /> Ο σκοπός της διπλωματικής εργασίας είναι να μελετηθούν και να εκτιμηθούν οι καταστροφικές συνέπειες που προκαλεί στην επιφάνεια και στο έδαφος της γης το φαινόμενο της πλημμύρας.<br /> <br /> '''Μεθοδολογία'''<br /> Αρχικά, πραγματοποιήθηκε η λήψη των δορυφορικών εικόνων από την πλατφόρμα του Copernicus Open Access Hub, την επίσημη σελίδα της ESA. Στην συγκεκριμένη διπλωματική εργασία, οι δύο εικόνες είναι τύπου S2MSI2A και θα απεικονίζουν την περιοχή μελέτης πριν την πλημμύρα και την περιοχή μελέτης μετά την πλημμύρα, ώστε να είναι εφικτή η σύγκριση τους στο τέλος της εργασίας. Στο στάδιο της προ-επεξεργασίας, εκτελούνται οι διαδικασίες της δημιουργίας του υποσυνόλου της εικόνας (Subset), της επαναδειγματοληψίας (resampling) και της επαναπροβολής (reprojection). Οι διεργασίες αυτές πραγματοποιούνται μέσω του λογισμικού Snap της ESA, ενώ οι εικόνες Sentinel-2, σε σχέση με τις εικόνες Sentinel-1, δεν χρειάζονται ατμοσφαιρική και γεωμετρική διόρθωση από τον χρήστη.<br /> Στη συνέχεια πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση και συγκεκριμένα η Random Forest Classification, ενώ καθορίστηκαν οι εξής κλάσεις:<br /> • WaterAreas<br /> • DenseVegetation<br /> • Urban<br /> • MixedLandCover<br /> Η επικύρωση (Validation) των αποτελεσμάτων της ταξινόμησης έγινε μέσω κατάλληλων πινεζών (pins).<br /> Οι διαδικασίες πραγματοποιήθηκαν και για τις 2 εικόνες, πριν και μετά την πλημμύρα, με τα ακόλουθα αποτελέσματα ταξινόμησης σε μορφή θεματικού χάρτη.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση στην δορυφορική εικόνα πριν την πλημμύρα διαχωρίζει καλύτερα τις αστικές περιοχές συγκριτικά με την εικόνα μετά την πλημμύρα και αυτό δικαιολογείται από τα ποσοστά του συντελεστή Kappa. <br /> Στους παραπάνω θεματικούς χάρτες είναι φανερές όλες οι περιοχές που πλημμύρισαν το 2020 και επέφεραν μεγάλες καταστροφές μέσα στην πόλη αλλά και σε πολλές από τις καλλιέργειες του τόπου<br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%BD%CE%BF%CE%B9%CF%87%CF%84%CF%8E%CE%BD_%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD 2023-01-15T16:44:42Z

<p>V karagiannaki: </p> <hr /> <div>[[Αρχείο:paradeigma.jpg]]'''Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών.'''<br /> '''Πρωτότυπος τίτλος:''' Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών<br /> '''Συγγραφείς:''' Χατζηγιάγκου Γεωργία.<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.uowm.gr/xmlui/handle/123456789/2799<br /> [[Εικόνα:Eikona1 VIC.png| thumb| right|'''Εικόνα 1:'''χάρτης ταξινομημένης εικόνας πριν την πλημμύρα]]<br /> [[Εικόνα:Eikona2_VIC.png| thumb| right|'''Eικόνα 2:''' χάρτης ταξινομημένης εικόνας μετά την πλημμύρα]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Με αφορμή την σχετικά πρόσφατη πλημμύρα στην περιοχή της Καρδίτσας τον Σεπτέμβριο του 2020, η παρούσα διπλωματική εργασία, εξετάζει και εκτιμά τις πλημμυρισμένες επιφάνειες Γης, αξιοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών (G.I.S) για την καταγραφή αλλά και την χαρτογράφηση του πλημμυρικού φαινομένου, με την χρήση δορυφορικών εικόνων Sentinel-2.<br /> Ο σκοπός της διπλωματικής εργασίας είναι να μελετηθούν και να εκτιμηθούν οι καταστροφικές συνέπειες που προκαλεί στην επιφάνεια και στο έδαφος της γης το φαινόμενο της πλημμύρας.<br /> <br /> '''Μεθοδολογία'''<br /> Αρχικά, πραγματοποιήθηκε η λήψη των δορυφορικών εικόνων από την πλατφόρμα του Copernicus Open Access Hub, την επίσημη σελίδα της ESA. Στην συγκεκριμένη διπλωματική εργασία, οι δύο εικόνες είναι τύπου S2MSI2A και θα απεικονίζουν την περιοχή μελέτης πριν την πλημμύρα και την περιοχή μελέτης μετά την πλημμύρα, ώστε να είναι εφικτή η σύγκριση τους στο τέλος της εργασίας. Στο στάδιο της προ-επεξεργασίας, εκτελούνται οι διαδικασίες της δημιουργίας του υποσυνόλου της εικόνας (Subset), της επαναδειγματοληψίας (resampling) και της επαναπροβολής (reprojection). Οι διεργασίες αυτές πραγματοποιούνται μέσω του λογισμικού Snap της ESA, ενώ οι εικόνες Sentinel-2, σε σχέση με τις εικόνες Sentinel-1, δεν χρειάζονται ατμοσφαιρική και γεωμετρική διόρθωση από τον χρήστη.<br /> Στη συνέχεια πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση και συγκεκριμένα η Random Forest Classification, ενώ καθορίστηκαν οι εξής κλάσεις:<br /> • WaterAreas<br /> • DenseVegetation<br /> • Urban<br /> • MixedLandCover<br /> Η επικύρωση (Validation) των αποτελεσμάτων της ταξινόμησης έγινε μέσω κατάλληλων πινεζών (pins).<br /> Οι διαδικασίες πραγματοποιήθηκαν και για τις 2 εικόνες, πριν και μετά την πλημμύρα, με τα ακόλουθα αποτελέσματα ταξινόμησης σε μορφή θεματικού χάρτη.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση στην δορυφορική εικόνα πριν την πλημμύρα διαχωρίζει καλύτερα τις αστικές περιοχές συγκριτικά με την εικόνα μετά την πλημμύρα και αυτό δικαιολογείται από τα ποσοστά του συντελεστή Kappa. <br /> Στους παραπάνω θεματικούς χάρτες είναι φανερές όλες οι περιοχές που πλημμύρισαν το 2020 και επέφεραν μεγάλες καταστροφές μέσα στην πόλη αλλά και σε πολλές από τις καλλιέργειες του τόπου<br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona2_VIC.png 2023-01-15T16:43:40Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Eikona1_VIC.png 2023-01-15T16:42:50Z

<p>V karagiannaki: </p> <hr /> <div></div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%BD%CE%BF%CE%B9%CF%87%CF%84%CF%8E%CE%BD_%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD 2023-01-15T16:35:48Z

<p>V karagiannaki: </p> <hr /> <div>[[Αρχείο:paradeigma.jpg]]'''Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών.'''<br /> '''Πρωτότυπος τίτλος:''' Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών<br /> '''Συγγραφείς:''' Χατζηγιάγκου Γεωργία.<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.uowm.gr/xmlui/handle/123456789/2799<br /> [[Εικόνα:eikona1.jpg| thumb| right|'''Εικόνα 1:'''χάρτης ταξινομημένης εικόνας πριν την πλημμύρα]]<br /> [[Εικόνα:eikona2.jpg| thumb| right|'''Eικόνα 2:''' χάρτης ταξινομημένης εικόνας μετά την πλημμύρα]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Με αφορμή την σχετικά πρόσφατη πλημμύρα στην περιοχή της Καρδίτσας τον Σεπτέμβριο του 2020, η παρούσα διπλωματική εργασία, εξετάζει και εκτιμά τις πλημμυρισμένες επιφάνειες Γης, αξιοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών (G.I.S) για την καταγραφή αλλά και την χαρτογράφηση του πλημμυρικού φαινομένου, με την χρήση δορυφορικών εικόνων Sentinel-2.<br /> Ο σκοπός της διπλωματικής εργασίας είναι να μελετηθούν και να εκτιμηθούν οι καταστροφικές συνέπειες που προκαλεί στην επιφάνεια και στο έδαφος της γης το φαινόμενο της πλημμύρας.<br /> <br /> '''Μεθοδολογία'''<br /> Αρχικά, πραγματοποιήθηκε η λήψη των δορυφορικών εικόνων από την πλατφόρμα του Copernicus Open Access Hub, την επίσημη σελίδα της ESA. Στην συγκεκριμένη διπλωματική εργασία, οι δύο εικόνες είναι τύπου S2MSI2A και θα απεικονίζουν την περιοχή μελέτης πριν την πλημμύρα και την περιοχή μελέτης μετά την πλημμύρα, ώστε να είναι εφικτή η σύγκριση τους στο τέλος της εργασίας. Στο στάδιο της προ-επεξεργασίας, εκτελούνται οι διαδικασίες της δημιουργίας του υποσυνόλου της εικόνας (Subset), της επαναδειγματοληψίας (resampling) και της επαναπροβολής (reprojection). Οι διεργασίες αυτές πραγματοποιούνται μέσω του λογισμικού Snap της ESA, ενώ οι εικόνες Sentinel-2, σε σχέση με τις εικόνες Sentinel-1, δεν χρειάζονται ατμοσφαιρική και γεωμετρική διόρθωση από τον χρήστη.<br /> Στη συνέχεια πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση και συγκεκριμένα η Random Forest Classification, ενώ καθορίστηκαν οι εξής κλάσεις:<br /> • WaterAreas<br /> • DenseVegetation<br /> • Urban<br /> • MixedLandCover<br /> Η επικύρωση (Validation) των αποτελεσμάτων της ταξινόμησης έγινε μέσω κατάλληλων πινεζών (pins).<br /> Οι διαδικασίες πραγματοποιήθηκαν και για τις 2 εικόνες, πριν και μετά την πλημμύρα, με τα ακόλουθα αποτελέσματα ταξινόμησης σε μορφή θεματικού χάρτη.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση στην δορυφορική εικόνα πριν την πλημμύρα διαχωρίζει καλύτερα τις αστικές περιοχές συγκριτικά με την εικόνα μετά την πλημμύρα και αυτό δικαιολογείται από τα ποσοστά του συντελεστή Kappa. <br /> Στους παραπάνω θεματικούς χάρτες είναι φανερές όλες οι περιοχές που πλημμύρισαν το 2020 και επέφεραν μεγάλες καταστροφές μέσα στην πόλη αλλά και σε πολλές από τις καλλιέργειες του τόπου<br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

V karagiannaki http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%80%CE%BB%CE%B7%CE%BC%CE%BC%CF%85%CF%81%CE%B9%CF%83%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Sentinel-2_%CE%BA%CE%B1%CE%B9_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B1%CE%BD%CE%BF%CE%B9%CF%87%CF%84%CF%8E%CE%BD_%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CF%8E%CE%BD 2023-01-15T16:25:23Z

<p>V karagiannaki: Νέα σελίδα με ''''Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών ...'</p> <hr /> <div>'''Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών.'''<br /> '''Πρωτότυπος τίτλος:''' Εκτίμηση πλημμυρισμένων επιφανειών με χρήση δορυφορικών εικόνων Sentinel-2 και χρήση ανοιχτών λογισμικών<br /> '''Συγγραφείς:''' Χατζηγιάγκου Γεωργία.<br /> '''Δημοσιεύθηκε:''' 2022<br /> '''Σύνδεσμος πρότυπου κειμένου:''' https://dspace.uowm.gr/xmlui/handle/123456789/2799<br /> [[Εικόνα:p1_photo1.jpg| thumb| right|'''Εικόνα 1:'''χάρτης ταξινομημένης εικόνας πριν την πλημμύρα]]<br /> [[Εικόνα:p1photo2.jpg| thumb| right|'''Eικόνα 2:''' χάρτης ταξινομημένης εικόνας μετά την πλημμύρα]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Με αφορμή την σχετικά πρόσφατη πλημμύρα στην περιοχή της Καρδίτσας τον Σεπτέμβριο του 2020, η παρούσα διπλωματική εργασία, εξετάζει και εκτιμά τις πλημμυρισμένες επιφάνειες Γης, αξιοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών (G.I.S) για την καταγραφή αλλά και την χαρτογράφηση του πλημμυρικού φαινομένου, με την χρήση δορυφορικών εικόνων Sentinel-2.<br /> Ο σκοπός της διπλωματικής εργασίας είναι να μελετηθούν και να εκτιμηθούν οι καταστροφικές συνέπειες που προκαλεί στην επιφάνεια και στο έδαφος της γης το φαινόμενο της πλημμύρας.<br /> <br /> '''Μεθοδολογία'''<br /> Αρχικά, πραγματοποιήθηκε η λήψη των δορυφορικών εικόνων από την πλατφόρμα του Copernicus Open Access Hub, την επίσημη σελίδα της ESA. Στην συγκεκριμένη διπλωματική εργασία, οι δύο εικόνες είναι τύπου S2MSI2A και θα απεικονίζουν την περιοχή μελέτης πριν την πλημμύρα και την περιοχή μελέτης μετά την πλημμύρα, ώστε να είναι εφικτή η σύγκριση τους στο τέλος της εργασίας. Στο στάδιο της προ-επεξεργασίας, εκτελούνται οι διαδικασίες της δημιουργίας του υποσυνόλου της εικόνας (Subset), της επαναδειγματοληψίας (resampling) και της επαναπροβολής (reprojection). Οι διεργασίες αυτές πραγματοποιούνται μέσω του λογισμικού Snap της ESA, ενώ οι εικόνες Sentinel-2, σε σχέση με τις εικόνες Sentinel-1, δεν χρειάζονται ατμοσφαιρική και γεωμετρική διόρθωση από τον χρήστη.<br /> Στη συνέχεια πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση και συγκεκριμένα η Random Forest Classification, ενώ καθορίστηκαν οι εξής κλάσεις:<br /> • WaterAreas<br /> • DenseVegetation<br /> • Urban<br /> • MixedLandCover<br /> Η επικύρωση (Validation) των αποτελεσμάτων της ταξινόμησης έγινε μέσω κατάλληλων πινεζών (pins).<br /> Οι διαδικασίες πραγματοποιήθηκαν και για τις 2 εικόνες, πριν και μετά την πλημμύρα, με τα ακόλουθα αποτελέσματα ταξινόμησης σε μορφή θεματικού χάρτη.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η ταξινόμηση στην δορυφορική εικόνα πριν την πλημμύρα διαχωρίζει καλύτερα τις αστικές περιοχές συγκριτικά με την εικόνα μετά την πλημμύρα και αυτό δικαιολογείται από τα ποσοστά του συντελεστή Kappa. <br /> Στους παραπάνω θεματικούς χάρτες είναι φανερές όλες οι περιοχές που πλημμύρισαν το 2020 και επέφεραν μεγάλες καταστροφές μέσα στην πόλη αλλά και σε πολλές από τις καλλιέργειες του τόπου<br /> <br /> <br /> <br /> [[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]</div>

V karagiannaki