http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Vasiliki&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%2FVasiliki 2026-05-25T01:12:45Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B9%CE%BD%CE%B4%CF%8D%CE%BD%CF%89%CE%BD_%CF%83%CF%84%CE%B7%CE%BD_%CE%91%CE%B9%CE%B8%CE%B9%CE%BF%CF%80%CE%AF%CE%B1 2019-03-31T08:08:45Z

<p>Vasiliki: Νέα σελίδα με 'right| right| right| [[Εικόνα:farmers_4.jpg|thumb|righ...'</p> <hr /> <div>[[Εικόνα:farmers_1.jpg|thumb|right|]]<br /> [[Εικόνα:farmers_2.jpg|thumb|right|]]<br /> [[Εικόνα:farmers_3.jpg|thumb|right|]]<br /> [[Εικόνα:farmers_4.jpg|thumb|right|]]<br /> [[Εικόνα:farmers_5.jpg|thumb|right|]]<br /> <br /> πηγή: [[https://ac.els-cdn.com/S2212096314000308/1-s2.0-S2212096314000308-main.pdf?_tid=453cabe8-22c5-4417-9bf3-55010787f219&amp;acdnat=1548493220_44c7552e02d92d558e7b7653ed2ed974/]]<br /> <br /> <br /> ==Εισαγωγή==<br /> Ο στόχοςτων περισσότερων προγραμμάτων βάση δεικτών, είναι να λειτουργήσουν ως μηχανισμοί προστασίας της κοινωνικής ασφάλισης και να αμύνονται σε κοινωνικούς και οικονομικούς αποκλεισμούς. Οι γεωργοί αντιμετωπίζουν ιδιαίτερα τους διάφορους κινδύνους καιρού, αγοράς και παραγωγής που κάνουν το εισόδημά τους ευμετάβλητο από έτος σε έτος, για παράδειγμα, όταν οι καλλιέργειες καταστρέφονται από ξηρασίες ή επιδημίες. Αυτοί οι κίνδυνοι είναι ιδιαίτερα δύσκολοι για τους οικονομικά αδύνατους, συμπεριλαμβανομένων πολλών μικροκαλλιεργητών (Carter et al., 2006).<br /> <br /> ==Μεθοδολογία==<br /> Σημαντικά στοιχεία που βασίζονται στην τηλεπισκόπηση, εκτός από το NDVI, περιλαμβάνουν το VCI (Δείκτης Κατάστασης Βλάστησης-Vegetation Condition Index), το TCI (Tempetature Condition Index-Δείκτης Κατάστασης Θερμοκρασίας) και το VHI (Vegetation Health Index-Δείκτης Υγείας Βλάστησης). Καθένας από αυτούς τους δείκτες συνδέεται στενά με τους άλλους. <br /> <br /> ==Περιοχή και δεδομένα μελέτης περιπτώσεων== <br /> Η γεωργία της Αιθιοπίας κυριαρχείται από μικρές εκμεταλλεύσεις που καλλιεργούν κυρίως δημητριακά για ίδια κατανάλωση και πωλήσεις (Taffesse et al., 2010). Τα κύρια προϊόντα είναι το κριθάρι και το teff, αλλά καλλιεργούνται επίσης το σόργο, το μπιζέλι και το σιτάρι. Το teff αντιπροσωπεύει το 28% της συνολικής έκτασης των δημητριακών, ενώ ο αραβόσιτος αντιπροσωπεύει το 27% της συνολικής ετήσιας παραγωγής σιτηρών. Όσον αφορά την έκταση, τα όσπρια είναι η δεύτερη πιο σημαντική καλλιέργεια μετά τα σιτηρά, ενώ η τρίτη πιο σημαντική ομάδα καλλιεργειών είναι οι ελιές. Ο καφές είναι μια σημαντική μερίδα αγοράς που αντιπροσωπεύει το 3,8% του ΑΕΠ, αλλά καταλαμβάνει μόνο το 2,7% της συνολικής καλλιεργούμενης έκτασης.<br /> Όσον αφορά το κλίμα στην Αιθιοπία, μπορούν να διακριθούν τρεις εποχές: η εποχή του Bega ή η ξηρή περίοδος (από τον Οκτώβριο έως τον Ιανουάριο), η βόρεια ή μικρή περίοδος βροχών (από τον Φεβρουάριο μέχρι τον Μάιο) και η περίοδος Kiremt ή μακρά περίοδος βροχών (από Ιούνιο έως Σεπτέμβριο). Οι βροχοπτώσεις είναι πολύ σημαντικές καθώς περισσότερο από το 95% της καλλιεργήσιμης γης καλλιεργείται χωρίς άρδευση (Araya και Stroosnijder, 2011). Περίπου το 70-80% της βροχής πέφτει στην εποχή Kiremt. Η καλλιεργητική περίοδος αρχίζει στις αρχές Ιουλίου και τελειώνει στις αρχές Σεπτεμβρίου, με μια βροχερή περίοδο μέγιστης διάρκειας 80 ημερών.<br /> Τα περισσότερα από τα γεγονότα κρίσεων ξηρασίας και τροφίμων επικεντρώνονται σε δύο ευρείες ζώνες της Αιθιοπίας (FAOSTAT, 2009). Η συγκεκριμένη περιοχή μελέτης που αναλύεται εδώ είναι η North Shewa, μια από τις 10 ζώνες στην περιοχή Αιθιοπίας Amhara, που είναι εκτεθειμένη σε ξηρασίες, την οποία βλέπουμε στην εικόνα. Ο κυρίαρχος τύπος γης είναι η καλλιεργήσιμη γη με περισσότερο από το 90% της επαρχίας που χρησιμοποιείται για τη γεωργία. Η υπόλοιπη γη καλύπτεται από θάμνους.<br /> <br /> ==Κατασκευή Δεικτών==<br /> Αρχίζουμε με την καθιέρωση της σχέσης απόδοσης-δείκτη, συγκρίνοντας τα δεδομένα απόδοσης των καλλιεργειών με το δείκτη υγιεινής βλάστησης (VHI). Σε μια πρώτη φάση, στην αποδυνάμωση της αύξησης της απόδοσης λόγω της αύξησης της καλλιεργούμενης έκτασης και επίσης στη συσχέτιση της καλλιέργειας με τα χαρακτηριστικά του νοικοκυριού, η συνολική παραγωγή καλλιεργήθηκε με τη συνολική καλλιεργούμενη έκταση σε ένα δεδομένο έτος για να υπολογιστούν οι αποδόσεις των καλλιεργειών σε τόνους ανά εκτάριο για τον αντίστοιχο χρονικό ορίζοντα.<br /> Τα δεδομένα NDVI ελήφθησαν από το σύνολο δεδομένων GIMM, το οποίο περιλαμβάνει τιμές NDVI από το 1981 έως το 2006 σε περιόδους 15 ημερών. Τα δεδομένα ημερήσιας θερμοκρασίας ελήφθησαν από το σύνολο δεδομένων SLATE, το οποίο παρέχει δεδομένα από το 1910 έως το 2009, σε χωρική ανάλυση 0,5 ° (HarvestChoice, 2011), και συγκεντρώνεται σε περιόδους 15 ημερών. Λήφθηκαν για να υπολογίσουν τις αντίστοιχες τιμές VHI. Το παρακάτω σχήμα δείχνει το μέσο όρο VHI κατά τη διάρκεια των τελευταίων 30 ετών για αυτές τις περιόδους 15 ημερών για το North Shewa.<br /> <br /> ==Χρηματοδότηση του κινδύνου και ανάπτυξη==<br /> Δεδομένου ότι ένας αγρότης μικρής κλίμακας έχει 0,9 εκτάρια γης που μπορεί να χρησιμοποιήσει για την καλλιέργεια teff (είδος γνωστό στην Αιθιοπία), πόσο θα μπορούσε να επενδύσει σε λιπάσματα για να μειώσει την πιθανότητα να πέσει κάτω από το ελάχιστο επίπεδο διατροφής, δηλάδη στο 5%. Ένας αλγόριθμος βελτιστοποίησης μπορεί να εφαρμοστεί για να διαπιστωθεί ότι ένα αγρόκτημα που επενδύει σε τουλάχιστον 40 κιλά λιπάσματος ετησίως, μπορεί να μειώσει την ετήσια πιθανότητα υποσιτισμού από 55% σε 5%. Το λίπασμα δε μειώνει μόνο τον κίνδυνο υποσιτισμού αλλά και τις μέσες αποδόσεις των καλλιεργειών. <br /> Η χρήση λιπασμάτων φαίνεται να αποτελεί ένα από τα πιο αποδοτικά μέσα για τη μείωση του κινδύνου καθώς και μέσο ανάπτυξης. Αυτό παρατηρείται στο επόμενο σχήμα και στο δείκτη VHI που αντιπροσωπεύει τον κίνδυνο υποσιτισμού. Ο δείκτης αυτός μπορεί επίσης να χρησιμοποιηθεί για την εκτίμηση της πιθανότητας υποσιτισμού. Αυτό γίνεται λόγω της καθιερωμένης σχέσης με τις αποδόσεις των καλλιεργειών. Χρησιμοποιώντας τα λιπάσματα μέσω της λειτουργίας αντίδρασης της καλλιέργειας Mitscherlich-Baule, η κατανομή της απόδοσης καλλιέργειας θα μετατοπιστεί δεξιά και κατά συνέπεια η πιθανότητα υποσιτισμού μειώνεται επίσης. Ο δείκτης VHI μπορεί να χρησιμοποιηθεί για να αντιπροσωπεύει τον κίνδυνο υποσιτισμού. Για παράδειγμα, σύμφωνα με το επόμενο σχήμα, χωρίς χρήση λιπάσματος, η τιμή VHI κάτω από 85, θα δείχνει υποσιτισμό, ενώ η χρήση 40 κιλών λιπάσματος θα μετατόπιζε την κατανομή του δείκτη VHI (μέσω της σχέσης δείκτη καλλιέργειας), έτσι ώστε ο υποσιτισμός να συμβαίνει μόνο αν VHI είναι κάτω από 73 στη νέα κατανομή VHI. <br /> O VHI ως δείκτης κινδύνου, εισροών λιπασμάτων και σημείων υποσιτισμού. <br /> Στο επόμενο σχήμα παρουσιάζεται η σχέση μεταξύ των αποδόσεων των καλλιεργειών, της χρήσης λιπασμάτων και του δείκτη VHI με περισσότερες λεπτομέρειες.<br /> <br /> <br /> ==Περιορισμοί και τρόποι να αντιμετωπιστούν==<br /> Στην Αιθιοπία, η χρήση λιπασμάτων και βελτιωμένων πόρων, αποτελούν τις κύριες επενδύσεις που αυξάνουν την απόδοση των καλλιεργητών. Συνεπώς, τα αποτελέσματα είναι αισιόδοξα στην περίπτωση σοβαρών ξηρασιών, καθώς η μεταβολή στις αποδόσεις των καλλιεργειών δεν θα ήταν τόσο υψηλή όσο η λειτουργία Mitscherlich-Baule θα προέβλεπε. Η περίπτωση των ξηρασιών και των συναφών κινδύνων παραγωγής είναι ένας σημαντικός λόγος για την αποστροφή των αγροτών να επενδύσουν σε λιπάσματα. <br /> Στην ανάλυση μας, εξετάσαμε μόνο το teff και παραμελήσαμε τη δυνατότητα να φυτέψουμε και άλλες καλλιέργειες, ειδικά τα καλλιεργούμενα φυτά. Ενώ αυτό είναι ένα μικρό ζήτημα για τους μικρούς αγρότες, εξακολουθεί να συζητείται σε μεγάλο βαθμό ως μια πολλά υποσχόμενη εναλλακτική λύση. Πρέπει να σημειωθεί ότι οι αγρότες όχι μόνο ενδιαφέρονται για την παραγωγικότητα (των καλλιεργούμενων ποικιλιών), αλλά και για την περιβαλλοντική προσαρμοστικότητα και τη σταθερότητα της απόδοσης (Asrat et al., 2010). Σε χώρες όπως η Αιθιοπία, όπου η φυτική παραγωγή τροφοδοτείται κυρίως από βροχή και υπόκειται σε φυσικές καταστροφές, ο κίνδυνος παραγωγής αποτελεί σημαντικό παράγοντα για τη λήψη αποφάσεων φύτευσης.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Farmers_5.jpg 2019-03-31T08:03:14Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Farmers_4.jpg 2019-03-31T08:03:02Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Farmers_3.jpg 2019-03-31T08:02:52Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Farmers_2.jpg 2019-03-31T08:02:43Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Farmers_1.jpg 2019-03-31T08:02:33Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CE%BF%CF%85_2007_%CF%84%CE%B7%CF%82_%CE%94%CF%85%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%A0%CE%B5%CE%BB%CE%BF%CF%80%CE%BF%CE%BD%CE%BD%CE%AE%CF%83%CE%BF%CF%85 2019-03-31T07:54:57Z

<p>Vasiliki: Νέα σελίδα με 'Εικόνα 1: Πυρκαγιά Πελοποννήσου 2007 [[Εικόνα:fire_2.jpg|thumb|right|Εικόνα 2: Δείκτης...'</p> <hr /> <div>[[Εικόνα:fire_1.jpg|thumb|right|Εικόνα 1: Πυρκαγιά Πελοποννήσου 2007]]<br /> [[Εικόνα:fire_2.jpg|thumb|right|Εικόνα 2: Δείκτης NDVI Πελοποννήσου]]<br /> [[Εικόνα:fire_3.jpg|thumb|right|Εικόνα 3: Συγκριτικό και μέσο θερινό NDVI Πελοποννήσου πριν και μετά την πυρκαγιά τον Αύγουστο]]<br /> [[Εικόνα:fire_4.jpg|thumb|right|Εικόνα 4: Δείκτης LAI Πελοποννήσου]]<br /> [[Εικόνα:fire_5.jpg|thumb|right|Εικόνα 5: Δείκτης fCover Πελοποννήσου]]<br /> [[Εικόνα:fire_6.jpg|thumb|right|Εικόνα 6: Δείκτης fAPAP Πελοποννήσου]]<br /> <br /> πηγή: [[http://io.teiion.gr/bitstream/handle/123456789/853/04_Antypas_et_al.pdf?sequence=3&amp;isAllowed=y]]<br /> <br /> <br /> ==Εισαγωγή==<br /> Στις μέρες μας, οι δορυφορικές εικόνες αποτελούν μία από τις πιο διαδεδομένες μορφές καταγραφής δεδομένων, που η καταγραφή τους ποικίλλει ανάλογα με τις χαρακτηριστικές τους ιδιότητες. Βασική αρχή λειτουργίας των τηλεπισκοπικών ανιχνεύσεων, είναι ότι η γήινη επιφάνεια απορροφά, εκπέμπει ή ανακλά την ηλιακή ακτινοβολία που δέχεται. Η βλάστηση έχει μία μοναδική φασματική υπογραφή η οποία καθιστά ικανό τον άμεσο διαχωρισμό της από άλλους τύπους εδαφοκάλυψης σε μία εικόνα στο ορατό ή στο εγγύς υπέρυθρο. <br /> ==Μεθοδολογία-Δεδομένα==<br /> Στην εργασία έγινε χρήση δεδομένων από την ιστοσελίδα (Eoli-sa) της ESA και λήψη δορυφορικών εικόνων πλήρους ανάλυσης (Full Resolution) για την περιοχή μελέτης (Δυτική Πελοπόννησο) από το δορυφόρο ENVISAT που κάνει χρήση του Μεσαίας Ανάλυσης Φασματομέτρου Απεικόνισης (Medium Resolution Imaging Spectrometer-Meris) και το οποίο είναι ένα από τα κύρια μέσα εγκατεστημένα στην πλατφόρμα της ESA. <br /> Η διαδικασία περιλάμβανε τη χρήση 30 επιλεγμένων δορυφορικών εικόνων (από 26/7/2017- 3/7/2010) που ελήφθησαν με τη χρήση λογισμικού Eoli-sa, και έγινε χωρική επιλογή των περιοχών της Δυτικής Πελοποννήσου από την ευρύτερη διαθέσιμη περιοχή στις δορυφορικές εικόνες. Με βάση την ημερομηνία εκδήλωσης πυρκαγιάς στην περιοχή της Δυτικής Πελοποννήσου τον Αύγουστο του 2007 έγινε επιλογή 7 δορυφορικών εικόνων (με επιλεγμένη περιοχή μελέτης χωρίς εκτεταμένη νέφοκάλυψη) θερινών μηνών των ετών 2007, 2008, 2009, για καταγραφή με αριθμητικά δεδομένα, μέσω του λογισμικού, αρχικά με δείκτη NDVI (Normalised Difference Vegetation Index- Κανονικοποιημένος Δείκτης Βλάστησης) αλλά και άλλων δεικτών βλάστησης με δεδομένα πριν την πυρκαγιά αλλά και μέχρι δύο έτη μετά. Η επιλογή των 7 δορυφορικών εικόνων θερινών μηνών ήταν τις ημερομηνίες 29/07/2007, 01/08/2007, 20/08/2007, 27/06/2008, 18/08/2009, 21/08/2009, 28/08/2009. Στην εικόνα παρουσιάζεται απεικόνιση της Πελοποννήσου κατά τις πρώτες ημέρες της Πυρκαγιάς του Αυγούστου 2007 και η επιλεγμένη περιοχή προς διερεύνηση. <br /> Στις επιλεγμένες εικόνες έγινε ραδιομετρική και γεωμετρική διόρθωση Orthorectification-ορθοαναγωγή και reprojection- επαναπροβολή), και επεξεργασία εικόνας για πιθανότητα νέφωσης (Cloud Probability Processor) μέσω του λογισμικού Visat 4.7. <br /> Η επεξεργασία των εικόνων πραγματοποιήθηκε :<br /> • επιλογή περιοχής ενδιαφέροντος (Δυτική Πελοπόννησος) από το σύνολο της δορυφορικής εικόνας,<br /> • γεωμετρική και ραδιομετρική- ατμοσφαιρική διόρθωση (πιθανότητα νέφωσης-Cloud Probability Processor) στην επιλεγμένη εικόνα,<br /> • επιλογή του καταλληλότερου συνδυασμού καναλιών (bands) για την παρουσίαση της εικόνας (Tsagaris, Giannopoulos, Anastassopoulos, 2004)<br /> • επιλογή στοχευμένων σημείων (περιοχή Δυτικής Πελοποννήσου) από τη δορυφορική εικόνα για τον υπολογισμό και εκτίμηση των παραμέτρων (δείκτης NDVI, φασματική υπογραφή, δείκτες βλάστησης, LAI, fCOVER, LAIxCab, fAPAR).<br /> 3)Αποτελέσματα, σχεδιασμός του ΓΣΠ και εφαρμογή<br /> Η επεξεργασία των δεδομένων της έρευνας κατέληξε:<br /> Δείκτης NDVI (περιοχή μελέτης Δ. Πελοποννήσου):<br /> • μέσος όρος θερινών μηνών 2007: 0,30 πριν την πυρκαγιά<br /> • μέσος όρος θερινών μηνών 2008: 0,22 <br /> • μέσος όρος θερινών μηνών 2009: 0,25, <br /> γεγονός που επιβεβαιώνει την αναγέννηση των πυρόπληκτων περιοχών και την αύξηση της βλάστησης. <br /> Στην εικόνα 2 παρουσιάζονται απεικονίσεις του δείκτη NDVI της Πελοποννήσου πριν και μετά την πυρκαγιά του Αυγούστου 2007. Στο σχήμα 1 παρουσιάζεται συγκριτικό και θερινό NDVI Πελοποννήσου πριν και μετά την πυρκαγιά του Αυγούστου 2007. <br /> <br /> Προέκυψε πως ο δείκτης NDVI μειώθηκε (από 0,30 σε 0,22) κατά την πυρκαγιά του 2007, στην επιλεγμένη περιοχή μελέτης (ευρύτερη περιοχή Κάϊφα, Ν.Ηλείας).<br /> Αναλυτικότερα προέκυψε για το δείκτη LAI:<br /> • μέσος όρος θερινών μηνών 2007: 1,54 (πριν την πυρκαγιά),<br /> • μέσος όρος θερινών μηνών 2018: 1,24,<br /> • μέσος όρος θερινών μηνών 2019: 1,15.<br /> Γεγονός το οποίο δείχνει τη μικρή παραγωγική ικανότητα της φυτοκοινωνίας της περιοχής μελέτης. Αυτό οφείλεται στην υποβάθμιση της βλάστησης μετά τις πυρκαγιές του 2007. <br /> Δείκτης fCover:<br /> • μέσος όρος θερινών μηνών 2007:0,35(πριν την πυρκαγιά)<br /> • μέσος όρος θερινών μηνών 2008: 0,22<br /> • μέσος όρος θερινών μηνών 2009:0,25.<br /> Τα αποτελέσματα δείχνουν ότι η παρατηρούμενη μεταβολή του κλάσματος ανοίγματος βλάστησης οριοθετεί μείωση φωτοσυνθετικής δραστηριότητας ένα έτος μετά(2008) μετά την πυρκαγιά (2007), και αύξηση της φωτοσυνθετικής δραστηριότητας δύο έτη μετά(2009). <br /> Δείκτης fALxCab:<br /> • μέσος όρος θερινών μηνών 2007:60,82 (πριν την πυρκαγιά),<br /> • μέσος όρος θερινών μηνών 2008:58,65,<br /> • μέσος όρος θερινών μηνών 2009: 61,83.<br /> Για το δείκτη αυτό προέκυψε μεταβολή της τιμής που δείχνει τη μεταβολή του ποσού της χλωροφύλλης αλλά και της πυκνότητας της βλάστησης. <br /> Δείκτης fAPAR<br /> • μέσος όρος θερινών μηνών 2007: 0,51( πριν την πυρκαγιά),<br /> • μέσος όρος θερινών μηνών 2008:0,36,<br /> • μέσος όρος θερινών μηνών 2009:0,41.<br /> Για το δείκτη προέκυψε μεταβολή της τιμής του. Αυτό δείχνει τη μεταβολή του βαθμού φωτοσυνθετικής δραστηριότητας που αφορά μόνο τα πράσινα μέρη. <br /> <br /> <br /> ==Συμπεράσματα==<br /> Σύμφωνα με τα αποτελέσματα της έρευνας, παρατηρείται ένδειξη φυσικής αναγέννησης, σύμφωνα με τις μεταβολές των δεικτών βλάστησης, καθώς δεν έχει υπάρξει μέχρι σήμερα ανθρώπινη παρέμβαση στην επιλεγμένη περιοχή που αποτελεί την ευρύτερη περιοχή του Καϊάφα Ν. Ηλείας. Γενικά, από την επεξεργασία τέτοιων εικόνων, κρίνεται πως μπορούν να προκύψουν χρήσιμα συμπεράσματα, όπως η εκτίμηση ζημιών κατηγοριών βλάστησης από τις πυρκαγιές και ο ρυθμός επανόδου της βλάστησης με σκοπό την επιλογή της στρατηγικής αποκατάστασης και των σχετικών διαδικασιών διαχείρισης των πυρόπληκτων περιοχών. <br /> Τα ανωτέρω αποτελέσματα θα πρέπει να μελετηθούν περαιτέρω από επιστήμονες με υπόβαθρο περιβαλλοντικό και δασολογικό για την εξαγωγή ασφαλών συμπερασμάτων. Όσον αφορά τα Γεωγραφικά Συστήματα Πληροφοριών κατά την πρόληψη-πυροπροστασία, μπορούν να χρησιμοποιηθούν στον εντοπισμό των επικίνδυνων περιοχών και στη δημιουργία χαρτών</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_6.jpg 2019-03-30T18:31:55Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_5.jpg 2019-03-30T18:31:47Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_4.jpg 2019-03-30T18:31:37Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_3.jpg 2019-03-30T18:30:43Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_2.jpg 2019-03-30T18:30:32Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Fire_1.jpg 2019-03-30T18:30:22Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7_%CF%84%CF%89%CE%BD_GIS_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BC%CE%BF%CE%BD%CE%AC%CE%B4%CF%89%CE%BD_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1%CF%82 2019-03-30T18:21:40Z

<p>Vasiliki: </p> <hr /> <div>[[Εικόνα:health_1.png|thumb|right|Εικόνα 1: Εικόνα που δείχνει το χάρτη της περιοχής μελέτης]]<br /> [[Εικόνα:health_2.png|thumb|right|]]<br /> πηγή: [[http://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XXXVIII-8-W20/34/2011/]]<br /> [http://reader.elsevier.com/reader/sd/pii/S2210832717302466?token=C12FE3B7FE14398B8690DF2ED5E14AD2496E27BC9718907F5F83FFC420E9A698F5FF429C25961C697DBBA39DB007F63Awww.example.com ]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Στόχος της έρευνας είναι η μελέτη, η παρακολούθηση, η χαρτογράφηση, ο προγραμματισμός, η διανομή και ο εντοπισμός κυβερνητικών κέντρων υγείας στην επιλεγμένη περιοχή αναφοράς. Η ιατρική περιοχή El Salam, στο Κάιρο της Αιγύπτου έχει επιλεγεί ως περιοχή μελέτης για την πραγματοποίηση αυτής της έρευνας καθώς είναι μια πυκνοκατοικημένη αστική περιοχή. Η προτεινόμενη μεθοδολογία περιλαμβάνει πολλές διαδικασίες, βασισμένες σε δορυφορικές εικόνες, GIS, δημογραφικά στοιχεία αλλά και δεδομένα για την υγεία <br /> Η ισότιμη πρόσβαση στις υπηρεσίες πρωτοβάθμιας φροντίδας υγείας για τις χαμηλές κοινωνικοοικονομικές ομάδες είναι ένας στόχος για κυβερνήσεις για την αντιμετώπιση της ατζέντας πολιτικής κοινωνικής δικαιοσύνης. Το αιγυπτιακό κέντρο υγείας αντιμετωπίζει πολλαπλές προκλήσεις για τη βελτίωση και την εξασφάλιση της υγείας και της ευημερίας των Αιγυπτίων πολιτών. Η αύξηση του πληθυσμού με μεγαλύτερο προσδόκιμο ζωής οδηγεί στην πίεση του πληθυσμού στο σύστημα υγείας. <br /> Η έρευνα διεξάγεται για να ενσωματώσει την τηλεπισκόπηση και το GIS, προκειμένου να διαχειριστεί τις πρωτοβάθμιες μονάδες υγείας. <br /> Η παρακάτω εικόνα απεικονίζει το χάρτη με τις περιοχές μελέτης. <br /> <br /> ==Μεθοδολογία== <br /> Η προτεινόμενη μεθοδολογία είναι απλή και εφαρμόσιμη για την εξυπηρέτηση των διάφορων μορφών υγείας. Σε επόμενα στάδια, η μεθοδολογία θα βασίζεται σε προηγμένες τεχνικές βασισμένες στην επιστήμη της τηλεπισκόπησης, των υπολογιστών και της πρόβλεψης του πληθυσμού με διαφορετικά μοντέλα. Τα περισσότερα από τα κέντρα υγείας βρίσκονται στον κεντρικό δρόμο και η πρόσβαση σε οποιοδήποτε κέντρο υγείας θα γίνεται με περπάτημα, δημόσια μεταφορά, ταξί και ιδιωτικά αυτοκίνητα. Η εικόνα δείχνει ένα παράδειγμα διευρυμένου οδικού δικτύου.<br /> Η έρευνα έδειξε ότι η γεωγραφική κατανομή δεν ήταν καλή και ότι στις αστικές περιοχές του Κάιρο υπάρχουν αυξημένα επίπεδα ανισότητας και φτώχειας τα τελευταία δύο χρόνια.<br /> <br /> ==Συμπεράσματα==<br /> Πολλοί ερευνητές κατέληξαν στο συμπέρασμα ότι η χρήση ηλεκτρονικών ιατρικών αρχείων αποσκοπούσε λειτουργικά στην ευκολία της ιατρικής καταγραφής και στη βελτιστοποίηση της. Τα κέντρα υγείας θα μπορούσαν να είναι διαφορετικά ανάλογα με την οργάνωση του συστήματος.<br /> Η παραδοσιακή μέθοδος δεν μπορεί να διαχειριστεί δυναμικά PHCcenters και είναι δαπανηρή και χρονοβόρα. Τα αποτελέσματα που προέκυψαν έδειξαν ότι οι σχεδιαστές της υγείας και οι υπεύθυνοι για τη λήψη αποφάσεων μπορούν να χρησιμοποιήσουν προηγμένα πεδία γνώσεων όπως τηλεπισκόπηση, GIS και επιστήμη των υπολογιστών στη μελέτη, την παρακολούθηση, τη χαρτογράφηση, τον προγραμματισμό, την παρακολούθηση της προσφοράς και ζήτησης σε πρωτοβάθμια κέντρα υγείας για τη διαχείριση διαφόρων τα κριτήρια και τα πρότυπα της MOHP της Αιγύπτου. Η μελέτη διαπίστωσε ότι ο πληθυσμός θεωρείται ως ενεργό κριτήριο λόγω της υψηλής πληθυσμιακής ανάπτυξης. Θεωρητικά, τα PHCcenters καλύπτουν την περιοχή εξυπηρέτησης αλλά δεν καλύπτουν τον πληθυσμό εξυπηρέτησης σύμφωνα με τα κριτήρια της αιγυπτιακής MOHP. Επιπλέον, η μελέτη διερεύνησε ότι υπάρχουν πολλές άλλες κυβερνητικές και ιδιωτικές υπηρεσίες υγείας που χρησιμοποιήθηκαν από ορισμένους ασθενείς αντί για κέντρα PHC.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%97_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%AC%CF%84%CF%89%CF%83%CE%B7_%CF%84%CF%89%CE%BD_GIS_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BC%CE%BF%CE%BD%CE%AC%CE%B4%CF%89%CE%BD_%CF%85%CE%B3%CE%B5%CE%AF%CE%B1%CF%82 2019-03-30T18:20:21Z

<p>Vasiliki: Νέα σελίδα με 'Εικόνα 1: Εικόνα που δείχνει το χάρτη της περιοχής μελέτης [[Εικόνα:health_2...'</p> <hr /> <div>[[Εικόνα:health_1.png|thumb|right|Εικόνα 1: Εικόνα που δείχνει το χάρτη της περιοχής μελέτης]]<br /> [[Εικόνα:health_2.png|thumb|right|]]<br /> '''Εισαγωγή'''<br /> <br /> Στόχος της έρευνας είναι η μελέτη, η παρακολούθηση, η χαρτογράφηση, ο προγραμματισμός, η διανομή και ο εντοπισμός κυβερνητικών κέντρων υγείας στην επιλεγμένη περιοχή αναφοράς. Η ιατρική περιοχή El Salam, στο Κάιρο της Αιγύπτου έχει επιλεγεί ως περιοχή μελέτης για την πραγματοποίηση αυτής της έρευνας καθώς είναι μια πυκνοκατοικημένη αστική περιοχή. Η προτεινόμενη μεθοδολογία περιλαμβάνει πολλές διαδικασίες, βασισμένες σε δορυφορικές εικόνες, GIS, δημογραφικά στοιχεία αλλά και δεδομένα για την υγεία <br /> Η ισότιμη πρόσβαση στις υπηρεσίες πρωτοβάθμιας φροντίδας υγείας για τις χαμηλές κοινωνικοοικονομικές ομάδες είναι ένας στόχος για κυβερνήσεις για την αντιμετώπιση της ατζέντας πολιτικής κοινωνικής δικαιοσύνης. Το αιγυπτιακό κέντρο υγείας αντιμετωπίζει πολλαπλές προκλήσεις για τη βελτίωση και την εξασφάλιση της υγείας και της ευημερίας των Αιγυπτίων πολιτών. Η αύξηση του πληθυσμού με μεγαλύτερο προσδόκιμο ζωής οδηγεί στην πίεση του πληθυσμού στο σύστημα υγείας. <br /> Η έρευνα διεξάγεται για να ενσωματώσει την τηλεπισκόπηση και το GIS, προκειμένου να διαχειριστεί τις πρωτοβάθμιες μονάδες υγείας. <br /> Η παρακάτω εικόνα απεικονίζει το χάρτη με τις περιοχές μελέτης. <br /> <br /> ==Μεθοδολογία== <br /> Η προτεινόμενη μεθοδολογία είναι απλή και εφαρμόσιμη για την εξυπηρέτηση των διάφορων μορφών υγείας. Σε επόμενα στάδια, η μεθοδολογία θα βασίζεται σε προηγμένες τεχνικές βασισμένες στην επιστήμη της τηλεπισκόπησης, των υπολογιστών και της πρόβλεψης του πληθυσμού με διαφορετικά μοντέλα. Τα περισσότερα από τα κέντρα υγείας βρίσκονται στον κεντρικό δρόμο και η πρόσβαση σε οποιοδήποτε κέντρο υγείας θα γίνεται με περπάτημα, δημόσια μεταφορά, ταξί και ιδιωτικά αυτοκίνητα. Η εικόνα δείχνει ένα παράδειγμα διευρυμένου οδικού δικτύου.<br /> Η έρευνα έδειξε ότι η γεωγραφική κατανομή δεν ήταν καλή και ότι στις αστικές περιοχές του Κάιρο υπάρχουν αυξημένα επίπεδα ανισότητας και φτώχειας τα τελευταία δύο χρόνια.<br /> <br /> ==Συμπεράσματα==<br /> Πολλοί ερευνητές κατέληξαν στο συμπέρασμα ότι η χρήση ηλεκτρονικών ιατρικών αρχείων αποσκοπούσε λειτουργικά στην ευκολία της ιατρικής καταγραφής και στη βελτιστοποίηση της. Τα κέντρα υγείας θα μπορούσαν να είναι διαφορετικά ανάλογα με την οργάνωση του συστήματος.<br /> Η παραδοσιακή μέθοδος δεν μπορεί να διαχειριστεί δυναμικά PHCcenters και είναι δαπανηρή και χρονοβόρα. Τα αποτελέσματα που προέκυψαν έδειξαν ότι οι σχεδιαστές της υγείας και οι υπεύθυνοι για τη λήψη αποφάσεων μπορούν να χρησιμοποιήσουν προηγμένα πεδία γνώσεων όπως τηλεπισκόπηση, GIS και επιστήμη των υπολογιστών στη μελέτη, την παρακολούθηση, τη χαρτογράφηση, τον προγραμματισμό, την παρακολούθηση της προσφοράς και ζήτησης σε πρωτοβάθμια κέντρα υγείας για τη διαχείριση διαφόρων τα κριτήρια και τα πρότυπα της MOHP της Αιγύπτου. Η μελέτη διαπίστωσε ότι ο πληθυσμός θεωρείται ως ενεργό κριτήριο λόγω της υψηλής πληθυσμιακής ανάπτυξης. Θεωρητικά, τα PHCcenters καλύπτουν την περιοχή εξυπηρέτησης αλλά δεν καλύπτουν τον πληθυσμό εξυπηρέτησης σύμφωνα με τα κριτήρια της αιγυπτιακής MOHP. Επιπλέον, η μελέτη διερεύνησε ότι υπάρχουν πολλές άλλες κυβερνητικές και ιδιωτικές υπηρεσίες υγείας που χρησιμοποιήθηκαν από ορισμένους ασθενείς αντί για κέντρα PHC.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%B9%CE%BA%CE%BF%CE%BD%CE%B1_1.png 2019-03-30T18:12:32Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Health_2.jpg 2019-03-30T18:12:00Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A5%CE%B3%CE%B5%CE%B9%CE%B1_2.jpg 2019-03-28T09:26:16Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%A5%CE%B3%CE%B5%CE%B9%CE%B1_1.jpg 2019-03-28T09:26:02Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%B3%CF%81%CE%B1%CF%86%CE%AE_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%AC%CE%BB%CF%89%CF%83%CE%B7%CF%82_%CE%BD%CE%B5%CF%81%CE%BF%CF%8D_%CF%83%CF%84%CE%BF%CE%BD_%CE%BA%CE%AC%CE%BC%CF%80%CE%BF_%CF%84%CF%89%CE%BD_%CE%A7%CE%B1%CE%BD%CE%AF%CF%89%CE%BD 2019-03-28T09:23:00Z

<p>Vasiliki: </p> <hr /> <div>[[Εικόνα:xania_eikona_1.png |thumb| right|Εικόνα 1 Δορυφορική Εικόνα Ikonos Ms της περιοχής μελέτης. ]]<br /> [[Εικόνα:xania_eikona_2.png |thumb| right|Εικόνα 2 Η χρήση της δορυφορικής τηλεπισκόπησης ως εργαλείο υποστήριξης στη μεθοδολογία καταγραφής της κατανάλωσης του αρδευτικού νερού στον κάμπο του Ν. Χανίων. ]]<br /> [[Εικόνα:xania_eikona_3.png |thumb| right|Εικόνα 3 ]]<br /> [[Εικόνα:xania_eikona_4.png |thumb| right|Εικόνα 4 ]]<br /> [[Εικόνα:xania_eikona_5.png |thumb| right|Εικόνα 5 Τελικός θεματικός χάρτης. ]]<br /> [[Εικόνα:xania_eikona_6.png |thumb| right|Εικόνα 6 Ορθοεικόνα Ikonos και θεματική εικόνα Ikonos. ]]<br /> [[ http://library.tee.gr/digital/m2187/m2187_giourou.pdf.com Εφαρµογή Τηλεπισκόπησης στην καταγραφή της κατανάλωσης του αρδευτικού νερού στον Κάµπο του Ν. Χανίων Πηγή]]<br /> <br /> == Εισαγωγή ==<br /> Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσου Κρήτης. Είναι µία γεωργική περιοχή η οποία καλλιεργείται κυρίως µε ελιές, εσπεριδοειδή και αµπέλια, µε µεγάλη συµµετοχή στην τοπική οικονοµία, δεδοµένου ότι η γεωργία αποτελεί βασικό στήριγµα της περιοχής παρά τη θεαµατική αύξηση της τουριστικής ανάπτυξής της. Τα τελευταία χρόνια η κατανάλωση και χρήση νερού έχει αυξηθεί ραγδαία. Το πρόβληµα είναι ιδιαίτερα έντονο σε ότι αφορά τις ανάγκες για αρδεύσιµο νερό. Στο σηµείο αυτό η χρήση της δορυφορικής τηλεπισκόπησης µπορεί να βοηθήσει στον εντοπισµό και τη χαρτογράφηση/οριοθέτηση των αρδεύσιµων καλλιεργειών, ώστε να εντοπιστούν οι πραγµατικές ανάγκες για τη χρήση αρδεύσιµου ύδατος. <br /> Σκοπός της παρούσας µελέτης είναι η κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής. Η κοστολόγηση του αρδευτικού νερού θα αποτελέσει τη βάση της µελλοντικής τιµολογιακής πολιτικής, όπως αυτή ορίζεται από την Ευρωπαϊκή Οδηγία Πλαίσιο για το Νερό(2000/60) και τη νέα εθνική νοµοθεσία. Μια τέτοια τιµολόγηση θα πρέπει να στηρίζεται σε τιµές που να αντανακλούν την πραγµατική αξία του συγκεκριµένου φυσικού πόρου µε σκοπό την όσο το δυνατόν πιο ορθολογική και αποτελεσµατική χρήση του. <br /> <br /> ==Επεξεργασία Πρωτογενών ∆εδοµένων==<br /> Γεωµετρικές ∆ιορθώσεις. Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. <br /> Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων. Η ραδιοµετρική διόρθωση έγινε µε το λογισµικό ERDAS IMAGINE 8.7. Θεωρήθηκε κατάλληλη η µέθοδος της µετατόπισης του ιστογράµµατος (histogram equalization), προκειµένου να απαλλαγεί η ραδιοµετρία των δορυφορικών εικόνων από τον θόρυβο που εισάγει η ατµόσφαιρα. Κατά την µέθοδο αυτή υπολογίζονται νέες τιµές των εικονοστοιχείων (pixels), χρησιµοποιώντας προσθετικούς και πολλαπλασιαστικούς αλγορίθµους, οι οποίοι διορθώνουν την εικόνα από τις παραπάνω επιδράσεις. <br /> '''''Αναγνώριση τύπων καλλιεργειών µέσω τεχνικών Ταξινόµησης'''''<br /> Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης.<br /> Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής: <br /> • Επιλογή των καταλλήλων σκηνών.<br /> • Επιλογή των φασµατικών υπογραφών των καλλιεργειών.<br /> • Ταξινόµηση των επικρατέστερων χρήσεων γης Αξιολόγηση των αποτελεσµάτων<br /> Ελήφθησαν δείγµατα από εργασία – πεδίου πριν τα στάδια της ταξινόµησης. Τα δείγµατα αυτά (150 στον αριθµό) αντιπροσωπεύουν όλους τους τύπους καλλιεργειών που ενδιαφέρουν το πιλοτικό πρόγραµµα. Πιο συγκεκριµένα οι καλλιέργειες που υπάρχουν στην περιοχή µελέτης και έπρεπε να ταξινοµηθούν είναι οι εξής: <br /> Τα δείγµατα από 13 έως και 15 αφορούν άλλες κατηγορίες οι οποίες έπρεπε να είναι γνωστές για τα στάδια της ταξινόµησης. Αυτά οµαδοποιήθηκαν και αποτελούν την κατηγορία “άλλο”. <br /> Κατά συνέπεια το αρχικό δείγµα το οποίο χρησιµοποιήθηκε ως δείγµα εκπαίδευσης (training set) στην καθοδηγούµενη ταξινόµηση προκειµένου να δηµιουργεί το αρχείο υπογραφών ταξινόµησης (signature file) στο ERDAS Imagine 8.7, περιελάµβανε τις άνω 15 κατηγορίες. Η τελική θεµατική εικόνα κατόπιν συνένωσης και γενίκευσης των παραπάνω 15 κατηγοριών απεικονίζει τις ακόλουθες τάξεις (Εικόνα 4): <br /> • Αροτραίες καλλιέργειες<br /> • Γη Λαχανόκηπων<br /> • Εσπεριδοειδή <br /> • Ελαιόδενδρα <br /> • Αβοκάντο <br /> • Αµπελοειδή <br /> • Αγρανάπαυση <br /> • Άλλο <br /> Η συνολική ακρίβεια της ταξινόµησης είναι 65.54% και ο συντελεστής Kappa 0.651. Η υπολογισµένη, κατά προσέγγιση, έκταση ανά τύπο καλλιεργειών µετά την ταξινόµηση της δορυφορικής εικόνας είναι (σε στρέµµατα): <br /> <br /> <br /> ==Συμπεράσματα==<br /> Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης <br /> Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%B3%CF%81%CE%B1%CF%86%CE%AE_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%AC%CE%BB%CF%89%CF%83%CE%B7%CF%82_%CE%BD%CE%B5%CF%81%CE%BF%CF%8D_%CF%83%CF%84%CE%BF%CE%BD_%CE%BA%CE%AC%CE%BC%CF%80%CE%BF_%CF%84%CF%89%CE%BD_%CE%A7%CE%B1%CE%BD%CE%AF%CF%89%CE%BD 2019-03-28T09:22:23Z

<p>Vasiliki: </p> <hr /> <div>[[Εικόνα:xania_eikona_1.png |thumb| right|Εικόνα 1 Δορυφορική Εικόνα Ikonos Ms της περιοχής μελέτης. ]]<br /> [[Εικόνα:xania_eikona_2.png |thumb| right|Εικόνα 2 Η χρήση της δορυφορικής τηλεπισκόπησης ως εργαλείο υποστήριξης στη μεθοδολογία καταγραφής της κατανάλωσης του αρδευτικού νερού στον κάμπο του Ν. Χανίων. ]]<br /> [[Εικόνα:xania_eikona_3.png |thumb| right|Εικόνα 3 ]]<br /> [[Εικόνα:xania_eikona_4.png |thumb| right|Εικόνα 4 ]]<br /> [[Εικόνα:xania_eikona_5.png |thumb| right|Εικόνα 5 Τελικός θεματικός χάρτης. ]]<br /> [[Εικόνα:xania_eikona_6.png |thumb| right|Εικόνα 6 Ορθοεικόνα Ikonos και θεματική εικόνα Ikonos. ]]<br /> [[ http://library.tee.gr/digital/m2187/m2187_giourou.pdf.com Εφαρµογή Τηλεπισκόπησης στην καταγραφή της κατανάλωσης του αρδευτικού νερού στον Κάµπο του Ν. Χανίων Πηγή]]<br /> <br /> == Εισαγωγή ==<br /> Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσου Κρήτης (Εικόνα 1). Είναι µία γεωργική περιοχή η οποία καλλιεργείται κυρίως µε ελιές, εσπεριδοειδή και αµπέλια, µε µεγάλη συµµετοχή στην τοπική οικονοµία, δεδοµένου ότι η γεωργία αποτελεί βασικό στήριγµα της περιοχής παρά τη θεαµατική αύξηση της τουριστικής ανάπτυξής της.<br /> Τα τελευταία χρόνια η κατανάλωση και χρήση νερού έχει αυξηθεί ραγδαία. Το πρόβληµα είναι ιδιαίτερα έντονο σε ότι αφορά τις ανάγκες για αρδεύσιµο νερό. Στο σηµείο αυτό η χρήση της δορυφορικής τηλεπισκόπησης µπορεί να βοηθήσει στον εντοπισµό και τη χαρτογράφηση/οριοθέτηση των αρδεύσιµων καλλιεργειών, ώστε να εντοπιστούν οι πραγµατικές ανάγκες για τη χρήση αρδεύσιµου ύδατος. <br /> Σκοπός της παρούσας µελέτης είναι η κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής. Η κοστολόγηση του αρδευτικού νερού θα αποτελέσει τη βάση της µελλοντικής τιµολογιακής πολιτικής, όπως αυτή ορίζεται από την Ευρωπαϊκή Οδηγία Πλαίσιο για το Νερό(2000/60) και τη νέα εθνική νοµοθεσία. Μια τέτοια τιµολόγηση θα πρέπει να στηρίζεται σε τιµές που να αντανακλούν την πραγµατική αξία του συγκεκριµένου φυσικού πόρου µε σκοπό την όσο το δυνατόν πιο ορθολογική και αποτελεσµατική χρήση του. <br /> <br /> ==Επεξεργασία Πρωτογενών ∆εδοµένων==<br /> Γεωµετρικές ∆ιορθώσεις. Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. <br /> Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων. Η ραδιοµετρική διόρθωση έγινε µε το λογισµικό ERDAS IMAGINE 8.7. Θεωρήθηκε κατάλληλη η µέθοδος της µετατόπισης του ιστογράµµατος (histogram equalization), προκειµένου να απαλλαγεί η ραδιοµετρία των δορυφορικών εικόνων από τον θόρυβο που εισάγει η ατµόσφαιρα. Κατά την µέθοδο αυτή υπολογίζονται νέες τιµές των εικονοστοιχείων (pixels), χρησιµοποιώντας προσθετικούς και πολλαπλασιαστικούς αλγορίθµους, οι οποίοι διορθώνουν την εικόνα από τις παραπάνω επιδράσεις. <br /> '''''Αναγνώριση τύπων καλλιεργειών µέσω τεχνικών Ταξινόµησης'''''<br /> Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης.<br /> Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής: <br /> • Επιλογή των καταλλήλων σκηνών.<br /> • Επιλογή των φασµατικών υπογραφών των καλλιεργειών.<br /> • Ταξινόµηση των επικρατέστερων χρήσεων γης Αξιολόγηση των αποτελεσµάτων<br /> Ελήφθησαν δείγµατα από εργασία – πεδίου πριν τα στάδια της ταξινόµησης. Τα δείγµατα αυτά (150 στον αριθµό) αντιπροσωπεύουν όλους τους τύπους καλλιεργειών που ενδιαφέρουν το πιλοτικό πρόγραµµα. Πιο συγκεκριµένα οι καλλιέργειες που υπάρχουν στην περιοχή µελέτης και έπρεπε να ταξινοµηθούν είναι οι εξής: <br /> Τα δείγµατα από 13 έως και 15 αφορούν άλλες κατηγορίες οι οποίες έπρεπε να είναι γνωστές για τα στάδια της ταξινόµησης. Αυτά οµαδοποιήθηκαν και αποτελούν την κατηγορία “άλλο”. <br /> Κατά συνέπεια το αρχικό δείγµα το οποίο χρησιµοποιήθηκε ως δείγµα εκπαίδευσης (training set) στην καθοδηγούµενη ταξινόµηση προκειµένου να δηµιουργεί το αρχείο υπογραφών ταξινόµησης (signature file) στο ERDAS Imagine 8.7, περιελάµβανε τις άνω 15 κατηγορίες. Η τελική θεµατική εικόνα κατόπιν συνένωσης και γενίκευσης των παραπάνω 15 κατηγοριών απεικονίζει τις ακόλουθες τάξεις (Εικόνα 4): <br /> • Αροτραίες καλλιέργειες<br /> • Γη Λαχανόκηπων<br /> • Εσπεριδοειδή <br /> • Ελαιόδενδρα <br /> • Αβοκάντο <br /> • Αµπελοειδή <br /> • Αγρανάπαυση <br /> • Άλλο <br /> Η συνολική ακρίβεια της ταξινόµησης είναι 65.54% και ο συντελεστής Kappa 0.651. Η υπολογισµένη, κατά προσέγγιση, έκταση ανά τύπο καλλιεργειών µετά την ταξινόµηση της δορυφορικής εικόνας είναι (σε στρέµµατα): <br /> <br /> <br /> ==Συμπεράσματα==<br /> Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης <br /> Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%B3%CF%81%CE%B1%CF%86%CE%AE_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%AC%CE%BB%CF%89%CF%83%CE%B7%CF%82_%CE%BD%CE%B5%CF%81%CE%BF%CF%8D_%CF%83%CF%84%CE%BF%CE%BD_%CE%BA%CE%AC%CE%BC%CF%80%CE%BF_%CF%84%CF%89%CE%BD_%CE%A7%CE%B1%CE%BD%CE%AF%CF%89%CE%BD 2019-03-28T09:16:53Z

<p>Vasiliki: </p> <hr /> <div>[[Εικόνα:xania_eikona_1.png |thumb| right|Εικόνα 1 Δορυφορική Εικόνα Ikonos Ms της περιοχής μελέτης. ]]<br /> [[Εικόνα:xania_eikona_2.png |thumb| right|Εικόνα 2 Η χρήση της δορυφορικής τηλεπισκόπησης ως εργαλείο υποστήριξης στη μεθοδολογία καταγραφής της κατανάλωσης του αρδευτικού νερού στον κάμπο του Ν. Χανίων. ]]<br /> [[Εικόνα:xania_eikona_3.png |thumb| right|Εικόνα 3 ]]<br /> [[Εικόνα:xania_eikona_4.png |thumb| right|Εικόνα 4 ]]<br /> [[Εικόνα:xania_eikona_5.png |thumb| right|Εικόνα 5 Τελικός θεματικός χάρτης. ]]<br /> [[Εικόνα:xania_eikona_6.png |thumb| right|Εικόνα 6 Ορθοεικόνα Ikonos και θεματική εικόνα Ikonos. ]]<br /> [[ http://library.tee.gr/digital/m2187/m2187_giourou.pdf.com Εφαρµογή Τηλεπισκόπησης στην καταγραφή της κατανάλωσης του αρδευτικού νερού στον Κάµπο του Ν. Χανίων Πηγή]]<br /> <br /> <br /> '''1.Εισαγωγή'''<br /> Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσου Κρήτης (Εικόνα 1). Είναι µία γεωργική περιοχή η οποία καλλιεργείται κυρίως µε ελιές, εσπεριδοειδή και αµπέλια, µε µεγάλη συµµετοχή στην τοπική οικονοµία, δεδοµένου ότι η γεωργία αποτελεί βασικό στήριγµα της περιοχής παρά τη θεαµατική αύξηση της τουριστικής ανάπτυξής της.<br /> Τα τελευταία χρόνια η κατανάλωση και χρήση νερού έχει αυξηθεί ραγδαία. Το πρόβληµα είναι ιδιαίτερα έντονο σε ότι αφορά τις ανάγκες για αρδεύσιµο νερό. Στο σηµείο αυτό η χρήση της δορυφορικής τηλεπισκόπησης µπορεί να βοηθήσει στον εντοπισµό και τη χαρτογράφηση/οριοθέτηση των αρδεύσιµων καλλιεργειών, ώστε να εντοπιστούν οι πραγµατικές ανάγκες για τη χρήση αρδεύσιµου ύδατος. <br /> Σκοπός της παρούσας µελέτης είναι η κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής. Η κοστολόγηση του αρδευτικού νερού θα αποτελέσει τη βάση της µελλοντικής τιµολογιακής πολιτικής, όπως αυτή ορίζεται από την Ευρωπαϊκή Οδηγία Πλαίσιο για το Νερό(2000/60) και τη νέα εθνική νοµοθεσία. Μια τέτοια τιµολόγηση θα πρέπει να στηρίζεται σε τιµές που να αντανακλούν την πραγµατική αξία του συγκεκριµένου φυσικού πόρου µε σκοπό την όσο το δυνατόν πιο ορθολογική και αποτελεσµατική χρήση του. <br /> '''2.Επεξεργασία Πρωτογενών ∆εδοµένων'''<br /> Γεωµετρικές ∆ιορθώσεις. Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. <br /> Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων. Η ραδιοµετρική διόρθωση έγινε µε το λογισµικό ERDAS IMAGINE 8.7. Θεωρήθηκε κατάλληλη η µέθοδος της µετατόπισης του ιστογράµµατος (histogram equalization), προκειµένου να απαλλαγεί η ραδιοµετρία των δορυφορικών εικόνων από τον θόρυβο που εισάγει η ατµόσφαιρα. Κατά την µέθοδο αυτή υπολογίζονται νέες τιµές των εικονοστοιχείων (pixels), χρησιµοποιώντας προσθετικούς και πολλαπλασιαστικούς αλγορίθµους, οι οποίοι διορθώνουν την εικόνα από τις παραπάνω επιδράσεις. <br /> '''3.Αναγνώριση τύπων καλλιεργειών µέσω τεχνικών Ταξινόµησης'''<br /> Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης.<br /> Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής: <br /> • Επιλογή των καταλλήλων σκηνών.<br /> • Επιλογή των φασµατικών υπογραφών των καλλιεργειών.<br /> • Ταξινόµηση των επικρατέστερων χρήσεων γης Αξιολόγηση των αποτελεσµάτων<br /> Ελήφθησαν δείγµατα από εργασία – πεδίου πριν τα στάδια της ταξινόµησης. Τα δείγµατα αυτά (150 στον αριθµό) αντιπροσωπεύουν όλους τους τύπους καλλιεργειών που ενδιαφέρουν το πιλοτικό πρόγραµµα. Πιο συγκεκριµένα οι καλλιέργειες που υπάρχουν στην περιοχή µελέτης και έπρεπε να ταξινοµηθούν είναι οι εξής: <br /> Τα δείγµατα από 13 έως και 15 αφορούν άλλες κατηγορίες οι οποίες έπρεπε να είναι γνωστές για τα στάδια της ταξινόµησης. Αυτά οµαδοποιήθηκαν και αποτελούν την κατηγορία “άλλο”. <br /> Κατά συνέπεια το αρχικό δείγµα το οποίο χρησιµοποιήθηκε ως δείγµα εκπαίδευσης (training set) στην καθοδηγούµενη ταξινόµηση προκειµένου να δηµιουργεί το αρχείο υπογραφών ταξινόµησης (signature file) στο ERDAS Imagine 8.7, περιελάµβανε τις άνω 15 κατηγορίες. Η τελική θεµατική εικόνα κατόπιν συνένωσης και γενίκευσης των παραπάνω 15 κατηγοριών απεικονίζει τις ακόλουθες τάξεις (Εικόνα 4): <br /> • Αροτραίες καλλιέργειες<br /> • Γη Λαχανόκηπων<br /> • Εσπεριδοειδή <br /> • Ελαιόδενδρα <br /> • Αβοκάντο <br /> • Αµπελοειδή <br /> • Αγρανάπαυση <br /> • Άλλο <br /> Η συνολική ακρίβεια της ταξινόµησης είναι 65.54% και ο συντελεστής Kappa 0.651. Η υπολογισµένη, κατά προσέγγιση, έκταση ανά τύπο καλλιεργειών µετά την ταξινόµηση της δορυφορικής εικόνας είναι (σε στρέµµατα): <br /> <br /> <br /> '''4.Συμπεράσματα'''<br /> Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης <br /> Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B1%CE%B3%CF%81%CE%B1%CF%86%CE%AE_%CE%BA%CE%B1%CF%84%CE%B1%CE%BD%CE%AC%CE%BB%CF%89%CF%83%CE%B7%CF%82_%CE%BD%CE%B5%CF%81%CE%BF%CF%8D_%CF%83%CF%84%CE%BF%CE%BD_%CE%BA%CE%AC%CE%BC%CF%80%CE%BF_%CF%84%CF%89%CE%BD_%CE%A7%CE%B1%CE%BD%CE%AF%CF%89%CE%BD 2019-03-28T09:15:53Z

<p>Vasiliki: Νέα σελίδα με 'Εικόνα 1 Δορυφορική Εικόνα Ikonos Ms της περιοχής μελέτης. [[Εικόνα:xania_...'</p> <hr /> <div>[[Εικόνα:xania_eikona_1.png |thumb| right|Εικόνα 1 Δορυφορική Εικόνα Ikonos Ms της περιοχής μελέτης. ]]<br /> [[Εικόνα:xania_eikona_2.png |thumb| right|Εικόνα 2 Η χρήση της δορυφορικής τηλεπισκόπησης ως εργαλείο υποστήριξης στη μεθοδολογία καταγραφής της κατανάλωσης του αρδευτικού νερού στον κάμπο του Ν. Χανίων. ]]<br /> [[Εικόνα:xania_eikona_3.png |thumb| right|Εικόνα 3 ]]<br /> [[Εικόνα:xania_eikona_4.png |thumb| right|Εικόνα 4 ]]<br /> [[Εικόνα:xania_eikona_5.png |thumb| right|Εικόνα 5 Τελικός θεματικός χάρτης. ]]<br /> [[Εικόνα:xania_eikona_6.png |thumb| right|Εικόνα 6 Ορθοεικόνα Ikonos και θεματική εικόνα Ikonos. ]]<br /> [[ http://library.tee.gr/digital/m2187/m2187_giourou.pdf.com Εφαρµογή Τηλεπισκόπησης στην καταγραφή της κατανάλωσης του αρδευτικού νερού στον Κάµπο του Ν. Χανίων Πηγή]]<br /> <br /> <br /> '''1.Εισαγωγή'''<br /> Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσου Κρήτης (Εικόνα 1). Είναι µία γεωργική περιοχή η οποία καλλιεργείται κυρίως µε ελιές, εσπεριδοειδή και αµπέλια, µε µεγάλη συµµετοχή στην τοπική οικονοµία, δεδοµένου ότι η γεωργία αποτελεί βασικό στήριγµα της περιοχής παρά τη θεαµατική αύξηση της τουριστικής ανάπτυξής της.<br /> Τα τελευταία χρόνια η κατανάλωση και χρήση νερού έχει αυξηθεί ραγδαία. Το πρόβληµα είναι ιδιαίτερα έντονο σε ότι αφορά τις ανάγκες για αρδεύσιµο νερό. Στο σηµείο αυτό η χρήση της δορυφορικής τηλεπισκόπησης µπορεί να βοηθήσει στον εντοπισµό και τη χαρτογράφηση/οριοθέτηση των αρδεύσιµων καλλιεργειών, ώστε να εντοπιστούν οι πραγµατικές ανάγκες για τη χρήση αρδεύσιµου ύδατος. <br /> Σκοπός της παρούσας µελέτης είναι η κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής. Η κοστολόγηση του αρδευτικού νερού θα αποτελέσει τη βάση της µελλοντικής τιµολογιακής πολιτικής, όπως αυτή ορίζεται από την Ευρωπαϊκή Οδηγία Πλαίσιο για το Νερό(2000/60) και τη νέα εθνική νοµοθεσία. Μια τέτοια τιµολόγηση θα πρέπει να στηρίζεται σε τιµές που να αντανακλούν την πραγµατική αξία του συγκεκριµένου φυσικού πόρου µε σκοπό την όσο το δυνατόν πιο ορθολογική και αποτελεσµατική χρήση του. <br /> ''' 2.Επεξεργασία Πρωτογενών ∆εδοµένων'''<br /> <br /> Γεωµετρικές ∆ιορθώσεις. Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. <br /> Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων. Η ραδιοµετρική διόρθωση έγινε µε το λογισµικό ERDAS IMAGINE 8.7. Θεωρήθηκε κατάλληλη η µέθοδος της µετατόπισης του ιστογράµµατος (histogram equalization), προκειµένου να απαλλαγεί η ραδιοµετρία των δορυφορικών εικόνων από τον θόρυβο που εισάγει η ατµόσφαιρα. Κατά την µέθοδο αυτή υπολογίζονται νέες τιµές των εικονοστοιχείων (pixels), χρησιµοποιώντας προσθετικούς και πολλαπλασιαστικούς αλγορίθµους, οι οποίοι διορθώνουν την εικόνα από τις παραπάνω επιδράσεις. <br /> '''3.Αναγνώριση τύπων καλλιεργειών µέσω τεχνικών Ταξινόµησης'''<br /> Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης.<br /> Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής: <br /> • Επιλογή των καταλλήλων σκηνών.<br /> • Επιλογή των φασµατικών υπογραφών των καλλιεργειών.<br /> • Ταξινόµηση των επικρατέστερων χρήσεων γης Αξιολόγηση των αποτελεσµάτων<br /> Ελήφθησαν δείγµατα από εργασία – πεδίου πριν τα στάδια της ταξινόµησης. Τα δείγµατα αυτά (150 στον αριθµό) αντιπροσωπεύουν όλους τους τύπους καλλιεργειών που ενδιαφέρουν το πιλοτικό πρόγραµµα. Πιο συγκεκριµένα οι καλλιέργειες που υπάρχουν στην περιοχή µελέτης και έπρεπε να ταξινοµηθούν είναι οι εξής: <br /> Τα δείγµατα από 13 έως και 15 αφορούν άλλες κατηγορίες οι οποίες έπρεπε να είναι γνωστές για τα στάδια της ταξινόµησης. Αυτά οµαδοποιήθηκαν και αποτελούν την κατηγορία “άλλο”. <br /> Κατά συνέπεια το αρχικό δείγµα το οποίο χρησιµοποιήθηκε ως δείγµα εκπαίδευσης (training set) στην καθοδηγούµενη ταξινόµηση προκειµένου να δηµιουργεί το αρχείο υπογραφών ταξινόµησης (signature file) στο ERDAS Imagine 8.7, περιελάµβανε τις άνω 15 κατηγορίες. Η τελική θεµατική εικόνα κατόπιν συνένωσης και γενίκευσης των παραπάνω 15 κατηγοριών απεικονίζει τις ακόλουθες τάξεις (Εικόνα 4): <br /> • Αροτραίες καλλιέργειες<br /> • Γη Λαχανόκηπων<br /> • Εσπεριδοειδή <br /> • Ελαιόδενδρα <br /> • Αβοκάντο <br /> • Αµπελοειδή <br /> • Αγρανάπαυση <br /> • Άλλο <br /> Η συνολική ακρίβεια της ταξινόµησης είναι 65.54% και ο συντελεστής Kappa 0.651. Η υπολογισµένη, κατά προσέγγιση, έκταση ανά τύπο καλλιεργειών µετά την ταξινόµηση της δορυφορικής εικόνας είναι (σε στρέµµατα): <br /> <br /> <br /> '''4.Συμπεράσματα'''<br /> Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης <br /> Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.</div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_6.png 2019-03-19T17:26:46Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_5.png 2019-03-19T17:25:23Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_4.png 2019-03-19T17:19:16Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_3.png 2019-03-19T17:18:41Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_2.png 2019-03-19T17:18:21Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Xania_eikona_1.png 2019-03-19T17:17:33Z

<p>Vasiliki: </p> <hr /> <div></div>

Vasiliki http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%B9%CE%BA%CE%BF%CE%BD%CE%B1_1_helath.png 2019-03-06T13:35:03Z

<p>Vasiliki: Η περιοχή μελέτης</p> <hr /> <div>Η περιοχή μελέτης</div>

Vasiliki