http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Vasipant_kor&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%2FVasipant_kor 2026-05-06T22:26:04Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CE%BD%CF%84%CE%B1%CE%B6%CE%AE-%CE%9A%CE%BF%CF%81%CF%89%CE%BD%CE%B1%CE%AF%CE%BF%CF%85_%CE%92%CE%B1%CF%83%CE%B9%CE%BB%CE%B9%CE%BA%CE%AE-%CE%9B%CF%85%CE%B4%CE%AF%CE%B1 2022-04-08T19:12:22Z

<p>Vasipant kor: Νέα σελίδα με 'category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) [[ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΞΥΛΩΔΟΥΣ ΒΛΑΣΤΗΣΗΣ ΣΤΙΣ ΣΑΒΑΝΕΣ ...'</p> <hr /> <div>[[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br /> [[ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΞΥΛΩΔΟΥΣ ΒΛΑΣΤΗΣΗΣ ΣΤΙΣ ΣΑΒΑΝΕΣ ΤΗΣ ΝΟΤΑΣ ΑΦΡΙΚΗΣ, ΜΕ ΧΡΗΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT]]<br /> <br /> [[ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI...]]<br /> <br /> [[ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΕ ΠΑΡΑΚΤΙΕΣ ΠΕΡΙΟΧΕΣ]]<br /> <br /> [[ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ...]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%93%CE%9A%CE%91%CE%99%CE%A1%CE%97_%CE%A7%CE%91%CE%A1%CE%A4%CE%9F%CE%93%CE%A1%CE%91%CE%A6%CE%97%CE%A3%CE%97_%CE%A0%CE%9F%CE%A4%CE%91%CE%9C%CE%99%CE%A9%CE%9D_%CE%A0%CE%9B%CE%97%CE%9C%CE%9C%CE%A5%CE%A1%CE%A9%CE%9D... 2022-04-08T19:03:55Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Πλημμύρες]]<br /> <br /> '''ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΔΕΙΚΤΕΣ ΔΙΑΦΟΡΑΣ ΝΕΡΟΥ, ΜΕΣΑ ΑΠΟ ΔΟΡΥΦΟΡΙΚΕΣ ΕΙΚΟΝΕΣ LANDSAT-8 ΠΛΗΜΜΥΡΙΣΜΕΝΩΝ ΠΕΡΙΟΧΩΝ.'''<br /> <br /> <br /> Sajjad, A., Lu, J., Chen, X., &amp; Saleem, N. (2021). Rapid riverine flood mapping with different water indexes using flood instances Landsat-8 images. 8049. https://doi.org/10.3390/ecws-5-08049<br /> <br /> [[Εικόνα: Pantkor.ar4.im1.png | thumb | right | ''ΕΙΚΟΝΑ 1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar4.im2.png | thumb | right | ''ΕΙΚΟΝΑ 2 ΣΥΝΟΛΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΔΕΙΚΤΩΝ'']]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η χωρική και χρονική χαρτογράφηση των πλημμυρών, από τα πρώιμα κιόλας στάδιά τους, κατέχει σημαντικό ρόλο στην αντιμετώπιση, αλλά και στη μελλοντική πρόληψή τους, από τους ερευνητές. Η έγκαιρη χαρτογράφηση έχει καταστεί δυνατή μέσω της τηλεπισκόπησης. Στη παρούσα μελέτη εφαρμόζονται οι μέθοδοι της ταξινόμησης και των δεικτών νερού, σε εικόνες Landsat-8, για την πεδιάδα Lower Chenab Plain στο Πακιστάν, για το έτος 2014, υπολογίζοντας τελικά την έκταση, τη διάρκεια, και την πλημμυρική πεδιάδα του φαινομένου πλημμύρας που συνέβη.<br /> <br /> <br /> '''1. ΕΙΣΑΓΩΓΗ'''<br /> <br /> Οι καταστροφικές επιπτώσεις των ποτάμιων πλημμυρών, δύναται να αντιμετωπιστούν με τη χρήση της τηλεπισκόπησης, η οποία παρέχει δεδομένα, παράλληλα με το φαινόμενο, κατάλληλα για ενέργειες έγκαιρης απόκρισης και αποκατάστασης. Ο δορυφόρος Landsat-8 παρέχει εικόνες, που είναι απαραίτητες για την ανίχνευση πλημμυρισμένων περιοχών, σε διαφορετικές φάσεις του φαινομένου. Στις περιπτώσεις που παρεμβάλλονται σύννεφα, χρησιμοποιούνται μέθοδοι RADAR και SAR, ωστόσο στην παρούσα μελέτη δε χρειάστηκε. Χρησιμοποιήθηκαν ο Δείκτης Κανονικοποιημένης Διαφοράς Νερού (NDWI), ο Τροποποιημένος Δείκτης Κανονικοποιημένης Διαφοράς Νερού (Modified NDWI), και ο Δείκτης Αναλογίας Νερού (WRI).<br /> <br /> 1.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ<br /> Για τον ορισμό της περιοχής μελέτης επιλέχτηκαν 120 χλμ. κατά μήκος του ποταμού Chenab σε συνδυασμό με την έκταση πλάτους ακτίνας επιρροής 6 χλμ. , δεδομένου του μεγάλου αριθμού πλημμυρικών φαινομένων που παρουσιάζονται στην περιοχή (ΕΙΚΟΝΑ 1).<br /> <br /> <br /> '''2. ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> Χρησιμοποιήθηκαν δωρεάν εικόνες Landsat-8, χρονικής ανάλυσης 8 ημερών, αντί 16, συνδυάζοντας δύο γειτονικά δορυφορικά μονοπάτια , που λήφθηκαν μεταξύ 17 Σεπτεμβρίου και 27 Νοεμβρίου. Ακόμα, χρησιμοποιήθηκαν δεδομένα Google Earth και GPS για τον ορισμό σημείων αξιολόγησης.<br /> Ο δείκτης NDWI είναι πολύ αποτελεσματικός για την ανίχνευση πλημμυρικών υδάτων και τη διάκριση νερού και βλάστησης, αλλά αντιμετωπίζει δυσκολίες για αστικές περιοχές κοντά σε υδάτινα σώματα.<br /> <br /> 𝑁𝐷𝑊𝐼 = Green −NIR / Green +NIR<br /> <br /> Ο δείκτης MNDWI, λειτουργεί αποτελεσματικά για να διακρίνει το νερό από τις κατοικημένες περιοχές.<br /> <br /> 𝑀𝑁𝐷𝑊𝐼 = Green − SWIR / Green + SWIR<br /> <br /> Ο δείκτης WRI υπολογίζει την αναλογία μεταξύ του αθροίσματος της φασματικής ανάκλασης για τις φασματικές ζώνες του Πράσινου και Κόκκινου προς τις ζώνες NIR και SWIR<br /> <br /> 𝑊𝑅𝐼 = Green + RED / NIR + SWIR<br /> <br /> Επιπλέον, οι εικόνες ταξινομήθηκαν χειροκίνητα στις κατηγορίες νερό και όχι-νερό, ενώ η οριακή τιμή υπολογίστηκε με τη βοήθεια του χάρτη αναφοράς και οπτική παρατήρηση. Η επικύρωση των αποτελεσμάτων αξιολογήθηκε χρησιμοποιώντας σημεία GPS και GE. Τα αποτελέσματα της αξιολόγησης παρουσιάστηκαν σε πίνακα σύγχυσης (matrix confusion).<br /> <br /> <br /> '''3. ΑΠΟΤΕΛΕΣΜΑΤΑ'''<br /> <br /> 3.1 ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΛΗΜΜΥΡΑΣ ΜΕ ΧΡΗΣΗ ΔΕΙΚΤΩΝ<br /> <br /> Αφού οριοθετήθηκαν οι πληγείσες περιοχές και παρατηρήθηκε η πορεία της συσσώρευσης νερού της πλημμυρισμένης περιοχής στην κατώτερη πεδιάδα Chenab, εκτιμήθηκε η έκτασή τους, με το δείκτη MNDWI να προσφέρει τα πιο έγκυρα αποτελέσματα, και η συνολική διάρκεια του φαινομένου χωρίστηκε σε τρεις φάσεις. Το τελικό αποτέλεσμα έδειξε ότι τα βόρεια και νοτιοδυτικά τμήματα ήταν τα πιο επηρεασμένα.<br /> <br /> 3.2 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ<br /> <br /> Ο πιο αξιόπιστος δείκτης διαπιστώθηκε να είναι ο MNDWI, ακολουθεί ο NDWI, ενώ ο WRI παρουσίασε τη μικρότερη ακρίβεια (ΕΙΚΟΝΑ 2)<br /> <br /> <br /> '''4. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Τελικά, οι εικόνες Landsat, ήταν χρήσιμες στην έγκαιρη μελέτη πλημμυρών, ωστόσο αυτό κατέστη δυνατό λόγω της τοποθεσίας, όπου εκμεταλλεύτηκε διπλή δορυφορική διαδρομή, άρα και πέτυχε διπλάσια χρονική ανάλυση για το συγκεκριμένο δορυφόρο , και λόγω του γεγονότος ότι απουσίαζαν σύννεφα πάνω από την περιοχή. Τα αποτελέσματα αξιολογήθηκαν βάσει επιτόπιας έρευνας, με το δείκτη MNDWI να παράγει εξαιρετικά αποτελέσματα, το δείκτη NDWI να παρουσιάζει σύγχυση με το γυμνό έδαφος, την υγρή άμμο ή τις οικιστικές περιοχές κοντά σε υγροβιότοπους, και το δείκτη WRI να μην αναγνωρίζει τις χαμηλές στάθμες νερού. Η κορύφωση της συσσώρευσης του νερού παρατηρήθηκε στις 17 Σεπτεμβρίου, και η διαδικασία αποχώρησής του χωρίστηκε σε τρεις φάσεις.<br /> <br /> <br /> '''5. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Οι δείκτες αυτής της μελέτης είναι ικανοί να χρησιμοποιηθούν, σε συνδυασμό με δορυφορικές εικόνες, για την έγκαιρη χαρτογράφηση και οριοθέτηση πλημμυρών. Ο συνδυασμός αυτών, λειτούργησε για τις εικόνες Landsat, ενώ, η εκμετάλλευση του διπλού δορυφορικού μονοπατιού, κατέστησε αποτελεσματική την ταχεία χαρτογράφηση, αποδεικνύοντας έτσι ότι οι εικόνες Landsat μπορούν να χρησιμοποιηθούν σε έκτακτες περιπτώσεις ανάγκης.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar4.im2.png 2022-04-08T19:01:11Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar4.im1.png 2022-04-08T18:59:58Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%93%CE%9A%CE%91%CE%99%CE%A1%CE%97_%CE%A7%CE%91%CE%A1%CE%A4%CE%9F%CE%93%CE%A1%CE%91%CE%A6%CE%97%CE%A3%CE%97_%CE%A0%CE%9F%CE%A4%CE%91%CE%9C%CE%99%CE%A9%CE%9D_%CE%A0%CE%9B%CE%97%CE%9C%CE%9C%CE%A5%CE%A1%CE%A9%CE%9D... 2022-04-08T18:58:42Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Πλημμύρες]]<br /> <br /> '''ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΔΕΙΚΤΕΣ ΔΙΑΦΟΡΑΣ ΝΕΡΟΥ, ΜΕΣΑ ΑΠΟ ΔΟΡΥΦΟΡΙΚΕΣ ΕΙΚΟΝΕΣ LANDSAT-8 ΠΛΗΜΜΥΡΙΣΜΕΝΩΝ ΠΕΡΙΟΧΩΝ.'''<br /> <br /> <br /> Sajjad, A., Lu, J., Chen, X., &amp; Saleem, N. (2021). Rapid riverine flood mapping with different water indexes using flood instances Landsat-8 images. 8049. https://doi.org/10.3390/ecws-5-08049<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η χωρική και χρονική χαρτογράφηση των πλημμυρών, από τα πρώιμα κιόλας στάδιά τους, κατέχει σημαντικό ρόλο στην αντιμετώπιση, αλλά και στη μελλοντική πρόληψή τους, από τους ερευνητές. Η έγκαιρη χαρτογράφηση έχει καταστεί δυνατή μέσω της τηλεπισκόπησης. Στη παρούσα μελέτη εφαρμόζονται οι μέθοδοι της ταξινόμησης και των δεικτών νερού, σε εικόνες Landsat-8, για την πεδιάδα Lower Chenab Plain στο Πακιστάν, για το έτος 2014, υπολογίζοντας τελικά την έκταση, τη διάρκεια, και την πλημμυρική πεδιάδα του φαινομένου πλημμύρας που συνέβη.<br /> <br /> <br /> '''1. ΕΙΣΑΓΩΓΗ'''<br /> <br /> Οι καταστροφικές επιπτώσεις των ποτάμιων πλημμυρών, δύναται να αντιμετωπιστούν με τη χρήση της τηλεπισκόπησης, η οποία παρέχει δεδομένα, παράλληλα με το φαινόμενο, κατάλληλα για ενέργειες έγκαιρης απόκρισης και αποκατάστασης. Ο δορυφόρος Landsat-8 παρέχει εικόνες, που είναι απαραίτητες για την ανίχνευση πλημμυρισμένων περιοχών, σε διαφορετικές φάσεις του φαινομένου. Στις περιπτώσεις που παρεμβάλλονται σύννεφα, χρησιμοποιούνται μέθοδοι RADAR και SAR, ωστόσο στην παρούσα μελέτη δε χρειάστηκε. Χρησιμοποιήθηκαν ο Δείκτης Κανονικοποιημένης Διαφοράς Νερού (NDWI), ο Τροποποιημένος Δείκτης Κανονικοποιημένης Διαφοράς Νερού (Modified NDWI), και ο Δείκτης Αναλογίας Νερού (WRI).<br /> <br /> 1.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ<br /> Για τον ορισμό της περιοχής μελέτης επιλέχτηκαν 120 χλμ. κατά μήκος του ποταμού Chenab σε συνδυασμό με την έκταση πλάτους ακτίνας επιρροής 6 χλμ. , δεδομένου του μεγάλου αριθμού πλημμυρικών φαινομένων που παρουσιάζονται στην περιοχή (ΕΙΚΟΝΑ 1).<br /> <br /> <br /> '''2. ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> Χρησιμοποιήθηκαν δωρεάν εικόνες Landsat-8, χρονικής ανάλυσης 8 ημερών, αντί 16, συνδυάζοντας δύο γειτονικά δορυφορικά μονοπάτια , που λήφθηκαν μεταξύ 17 Σεπτεμβρίου και 27 Νοεμβρίου. Ακόμα, χρησιμοποιήθηκαν δεδομένα Google Earth και GPS για τον ορισμό σημείων αξιολόγησης.<br /> Ο δείκτης NDWI είναι πολύ αποτελεσματικός για την ανίχνευση πλημμυρικών υδάτων και τη διάκριση νερού και βλάστησης, αλλά αντιμετωπίζει δυσκολίες για αστικές περιοχές κοντά σε υδάτινα σώματα.<br /> <br /> 𝑁𝐷𝑊𝐼 = Green −NIR / Green +NIR<br /> <br /> Ο δείκτης MNDWI, λειτουργεί αποτελεσματικά για να διακρίνει το νερό από τις κατοικημένες περιοχές.<br /> <br /> 𝑀𝑁𝐷𝑊𝐼 = Green − SWIR / Green + SWIR<br /> <br /> Ο δείκτης WRI υπολογίζει την αναλογία μεταξύ του αθροίσματος της φασματικής ανάκλασης για τις φασματικές ζώνες του Πράσινου και Κόκκινου προς τις ζώνες NIR και SWIR<br /> <br /> 𝑊𝑅𝐼 = Green + RED / NIR + SWIR<br /> <br /> Επιπλέον, οι εικόνες ταξινομήθηκαν χειροκίνητα στις κατηγορίες νερό και όχι-νερό, ενώ η οριακή τιμή υπολογίστηκε με τη βοήθεια του χάρτη αναφοράς και οπτική παρατήρηση. Η επικύρωση των αποτελεσμάτων αξιολογήθηκε χρησιμοποιώντας σημεία GPS και GE. Τα αποτελέσματα της αξιολόγησης παρουσιάστηκαν σε πίνακα σύγχυσης (matrix confusion).<br /> <br /> <br /> '''3. ΑΠΟΤΕΛΕΣΜΑΤΑ'''<br /> <br /> 3.1 ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΛΗΜΜΥΡΑΣ ΜΕ ΧΡΗΣΗ ΔΕΙΚΤΩΝ<br /> <br /> Αφού οριοθετήθηκαν οι πληγείσες περιοχές και παρατηρήθηκε η πορεία της συσσώρευσης νερού της πλημμυρισμένης περιοχής στην κατώτερη πεδιάδα Chenab, εκτιμήθηκε η έκτασή τους, με το δείκτη MNDWI να προσφέρει τα πιο έγκυρα αποτελέσματα, και η συνολική διάρκεια του φαινομένου χωρίστηκε σε τρεις φάσεις. Το τελικό αποτέλεσμα έδειξε ότι τα βόρεια και νοτιοδυτικά τμήματα ήταν τα πιο επηρεασμένα.<br /> <br /> 3.2 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ<br /> <br /> Ο πιο αξιόπιστος δείκτης διαπιστώθηκε να είναι ο MNDWI, ακολουθεί ο NDWI, ενώ ο WRI παρουσίασε τη μικρότερη ακρίβεια (ΕΙΚΟΝΑ 2)<br /> <br /> <br /> '''4. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Τελικά, οι εικόνες Landsat, ήταν χρήσιμες στην έγκαιρη μελέτη πλημμυρών, ωστόσο αυτό κατέστη δυνατό λόγω της τοποθεσίας, όπου εκμεταλλεύτηκε διπλή δορυφορική διαδρομή, άρα και πέτυχε διπλάσια χρονική ανάλυση για το συγκεκριμένο δορυφόρο , και λόγω του γεγονότος ότι απουσίαζαν σύννεφα πάνω από την περιοχή. Τα αποτελέσματα αξιολογήθηκαν βάσει επιτόπιας έρευνας, με το δείκτη MNDWI να παράγει εξαιρετικά αποτελέσματα, το δείκτη NDWI να παρουσιάζει σύγχυση με το γυμνό έδαφος, την υγρή άμμο ή τις οικιστικές περιοχές κοντά σε υγροβιότοπους, και το δείκτη WRI να μην αναγνωρίζει τις χαμηλές στάθμες νερού. Η κορύφωση της συσσώρευσης του νερού παρατηρήθηκε στις 17 Σεπτεμβρίου, και η διαδικασία αποχώρησής του χωρίστηκε σε τρεις φάσεις.<br /> <br /> <br /> '''5. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Οι δείκτες αυτής της μελέτης είναι ικανοί να χρησιμοποιηθούν, σε συνδυασμό με δορυφορικές εικόνες, για την έγκαιρη χαρτογράφηση και οριοθέτηση πλημμυρών. Ο συνδυασμός αυτών, λειτούργησε για τις εικόνες Landsat, ενώ, η εκμετάλλευση του διπλού δορυφορικού μονοπατιού, κατέστησε αποτελεσματική την ταχεία χαρτογράφηση, αποδεικνύοντας έτσι ότι οι εικόνες Landsat μπορούν να χρησιμοποιηθούν σε έκτακτες περιπτώσεις ανάγκης.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T18:53:25Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). ''Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.''<br /> <br /> [[Εικόνα: Pantkor.ar2.im.1.png | thumb | right | ''Εικόνα 1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar2.im.2.png| thumb | right | ''Εικόνα 2 ΣΥΝΟΛΙΚΗ ΕΚΤΑΣΗ ΓΙΑ ΚΑΘΕ ΚΑΤΗΓΟΡΙΑ ΣΦΟΔΡΟΤΗΤΑΣ ΠΥΡΚΑΓΙΑΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar2.im.3.png | thumb | right | ''Εικόνα 3 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΠΕΡΙΟΧΗΣ ΜΕ ΒΑΣΗ ΤΗ ΣΦΟΔΡΟΤΗΤΑ ΠΥΡΚΑΓΙΑΣ'']]<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T18:52:46Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' <br /> <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). ''Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.''<br /> <br /> [[Εικόνα: Pantkor.ar2.im.1.png | thumb | right | ''Εικόνα 1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar2.im.2.png| thumb | right | ''Εικόνα 2 ΣΥΝΟΛΙΚΗ ΕΚΤΑΣΗ ΓΙΑ ΚΑΘΕ ΚΑΤΗΓΟΡΙΑ ΣΦΟΔΡΟΤΗΤΑΣ ΠΥΡΚΑΓΙΑΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar2.im.3.png | thumb | right | ''Εικόνα 3 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΗΣ ΠΕΡΙΟΧΗΣ ΜΕ ΒΑΣΗ ΤΗ ΣΦΟΔΡΟΤΗΤΑ ΠΥΡΚΑΓΙΑΣ'']]<br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar2.im.3.png 2022-04-08T18:51:46Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar2.im.2.png 2022-04-08T18:51:22Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar2.im.1.png 2022-04-08T18:47:22Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T18:45:41Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' <br /> <br /> <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). ''Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.''<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-04-08T18:43:11Z

<p>Vasipant kor: </p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. [https://doi.org/10.5194/isprs-archives-xli-b7-563-2016]<br /> Retrieved January 25, 2022, from [[ [https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS] ]]<br /> <br /> <br /> [[Εικόνα: Pantkor.ar1.im.1.jpg | thumb | right | Εικόνα 1 ''ΜΟΣΑΪΚΟ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΠΟΥ ΚΑΛΥΠΤΟΥΝ ΤΗΝ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar1.im.2.png | thumb | right | Εικόνα 2 ''ΤΕΛΙΚΟΣ ΧΑΡΤΗΣ ΠΟΥ ΑΠΕΙΚΟΝΙΖΕΙ ΤΙΣ ΑΛΛΑΓΕΣ ΤΩΝ ΤΡΙΩΝ ΚΑΤΗΓΟΡΙΩΝ ΒΛΑΣΤΗΣΗΣ (ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Ξ.Β.), ΜΗ-ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Μ-Ξ.Β.), ΚΑΘΟΛΟΥ ΒΛΑΣΤΗΣΗ(Κ.Β.)) ΓΙΑ ΤΑ ΤΕΛΕΥΤΑΙΑ 25 ΧΡΟΝΙΑ. Υπόμνημα: ΜΟΝΙΜΗ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Μ-Ξ.Β.(1) / ΜΟΝΙΜΗ Μ-Ξ.Β.(2) / ΑΛΛΑΓΗ ΣΕ Κ.Θ. / ΜΟΝΙΜΗ Κ.Β.'']]<br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> <br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> <br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> <br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-04-08T18:42:10Z

<p>Vasipant kor: </p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. [https://doi.org/10.5194/isprs-archives-xli-b7-563-2016]<br /> Retrieved January 25, 2022, from [[ [https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS] ]]<br /> <br /> <br /> [[Εικόνα: Pantkor.ar1.im.1.jpg | thumb | right | Εικόνα 1 ''ΜΟΣΑΪΚΟ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΠΟΥ ΚΑΛΥΠΤΟΥΝ ΤΗΝ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar1.im.2.png | thumb | right | Εικόνα 2 ''ΤΕΛΙΚΟΣ ΧΑΡΤΗΣ ΠΟΥ ΑΠΕΙΚΟΝΙΖΕΙ ΤΙΣ ΑΛΛΑΓΕΣ ΤΩΝ ΤΡΙΩΝ ΚΑΤΗΓΟΡΙΩΝ ΒΛΑΣΤΗΣΗΣ (ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Ξ.Β.), ΜΗ-ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Μ-Ξ.Β.), ΚΑΘΟΛΟΥ ΒΛΑΣΤΗΣΗ(Κ.Β.)) ΓΙΑ ΤΑ ΤΕΛΕΥΤΑΙΑ 25 ΧΡΟΝΙΑ. Υπόμνημα: ΜΟΝΙΜΗ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Μ-Ξ.Β.(1) / ΜΟΝΙΜΗ Μ-Ξ.Β.(2) / ΑΛΛΑΓΗ ΣΕ Κ.Θ. / ΜΟΝΙΜΗ Κ.Β.'']]<br /> <br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> <br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> <br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> <br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-04-08T18:40:46Z

<p>Vasipant kor: </p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. https://doi.org/10.5194/isprs-archives-xli-b7-563-2016<br /> Retrieved January 25, 2022, from [[ https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS ]]<br /> <br /> <br /> [[Εικόνα: Pantkor.ar1.im.1.jpg | thumb | right | Εικόνα 1 ''ΜΟΣΑΪΚΟ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΠΟΥ ΚΑΛΥΠΤΟΥΝ ΤΗΝ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar1.im.2.png | thumb | right | Εικόνα 2 ''ΤΕΛΙΚΟΣ ΧΑΡΤΗΣ ΠΟΥ ΑΠΕΙΚΟΝΙΖΕΙ ΤΙΣ ΑΛΛΑΓΕΣ ΤΩΝ ΤΡΙΩΝ ΚΑΤΗΓΟΡΙΩΝ ΒΛΑΣΤΗΣΗΣ (ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Ξ.Β.), ΜΗ-ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Μ-Ξ.Β.), ΚΑΘΟΛΟΥ ΒΛΑΣΤΗΣΗ(Κ.Β.)) ΓΙΑ ΤΑ ΤΕΛΕΥΤΑΙΑ 25 ΧΡΟΝΙΑ. Υπόμνημα: ΜΟΝΙΜΗ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Μ-Ξ.Β.(1) / ΜΟΝΙΜΗ Μ-Ξ.Β.(2) / ΑΛΛΑΓΗ ΣΕ Κ.Θ. / ΜΟΝΙΜΗ Κ.Β.'']]<br /> <br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> <br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> <br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> <br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-04-08T18:39:52Z

<p>Vasipant kor: </p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. https://doi.org/10.5194/isprs-archives-xli-b7-563-2016<br /> Retrieved January 25, 2022, from [[ https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS ]]<br /> <br /> <br /> [[Εικόνα: Pantkor.ar1.im.1.jpg | thumb | right | Εικόνα 1 ''ΜΟΣΑΪΚΟ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΠΟΥ ΚΑΛΥΠΤΟΥΝ ΤΗΝ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'']]<br /> <br /> [[Εικόνα: Pantkor.ar1.im.2.jpg | thumb | right | Εικόνα 2 ''ΤΕΛΙΚΟΣ ΧΑΡΤΗΣ ΠΟΥ ΑΠΕΙΚΟΝΙΖΕΙ ΤΙΣ ΑΛΛΑΓΕΣ ΤΩΝ ΤΡΙΩΝ ΚΑΤΗΓΟΡΙΩΝ ΒΛΑΣΤΗΣΗΣ (ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Ξ.Β.), ΜΗ-ΞΥΛΩΔΗΣ ΒΛΑΣΤΗΣΗ(Μ-Ξ.Β.), ΚΑΘΟΛΟΥ ΒΛΑΣΤΗΣΗ(Κ.Β.)) ΓΙΑ ΤΑ ΤΕΛΕΥΤΑΙΑ 25 ΧΡΟΝΙΑ. Υπόμνημα: ΜΟΝΙΜΗ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Ξ.Β. / ΑΛΛΑΓΗ ΣΕ Μ-Ξ.Β.(1) / ΜΟΝΙΜΗ Μ-Ξ.Β.(2) / ΑΛΛΑΓΗ ΣΕ Κ.Θ. / ΜΟΝΙΜΗ Κ.Β.'']]<br /> <br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> <br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> <br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> <br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar1.im.2.png 2022-04-08T18:35:55Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Pantkor.ar1.im.1.jpg 2022-04-08T18:35:39Z

<p>Vasipant kor: </p> <hr /> <div></div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%93%CE%9A%CE%91%CE%99%CE%A1%CE%97_%CE%A7%CE%91%CE%A1%CE%A4%CE%9F%CE%93%CE%A1%CE%91%CE%A6%CE%97%CE%A3%CE%97_%CE%A0%CE%9F%CE%A4%CE%91%CE%9C%CE%99%CE%A9%CE%9D_%CE%A0%CE%9B%CE%97%CE%9C%CE%9C%CE%A5%CE%A1%CE%A9%CE%9D... 2022-04-08T18:22:49Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Πλημμύρες]]<br /> <br /> '''ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΔΕΙΚΤΕΣ ΔΙΑΦΟΡΑΣ ΝΕΡΟΥ, ΜΕΣΑ ΑΠΟ ΔΟΡΥΦΟΡΙΚΕΣ ΕΙΚΟΝΕΣ LANDSAT-8 ΠΛΗΜΜΥΡΙΣΜΕΝΩΝ ΠΕΡΙΟΧΩΝ.'''<br /> <br /> <br /> Sajjad, A., Lu, J., Chen, X., &amp; Saleem, N. (2021). Rapid riverine flood mapping with different water indexes using flood instances Landsat-8 images. 8049. https://doi.org/10.3390/ecws-5-08049<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η χωρική και χρονική χαρτογράφηση των πλημμυρών, από τα πρώιμα κιόλας στάδιά τους, κατέχει σημαντικό ρόλο στην αντιμετώπιση, αλλά και στη μελλοντική πρόληψή τους, από τους ερευνητές. Η έγκαιρη χαρτογράφηση έχει καταστεί δυνατή μέσω της τηλεπισκόπησης. Στη παρούσα μελέτη εφαρμόζονται οι μέθοδοι της ταξινόμησης και των δεικτών νερού, σε εικόνες Landsat-8, για την πεδιάδα Lower Chenab Plain στο Πακιστάν, για το έτος 2014, υπολογίζοντας τελικά την έκταση, τη διάρκεια, και την πλημμυρική πεδιάδα του φαινομένου πλημμύρας που συνέβη.<br /> <br /> <br /> '''1. ΕΙΣΑΓΩΓΗ'''<br /> <br /> Οι καταστροφικές επιπτώσεις των ποτάμιων πλημμυρών, δύναται να αντιμετωπιστούν με τη χρήση της τηλεπισκόπησης, η οποία παρέχει δεδομένα, παράλληλα με το φαινόμενο, κατάλληλα για ενέργειες έγκαιρης απόκρισης και αποκατάστασης. Ο δορυφόρος Landsat-8 παρέχει εικόνες, που είναι απαραίτητες για την ανίχνευση πλημμυρισμένων περιοχών, σε διαφορετικές φάσεις του φαινομένου. Στις περιπτώσεις που παρεμβάλλονται σύννεφα, χρησιμοποιούνται μέθοδοι RADAR και SAR, ωστόσο στην παρούσα μελέτη δε χρειάστηκε. Χρησιμοποιήθηκαν ο Δείκτης Κανονικοποιημένης Διαφοράς Νερού (NDWI), ο Τροποποιημένος Δείκτης Κανονικοποιημένης Διαφοράς Νερού (Modified NDWI), και ο Δείκτης Αναλογίας Νερού (WRI).<br /> <br /> 1.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ<br /> Για τον ορισμό της περιοχής μελέτης επιλέχτηκαν 120 χλμ. κατά μήκος του ποταμού Chenab σε συνδυασμό με την έκταση πλάτους ακτίνας επιρροής 6 χλμ. , δεδομένου του μεγάλου αριθμού πλημμυρικών φαινομένων που παρουσιάζονται στην περιοχή.<br /> <br /> <br /> '''2. ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> Χρησιμοποιήθηκαν δωρεάν εικόνες Landsat-8, χρονικής ανάλυσης 8 ημερών, αντί 16, συνδυάζοντας δύο γειτονικά δορυφορικά μονοπάτια , που λήφθηκαν μεταξύ 17 Σεπτεμβρίου και 27 Νοεμβρίου. Ακόμα, χρησιμοποιήθηκαν δεδομένα Google Earth και GPS για τον ορισμό σημείων αξιολόγησης.<br /> Ο δείκτης NDWI είναι πολύ αποτελεσματικός για την ανίχνευση πλημμυρικών υδάτων και τη διάκριση νερού και βλάστησης, αλλά αντιμετωπίζει δυσκολίες για αστικές περιοχές κοντά σε υδάτινα σώματα.<br /> <br /> 𝑁𝐷𝑊𝐼 = Green −NIR / Green +NIR<br /> <br /> Ο δείκτης MNDWI, λειτουργεί αποτελεσματικά για να διακρίνει το νερό από τις κατοικημένες περιοχές.<br /> <br /> 𝑀𝑁𝐷𝑊𝐼 = Green − SWIR / Green + SWIR<br /> <br /> Ο δείκτης WRI υπολογίζει την αναλογία μεταξύ του αθροίσματος της φασματικής ανάκλασης για τις φασματικές ζώνες του Πράσινου και Κόκκινου προς τις ζώνες NIR και SWIR<br /> <br /> 𝑊𝑅𝐼 = Green + RED / NIR + SWIR<br /> <br /> Επιπλέον, οι εικόνες ταξινομήθηκαν χειροκίνητα στις κατηγορίες νερό και όχι-νερό, ενώ η οριακή τιμή υπολογίστηκε με τη βοήθεια του χάρτη αναφοράς και οπτική παρατήρηση. Η επικύρωση των αποτελεσμάτων αξιολογήθηκε χρησιμοποιώντας σημεία GPS και GE. Τα αποτελέσματα της αξιολόγησης παρουσιάστηκαν σε πίνακα σύγχυσης (matrix confusion).<br /> <br /> <br /> '''3. ΑΠΟΤΕΛΕΣΜΑΤΑ'''<br /> <br /> 3.1 ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΛΗΜΜΥΡΑΣ ΜΕ ΧΡΗΣΗ ΔΕΙΚΤΩΝ<br /> <br /> Αφού οριοθετήθηκαν οι πληγείσες περιοχές και παρατηρήθηκε η πορεία της συσσώρευσης νερού της πλημμυρισμένης περιοχής στην κατώτερη πεδιάδα Chenab, εκτιμήθηκε η έκτασή τους, με το δείκτη MNDWI να προσφέρει τα πιο έγκυρα αποτελέσματα, και η συνολική διάρκεια του φαινομένου χωρίστηκε σε τρεις φάσεις. Το τελικό αποτέλεσμα έδειξε ότι τα βόρεια και νοτιοδυτικά τμήματα ήταν τα πιο επηρεασμένα.<br /> <br /> 3.2 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ<br /> <br /> Ο πιο αξιόπιστος δείκτης διαπιστώθηκε να είναι ο MNDWI, ακολουθεί ο NDWI, ενώ ο WRI παρουσίασε τη μικρότερη ακρίβεια.<br /> <br /> <br /> '''4. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Τελικά, οι εικόνες Landsat, ήταν χρήσιμες στην έγκαιρη μελέτη πλημμυρών, ωστόσο αυτό κατέστη δυνατό λόγω της τοποθεσίας, όπου εκμεταλλεύτηκε διπλή δορυφορική διαδρομή, άρα και πέτυχε διπλάσια χρονική ανάλυση για το συγκεκριμένο δορυφόρο , και λόγω του γεγονότος ότι απουσίαζαν σύννεφα πάνω από την περιοχή. Τα αποτελέσματα αξιολογήθηκαν βάσει επιτόπιας έρευνας, με το δείκτη MNDWI να παράγει εξαιρετικά αποτελέσματα, το δείκτη NDWI να παρουσιάζει σύγχυση με το γυμνό έδαφος, την υγρή άμμο ή τις οικιστικές περιοχές κοντά σε υγροβιότοπους, και το δείκτη WRI να μην αναγνωρίζει τις χαμηλές στάθμες νερού. Η κορύφωση της συσσώρευσης του νερού παρατηρήθηκε στις 17 Σεπτεμβρίου, και η διαδικασία αποχώρησής του χωρίστηκε σε τρεις φάσεις.<br /> <br /> <br /> '''5. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Οι δείκτες αυτής της μελέτης είναι ικανοί να χρησιμοποιηθούν, σε συνδυασμό με δορυφορικές εικόνες, για την έγκαιρη χαρτογράφηση και οριοθέτηση πλημμυρών. Ο συνδυασμός αυτών, λειτούργησε για τις εικόνες Landsat, ενώ, η εκμετάλλευση του διπλού δορυφορικού μονοπατιού, κατέστησε αποτελεσματική την ταχεία χαρτογράφηση, αποδεικνύοντας έτσι ότι οι εικόνες Landsat μπορούν να χρησιμοποιηθούν σε έκτακτες περιπτώσεις ανάγκης.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%93%CE%9A%CE%91%CE%99%CE%A1%CE%97_%CE%A7%CE%91%CE%A1%CE%A4%CE%9F%CE%93%CE%A1%CE%91%CE%A6%CE%97%CE%A3%CE%97_%CE%A0%CE%9F%CE%A4%CE%91%CE%9C%CE%99%CE%A9%CE%9D_%CE%A0%CE%9B%CE%97%CE%9C%CE%9C%CE%A5%CE%A1%CE%A9%CE%9D... 2022-04-08T18:21:52Z

<p>Vasipant kor: Νέα σελίδα με 'category:Πλημμύρες '''ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΔΕΙΚΤΕΣ ΔΙΑΦΟΡ...'</p> <hr /> <div>[[category:Πλημμύρες]]<br /> <br /> '''ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΟΤΑΜΙΩΝ ΠΛΗΜΜΥΡΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΔΕΙΚΤΕΣ ΔΙΑΦΟΡΑΣ ΝΕΡΟΥ, ΜΕΣΑ ΑΠΟ ΔΟΡΥΦΟΡΙΚΕΣ ΕΙΚΟΝΕΣ LANDSAT-8 ΠΛΗΜΜΥΡΙΣΜΕΝΩΝ ΠΕΡΙΟΧΩΝ.'''<br /> <br /> <br /> Sajjad, A., Lu, J., Chen, X., &amp; Saleem, N. (2021). Rapid riverine flood mapping with different water indexes using flood instances Landsat-8 images. 8049. https://doi.org/10.3390/ecws-5-08049<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Η χωρική και χρονική χαρτογράφηση των πλημμυρών, από τα πρώιμα κιόλας στάδιά τους, κατέχει σημαντικό ρόλο στην αντιμετώπιση, αλλά και στη μελλοντική πρόληψή τους, από τους ερευνητές. Η έγκαιρη χαρτογράφηση έχει καταστεί δυνατή μέσω της τηλεπισκόπησης. Στη παρούσα μελέτη εφαρμόζονται οι μέθοδοι της ταξινόμησης και των δεικτών νερού, σε εικόνες Landsat-8, για την πεδιάδα Lower Chenab Plain στο Πακιστάν, για το έτος 2014, υπολογίζοντας τελικά την έκταση, τη διάρκεια, και την πλημμυρική πεδιάδα του φαινομένου πλημμύρας που συνέβη.<br /> <br /> <br /> '''1. ΕΙΣΑΓΩΓΗ'''<br /> <br /> Οι καταστροφικές επιπτώσεις των ποτάμιων πλημμυρών, δύναται να αντιμετωπιστούν με τη χρήση της τηλεπισκόπησης, η οποία παρέχει δεδομένα, παράλληλα με το φαινόμενο, κατάλληλα για ενέργειες έγκαιρης απόκρισης και αποκατάστασης. Ο δορυφόρος Landsat-8 παρέχει εικόνες, που είναι απαραίτητες για την ανίχνευση πλημμυρισμένων περιοχών, σε διαφορετικές φάσεις του φαινομένου. Στις περιπτώσεις που παρεμβάλλονται σύννεφα, χρησιμοποιούνται μέθοδοι RADAR και SAR, ωστόσο στην παρούσα μελέτη δε χρειάστηκε. Χρησιμοποιήθηκαν ο Δείκτης Κανονικοποιημένης Διαφοράς Νερού (NDWI), ο Τροποποιημένος Δείκτης Κανονικοποιημένης Διαφοράς Νερού (Modified NDWI), και ο Δείκτης Αναλογίας Νερού (WRI).<br /> <br /> 1.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ<br /> Για τον ορισμό της περιοχής μελέτης επιλέχτηκαν 120 χλμ. κατά μήκος του ποταμού Chenab σε συνδυασμό με την έκταση πλάτους ακτίνας επιρροής 6 χλμ. , δεδομένου του μεγάλου αριθμού πλημμυρικών φαινομένων που παρουσιάζονται στην περιοχή.<br /> <br /> <br /> '''2. ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> Χρησιμοποιήθηκαν δωρεάν εικόνες Landsat-8, χρονικής ανάλυσης 8 ημερών, αντί 16, συνδυάζοντας δύο γειτονικά δορυφορικά μονοπάτια , που λήφθηκαν μεταξύ 17 Σεπτεμβρίου και 27 Νοεμβρίου. Ακόμα, χρησιμοποιήθηκαν δεδομένα Google Earth και GPS για τον ορισμό σημείων αξιολόγησης.<br /> Ο δείκτης NDWI είναι πολύ αποτελεσματικός για την ανίχνευση πλημμυρικών υδάτων και τη διάκριση νερού και βλάστησης, αλλά αντιμετωπίζει δυσκολίες για αστικές περιοχές κοντά σε υδάτινα σώματα.<br /> <br /> 𝑁𝐷𝑊𝐼 = Green −NIR / Green +NIR<br /> <br /> Ο δείκτης MNDWI, λειτουργεί αποτελεσματικά για να διακρίνει το νερό από τις κατοικημένες περιοχές.<br /> <br /> 𝑀𝑁𝐷𝑊𝐼 = Green − SWIR / Green + SWIR<br /> <br /> Ο δείκτης WRI υπολογίζει την αναλογία μεταξύ του αθροίσματος της φασματικής ανάκλασης για τις φασματικές ζώνες του Πράσινου και Κόκκινου προς τις ζώνες NIR και SWIR<br /> <br /> 𝑊𝑅𝐼 = Green + RED / NIR + SWIR<br /> <br /> Επιπλέον, οι εικόνες ταξινομήθηκαν χειροκίνητα στις κατηγορίες νερό και όχι-νερό, ενώ η οριακή τιμή υπολογίστηκε με τη βοήθεια του χάρτη αναφοράς και οπτική παρατήρηση. Η επικύρωση των αποτελεσμάτων αξιολογήθηκε χρησιμοποιώντας σημεία GPS και GE. Τα αποτελέσματα της αξιολόγησης παρουσιάστηκαν σε πίνακα σύγχυσης (matrix confusion).<br /> <br /> <br /> '''3. ΑΠΟΤΕΛΕΣΜΑΤΑ'''<br /> <br /> 3.1 ΕΓΚΑΙΡΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΠΛΗΜΜΥΡΑΣ ΜΕ ΧΡΗΣΗ ΔΕΙΚΤΩΝ<br /> Αφού οριοθετήθηκαν οι πληγείσες περιοχές και παρατηρήθηκε η πορεία της συσσώρευσης νερού της πλημμυρισμένης περιοχής στην κατώτερη πεδιάδα Chenab, εκτιμήθηκε η έκτασή τους, με το δείκτη MNDWI να προσφέρει τα πιο έγκυρα αποτελέσματα, και η συνολική διάρκεια του φαινομένου χωρίστηκε σε τρεις φάσεις. Το τελικό αποτέλεσμα έδειξε ότι τα βόρεια και νοτιοδυτικά τμήματα ήταν τα πιο επηρεασμένα.<br /> <br /> 3.2 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ<br /> Ο πιο αξιόπιστος δείκτης διαπιστώθηκε να είναι ο MNDWI, ακολουθεί ο NDWI, ενώ ο WRI παρουσίασε τη μικρότερη ακρίβεια.<br /> <br /> <br /> '''4. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Τελικά, οι εικόνες Landsat, ήταν χρήσιμες στην έγκαιρη μελέτη πλημμυρών, ωστόσο αυτό κατέστη δυνατό λόγω της τοποθεσίας, όπου εκμεταλλεύτηκε διπλή δορυφορική διαδρομή, άρα και πέτυχε διπλάσια χρονική ανάλυση για το συγκεκριμένο δορυφόρο , και λόγω του γεγονότος ότι απουσίαζαν σύννεφα πάνω από την περιοχή. Τα αποτελέσματα αξιολογήθηκαν βάσει επιτόπιας έρευνας, με το δείκτη MNDWI να παράγει εξαιρετικά αποτελέσματα, το δείκτη NDWI να παρουσιάζει σύγχυση με το γυμνό έδαφος, την υγρή άμμο ή τις οικιστικές περιοχές κοντά σε υγροβιότοπους, και το δείκτη WRI να μην αναγνωρίζει τις χαμηλές στάθμες νερού. Η κορύφωση της συσσώρευσης του νερού παρατηρήθηκε στις 17 Σεπτεμβρίου, και η διαδικασία αποχώρησής του χωρίστηκε σε τρεις φάσεις.<br /> <br /> <br /> '''5. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Οι δείκτες αυτής της μελέτης είναι ικανοί να χρησιμοποιηθούν, σε συνδυασμό με δορυφορικές εικόνες, για την έγκαιρη χαρτογράφηση και οριοθέτηση πλημμυρών. Ο συνδυασμός αυτών, λειτούργησε για τις εικόνες Landsat, ενώ, η εκμετάλλευση του διπλού δορυφορικού μονοπατιού, κατέστησε αποτελεσματική την ταχεία χαρτογράφηση, αποδεικνύοντας έτσι ότι οι εικόνες Landsat μπορούν να χρησιμοποιηθούν σε έκτακτες περιπτώσεις ανάγκης.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%A6%CE%91%CE%A1%CE%9C%CE%9F%CE%93%CE%95%CE%A3_%CE%A4%CE%97%CE%9B%CE%95%CE%A0%CE%99%CE%A3%CE%9A%CE%9F%CE%A0%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%95_%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%A4%CE%99%CE%95%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%95%CE%A3 2022-04-08T18:16:34Z

<p>Vasipant kor: Νέα σελίδα με 'category:Παρακολούθηση παράκτιων οικοσυστημάτων '''ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΕ ΠΑΡΑΚΤΙΕΣ ΠΕΡ...'</p> <hr /> <div>[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]<br /> <br /> '''ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΕ ΠΑΡΑΚΤΙΕΣ ΠΕΡΙΟΧΕΣ'''<br /> <br /> <br /> Lacava, T., &amp; Ciancia, E. (2020). Remote sensing applications in coastal areas. Sensors (Switzerland), 20(9), 2–3. [https://doi.org/10.3390/s20092673]<br /> <br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η αξιοσημείωτη σημασία των παράκτιων περιοχών, επέφερε με τον καιρό την περιβαλλοντική υποβάθμισή τους, ύστερα από την ανθρώπινη εκμετάλλευση. Για τη διατήρηση της βιωσιμότητας των ευπαθών αυτών περιοχών, η επιστημονική κοινότητα έχει πιέσει για τη χρήση ολοκληρωμένων συστημάτων παρακολούθησης, βελτιώνοντας τη χωρική και χρονική ανάλυση της έρευνας, παράγοντας πληροφορίες ως προς υδρολογικά, ιολογικά και φυσικά χαρακτηριστικά τους, αλλά και ως προς την κάλυψη γης των κοντινών περιοχών. Αυτό το άρθρο επιδιώκει να συγκεντρώσει υλικό ερευνών που επικεντρώνονται σε δορυφορικές εφαρμογές για την παρακολούθηση παράκτιων περιοχών, υφαλοκρηπίδων και οικοσυστημάτων εκβολών ποταμών, και όλων των προκλήσεων που αυτά τα οικοσυστήματα αντιμετωπίζουν. Υπογραμμίζεται η ανάγκη ανάπτυξης καινοτόμων μεθοδολογιών ανάλυσης δεδομένων, ικανά να επεξεργάζονται δεδομένα τηλεπισκόπησης πολλαπλών αποστολών και πολλαπλών πηγών, ενισχύοντας την υλοποίηση ολοκληρωμένων και βιώσιμων προσεγγίσεων.<br /> <br /> <br /> '''2.ΣΥΝΕΙΣΦΟΡΕΣ'''<br /> <br /> *Οι Mao et al. διερεύνησαν τη χωροχρονική εισβολή του μη ενδογενούς είδους Spartina alterniflora (S. alterniflora) στην ακτή της ηπειρωτικής Κίνας μέσω μιας διαχρονικής ανάλυσης εικόνων Landsat, για τα έτη 1990-2015. Το είδος σημείωσε την ταχύτερη εξάπλωσή του κατά τα έτη 2010-2015, στις τέσσερις πιο κεντρικές επαρχίες της περιοχής μελέτης. Τα αποτελέσματα είναι χρήσιμα για τον περιορισμό της εξάπλωσης του συγκεκριμένου φυτού.<br /> *Οι Wei et al. αξιολόγησαν την ακρίβεια του GPS Kinematic Precise Point Positioning (KPPP) για την εκτίμηση των κατακόρυφων μετατοπίσεων λόγω του Φορτίου των Ωκεάνιων Παλιρροιών (Ocean Tide Loading (OTL) ). Αυτή η μελέτη αποδεικνύει την καταλληλόλητα της προσέγγισης του συστήματος GPS KPPP για την ακριβή εκτίμηση της γήινης κατακόρυφης παλιρροιακής μετατόπισης στις παλιρροϊκές συχνότητες M2, N2, O1 και Q1. <br /> *Οι Joliff et al. συζήτησαν την προοπτική χρήσης δεδομένων GOES-ABI στην παρατήρηση ωκεάνιων διαδικασιών υπομεσοκλίμακας. Ανέπτυξαν μια προσέγγιση χρωματομετρίας, τη Χρωματική Χαρτογράφηση Τομέα (CDM), με στόχο τη συνένωση δεδομένων ανάκλασης ωκεανών από αισθητήρες πολικής τροχιάς (δηλαδή VIIRS, OLCI), με φασματικά περιορισμένα δεδομένα γεωστατικών αισθητήρων (GEOS-ABI). Η τεχνική CDM χρησιμοποιήθηκε για την επιτυχή ανίχνευση διεργασιών υψηλής συχνότητας που συνέβησαν στον Κόλπο του Μεξικού, όπως η παράκτια αντίδραση στον τυφώνα Michael.<br /> *Οι Mohamadi et al. περιέγραψαν μια νέα μέθοδο για την παρακολούθηση της θερμοκρασίας της επιφάνειας του εδάφους (LST) σε παράκτιες αποκατεστημένες περιοχές. Η τεχνική που ανέπτυξαν δοκιμάστηκε για περιοχές του κόλπου Lingding (Νότια Κίνα), χρησιμοποιώντας δεδομένα Landsat 5–8, σε κλίμακα ανάλυσης δεκαετίας από 1987 έως 2017, και εντόπισε έντονες θερμοκρασιακές διαφορές μεταξύ αδιαπέρατων αστικών επιφανειών και άλλων τύπων κάλυψης. Αυτή η μελέτη προτείνει τη δυνατότητα εφαρμογής μιας τέτοιας προσέγγισης για μια πιο ισχυρή ανίχνευση επιφανειών αστικοποιημένων νησιών σε πρόσφατα αναπτυγμένες παράκτιες περιοχές. <br /> *Οι Xing et al. πρότειναν μια βαθο-προσαρμοστική μέθοδο αποσύνθεσης κυματομορφής για το βαθυμετρικό αερομεταφερόμενο LiDAR, με στόχο τη διευκόλυνση της χαρτογράφησης των παράκτιων υδάτων στα νησιά Qilianyu (επαρχία Χαϊνάν, Κίνα). Για την αξιολόγηση της ακρίβειας της ανιχνευθείσας επιφάνειας νερού και των θέσεων του βυθού χρησιμοποιήθηκαν τα δεδομένα πεδίου και προσομοίωσης. Αυτή η εργασία αποκαλύπτει πώς το προσαρμοστικό όριο αυτής της μεθόδου μπορεί να επιτρέψει τη μείωση των πλαστών (fake) σινιάλων, βελτιώνοντας έτσι την αξιοπιστία και την ακρίβεια της ανίχνευσης σήματος.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T18:01:07Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> <br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' <br /> <br /> <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). ''Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.''<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:59:49Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> <br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' <br /> <br /> <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:59:09Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> <br /> == '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province''' ==<br /> <br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:58:14Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> <br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> <br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:57:21Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:56:25Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> <br /> 2.ΟΡΓΑΝΑ<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> 1.ΕΥΡΗΜΑΤΑ<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:54:51Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> <br /> '''1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ'''<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> <br /> '''2.ΟΡΓΑΝΑ'''<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> <br /> '''3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> '''Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> '''1.ΕΥΡΗΜΑΤΑ'''<br /> <br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> '''Δ. ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> <br /> '''Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:51:39Z

<p>Vasipant kor: </p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> <br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> <br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> <br /> '''2.ΟΡΓΑΝΑ'''<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ<br /> 1.ΕΥΡΗΜΑΤΑ<br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> Δ. ΣΥΖΗΤΗΣΗ<br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ<br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%9D%CE%91%CE%9B%CE%A5%CE%A3%CE%97_%CE%9A%CE%91%CE%9C%CE%9C%CE%95%CE%9D%CE%97%CE%A3_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%97%CE%A3_%CE%A7%CE%A1%CE%97%CE%A3%CE%99%CE%9C%CE%9F%CE%A0%CE%9F%CE%99%CE%A9%CE%9D%CE%A4%CE%91%CE%A3_%CE%A4%CE%9F_%CE%94%CE%95%CE%99%CE%9A%CE%A4%CE%97_NBRI... 2022-04-08T17:50:14Z

<p>Vasipant kor: Νέα σελίδα με 'category:Διαχείριση κινδύνων '''Τίτλος:ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ...'</p> <hr /> <div>[[category:Διαχείριση κινδύνων]]<br /> <br /> '''Τίτλος:ΑΝΑΛΥΣΗ ΚΑΜΜΕΝΗΣ ΠΕΡΙΟΧΗΣ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΔΕΙΚΤΗ NBRI ΩΣ ΠΡΟΣ ΤΙΣ ΔΑΣΙΚΕΣ ΠΥΡΓΚΑΓΙΕΣ ΤΗΣ ΙΝΔΟΝΗΣΙΑΣ ΚΑΤΑ ΤΟ ΕΤΟΣ 2019<br /> Case Study: Pinggir-Mandau District, Bengalis, Riau Province'''<br /> Khoirunisa, R., &amp; Mucsi, L. (2021). Geographica : Science &amp; Education Journal Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in 2019 Forest Fires in Indonesia Burned Region Analysis using Normalized Burn Ratio Index ( NBRI ) in. June.<br /> <br /> <br /> '''ΠΕΡΙΛΗΨΗ'''<br /> <br /> Οι δασικές πυρκαγιές, είτε φυσικές, είτε ανθρωπογενείς, είναι ένα συχνό φαινόμενο στην ευρύτερη περιοχή την Ινδονησίας, με μεγάλο αρνητικό αντίκτυπο σε περιβάλλον και άνθρωπο, ενώ κατά το έτος 2019 σημειώθηκε αξιοσημείωτο μέγεθος αυτών. Η έρευνα διεξάγη τηλεπισκοπικά, για την περιοχή μελέτης, χρησιμοποιώντας τον Κανονικοποιημένο Δείκτη Ποσοστού Καύσης (NRBI, Normalized Burb Ratio Index) , για τα κανάλια NIR και SWIR, του δορυφόρου Landsat 8 OLI/TIRS. Συγκρίνοντας εικόνες πριν και μετά την εκδήλωση της πυρκαγιάς , υπολογίστηκε το ποσοστό της καμένης περιοχής (4,7%) και ταυτοποιήθηκε η αρχική χρήση γης του (50.25% δάση, 40.05% καλλιεργήσιμη έκταση). Η επικύρωση των αποτελεσμάτων έγινε μέσω οπτικής παρατήρησης παγχρωματικών εικόνων του δορυφόρου SPOT 7, με πολύ καλά αποτελέσματα συντελεστή kappa. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την περιβαλλοντική αποκατάσταση ή/και μελλοντική πρόβλεψη.<br /> <br /> <br /> '''Α.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Ανθρωπογενείς παράγοντες είναι αυτοί που επί το πλείστον οδήγησαν στις δασικές πυρκαγιές, οι οποίες ευνοούμενες από το τροπικό κλίμα της Ινδονησίας, έκρουσαν σήμα κινδύνου ως προς την επίτευξη στόχων βιώσιμης ανάπτυξης, αναδεικνύοντας έτσι, την ανάγκη για περαιτέρω έρευνα . Η τηλεπισκόπηση ενδείκνυται για μελέτη δασικών πυρκαγιών λόγω συνδυασμού υψηλής τεχνολογίας και χαμηλού κόστους, προσφέροντας εργαλεία μελέτης πριν και μετά την εκδήλωση της πυρκαγιάς. Ένα τέτοιο εργαλείο είναι ο δείκτης NBR, μέσω του δορυφόρου Landsat, συγκρίνοντας την ανάκλαση της ακτινοβολίας στα κανάλια NIR και SWIR, για την υγιή, και μη, βλάστηση. Ο δείκτης NBR είναι αποδεδειγμένα αξιόπιστος για χρήση σε περιπτώσεις πυρκαγιάς, σύμφωνα με παλιότερες έρευνες, έτσι χρησιμοποιήθηκε στην παρούσα έρευνα, σε συνδυασμό με το δείκτη dNBR (difference NBR), δηλαδή τη διαφορά ανάμεσα στους δείκτες NBR πριν και μετά την εκδήλωση πυρκαγιάς.<br /> <br /> <br /> '''Β.ΜΕΘΟΔΟΛΟΓΙΑ'''<br /> <br /> <br /> 1.ΣΧΕΔΙΑΣΜΟΣ ΕΡΕΥΝΑΣ<br /> <br /> Η περιοχή μελέτης αποτελεί μέρος της περιοχής Bengkalis της επαρχίας Riau, στο νησί Sumatera και καλύπτει 234.864 στρέμματα (ΕΙΚΟΝΑ 1). Επιλέχθηκε με βάση το μέγεθος πυρκαγιών που συνέβησαν από τον Ιούλιο έως τον Οκτώβριο του 2019, αλλά και εξαιτίας του γεγονότος ότι αποτελεί έκταση φυτειών φοίνικα, συν ότι στην ευρύτερη περιοχή βρίσκονται πετρελαιοπηγές.<br /> <br /> <br /> '''2.ΟΡΓΑΝΑ'''<br /> <br /> Ανάλογα με την ακριβή τοποθεσία κάθε θέσης, τα δεδομένα διαχωρίστηκαν σε πρωτεύοντα και δευτερεύοντα. Πρωτεύοντα δεδομένα για μια θέση αποτέλεσαν δύο δορυφορικές εικόνες, πριν και μετά το συμβάν της πυρκαγιάς, προερχόμενες δωρεάν από το Γεωλογικό Ινστιτούτο των ΗΠΑ (USGS), διορθωμένες σε Επίπεδο 2. Δευτερεύοντα δεδομένα συλλέχθηκαν από διάφορους φορείς όπως το Εθνικό Ινστιτούτο Αεροναυπηγικής και Διαστήματος της Ινδονησίας (LAPAN), για χρήση ως προς την επικύρωση των πρωτευόντων ή τη χωρική ανάλυση.<br /> <br /> <br /> 3. ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ<br /> Πριν την ανάλυση μιας εικόνας επιβάλλεται να αναγνωρισθούν και να καλυφθούν όλα τα σώματα νερού, χιονιού, νεφών και των σκιών τους, καθώς αυτά δύναται να παρερμηνευθούν ως καμένες περιοχές.<br /> Ο υπολογισμός του ΝBRI έγινε με τη βοήθεια του NDVI, αντικαθιστώντας στον δεύτερο το κανάλι RED σε SWIR-2.<br /> 𝑁𝐵𝑅 𝐼𝑛𝑑𝑒𝑥 =𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)−𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)/𝐵𝑎𝑛𝑑 5 (𝑁𝐼𝑅)+𝐵𝑎𝑛𝑑 7 (𝑆𝑊𝐼𝑅2)<br /> Στη συνέχεια υπολογίστηκε ο dNBR.<br /> 𝑑𝑁𝐵𝑅 = 𝑁𝐵𝑅 (𝑃𝑟𝑒 − 𝑓𝑖𝑟𝑒) − 𝑁𝐵𝑅 (𝑝𝑜𝑠𝑡𝑓𝑖𝑟𝑒)<br /> Για τον προσδιορισμό της ακρίβειας της μεθόδου εφαρμόστηκε η μέθοδος του πίνακα σύγχυσης και εύρεση του συντελεστή kappa, με χρήση 75 σημείων αναφοράς στην περιοχή μελέτης. Ωστόσο προτείνεται και ο έλεγχος in situ, όπου αυτό είναι δυνατόν.<br /> <br /> Γ. ΕΥΡΗΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ<br /> 1.ΕΥΡΗΜΑΤΑ<br /> 1.1 ΚΑΜΕΝΗ ΠΕΡΙΟΧΗ ΚΑΙ ΣΦΟΔΡΟΤΗΤΑ ΚΑΥΣΗΣ<br /> Ο χαρακτηρισμός και διαχωρισμός των αποτελεσμάτων βασίστηκε στις τιμές της μέσης τιμής (mean) και τυπικής απόκλισης (standard deviation) της παραγόμενης τιμής του θετικού dNBR, και τα όρια υπολογίστηκαν σε 0,217; 0,386; και 0,556. Αυτές οι τιμές χρησιμοποιούνται για τον προσδιορισμό του εύρους του επιπέδου σοβαρότητας, και τα αποτελέσματα παρουσιάζονται στην ΕΙΚΟΝΑ 2.<br /> 1.2 ΕΠΗΡΕΑΖΟΜΕΝΗ ΚΑΛΥΨΗ ΓΗΣ<br /> Η σποραδικότητα των πυρκαγιών αποτελεί ένδειξη ανθρωπογενούς αιτίας. Το μεγαλύτερο ποσοστό τους σημειώθηκε μέσα σε ζώνη επαρκούς έντασης βροχόπτωσης, ωστόσο παράλληλα μέσα σε ζώνη υψηλού κινδύνου. Μεγαλύτερη ζημιά υπέστησαν περιοχές με υψηλή βλάστηση. Ένα μικρό ποσοστό σημειώθηκε σε περιοχές χωρίς βλάστηση, αλλά με πετρελαιοπηγές, γεγονός που συναντάται σπάνια.<br /> 1.3 ΑΞΙΟΛΟΓΗΣΗ ΑΚΡΙΒΕΙΑΣ ΜΕΘΟΔΟΥ<br /> Ως προς την αξιολόγηση της μεθόδου, εφαρμόστηκε η μέθοδος του Confusion Matrix, και εύρεση του συντελεστή kappa, ο οποίος υπολογίστηκε σε 0,83; άρα και αποδεκτός.<br /> <br /> Δ. ΣΥΖΗΤΗΣΗ<br /> Το μέγεθος της φωτιάς που σημειώθηκε κατά το έτος 2019, ήταν τρεις φορές μεγαλύτερο σε σχέση με φωτιές άλλων χρονολογιών, ενώ περιοχές της μελέτης είχαν πληγεί ξανά στο παρελθόν, και χρησιμοποιούνταν ως καλλιεργήσιμες εκτάσεις. <br /> Πιθανό σφάλμα χαρακτηρισμού καμένης περιοχής εντοπίστηκε, μετά από έρευνα, που αφορούσε κατοικημένη περιοχή, άρα προτείνεται αναλυτικότερη έρευνα για κατοικήσιμες περιοχές κοντά σε δάση. Ο δείκτης NBR λειτουργεί καλύτερα σε περιοχές με βλάστηση, έτσι περιοχές χωρίς βλάστηση θα πρέπει να καλύπτονται (mask).<br /> Η πηγή της φωτιάς θεωρήθηκε ως ανθρωπογενής, ωστόσο τα φυσικά χαρακτηριστικά του τοπίου και του καιρού συνέβαλαν στη γρήγορη εξάπλωση της και στη δυσκολία ως προς την απόσβεσή της.<br /> Η χαρτογράφηση της καμένης περιοχής σε συνδυασμό με το μέγεθος της σφοδρότητας της, μπορούν να χρησιμοποιηθούν στα σχέδια αποκατάστασης του περιβάλλοντος, και στη πρόγνωση περιοχών υψηλού κινδύνου για μελλοντικές πυρκαγιές.<br /> Ε. ΣΥΜΠΕΡΑΣΜΑΤΑ<br /> Δορυφορικές εικόνες Landsat-8 μπορούν να χρησιμοποιηθούν για τον εντοπισμό καμένων περιοχών, αλλά με πολύ προσεκτικό χειρισμό των σωμάτων νερού για το δείκτη NBR. Επιτόπιος έλεγχος προτείνεται στις μεθόδους όπου η αξιολόγηση γίνεται εφαρμόζοντας οπτική παρατήρηση.</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-01-27T08:24:14Z

<p>Vasipant kor: </p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. https://doi.org/10.5194/isprs-archives-xli-b7-563-2016<br /> Retrieved January 25, 2022, from [[ https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS ]]<br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> <br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> <br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> <br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> <br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> <br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> <br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> <br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%91%CE%A1%CE%91%CE%9A%CE%9F%CE%9B%CE%9F%CE%A5%CE%98%CE%97%CE%A3%CE%97_%CE%9E%CE%A5%CE%9B%CE%A9%CE%94%CE%9F%CE%A5%CE%A3_%CE%92%CE%9B%CE%91%CE%A3%CE%A4%CE%97%CE%A3%CE%97%CE%A3_%CE%A3%CE%A4%CE%99%CE%A3_%CE%A3%CE%91%CE%92%CE%91%CE%9D%CE%95%CE%A3_%CE%A4%CE%97%CE%A3_%CE%9D%CE%9F%CE%A4%CE%91%CE%A3_%CE%91%CE%A6%CE%A1%CE%99%CE%9A%CE%97%CE%A3,_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%94%CE%9F%CE%A1%CE%A5%CE%A6%CE%9F%CE%A1%CE%99%CE%9A%CE%A9%CE%9D_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%A9%CE%9D_LANDSAT 2022-01-27T08:23:06Z

<p>Vasipant kor: Νέα σελίδα με 'Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the...'</p> <hr /> <div>Symeonakis, E., Petroulaki, K., &amp; Higginbottom, T. (2016). LANDSAT-BASED WOODY VEGETATION COVER MONITORING IN SOUTHERN AFRICAN SAVANNAHS. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B7, 563–567. https://doi.org/10.5194/isprs-archives-xli-b7-563-2016<br /> Retrieved January 25, 2022, from [[ https://www.researchgate.net/publication/301470983_LANDSAT-BASED_WOODY_VEGETATION_COVER_MONITORING_IN_SOUTHERN_AFRICAN_SAVANNAHS ]]<br /> <br /> '''1.ΕΙΣΑΓΩΓΗ'''<br /> Η ξηρασία, η ποιοτική υποβάθμιση του εδάφους και η ερημοποίηση (DLDD), αποτελούν απειλητικούς παράγοντες για το περιβάλλον και τον άνθρωπο, παγκοσμίως, με σημαντικό κοινωνικό και οικονομικό αντίκτυπο. Στην ευρύτερη περιοχή της Αφρικής, η εισβολή της θαμνώδους βλάστησης στις σαβάνες αποτελεί χαρακτηριστικό δείκτη DLDD, απειλώντας τα οικοσυστήματα τεράστιων εκτάσεων. Εξαιτίας αυτού, η χρήση δορυφορικών εικόνων αποτελεί τον μοναδικό εφικτό τρόπο χαρτογράφησής της, ενώ συγκεκριμένα, οι εικόνες Landsat προσφέρουν δωρεάν/ραδιομετρικά διορθωμένα/υψηλής ανάλυσης και διαχρονικά δεδομένα. Σκοπός της εργασίας είναι η χαρτογράφηση και παρακολούθηση της ξυλώδους βλάστησης στη βορειοδυτική επαρχία της Νότιας Αφρικής τα τελευταία 25 χρόνια, και ο εντοπισμός περιοχών όπου αυτή τείνει να αυξάνεται, ώστε να παρθούν τα κατάλληλα μέτρα αντιμετώπισης.<br /> <br /> '''2.ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ'''<br /> <br /> '''2.1 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''<br /> Την περιοχή μελέτης αποτελούν κατά κύριο λόγο περιοχές τύπου σαβάνας, και δευτερευόντως λιβαδικές εκτάσεις, των οποίων η βλάστηση διαφοροποιείται ανάλογα με το γεωγραφικό μήκος. Η εισβολή και η πύκνωση ξενικών ειδών θάμνων, καταστεί τη γη μη καλλιεργήσιμη. <br /> <br /> '''2.2 ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ'''<br /> Δημιουργήθηκαν εφτά διαφορετικά μωσαϊκά δορυφορικών εικόνων, για την περιοχή μελέτης (Εικόνα 1), που αφορούν σε εφτά ξηρές περιόδους, των ετών 1990, 1994, 2002, 2007, 2011 και 2015.<br /> <br /> '''2.3 ΣΥΛΛΟΓΗ ΔΕΙΓΜΑΤΩΝ'''<br /> Τα δείγματα ορίστηκαν σύμφωνα με τη βάση δεδομένων του Κρατικού Γεωδαιτικού Ινστιτούτου της Νότιας Αφρικής ή βασιζόμενοι σε εικόνες Landsat, και διαχωρίστηκαν σε τρεις κατηγορίες κάλυψης: ξυλώδης βλάστηση, μη-ξυλώδης βλάστηση, καθόλου βλάστηση.<br /> <br /> '''2.4 ΤΑΞΙΝΟΜΗΣΗ'''<br /> Η μέθοδος ταξινόμησης που επιλέχθηκε ήταν η Random Forest, με χρήση της γλώσσας προγραμματισμού R, στοχεύοντας σε ποσοστά ακρίβειας που συμβαδίζουν με τα υπάρχοντα μοντέλα, τροποποιώντας τις περιοχές εκπαίδευσης.<br /> <br /> '''3.ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ'''<br /> Το συνολικό ποσοστό ακρίβειας ταξινόμησης που επιτεύχθηκε είναι 80%. Μεγαλύτερη ακρίβεια παρουσίασε η κατηγορία της ξυλώδους βλάστησης, ενώ μικρότερη αυτή της καθόλου βλάστησης. Όσο αναφορά στην κάλυψη της ξυλώδους βλάστησης και της καθόλου βλάστησης, παρουσιάζεται μικρή αύξηση στο πέρασμα των 25 χρόνων, εις βάρος της μη-ξυλώδους βλάστησης, που μειώνεται. Η ξυλώδης βλάστηση αποτελεί το ¼ της έκτασης της μελέτης, και είναι συγκεντρωμένη σε διακριτές περιοχές, ενώ η επέκτασή της πιθανολογείται και σε κλιματικές αιτίες (Εικόνα 2). Στις περιοχές όπου εντοπίστηκε αύξηση, προτείνεται, μετά από in situ επαλήθευση, να δρομολογηθούν πράξεις αντιστροφής του φαινομένου; αν ήδη αυτές υφίστανται, να αξιολογηθεί η αποτελεσματικότητά τους, ώστε τελικά να αναγεννηθούν οι περιοχές σαβάνας.<br /> <br /> '''4.ΣΥΜΠΕΡΑΣΜΑΤΑ'''<br /> Η προέλαση της ξυλώδους βλάστησης σε πρώην λιβαδικές εκτάσεις και σαβάνες, μειώνει σημαντικά την αγροτική παραγωγή καθώς και την ικανότητα βόσκησης. Έτσι, καθίσταται αναγκαία, η περεταίρω τηλεπισκοπική έρευνα του ζητήματος, και η διερεύνηση της σύνδεσής του με κλιματικούς και ανθρωπογενείς παράγοντες.<br /> <br /> <br /> <br /> [[category:Παρακολούθηση και εκτίμηση διαχρονικών αλλαγών και εξελίξεων]]</div>

Vasipant kor http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%B1%CF%84%CE%B7%CE%B3%CE%BF%CF%81%CE%AF%CE%B1:Agro-forestry_areas 2022-01-17T10:27:39Z

<p>Vasipant kor: </p> <hr /> <div>[[Εικόνα:Γεωργό-δασικές περιοχές.jpg|thumb|right|Εικόνα Landsat TM 4.5.3 1:100.000, Αύγουστος 1985-Πορτογαλία]]<br /> <br /> <br /> *Ετήσιες καλλιέργειες ή βοσκότοποι που καλύπτονται από είδη δέντρων που κατατάσσονται στα δασικά είδη.<br /> *Αυτή η κατηγορία περιλαμβάνει ετήσιες καλλιέργειες ή βοσκότοπους και γη σε αγρανάπαυση που καλύπτει λιγότερο από το 50% της επιφάνειας .Συνήθως παρουσιάζεται σε πολύ εκτεταμένες περιοχές με μεγάλες διαφοροποιήσεις στη φασματική υπογραφή (ανάλογα με τα διαφορετικά είδη, την πυκνότητα των δέντρων, τον τύπο του εδάφους).<br /> *Συνήθως παρουσιάζεται σε πολύ εκτεταμένες περιοχές με μεγάλες διαφοροποιήσεις στη φασματική υπογραφή (ανάλογα με τα διαφορετικά είδη, την πυκνότητα των δέντρων, τον τύπο του εδάφους).<br /> <br /> <br /> <br /> *'''ΣΧΗΜΑ''': Ακανόνιστο πολύγωνο<br /> *ΜΕΓΕΘΟΣ: Συνήθως παρουσιάζεται σε πολύ εκτεταμένες περιοχές με μεγάλες διαφοροποιήσεις στη φασματική υπογραφή (ανάλογα με τα διαφορετικά είδη, την πυκνότητα των δέντρων, τον τύπο του εδάφους).<br /> *ΥΦΗ: Τραχεία<br /> *ΘΕΣΗ ΕΝΟΣ ΑΝΤΙΚΕΙΜΕΝΟΥ ΣΤΟ ΧΩΡΟ: Ετήσιες καλλιέργειες ή βοσκότοποι που καλύπτονται από είδη δέντρων που κατατάσσονται στα δασικά είδη. Αυτή η κατηγορία περιλαμβάνει ετήσιες καλλιέργειες ή βοσκότοπους και γη σε αγρανάπαυση που καλύπτει λιγότερο από το 50% της επιφάνειας .Συνήθως παρουσιάζεται σε πολύ εκτεταμένες περιοχές με μεγάλες διαφοροποιήσεις στη φασματική υπογραφή (ανάλογα με τα διαφορετικά είδη, την πυκνότητα των δέντρων, τον τύπο του εδάφους).<br /> <br /> <br /> <br /> [[category:Αμμοδοχείο]]</div>

Vasipant kor