http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Vdd55&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%2FVdd55 2026-04-19T20:53:42Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/Pesticides_exposure_modeling_based_on_GIS_and_remote_sensing_land_use_data 2018-02-24T19:45:52Z

<p>Vdd55: </p> <hr /> <div>'''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα με τηλεπισκόπηση και Γεωγραφικά Πληροφοριακά Συστήματα.<br /> '''<br /> <br /> '''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677]<br /> <br /> Συγγραφέας: Neng Wan<br /> <br /> Πηγή: http://www.sciencedirect.com <br /> <br /> '''Περίληψη'''<br /> Ο πρωταρχικός σκοπός της παρούσας εργασίας είναι να εξετάσει τη δυνατότητα συνδυασμού των πληροφοριών της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων, ώστε να προκύψει η δημιουργία ενός μοντέλου έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα (φ.π.). Χρησιμοποιεί πληροφορίες χρήσης γης που προέρχονται από δορυφορικές απεικονίσεις, σύνολα δεδομένων πλέγματος για τον πληθυσμό (grid) και δεδομένα χρήσης φ.π. σε καλλιέργειες, με σκοπό να δημιουργήσει ένα μοντέλο της έκθεσης των κατοίκων όχι για μικρές περιοχές μελέτης αλλά για μεγάλης έκτασης περιοχές όπως είναι η πολιτεία Νεμπράσκα των ΗΠΑ. <br /> <br /> '''Εισαγωγή'''<br /> Η εκτεταμένη εφαρμογή φ.π. στην σύγχρονη αγροτική καλλιέργεια έχει οδηγήσει σε αυξανόμενη ανησυχία για τις αρνητικές επιπτώσεις στο περιβάλλον και την υγεία του πληθυσμού. Η ανησυχία για το περιβάλλον αφορά την ρύπανση του νερού και του εδάφους και τις οικολογικές συνέπειες, ενώ για τη δημόσια υγεία επικεντρώνεται κυρίως σε προβλήματα υγείας όπως είναι ο καρκίνος, νευροεκφυλιστικές ασθένειες και προβλήματα αναπαραγωγής, περισσότερα από τα οποία εμφανίζονται σε αγρότες και κατοίκους αγροτικών περιοχών που ζουν κοντά σε περιοχές εφαρμογής φυτοπροστατευτικών. Η έκθεση του πληθυσμού μπορεί να διακριθεί σε δύο κατηγορίες: την επαγγελματική και την μη επαγγελματική. Η παρούσα εργασία ασχολείται με την μη επαγγελματική έκθεση γιατί αφορά μεγαλύτερες γεωγραφικές εκτάσεις και μεγάλο μέρος του πληθυσμού σε σχέση με την επαγγελματική έκθεση των αγροτών. <br /> Η αυξανόμενη διαθεσιμότητα και ακρίβεια των δορυφορικών απεικονίσεων παρέχουν τη δυνατότητα εκτίμησης της έκθεσης σε φ.π. για πληθυσμούς περιοχών μεγάλης έκτασης. Επιπλέον είναι δυνατό να χρησιμοποιηθούν απεικονίσεις παλαιότερων ετών ώστε να εκτιμηθεί η διάρκεια της έκθεσης, γεγονός που είναι πολύ σημαντικό για την εκτίμηση των χρόνιων ασθενειών όπως είναι το Πάρκινσον. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιοχή μελέτης'''<br /> Η πολιτεία της Νεμπράσκα είναι μια από τις σημαντικότερες αγροτικές περιοχές των ΗΠΑ. 45,6 εκατομμύρια στρεμμάτων γης χρησιμοποιούνται για φυτείες και για την εγκατάσταση κτηνοτροφικών αγροκτημάτων. Το 40% του πληθυσμού της πολιτείας (δηλ. 750.000 από τους 1,8 εκατομμύρια) ζουν σε αγροτικές περιοχές και πιθανόν εκτίθενται σε φυτοπροστατευτικά. Οι καλλιέργειες είναι καλαμπόκι, σόγια, σόργο και τριφύλλι. Φυτεύονται τον Απρίλιο ή Μάιο, αναπτύσσονται τον Ιούνιο, Ιούλιο και η συγκομιδή τους γίνεται τους φθινοπωρινούς μήνες. Για τις καλλιέργειες αυτές χρησιμοποιούνται ζιζανιοκτόνα όπως τα Atrazine, Metolachlor, Cyanazine, Alachlor και Achetochlor. Η παρούσα μελέτη επικεντρώνεται στο Atrazine μιας και είναι το περισσότερο χρησιμοποιούμενο στη Νεμπράσκα αλλά και τις ΗΠΑ. Η έκθεση σε Atrazine έχει συνδεθεί με μια ποικιλία προβλημάτων υγείας όπως είναι ο καρκίνος, προβλήματα αναπαραγωγικού συστήματος και ελαττώματα γέννησης. Όταν γίνεται εφαρμογή του Atrazine στις καλλιέργειες, τα σταγονίδια μπορεί να παραμείνουν στην ατμόσφαιρα και να μεταφερθούν σε απόσταση μεγαλύτερη των 1000μ. ενώ ο χρόνος ημίσειας ζωής του είναι αρκετά μεγάλος (60 μέρες). Έτσι αποτελεί μια απειλή για όσους κατοικούν στις γύρω περιοχές.<br /> <br /> '''Απόκτηση δεδομένων'''<br /> Χρήσης γης: Τα δεδομένα προέρχονται από το πανεπιστήμιο της Νεμπράσκα – Linkoln με βάση τις απεικονίσεις του δορυφόρου Landsat 5 TM. Συγκεκριμένα, χρησιμοποιήθηκαν 37 απεικονίσεις από τον Μάιο μέχρι τον Σεπτέμβριο 2005 και περιλαμβάνουν σχετικά λιγότερα σύννεφα. Έγινε προεπεξεργασία των εικόνων ώστε να απομακρυνθούν οι περιοχές με σύννεφα και να διαχωριστούν οι αστικές περιοχές. Κατά τη διάρκεια του καλοκαιριού 2005 έγινε η επιλογή των περιοχών εκπαίδευσης. Χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση με κανόνες μέγιστης πιθανοφάνειας ώστε να ταξινομηθούν οι διαφορετικοί τύποι καλλιεργειών και οι θέσεις άρδευσης με βάση την φασματική υπογραφή των εικονοστοιχείων. Η μη – επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για περιοχές για τις οποίες υπήρχε διαθέσιμη μια απεικόνιση την ημέρα και για εκείνες με κάλυψη σύννεφων. Οι καλλιέργειες ταξινομήθηκαν σε 19 κατηγορίες με συνολική ακρίβεια 83,9%. Σύμφωνα με την ταξινόμηση χρήσης γης, οι αγροτικές καλλιέργειες καταλαμβάνουν το 93% των χρήσεων γης της Νεμπράσκα.<br /> Χρήση φυτοπροστατευτικών προϊόντων: Τα δεδομένα για τη χρήση του Atrazine προήλθαν από τη βάση δεδομένων της Γεωλογικής Υπηρεσίας των ΗΠΑ (USGS). Στη συνέχεια τα δεδομένα γενικεύθηκαν, ενσωματώνοντας δεδομένα χρήσης φ.π. σε επίπεδο επαρχίας όπως και δεδομένα εμβαδού των καλλιεργειών σε επίπεδο πολιτείας. Δεδομένα χρήσης φ.π. ανά τύπο καλλιέργειας συλλέχθηκαν από το πανεπιστήμιο της Νεμπράσκα – Lincoln για το χρονικό διάστημα 1982 – 1987. Όμοια δεδομένα για τα έτη 1992 και 1997 αποκτήθηκαν από τη βάση δεδομένων του Εθνικού Κέντρου Τροφίμων και Αγροτικής Πολιτικής. Με βάση τα δεδομένα των τεσσάρων ετών, υπολογίστηκε το ποσοστό χρήσης Atrazine ανά στρέμμα για το καλαμπόκι, τον σόργο και σιτηρών. <br /> Πληθυσμιακά δεδομένα: Αποκτήθηκαν από σύνολα δεδομένων πλέγματος (grid) για τον πληθυσμό των ΗΠΑ του έτους 2000, τα οποία στη συνέχεια οπτικοποιήθηκαν.<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα''' <br /> Ακολουθήθηκαν δύο διαδικασίες: 1) Αρχικά υπολογίστηκε το σύνολο των εικονοστοιχείων που περιλαμβάνουν ένα συγκεκριμένο τύπο καλλιέργειας και στη συνέχεια υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία μέσω μαθηματικού τύπου. Επίσης, υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία που ανήκουν σε αρδευόμενες ή μη αρδευόμενες περιοχές. 2) Δημιουργήθηκε μια ζώνη επιρροής (buffer) για κάθε πληθυσμιακό πλέγμα με βάση την απόσταση των 750μ. (Εικόνα 1)[[Αρχείο:rs_wiki_buffer.jpg|200px|thumb|right|Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου]][[Αρχείο:rs_wiki_atrazine_use.jpg|200px|thumb|right|Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005]][[Αρχείο:rs_wiki_atrazine_exposure.jpg|200px|thumb|right|Εικόνα 3: Έκθεση του πληθυσμού της Νεμπράσκα σε Atrazine, 2005]], υπολογίστηκαν τα εικονοστοιχεία που αντιστοιχούν στους τύπους καλλιέργειας που βρίσκονται μέσα στη ζώνη επιρροής (buffer). Στη συνέχεια αθροιστικά προέκυψε η χρήση φ.π. Για να γίνει αντιληπτή η πληροφορία που προέκυψε από την πιο πάνω διαδικασία, έγινε σύγκριση των αποτελεσμάτων με δύο δείκτες: τον δείκτη εγγύτητας, σύμφωνα με τον οποίο ένα άτομο εκτίθεται σε φ.π. αν βρίσκεται μέσα σε συγκεκριμένη απόσταση από την αγροτική γη και με τον δείκτη εμβαδού που σημαίνει ότι το επίπεδο της έκθεσης σχετίζεται με το συνολικό εμβαδό που καταλαμβάνει η αγροτική γη γύρω από την κατοικημένη περιοχή.<br /> Η παρούσα μελέτη χρησιμοποιεί ως μέτρο εγγύτητας την κοντινότερη απόσταση του κεντροειδούς του πλεγματικού πληθυσμού (grid population) από το εικονοστοιχείο που αντιστοιχεί σε αγροτική περιοχή και ως μέτρο εμβαδού το συνολικό εμβαδό των εικονοστοιχείων που αντιστοιχούν σε αγροτική καλλιέργεια και βρίσκεται μέσα στην ζώνη επιρροής των 1000μ. Για κάθε πληθυσμιακό πλέγμα, υπολογίστηκαν και συγκρίθηκαν τρεις δείκτες: <br /> Ο δείκτης σταθμισμένης έκθεσης σε φ.π. που προτείνεται στην παρούσα εργασία<br /> Ο δείκτης κοντινότερης απόστασης από την αγροτική γη και <br /> ο δείκτης του συνολικού εμβαδού αγροτικής γης μέσα στη ζώνη επιρροής των 1000μ.<br /> Καθώς το Atrazine χρησιμοποιείται μόνο για τρεις τύπους καλλιέργειας (καλαμπόκι, σόργο και σιτηρά) οι υπολογισμοί περιορίστηκαν σε αυτούς τους τύπους καλλιέργειας μόνο.<br /> Τα δεδομένα για τη δημόσια υγεία γενικά δημοσιεύονται για μεγάλες περιοχές (πολιτεία, zip code) ώστε να προστατευθούν τα προσωπικά δεδομένα των ανθρώπων. Για τις μελέτες που αφορούν το επίπεδο συσχέτισης ανάμεσα στην έκθεση σε φ.π. και την υγεία, είναι αναγκαίο να συγκεντρωθεί η πληροφορία έκθεσης σε επίπεδο πλέγματος ώστε να ταιριάζει με το επίπεδο της περιοχής μελέτης. Για να γίνει αυτό, στην παρούσα εργασία η έκθεση σε επίπεδο επαρχίας υπολογίστηκε ως ποσοστό έκθεσης σε ολόκληρη την πολιτεία: <br /> <br /> Έκθεση= (μέγεθος πληθυσμού*δείκτης σταθμισμένης έκθεσης)/(μέγεθος πληθυσμού)<br /> <br /> Όλοι οι υπολογισμοί και η ανάλυση έγιναν σε περιβάλλον ArcGIS 9.3 με εφαρμογές Visual Basic Applications (VBA).<br /> Αποτελέσματα<br /> 54.4% των πλεγμάτων πληθυσμού είχαν καλλιέργειες μέσα στη ζώνη επιρροής των 1000μ. <br /> 25,2% των πλεγμάτων πληθυσμού παρουσιάζει σημαντικά υψηλό κίνδυνο έκθεσης σε φ.π.<br /> Οι τρεις δείκτες κανονικοποιήθηκαν με τιμές ανάμεσα στο 0 και 1 και ο παράγοντας συσχέτισης Pearson βρέθηκε 0,86 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού, ενώ 0,55 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη κοντινότερης απόστασης. Η συσχέτιση είναι υψηλότερη μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού.<br /> Ο χάρτης χρήσης Atrazine (Εικόνα 2) και έκθεσης του πληθυσμού (Εικόνα 3) όπως προέκυψε από την μεθοδολογία της παρούσας εργασίας και τον προτεινόμενο δείκτη σταθμισμένης έκθεσης είναι: <br /> Μεταξύ των δύο χαρτών υπάρχουν σημαντικές διαφορές γεγονός που αναδεικνύει τη σημαντικότητα των Γεωγραφικών Πληροφοριακών Συστημάτων στην ανάλυση της έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα.<br /> Η έκθεση σε Atrazine είναι μεγαλύτερη στις ανατολικές περιοχές της Νεμπράσκα και μικρότερη στις δυτικές.<br /> 4,1% του πληθυσμού της πολιτείας βρίσκεται σε υψηλό κίνδυνο έκθεσης σε Atrazine. Αν συνυπολογιστούν όλοι οι τύποι καλλιεργειών και φυτοπροστατευτικών η αναλογία αυτή μπορεί να φτάσει ποσοστό 12,1%. [[Category:Υγεία]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-24T19:37:52Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. <br /> <br /> Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένα από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑSΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). <br /> <br /> Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR))[[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]. Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και τον διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. <br /> <br /> Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> <br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%81%CE%BF%CF%8C%CE%B4%CE%BF%CF%85_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82. 2018-02-24T19:35:38Z

<p>Vdd55: </p> <hr /> <div>'''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> '''An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring.''' (2018) [http://www.sciencedirect.com/science/article/pii/S2352938517301684]<br /> <br /> '''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''<br /> <br /> Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1)[[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]].<br /> <br /> Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων. <br /> <br /> Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβεια. Οι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις. <br /> <br /> Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.<br /> <br /> Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης.<br /> <br /> Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.<br /> <br /> Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.<br /> <br /> '''Πίνακας 1.''' Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !! !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες) !! Κόστος απόκτησης εικόνων (US $/km2)<br /> |-<br /> | || || || || (Km) || || <br /> |-<br /> | Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26 || Δωρεάν<br /> |-<br /> | || || 120 || Κανάλι 6 || || || <br /> |-<br /> | Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18 || Δωρεάν<br /> |-<br /> | || || 15 || Κανάλι 8 || || || <br /> |-<br /> | Landsat Operation Land Imager (OLI) || 9 || 30 || Κανάλι (1–9) || 185 || 16 || Δωρεάν<br /> |-<br /> | || || 120 || || || || <br /> |-<br /> | Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2 || Δωρεάν<br /> |-<br /> | || || 500 || Κανάλι (3–7) || || || <br /> |-<br /> | || || 1000 || Κανάλι (8–36) || || || <br /> |-<br /> | RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir) || US $1.28<br /> |-<br /> | Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5 || US $5.15<br /> |-<br /> | || || 20 || Κανάλι 4 || || || <br /> |-<br /> | Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5 || US $24<br /> |-<br /> | || || 0.60 || Πανχρωματικά || || || <br /> |-<br /> | World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1 || US $28.5<br /> |-<br /> | || || 0.46 || Πανχρωματικά || || || <br /> |-<br /> | World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1 || US $29<br /> |-<br /> | || || 0.31 || Πανχρωματικά || || || <br /> |-<br /> | Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 || || Κανάλι (2–5) || 23.9–740 || 5 || US $20<br /> |}<br /> '''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''<br /> Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.<br /> Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους.<br /> Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).<br /> <br /> '''Συμπέρασμα'''<br /> Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. <br /> <br /> [[category:Erosion landforms]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-24T19:34:09Z

<p>Vdd55: </p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http://www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1)[[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]]. <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια (400–1000 nm) !! Χωρι-κή ανά-λυση [m] !! Χρονική ανάλυση !! Διαθεσιμό- !! Έναρξη !! Δείκτες !! !! !! !! !! !! !! !! !! <br /> |-<br /> | || || || || τητα || Λειτουρ- || || || || || || || || || || <br /> |-<br /> | || || || || || γίας || || || || || || || || || || <br /> |-<br /> | || || || || || || CDOM || SPM || zSD Θολότητα || Kd || Chl-a || Cyano || SAV || zB || Tsurf || Ice<br /> |-<br /> | Αισθητήρες σε λειτουργία || || || || || || || || || || || || || || || <br /> |-<br /> | ASTER || 3 || 15 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || || || || || || || x || || || <br /> |-<br /> | AVHRR || Θερμικό || 1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 2005 || || || || || || || || || x || x<br /> |-<br /> | Landsat ETM || 4 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 1999 || x || x || x || || x || || || || x || <br /> |-<br /> | Landsat OLI || 5 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || x || || || || || || x || || <br /> |-<br /> | Landsat TIRS || Θερμικό || 100 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || || || || || || || || x || <br /> |-<br /> | MODIS || 2–9 || 250–1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || x || || x || x || || x || || x || x || <br /> |-<br /> | Proba-1 CHRIS || 18–63 || 18–36 || Όταν απαιτείται || Επιστημονική χρήση || 2001 || || || || || x || || || || || <br /> |-<br /> | Quickbird || 4 || 2.6 || Όταν απαιτείται || Κόστος απόκτησης || 2001 || || || || || || || x || || || <br /> |-<br /> | RapidEye || 5 || 6.5 || Καθημερινά || Κόστος απόκτησης || 2008 || || || || || || || x || x || || <br /> |-<br /> | Sentinel-2 || 9 || 10–60 || 5–10 ημέρες || Κόστος απόκτησης || 2015 || x || x || x || x || x || x || x || x || || <br /> |-<br /> | WorldView-2 || 8 || 2 || Όταν απαιτείται || Κόστος απόκτησης || 2009 || || || || || || || x || x || || <br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να συμβάλει στην αντιμετώπιση των περιορισμών του ενός μόνο συστήματος. <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/Pesticides_exposure_modeling_based_on_GIS_and_remote_sensing_land_use_data 2018-02-24T19:32:09Z

<p>Vdd55: </p> <hr /> <div>'''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα με τηλεπισκόπηση και Γεωγραφικά Πληροφοριακά Συστήματα.<br /> '''<br /> <br /> '''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677]<br /> <br /> Συγγραφέας: Neng Wan<br /> <br /> Πηγή: http://www.sciencedirect.com <br /> <br /> '''Περίληψη'''<br /> Ο πρωταρχικός σκοπός της παρούσας εργασίας είναι να εξετάσει τη δυνατότητα συνδυασμού των πληροφοριών της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων, ώστε να προκύψει η δημιουργία ενός μοντέλου έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα (φ.π.). Χρησιμοποιεί πληροφορίες χρήσης γης που προέρχονται από δορυφορικές απεικονίσεις, σύνολα δεδομένων πλέγματος για τον πληθυσμό (grid) και δεδομένα χρήσης φ.π. σε καλλιέργειες, με σκοπό να δημιουργήσει ένα μοντέλο της έκθεσης των κατοίκων όχι για μικρές περιοχές μελέτης αλλά για μεγάλης έκτασης περιοχές όπως είναι η πολιτεία Νεμπράσκα των ΗΠΑ. <br /> <br /> '''Εισαγωγή'''<br /> Η εκτεταμένη εφαρμογή φ.π. στην σύγχρονη αγροτική καλλιέργεια έχει οδηγήσει σε αυξανόμενη ανησυχία για τις αρνητικές επιπτώσεις στο περιβάλλον και την υγεία του πληθυσμού. Η ανησυχία για το περιβάλλον αφορά την ρύπανση του νερού και του εδάφους και τις οικολογικές συνέπειες, ενώ για τη δημόσια υγεία επικεντρώνεται κυρίως σε προβλήματα υγείας όπως είναι ο καρκίνος, νευροεκφυλιστικές ασθένειες και προβλήματα αναπαραγωγής, περισσότερα από τα οποία εμφανίζονται σε αγρότες και κατοίκους αγροτικών περιοχών που ζουν κοντά σε περιοχές εφαρμογής φυτοπροστατευτικών. Η έκθεση του πληθυσμού μπορεί να διακριθεί σε δύο κατηγορίες: την επαγγελματική και την μη επαγγελματική. Η παρούσα εργασία ασχολείται με την μη επαγγελματική έκθεση γιατί αφορά μεγαλύτερες γεωγραφικές εκτάσεις και μεγάλο μέρος του πληθυσμού σε σχέση με την επαγγελματική έκθεση των αγροτών. <br /> Η αυξανόμενη διαθεσιμότητα και ακρίβεια των δορυφορικών απεικονίσεων παρέχουν τη δυνατότητα εκτίμησης της έκθεσης σε φ.π. για πληθυσμούς περιοχών μεγάλης έκτασης. Επιπλέον είναι δυνατό να χρησιμοποιηθούν απεικονίσεις παλαιότερων ετών ώστε να εκτιμηθεί η διάρκεια της έκθεσης, γεγονός που είναι πολύ σημαντικό για την εκτίμηση των χρόνιων ασθενειών όπως είναι το Πάρκινσον. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιοχή μελέτης'''<br /> Η πολιτεία της Νεμπράσκα είναι μια από τις σημαντικότερες αγροτικές περιοχές των ΗΠΑ. 45,6 εκατομμύρια στρεμμάτων γης χρησιμοποιούνται για φυτείες και για την εγκατάσταση κτηνοτροφικών αγροκτημάτων. Το 40% του πληθυσμού της πολιτείας (δηλ. 750.000 από τους 1,8 εκατομμύρια) ζουν σε αγροτικές περιοχές και πιθανόν εκτίθενται σε φυτοπροστατευτικά. Οι καλλιέργειες είναι καλαμπόκι, σόγια, σόργο και τριφύλλι. Φυτεύονται τον Απρίλιο ή Μάιο, αναπτύσσονται τον Ιούνιο, Ιούλιο και η συγκομιδή τους γίνεται τους φθινοπωρινούς μήνες. Για τις καλλιέργειες αυτές χρησιμοποιούνται ζιζανιοκτόνα όπως τα Atrazine, Metolachlor, Cyanazine, Alachlor και Achetochlor. Η παρούσα μελέτη επικεντρώνεται στο Atrazine μιας και είναι το περισσότερο χρησιμοποιούμενο στη Νεμπράσκα αλλά και τις ΗΠΑ. Η έκθεση σε Atrazine έχει συνδεθεί με μια ποικιλία προβλημάτων υγείας όπως είναι ο καρκίνος, προβλήματα αναπαραγωγικού συστήματος και ελαττώματα γέννησης. Όταν γίνεται εφαρμογή του Atrazine στις καλλιέργειες, τα σταγονίδια μπορεί να παραμείνουν στην ατμόσφαιρα και να μεταφερθούν σε απόσταση μεγαλύτερη των 1000μ. ενώ ο χρόνος ημίσειας ζωής του είναι αρκετά μεγάλος (60 μέρες). Έτσι αποτελεί μια απειλή για όσους κατοικούν στις γύρω περιοχές.<br /> <br /> '''Απόκτηση δεδομένων'''<br /> Χρήσης γης: Τα δεδομένα προέρχονται από το πανεπιστήμιο της Νεμπράσκα – Linkoln με βάση τις απεικονίσεις του δορυφόρου Landsat 5 TM. Συγκεκριμένα, χρησιμοποιήθηκαν 37 απεικονίσεις από τον Μάιο μέχρι τον Σεπτέμβριο 2005 και περιλαμβάνουν σχετικά λιγότερα σύννεφα. Έγινε προεπεξεργασία των εικόνων ώστε να απομακρυνθούν οι περιοχές με σύννεφα και να διαχωριστούν οι αστικές περιοχές. Κατά τη διάρκεια του καλοκαιριού 2005 έγινε η επιλογή των περιοχών εκπαίδευσης. Χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση με κανόνες μέγιστης πιθανοφάνειας ώστε να ταξινομηθούν οι διαφορετικοί τύποι καλλιεργειών και οι θέσεις άρδευσης με βάση την φασματική υπογραφή των εικονοστοιχείων. Η μη – επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για περιοχές για τις οποίες υπήρχε διαθέσιμη μια απεικόνιση την ημέρα και για εκείνες με κάλυψη σύννεφων. Οι καλλιέργειες ταξινομήθηκαν σε 19 κατηγορίες με συνολική ακρίβεια 83,9%. Σύμφωνα με την ταξινόμηση χρήσης γης, οι αγροτικές καλλιέργειες καταλαμβάνουν το 93% των χρήσεων γης της Νεμπράσκα.<br /> Χρήση φυτοπροστατευτικών προϊόντων: Τα δεδομένα για τη χρήση του Atrazine προήλθαν από τη βάση δεδομένων της Γεωλογικής Υπηρεσίας των ΗΠΑ (USGS). Στη συνέχεια τα δεδομένα γενικεύθηκαν, ενσωματώνοντας δεδομένα χρήσης φ.π. σε επίπεδο επαρχίας όπως και δεδομένα εμβαδού των καλλιεργειών σε επίπεδο πολιτείας. Δεδομένα χρήσης φ.π. ανά τύπο καλλιέργειας συλλέχθηκαν από το πανεπιστήμιο της Νεμπράσκα – Lincoln για το χρονικό διάστημα 1982 – 1987. Όμοια δεδομένα για τα έτη 1992 και 1997 αποκτήθηκαν από τη βάση δεδομένων του Εθνικού Κέντρου Τροφίμων και Αγροτικής Πολιτικής. Με βάση τα δεδομένα των τεσσάρων ετών, υπολογίστηκε το ποσοστό χρήσης Atrazine ανά στρέμμα για το καλαμπόκι, τον σόργο και σιτηρών. <br /> Πληθυσμιακά δεδομένα: Αποκτήθηκαν από σύνολα δεδομένων πλέγματος (grid) για τον πληθυσμό των ΗΠΑ του έτους 2000, τα οποία στη συνέχεια οπτικοποιήθηκαν.<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα''' <br /> Ακολουθήθηκαν δύο διαδικασίες: 1) Αρχικά υπολογίστηκε το σύνολο των εικονοστοιχείων που περιλαμβάνουν ένα συγκεκριμένο τύπο καλλιέργειας και στη συνέχεια υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία μέσω μαθηματικού τύπου. Επίσης, υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία που ανήκουν σε αρδευόμενες ή μη αρδευόμενες περιοχές. 2) Δημιουργήθηκε μια ζώνη επιρροής (buffer) για κάθε πληθυσμιακό πλέγμα με βάση την απόσταση των 750μ. (Εικόνα 1)[[Αρχείο:rs_wiki_buffer.jpg|200px|thumb|right|Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου]], υπολογίστηκαν τα εικονοστοιχεία που αντιστοιχούν στους τύπους καλλιέργειας που βρίσκονται μέσα στη ζώνη επιρροής (buffer). Στη συνέχεια αθροιστικά προέκυψε η χρήση φ.π. Για να γίνει αντιληπτή η πληροφορία που προέκυψε από την πιο πάνω διαδικασία, έγινε σύγκριση των αποτελεσμάτων με δύο δείκτες: τον δείκτη εγγύτητας, σύμφωνα με τον οποίο ένα άτομο εκτίθεται σε φ.π. αν βρίσκεται μέσα σε συγκεκριμένη απόσταση από την αγροτική γη και με τον δείκτη εμβαδού που σημαίνει ότι το επίπεδο της έκθεσης σχετίζεται με το συνολικό εμβαδό που καταλαμβάνει η αγροτική γη γύρω από την κατοικημένη περιοχή.<br /> Η παρούσα μελέτη χρησιμοποιεί ως μέτρο εγγύτητας την κοντινότερη απόσταση του κεντροειδούς του πλεγματικού πληθυσμού (grid population) από το εικονοστοιχείο που αντιστοιχεί σε αγροτική περιοχή και ως μέτρο εμβαδού το συνολικό εμβαδό των εικονοστοιχείων που αντιστοιχούν σε αγροτική καλλιέργεια και βρίσκεται μέσα στην ζώνη επιρροής των 1000μ. Για κάθε πληθυσμιακό πλέγμα, υπολογίστηκαν και συγκρίθηκαν τρεις δείκτες: <br /> Ο δείκτης σταθμισμένης έκθεσης σε φ.π. που προτείνεται στην παρούσα εργασία<br /> Ο δείκτης κοντινότερης απόστασης από την αγροτική γη και <br /> ο δείκτης του συνολικού εμβαδού αγροτικής γης μέσα στη ζώνη επιρροής των 1000μ.<br /> Καθώς το Atrazine χρησιμοποιείται μόνο για τρεις τύπους καλλιέργειας (καλαμπόκι, σόργο και σιτηρά) οι υπολογισμοί περιορίστηκαν σε αυτούς τους τύπους καλλιέργειας μόνο.<br /> Τα δεδομένα για τη δημόσια υγεία γενικά δημοσιεύονται για μεγάλες περιοχές (πολιτεία, zip code) ώστε να προστατευθούν τα προσωπικά δεδομένα των ανθρώπων. Για τις μελέτες που αφορούν το επίπεδο συσχέτισης ανάμεσα στην έκθεση σε φ.π. και την υγεία, είναι αναγκαίο να συγκεντρωθεί η πληροφορία έκθεσης σε επίπεδο πλέγματος ώστε να ταιριάζει με το επίπεδο της περιοχής μελέτης. Για να γίνει αυτό, στην παρούσα εργασία η έκθεση σε επίπεδο επαρχίας υπολογίστηκε ως ποσοστό έκθεσης σε ολόκληρη την πολιτεία: <br /> <br /> Έκθεση= (μέγεθος πληθυσμού*δείκτης σταθμισμένης έκθεσης)/(μέγεθος πληθυσμού)<br /> <br /> Όλοι οι υπολογισμοί και η ανάλυση έγιναν σε περιβάλλον ArcGIS 9.3 με εφαρμογές Visual Basic Applications (VBA).<br /> Αποτελέσματα<br /> 54.4% των πλεγμάτων πληθυσμού είχαν καλλιέργειες μέσα στη ζώνη επιρροής των 1000μ. <br /> 25,2% των πλεγμάτων πληθυσμού παρουσιάζει σημαντικά υψηλό κίνδυνο έκθεσης σε φ.π.<br /> Οι τρεις δείκτες κανονικοποιήθηκαν με τιμές ανάμεσα στο 0 και 1 και ο παράγοντας συσχέτισης Pearson βρέθηκε 0,86 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού, ενώ 0,55 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη κοντινότερης απόστασης. Η συσχέτιση είναι υψηλότερη μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού.<br /> Ο χάρτης χρήσης Atrazine (Εικόνα 2)[[Αρχείο:rs_wiki_atrazine_use.jpg|200px|thumb|right|Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005]] και έκθεσης του πληθυσμού (Εικόνα 3)[[Αρχείο:rs_wiki_atrazine_exposure.jpg|200px|thumb|right|Εικόνα 3: Έκθεση του πληθυσμού της Νεμπράσκα σε Atrazine, 2005]] όπως προέκυψε από την μεθοδολογία της παρούσας εργασίας και τον προτεινόμενο δείκτη σταθμισμένης έκθεσης είναι: <br /> Μεταξύ των δύο χαρτών υπάρχουν σημαντικές διαφορές γεγονός που αναδεικνύει τη σημαντικότητα των Γεωγραφικών Πληροφοριακών Συστημάτων στην ανάλυση της έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα.<br /> Η έκθεση σε Atrazine είναι μεγαλύτερη στις ανατολικές περιοχές της Νεμπράσκα και μικρότερη στις δυτικές.<br /> 4,1% του πληθυσμού της πολιτείας βρίσκεται σε υψηλό κίνδυνο έκθεσης σε Atrazine. Αν συνυπολογιστούν όλοι οι τύποι καλλιεργειών και φυτοπροστατευτικών η αναλογία αυτή μπορεί να φτάσει ποσοστό 12,1%. [[Category:Υγεία]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%85%CE%B3%CE%BA%CE%AD%CE%BD%CF%84%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B1%CE%B9%CF%89%CF%81%CE%BF%CF%8D%CE%BC%CE%B5%CE%BD%CF%89%CE%BD_%CF%83%CF%89%CE%BC%CE%B1%CF%84%CE%B9%CE%B4%CE%AF%CF%89%CE%BD_%CE%A1%CE%9C10_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%84%CE%BC%CF%8C%CF%83%CF%86%CE%B1%CE%B9%CF%81%CE%B1_%CF%84%CE%BF%CF%85_%CE%94%CE%B5%CE%BB%CF%87%CE%AF,_%CE%99%CE%BD%CE%B4%CE%AF%CE%B1_%CE%B1%CF%80%CF%8C_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%BF%CF%85_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF%CF%85_Landsat_8_OLI. 2018-02-24T19:28:05Z

<p>Vdd55: </p> <hr /> <div>'''Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.<br /> <br /> '''Estimation of PM10 concentration from Landsat 8 OLI satellite imagery over Delhi, India (2017).'''[http://www.sciencedirect.com/science/article/pii/S2352938517300915?via%3Dihub] <br /> <br /> '''Συγγραφείς: Ishan Saraswat, Rajeev Kumar Mishra, Amrit Kumar'''<br /> <br /> '''Πηγή: http://www.sciencedirect.com'''<br /> <br /> '''Περίληψη'''<br /> <br /> Η αέρια ρύπανση στην Ινδία είναι ένα σημαντικό πρόβλημα αφού οι περισσότερες πόλεις έχουν κακή ποιότητα αέρα και υποφέρουν από σωματιδιακή ρύπανση. Για να αντιμετωπιστεί αυτός ο περιβαλλοντικός κίνδυνος για την υγεία, απαιτείται ολοκληρωμένος έλεγχος. Ο στόχος της έρευνας που διαπραγματεύεται το άρθρο, είναι να αναπτυχθεί ένα πολυφασματικό εμπειρικό μοντέλο ώστε να υπολογίζεται η συγκέντρωση των αιωρούμενων σωματιδίων που έχουν διάμετρο μικρότερη από 10μm χρησιμοποιώντας εικόνες του δορυφόρου Landsat 8 (OLI). Η περιοχή μελέτης είναι η πόλη Δελχί της Ινδίας (Εικόνα 1)[[Αρχείο:rs_wiki_study_area.gif|thumb|right|Εικόνα 1: Περιοχή μελέτης]]. Αποκτήθηκαν δεδομένα συγκεντρώσεων των PM10 από επίγειους σταθμούς μέτρησης της ατμοσφαιρικής ρύπανσης εγκατεστημένων σε διάφορες θέσεις στο Νέο Δελχί (Εικόνα 2)[[Αρχείο:rs_wiki_ground_stations.gif|thumb|right|Εικόνα 2: Επίγειοι σταθμοί μέτρησης της ατμοσφαιρικής ρύπανσης]] και για τις ίδιες ημερομηνίες χρησιμοποιήθηκαν και τα δεδομένα του δορυφόρου Landsat 8. Υπολογίστηκε η ανακλαστικότητα της ατμόσφαιρας στα ορατά κανάλια του δορυφόρου και έγινε συσχετισμός με τα δεδομένα των επίγειων σταθμών μέτρησης της συγκέντρωσης των PM10 (θετική συσχέτιση ˃0,9). Τα αποτελέσματα έδειξαν ότι το προτεινόμενο μοντέλο μπορεί να εκτιμήσει την συγκέντρωση των αιωρούμενων σωματιδίων στην ατμόσφαιρα με μεγάλη ακρίβεια.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (WHO) η ποιότητα της ατμόσφαιρας στο Νέο Δελχί, την πρωτεύουσα της Ινδίας, είναι η χειρότερη από όλες τις μεγάλες πόλεις του κόσμου. Οι κύριες πηγές ρύπανσης είναι οι θερμοηλεκτρικοί σταθμοί, οι εκπομπές αυτοκινήτων, η καύση ξύλων και βιομάζας, οι βιομηχανικές εκπομπές και η σκόνη από τον τομέα των κατασκευών. Τους φθινοπωρινούς και χειμερινούς μήνες, η καύση των υπολειμμάτων των καλλιεργειών γύρω από το Δελχί είναι μια σημαντική πηγή καπνού και αιωρούμενων σωματιδίων. Τα PM10 αλλά και τα σωματίδια μικρότερης διαμέτρου όπως τα PM2.5 είναι ιδιαίτερα επικίνδυνα για την υγεία του ανθρώπου καθώς εισέρχονται στο αναπνευστικό σύστημα και προκαλούν βλάβες. Όσο πιο λεπτόκοκκα (μικρότερης διαμέτρου) τόσο πιο επικίνδυνα για την υγεία είναι, αφού μπορούν να εισέλθουν και στην κυκλοφορία του αίματος και να αυξήσουν τη θνησιμότητα και θνητότητα του πληθυσμού. Η μέτρηση της ποιότητας του αέρα είναι καθοριστικής σημασίας και πραγματοποιείται κυρίως από επίγειους σταθμούς μέτρησης. <br /> Η τηλεπισκόπηση προσφέρει πολλά πλεονεκτήματα για την χαρτογράφηση της ποιότητας του αέρα. Τα δορυφορικά δεδομένα μπορούν να χρησιμοποιηθούν για τον έλεγχο της ποιότητας του αέρα σε απομακρυσμένες ή μη αστικές περιοχές όπου δεν υπάρχουν εγκατεστημένοι επίγειοι σταθμοί μέτρησης. Οι δορυφόροι Landsat, MODIS και SPOT μπορούν να χρησιμοποιηθούν για να παρέχουν δεδομένα αέριας ρύπανσης και ειδικότερα των συγκεντρώσεων PM10 και PM2.5 καλύπτοντας μια ευρεία περιοχή. <br /> <br /> '''Μεθοδολογία έρευνας'''<br /> <br /> Η μεθοδολογία μπορεί να διακριθεί σε τέσσερα βήματα:<br /> <br /> 1) Απόκτηση δεδομένων. Οι πολυφασματικές εικόνες του αισθητήρα OLI (Operational Land Imager) του δορυφόρου Landsat 8 αποκτήθηκαν από την Γεωλογική Υπηρεσία των Ηνωμένων Πολιτειών (USGS) για το χρονικό διάστημα από τον Νοέμβριο 2015 μέχρι τον Δεκέμβριο 2016. Για την έρευνα χρησιμοποιήθηκαν τα ορατά φασματικά κανάλια 1, 2, 3, 4 με χωρική ανάλυση 30m. Οι μετρήσεις των συγκεντρώσεων των αιωρούμενων σωματιδίων PΜ10 από τους επίγειους σταθμούς μέτρησης αποκτήθηκαν από το website της Κεντρικής Επιτροπής Ελέγχου Ρύπανσης που παρέχει καθημερινές μετρήσεις και χωρίστηκαν σε δύο ομάδες. Η πρώτη ομάδα μετρήσεων χρησιμοποιήθηκε για την ανάπτυξη του πολυφασματικού μοντέλου και η δεύτερη ομάδα για την εκτίμηση ακρίβειας του προτεινόμενου αλγορίθμου.<br /> <br /> 2) Προ-επεξεργασία δεδομένων. Πραγματοποιήθηκε ραδιομετρική και ατμοσφαιρική διόρθωση των εικόνων του δορυφόρου. Τα δεδομένα (ψηφιακοί αριθμοί) του αισθητήρα OLI μετατράπηκαν σε τιμές ακτινοβολίας που ανακλάστηκε από την γήινη ατμόσφαιρα προς το διάστημα σύμφωνα με τη σχέση:<br /> ρλ΄ = Μρ*Qcal + Ap<br /> όπου ρλ΄= η ακτινοβολία που ανακλάστηκε πίσω στο διάστημα (χωρίς διόρθωση της γωνίας του ήλιου)<br /> Qcal= κβαντισμένες και βαθμονομημένες τιμές των εικονοστοιχείων (pixels)<br /> Μρ= πολλαπλασιαστικός συντελεστής αποκλιμάκωσης<br /> Ap= πρόσθετος συντελεστής αποκλιμάκωσης<br /> <br /> 3) Επεξεργασία δεδομένων. Οι τιμές ανακλαστικότητας της ατμόσφαιρας που αντιστοιχούν στις περιοχές που βρίσκονται οι επίγειοι σταθμοί μέτρησης της ατμοσφαιρικής ρύπανσης συσχετίστηκαν με τις συγκεντρώσεις των αιωρούμενων σωματιδίων PM10 με τη μέθοδο της ανάλυσης παλινδρόμησης (regression analysis). Με βάση τον υψηλό συντελεστή συσχέτισης (R) και την χαμηλότερη τιμή της ρίζας του μέσου τετραγώνου σφάλματος, επιλέχθηκε ο κατάλληλος πολυφασματικός αλγόριθμος (Εικόνα 3)[[Αρχείο:rs_wiki_correlation.gif|thumb|right|Εικόνα 3: Συσχέτιση συγκεντρώσεων PM10 μετρήσεων στο έδαφος και εκτιμώμενων συγκεντρώσεων με βάση τον αλγόριθμο (μοντέλο).]]. Το μοντέλο χρησιμοποιήθηκε για την πρόβλεψη των συγκεντρώσεων PM10 πάνω από το Δελχί, και δημιουργήθηκε ένας χάρτης από τα δεδομένα του δορυφόρου Landsat την 6 Ιουνίου 2016 (Εικόνα 4)[[Αρχείο:rs_wiki_map.gif|thumb|right|Εικόνα 4: Χάρτης συγκεντρώσεων PM10 στο Δελχί με δεδομένα από το δορυφόρο Landsat 8 (6/6/2016).]].<br /> Ο αλγόριθμος που χρησιμοποιήθηκε στην έρευνα είναι:<br /> <br /> PM10 = RBand1 (-94.22) + RBand2(166.48) + RBand3(21.01) + RBand4(-78.98) - 0.8689<br /> <br /> όπου RBand η ανακλαστικότητα της ατμόσφαιρας και Band 1, 2, 3, 4 τα φασματικά κανάλια του Landsat 8. Ο συντελεστής συσχέτισης βρέθηκε R = 0.9205 και η ρίζα του μέσου τετραγώνου σφάλματος RMSE (μg/m3)= 18.9891.<br /> <br /> 4) Εκτίμηση ακρίβειας. Η ακρίβεια και η επαλήθευση του αλγορίθμου (μοντέλου) πραγματοποιήθηκε με τη σύγκριση των τιμών PM10 που προκύπτουν από τον αλγόριθμο με την δεύτερη ομάδα μετρήσεων των συγκεντρώσεων από σταθμούς στη γη. Αν στο πολυφασματικό μοντέλο συνυπολογιστούν και μετεωρολογικές παράμετροι όπως η θερμοκρασία, η υγρασία και η ταχύτητα του ανέμου τότε θα υπάρχει μεγαλύτερη ακρίβεια στα αποτελέσματα.<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> Παρόλο που η έρευνα – μελέτη του παρόντος άρθρου αφορά συγκεκριμένη περιοχή, την ποιότητα ατμόσφαιρας του Δελχί, η μεθοδολογία που έχει χρησιμοποιηθεί μπορεί να γενικευτεί και να εφαρμοστεί σε οποιαδήποτε περιοχή υπάρχουν επίγειες μετρήσεις για να συσχετιστούν με τα δορυφορικά δεδομένα. Τα δεδομένα του δορυφόρου Landsat 8 χρησιμοποιήθηκαν με επιτυχία για να εκτιμήσουν την συγκέντρωση των αιωρούμενων σωματιδίων με διάμετρο 10μm (ΡΜ10) πάνω από το Δελχί, Ινδία. Το πολυφασματικό μοντέλο που αναπτύχθηκε είναι ικανό να υπολογίσει με μεγάλη ακρίβεια τις συγκεντρώσεις ΡΜ10 χρησιμοποιώντας την ανακλαστικότητα ακτινοβολίας της ατμόσφαιρας. Επιπλέον, η παρούσα μελέτη δείχνει ότι οι εικόνες δορυφόρων μπορούν να χρησιμοποιηθούν για την χαρτογράφηση της ποιότητας της ατμόσφαιρας μιας μεγάλης περιοχής. Για να γίνει το μοντέλο βέλτιστο και περισσότερο αξιόπιστο, θα πρέπει να χρησιμοποιηθούν περισσότερα δεδομένα μετρήσεων από επίγειους σταθμούς μέτρησης ατμοσφαιρικής ρύπανσης για τη βαθμονόμηση του αλγορίθμου. <br /> <br /> <br /> <br /> [[category:Ατμοσφαιρική Ρύπανση]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-23T20:34:04Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. <br /> <br /> Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένα από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑSΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). <br /> <br /> Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και τον διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. <br /> <br /> Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-23T20:25:26Z

<p>Vdd55: </p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http://www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1). <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια (400–1000 nm) !! Χωρι-κή ανά-λυση [m] !! Χρονική ανάλυση !! Διαθεσιμό- !! Έναρξη !! Δείκτες !! !! !! !! !! !! !! !! !! <br /> |-<br /> | || || || || τητα || Λειτουρ- || || || || || || || || || || <br /> |-<br /> | || || || || || γίας || || || || || || || || || || <br /> |-<br /> | || || || || || || CDOM || SPM || zSD Θολότητα || Kd || Chl-a || Cyano || SAV || zB || Tsurf || Ice<br /> |-<br /> | Αισθητήρες σε λειτουργία || || || || || || || || || || || || || || || <br /> |-<br /> | ASTER || 3 || 15 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || || || || || || || x || || || <br /> |-<br /> | AVHRR || Θερμικό || 1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 2005 || || || || || || || || || x || x<br /> |-<br /> | Landsat ETM || 4 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 1999 || x || x || x || || x || || || || x || <br /> |-<br /> | Landsat OLI || 5 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || x || || || || || || x || || <br /> |-<br /> | Landsat TIRS || Θερμικό || 100 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || || || || || || || || x || <br /> |-<br /> | MODIS || 2–9 || 250–1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || x || || x || x || || x || || x || x || <br /> |-<br /> | Proba-1 CHRIS || 18–63 || 18–36 || Όταν απαιτείται || Επιστημονική χρήση || 2001 || || || || || x || || || || || <br /> |-<br /> | Quickbird || 4 || 2.6 || Όταν απαιτείται || Κόστος απόκτησης || 2001 || || || || || || || x || || || <br /> |-<br /> | RapidEye || 5 || 6.5 || Καθημερινά || Κόστος απόκτησης || 2008 || || || || || || || x || x || || <br /> |-<br /> | Sentinel-2 || 9 || 10–60 || 5–10 ημέρες || Κόστος απόκτησης || 2015 || x || x || x || x || x || x || x || x || || <br /> |-<br /> | WorldView-2 || 8 || 2 || Όταν απαιτείται || Κόστος απόκτησης || 2009 || || || || || || || x || x || || <br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να συμβάλει στην αντιμετώπιση των περιορισμών του ενός μόνο συστήματος. [[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]] <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-23T20:22:17Z

<p>Vdd55: </p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http://www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1). <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια (400–1000 nm) !! Χωρι-κή ανά-λυση [m] !! Χρονική ανάλυση !! Διαθεσιμό- !! Έναρξη !! Δείκτες !! !! !! !! !! !! !! !! !! <br /> |-<br /> | || || || || τητα || Λειτουρ- || || || || || || || || || || <br /> |-<br /> | || || || || || γίας || || || || || || || || || || <br /> |-<br /> | || || || || || || CDOM || SPM || zSD Θολότητα || Kd || Chl-a || Cyano || SAV || zB || Tsurf || Ice<br /> |-<br /> | Αισθητήρες σε λειτουργία || || || || || || || || || || || || || || || <br /> |-<br /> | ASTER || 3 || 15 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || || || || || || || x || || || <br /> |-<br /> | AVHRR || Θερμικό || 1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 2005 || || || || || || || || || x || x<br /> |-<br /> | Landsat ETM || 4 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 1999 || x || x || x || || x || || || || x || <br /> |-<br /> | Landsat OLI || 5 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || x || || || || || || x || || <br /> |-<br /> | Landsat TIRS || Θερμικό || 100 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || || || || || || || || x || <br /> |-<br /> | MODIS || 2–9 || 250–1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || x || || x || x || || x || || x || x || <br /> |-<br /> | Proba-1 CHRIS || 18–63 || 18–36 || Όταν απαιτείται || Επιστημονική χρήση || 2001 || || || || || x || || || || || <br /> |-<br /> | Quickbird || 4 || 2.6 || Όταν απαιτείται || Κόστος απόκτησης || 2001 || || || || || || || x || || || <br /> |-<br /> | RapidEye || 5 || 6.5 || Καθημερινά || Κόστος απόκτησης || 2008 || || || || || || || x || x || || <br /> |-<br /> | Sentinel-2 || 9 || 10–60 || 5–10 ημέρες || Κόστος απόκτησης || 2015 || x || x || x || x || x || x || x || x || || <br /> |-<br /> | WorldView-2 || 8 || 2 || Όταν απαιτείται || Κόστος απόκτησης || 2009 || || || || || || || x || x || || <br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να ξεπεράσει τους περιορισμούς ενός μόνο συστήματος. [[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]] <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%81%CE%BF%CF%8C%CE%B4%CE%BF%CF%85_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82. 2018-02-23T20:07:02Z

<p>Vdd55: </p> <hr /> <div>'''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> '''An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring.''' (2018) [http://www.sciencedirect.com/science/article/pii/S2352938517301684]<br /> <br /> '''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''<br /> <br /> Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1).<br /> <br /> Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων. <br /> <br /> Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβεια. Οι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις. <br /> <br /> Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.<br /> <br /> Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης.<br /> <br /> Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.<br /> <br /> Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.<br /> <br /> '''Πίνακας 1.''' Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !! !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες) !! Κόστος απόκτησης εικόνων (US $/km2)<br /> |-<br /> | || || || || (Km) || || <br /> |-<br /> | Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26 || Δωρεάν<br /> |-<br /> | || || 120 || Κανάλι 6 || || || <br /> |-<br /> | Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18 || Δωρεάν<br /> |-<br /> | || || 15 || Κανάλι 8 || || || <br /> |-<br /> | Landsat Operation Land Imager (OLI) || 9 || 30 || Κανάλι (1–9) || 185 || 16 || Δωρεάν<br /> |-<br /> | || || 120 || || || || <br /> |-<br /> | Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2 || Δωρεάν<br /> |-<br /> | || || 500 || Κανάλι (3–7) || || || <br /> |-<br /> | || || 1000 || Κανάλι (8–36) || || || <br /> |-<br /> | RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir) || US $1.28<br /> |-<br /> | Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5 || US $5.15<br /> |-<br /> | || || 20 || Κανάλι 4 || || || <br /> |-<br /> | Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5 || US $24<br /> |-<br /> | || || 0.60 || Πανχρωματικά || || || <br /> |-<br /> | World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1 || US $28.5<br /> |-<br /> | || || 0.46 || Πανχρωματικά || || || <br /> |-<br /> | World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1 || US $29<br /> |-<br /> | || || 0.31 || Πανχρωματικά || || || <br /> |-<br /> | Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 || || Κανάλι (2–5) || 23.9–740 || 5 || US $20<br /> |}<br /> '''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''<br /> Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.<br /> Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους.<br /> Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).<br /> <br /> '''Συμπέρασμα'''<br /> Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. [[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]] <br /> <br /> [[category:Erosion landforms]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%81%CE%BF%CF%8C%CE%B4%CE%BF%CF%85_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82. 2018-02-23T20:05:36Z

<p>Vdd55: </p> <hr /> <div>'''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> '''An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring.''' (2018) [http://www.sciencedirect.com/science/article/pii/S2352938517301684]<br /> <br /> '''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''<br /> <br /> Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1).<br /> <br /> Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων. <br /> <br /> Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβεια. Οι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις. <br /> <br /> Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.<br /> <br /> Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης.<br /> <br /> Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.<br /> <br /> Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.<br /> <br /> '''Πίνακας 1.''' Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !! !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες) !! Κόστος απόκτησης εικόνων (US $/km2)<br /> |-<br /> | || || || || (Km) || || <br /> |-<br /> | Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26 || Δωρεάν<br /> |-<br /> | || || 120 || Κανάλι 6 || || || <br /> |-<br /> | Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18 || Δωρεάν<br /> |-<br /> | || || 15 || Κανάλι 8 || || || <br /> |-<br /> | Landsat Operation Land Imager (OIL) || 9 || 30 || Κανάλι (1–9) || 185 || 16 || Δωρεάν<br /> |-<br /> | || || 120 || || || || <br /> |-<br /> | Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2 || Δωρεάν<br /> |-<br /> | || || 500 || Κανάλι (3–7) || || || <br /> |-<br /> | || || 1000 || Κανάλι (8–36) || || || <br /> |-<br /> | RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir) || US $1.28<br /> |-<br /> | Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5 || US $5.15<br /> |-<br /> | || || 20 || Κανάλι 4 || || || <br /> |-<br /> | Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5 || US $24<br /> |-<br /> | || || 0.60 || Πανχρωματικά || || || <br /> |-<br /> | World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1 || US $28.5<br /> |-<br /> | || || 0.46 || Πανχρωματικά || || || <br /> |-<br /> | World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1 || US $29<br /> |-<br /> | || || 0.31 || Πανχρωματικά || || || <br /> |-<br /> | Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 || || Κανάλι (2–5) || 23.9–740 || 5 || US $20<br /> |}<br /> '''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''<br /> Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.<br /> Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους.<br /> Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).<br /> <br /> '''Συμπέρασμα'''<br /> Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. [[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]] <br /> <br /> [[category:Erosion landforms]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-22T02:29:30Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. <br /> <br /> Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένα από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑΣΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). <br /> <br /> Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και το ω διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. <br /> <br /> Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-22T02:25:26Z

<p>Vdd55: </p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http://www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1). <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| border=&quot;1&quot; class=&quot;sortable&quot;<br /> !Αισθητήρας!!Φασματικά κανάλια (400–1000 nm)!!Χωρι-κή ανά-λυση [m]!!Χρονική ανάλυση!!Διαθεσιμό-!!Έναρξη!!Δείκτες!!!!!!!!!!!!!!!!<br /> |-<br /> |||||||||τητα||Λειτουρ-||||||||||||||||||<br /> |-<br /> |||||||||||γίας||||||||||||||||||<br /> |-<br /> |||||||||||||CDOM||SPM||zSD Θολότητα||Kd||Chl-a||Cyano||SAV||zB||Tsurf<br /> |-<br /> |Αισθητήρες σε λειτουργία||||||||||||||||||||||||||||<br /> |-<br /> |ASTER||3||15||Καθημερινά||Δωρεάν στο διαδίκτυο||1999||||||||||||||x||||<br /> |-<br /> |AVHRR||Θερμικό||1000||Καθημερινά||Δωρεάν στο διαδίκτυο||2005||||||||||||||||||x<br /> |-<br /> |Landsat ETM||4||30||16 ημέρες||Δωρεάν στο διαδίκτυο||1999||x||x||x||||x||||||||x<br /> |-<br /> |Landsat OLI||5||30||16 ημέρες||Δωρεάν στο διαδίκτυο||2013||||x||||||||||||x||<br /> |-<br /> |Landsat TIRS||Θερμικό||100||16 ημέρες||Δωρεάν στο διαδίκτυο||2013||||||||||||||||||x<br /> |-<br /> |MODIS||2–9||250–1000||Καθημερινά||Δωρεάν στο διαδίκτυο||1999||x||||x||x||||x||||x||x<br /> |-<br /> |Proba-1 CHRIS||18–63||18–36||Όταν απαιτείται||Επιστημονική χρήση||2001||||||||||x||||||||<br /> |-<br /> |Quickbird||4||2.6||Όταν απαιτείται||Κόστος απόκτησης||2001||||||||||||||x||||<br /> |-<br /> |RapidEye||5||6.5||Καθημερινά||Κόστος απόκτησης||2008||||||||||||||x||x||<br /> |-<br /> |Sentinel-2||9||10–60||5–10 ημέρες||Κόστος απόκτησης||2015||x||x||x||x||x||x||x||x||<br /> |-<br /> |WorldView-2||8||2||Όταν απαιτείται||Κόστος απόκτησης||2009||||||||||||||x||x||<br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να ξεπεράσει τους περιορισμούς ενός μόνο συστήματος. [[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]] <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%81%CE%BF%CF%8C%CE%B4%CE%BF%CF%85_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82. 2018-02-22T02:08:36Z

<p>Vdd55: </p> <hr /> <div>'''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> '''An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring.''' (2018) [http://www.sciencedirect.com/science/article/pii/S2352938517301684]<br /> <br /> '''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''<br /> <br /> Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1).<br /> <br /> Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων. <br /> <br /> Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβειαΟι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις. <br /> <br /> Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.<br /> <br /> Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης.<br /> <br /> Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.<br /> <br /> Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.<br /> <br /> '''Πίνακας 1.''' Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !! !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες)<br /> |-<br /> | || || || || (Km) || <br /> |-<br /> | Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26<br /> |-<br /> | || || 120 || Κανάλι 6 || || <br /> |-<br /> | Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18<br /> |-<br /> | || || 15 || Κανάλι 8 || || <br /> |-<br /> | Landsat Operation Land Imager (OIL) || 9 || 30 || Κανάλι (1–9) || 185 || 16<br /> |-<br /> | || || 120 || || || <br /> |-<br /> | Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2<br /> |-<br /> | || || 500 || Κανάλι (3–7) || || <br /> |-<br /> | || || 1000 || Κανάλι (8–36) || || <br /> |-<br /> | RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir)<br /> |-<br /> | Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5<br /> |-<br /> | || || 20 || Κανάλι 4 || || <br /> |-<br /> | Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5<br /> |-<br /> | || || 0.60 || Πανχρωματικά || || <br /> |-<br /> | World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1<br /> |-<br /> | || || 0.46 || Πανχρωματικά || || <br /> |-<br /> | World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1<br /> |-<br /> | || || 0.31 || Πανχρωματικά || || <br /> |-<br /> | Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 || || Κανάλι (2–5) || 23.9–740 || 5<br /> |}<br /> <br /> '''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''<br /> Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.<br /> Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους.<br /> Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).<br /> <br /> '''Συμπέρασμα'''<br /> Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. [[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]] <br /> <br /> [[category:Erosion landforms]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CE%BC%CE%AC%CE%BD%CF%84%CE%B7_%CE%92%CE%B1%CE%B3%CE%B9%CE%BF%CF%8D%CE%BB%CE%B1 2018-02-22T02:03:54Z

<p>Vdd55: </p> <hr /> <div>[[Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.]]<br /> <br /> [[Pesticides exposure modeling based on GIS and remote sensing land use data ]]<br /> <br /> [[Ανασκόπηση: Η τηλεπισκόπηση στην έρευνα και παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.]]<br /> <br /> [[Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.]]<br /> <br /> [[Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.]]<br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CE%BC%CE%AC%CE%BD%CF%84%CE%B7_%CE%92%CE%B1%CE%B3%CE%B9%CE%BF%CF%8D%CE%BB%CE%B1 2018-02-22T02:03:01Z

<p>Vdd55: </p> <hr /> <div>[[Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.]]<br /> <br /> [[Pesticides exposure modeling based on GIS and remote sensing land use data ]]<br /> <br /> [[Ανασκόπηση: Η τηλεπισκόπηση στην έρευνα και παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.]]<br /> <br /> [[Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.]]<br /> <br /> [[Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.]]<br /> <br /> <br /> <br /> [[category:&quot;ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)&quot; ]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CE%BC%CE%AC%CE%BD%CF%84%CE%B7_%CE%92%CE%B1%CE%B3%CE%B9%CE%BF%CF%8D%CE%BB%CE%B1 2018-02-22T02:01:01Z

<p>Vdd55: </p> <hr /> <div>[[Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.]]<br /> <br /> [[Pesticides exposure modeling based on GIS and remote sensing land use data ]]<br /> <br /> [[Ανασκόπηση: Η τηλεπισκόπηση στην έρευνα και παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.]]<br /> <br /> [[Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.]]<br /> <br /> [[Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.]]<br /> <br /> <br /> <br /> [[category:ΔΠΜΣ &quot;Περιβάλλον και Ανάπτυξη Ορεινών Περιοχών&quot; (Μέτσοβο) ]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%B9%CE%B1%CE%BC%CE%AC%CE%BD%CF%84%CE%B7_%CE%92%CE%B1%CE%B3%CE%B9%CE%BF%CF%8D%CE%BB%CE%B1 2018-02-22T01:56:41Z

<p>Vdd55: Νέα σελίδα με '[[Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία α...'</p> <hr /> <div>[[Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.]]<br /> <br /> [[Pesticides exposure modeling based on GIS and remote sensing land use data ]]<br /> <br /> [[Ανασκόπηση: Η τηλεπισκόπηση στην έρευνα και παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.]]<br /> <br /> [[Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.]]<br /> <br /> [[Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.]]<br /> <br /> <br /> <br /> [[category:ΔΠΜΣ ]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CF%85%CE%B3%CE%BA%CE%AD%CE%BD%CF%84%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CF%89%CE%BD_%CE%B1%CE%B9%CF%89%CF%81%CE%BF%CF%8D%CE%BC%CE%B5%CE%BD%CF%89%CE%BD_%CF%83%CF%89%CE%BC%CE%B1%CF%84%CE%B9%CE%B4%CE%AF%CF%89%CE%BD_%CE%A1%CE%9C10_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%84%CE%BC%CF%8C%CF%83%CF%86%CE%B1%CE%B9%CF%81%CE%B1_%CF%84%CE%BF%CF%85_%CE%94%CE%B5%CE%BB%CF%87%CE%AF,_%CE%99%CE%BD%CE%B4%CE%AF%CE%B1_%CE%B1%CF%80%CF%8C_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%BF%CF%85_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CF%8C%CF%81%CE%BF%CF%85_Landsat_8_OLI. 2018-02-22T01:50:01Z

<p>Vdd55: Νέα σελίδα με ''''Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία ...'</p> <hr /> <div>'''Εκτίμηση της συγκέντρωσης των αιωρούμενων σωματιδίων ΡΜ10 στην ατμόσφαιρα του Δελχί, Ινδία από εικόνες του δορυφόρου Landsat 8 OLI.<br /> <br /> '''Estimation of PM10 concentration from Landsat 8 OLI satellite imagery over Delhi, India (2017).'''[http://www.sciencedirect.com/science/article/pii/S2352938517300915?via%3Dihub] <br /> <br /> '''Συγγραφείς: Ishan Saraswat, Rajeev Kumar Mishra, Amrit Kumar'''<br /> <br /> '''Πηγή: http://www.sciencedirect.com'''<br /> <br /> '''Περίληψη'''<br /> <br /> Η αέρια ρύπανση στην Ινδία είναι ένα σημαντικό πρόβλημα αφού οι περισσότερες πόλεις έχουν κακή ποιότητα αέρα και υποφέρουν από σωματιδιακή ρύπανση. Για να αντιμετωπιστεί αυτός ο περιβαλλοντικός κίνδυνος για την υγεία, απαιτείται ολοκληρωμένος έλεγχος. Ο στόχος της έρευνας που διαπραγματεύεται το άρθρο, είναι να αναπτυχθεί ένα πολυφασματικό εμπειρικό μοντέλο ώστε να υπολογίζεται η συγκέντρωση των αιωρούμενων σωματιδίων που έχουν διάμετρο μικρότερη από 10μm χρησιμοποιώντας εικόνες του δορυφόρου Landsat 8 (OLI). Η περιοχή μελέτης είναι η πόλη Δελχί της Ινδίας (Εικόνα 1). Αποκτήθηκαν δεδομένα συγκεντρώσεων των PM10 από επίγειους σταθμούς μέτρησης της ατμοσφαιρικής ρύπανσης εγκατεστημένων σε διάφορες θέσεις στο Νέο Δελχί (Εικόνα 2) και για τις ίδιες ημερομηνίες χρησιμοποιήθηκαν και τα δεδομένα του δορυφόρου Landsat 8. Υπολογίστηκε η ανακλαστικότητα της ατμόσφαιρας στα ορατά κανάλια του δορυφόρου και έγινε συσχετισμός με τα δεδομένα των επίγειων σταθμών μέτρησης της συγκέντρωσης των PM10 (θετική συσχέτιση ˃0,9). Τα αποτελέσματα έδειξαν ότι το προτεινόμενο μοντέλο μπορεί να εκτιμήσει την συγκέντρωση των αιωρούμενων σωματιδίων στην ατμόσφαιρα με μεγάλη ακρίβεια.<br /> <br /> '''Εισαγωγή'''<br /> <br /> Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (WHO) η ποιότητα της ατμόσφαιρας στο Νέο Δελχί, την πρωτεύουσα της Ινδίας, είναι η χειρότερη από όλες τις μεγάλες πόλεις του κόσμου. Οι κύριες πηγές ρύπανσης είναι οι θερμοηλεκτρικοί σταθμοί, οι εκπομπές αυτοκινήτων, η καύση ξύλων και βιομάζας, οι βιομηχανικές εκπομπές και η σκόνη από τον τομέα των κατασκευών. Τους φθινοπωρινούς και χειμερινούς μήνες, η καύση των υπολειμμάτων των καλλιεργειών γύρω από το Δελχί είναι μια σημαντική πηγή καπνού και αιωρούμενων σωματιδίων. Τα PM10 αλλά και τα σωματίδια μικρότερης διαμέτρου όπως τα PM2.5 είναι ιδιαίτερα επικίνδυνα για την υγεία του ανθρώπου καθώς εισέρχονται στο αναπνευστικό σύστημα και προκαλούν βλάβες. Όσο πιο λεπτόκοκκα (μικρότερης διαμέτρου) τόσο πιο επικίνδυνα για την υγεία είναι, αφού μπορούν να εισέλθουν και στην κυκλοφορία του αίματος και να αυξήσουν τη θνησιμότητα και θνητότητα του πληθυσμού. Η μέτρηση της ποιότητας του αέρα είναι καθοριστικής σημασίας και πραγματοποιείται κυρίως από επίγειους σταθμούς μέτρησης. <br /> Η τηλεπισκόπηση προσφέρει πολλά πλεονεκτήματα για την χαρτογράφηση της ποιότητας του αέρα. Τα δορυφορικά δεδομένα μπορούν να χρησιμοποιηθούν για τον έλεγχο της ποιότητας του αέρα σε απομακρυσμένες ή μη αστικές περιοχές όπου δεν υπάρχουν εγκατεστημένοι επίγειοι σταθμοί μέτρησης. Οι δορυφόροι Landsat, MODIS και SPOT μπορούν να χρησιμοποιηθούν για να παρέχουν δεδομένα αέριας ρύπανσης και ειδικότερα των συγκεντρώσεων PM10 και PM2.5 καλύπτοντας μια ευρεία περιοχή. <br /> <br /> '''Μεθοδολογία έρευνας'''<br /> <br /> Η μεθοδολογία μπορεί να διακριθεί σε τέσσερα βήματα:<br /> <br /> 1) Απόκτηση δεδομένων. Οι πολυφασματικές εικόνες του αισθητήρα OLI (Operational Land Imager) του δορυφόρου Landsat 8 αποκτήθηκαν από την Γεωλογική Υπηρεσία των Ηνωμένων Πολιτειών (USGS) για το χρονικό διάστημα από τον Νοέμβριο 2015 μέχρι τον Δεκέμβριο 2016. Για την έρευνα χρησιμοποιήθηκαν τα ορατά φασματικά κανάλια 1, 2, 3, 4 με χωρική ανάλυση 30m. Οι μετρήσεις των συγκεντρώσεων των αιωρούμενων σωματιδίων PΜ10 από τους επίγειους σταθμούς μέτρησης αποκτήθηκαν από το website της Κεντρικής Επιτροπής Ελέγχου Ρύπανσης που παρέχει καθημερινές μετρήσεις και χωρίστηκαν σε δύο ομάδες. Η πρώτη ομάδα μετρήσεων χρησιμοποιήθηκε για την ανάπτυξη του πολυφασματικού μοντέλου και η δεύτερη ομάδα για την εκτίμηση ακρίβειας του προτεινόμενου αλγορίθμου.<br /> <br /> 2) Προ-επεξεργασία δεδομένων. Πραγματοποιήθηκε ραδιομετρική και ατμοσφαιρική διόρθωση των εικόνων του δορυφόρου. Τα δεδομένα (ψηφιακοί αριθμοί) του αισθητήρα OLI μετατράπηκαν σε τιμές ακτινοβολίας που ανακλάστηκε από την γήινη ατμόσφαιρα προς το διάστημα σύμφωνα με τη σχέση:<br /> ρλ΄ = Μρ*Qcal + Ap<br /> όπου ρλ΄= η ακτινοβολία που ανακλάστηκε πίσω στο διάστημα (χωρίς διόρθωση της γωνίας του ήλιου)<br /> Qcal= κβαντισμένες και βαθμονομημένες τιμές των εικονοστοιχείων (pixels)<br /> Μρ= πολλαπλασιαστικός συντελεστής αποκλιμάκωσης<br /> Ap= πρόσθετος συντελεστής αποκλιμάκωσης<br /> <br /> 3) Επεξεργασία δεδομένων. Οι τιμές ανακλαστικότητας της ατμόσφαιρας που αντιστοιχούν στις περιοχές που βρίσκονται οι επίγειοι σταθμοί μέτρησης της ατμοσφαιρικής ρύπανσης συσχετίστηκαν με τις συγκεντρώσεις των αιωρούμενων σωματιδίων PM10 με τη μέθοδο της ανάλυσης παλινδρόμησης (regression analysis). Με βάση τον υψηλό συντελεστή συσχέτισης (R) και την χαμηλότερη τιμή της ρίζας του μέσου τετραγώνου σφάλματος, επιλέχθηκε ο κατάλληλος πολυφασματικός αλγόριθμος (Εικόνα 3). Το μοντέλο χρησιμοποιήθηκε για την πρόβλεψη των συγκεντρώσεων PM10 πάνω από το Δελχί, και δημιουργήθηκε ένας χάρτης από τα δεδομένα του δορυφόρου Landsat την 6 Ιουνίου 2016 (Εικόνα 4).<br /> Ο αλγόριθμος που χρησιμοποιήθηκε στην έρευνα είναι:<br /> PM10 = RBand1 (-94.22) + RBand2(166.48) + RBand3(21.01) + RBand4(-78.98) - 0.8689<br /> όπου RBand η ανακλαστικότητα της ατμόσφαιρας και Band 1, 2, 3, 4 τα φασματικά κανάλια του Landsat 8. Ο συντελεστής συσχέτισης βρέθηκε R = 0.9205 και η ρίζα του μέσου τετραγώνου σφάλματος RMSE (μg/m3)= 18.9891.<br /> <br /> 4) Εκτίμηση ακρίβειας. Η ακρίβεια και η επαλήθευση του αλγορίθμου (μοντέλου) πραγματοποιήθηκε με τη σύγκριση των τιμών PM10 που προκύπτουν από τον αλγόριθμο με την δεύτερη ομάδα μετρήσεων των συγκεντρώσεων από σταθμούς στη γη. Αν στο πολυφασματικό μοντέλο συνυπολογιστούν και μετεωρολογικές παράμετροι όπως η θερμοκρασία, η υγρασία και η ταχύτητα του ανέμου τότε θα υπάρχει μεγαλύτερη ακρίβεια στα αποτελέσματα.<br /> <br /> '''Αποτελέσματα και συζήτηση'''<br /> Παρόλο που η έρευνα – μελέτη του παρόντος άρθρου αφορά συγκεκριμένη περιοχή, την ποιότητα ατμόσφαιρας του Δελχί, η μεθοδολογία που έχει χρησιμοποιηθεί μπορεί να γενικευτεί και να εφαρμοστεί σε οποιαδήποτε περιοχή υπάρχουν επίγειες μετρήσεις για να συσχετιστούν με τα δορυφορικά δεδομένα. Τα δεδομένα του δορυφόρου Landsat 8 χρησιμοποιήθηκαν με επιτυχία για να εκτιμήσουν την συγκέντρωση των αιωρούμενων σωματιδίων με διάμετρο 10μm (ΡΜ10) πάνω από το Δελχί, Ινδία. Το πολυφασματικό μοντέλο που αναπτύχθηκε είναι ικανό να υπολογίσει με μεγάλη ακρίβεια τις συγκεντρώσεις ΡΜ10 χρησιμοποιώντας την ανακλαστικότητα ακτινοβολίας της ατμόσφαιρας. Επιπλέον, η παρούσα μελέτη δείχνει ότι οι εικόνες δορυφόρων μπορούν να χρησιμοποιηθούν για την χαρτογράφηση της ποιότητας της ατμόσφαιρας μιας μεγάλης περιοχής. Για να γίνει το μοντέλο βέλτιστο και περισσότερο αξιόπιστο, θα πρέπει να χρησιμοποιηθούν περισσότερα δεδομένα μετρήσεων από επίγειους σταθμούς μέτρησης ατμοσφαιρικής ρύπανσης για τη βαθμονόμηση του αλγορίθμου. [[Αρχείο:rs_wiki_study_area.gif|thumb|right|Εικόνα 1: Περιοχή μελέτης]][[Αρχείο:rs_wiki_ground_stations.gif|thumb|right|Εικόνα 2: Επίγειοι σταθμοί μέτρησης της ατμοσφαιρικής ρύπανσης]][[Αρχείο:rs_wiki_correlation.gif|thumb|right|Εικόνα 3: Συσχέτιση συγκεντρώσεων PM10 μετρήσεων στο έδαφος και εκτιμώμενων συγκεντρώσεων με βάση τον αλγόριθμο (μοντέλο).]] [[Αρχείο:rs_wiki_map.gif|thumb|right|Εικόνα 4: Χάρτης συγκεντρώσεων PM10 στο Δελχί με δεδομένα από το δορυφόρο Landsat 8 (6/6/2016).]]<br /> <br /> <br /> <br /> [[category:Ατμοσφαιρική Ρύπανση]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_map.gif 2018-02-22T01:48:16Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_correlation.gif 2018-02-22T01:47:36Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_ground_stations.gif 2018-02-22T01:47:09Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_study_area.gif 2018-02-22T01:45:40Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-22T01:21:17Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένα από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑΣΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και το ω διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-22T01:17:48Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένα από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑΣΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους, τεχνικές ασάφειας και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και το ω διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-22T01:16:53Z

<p>Vdd55: </p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: Dimitris Poursanidis and Nektarios Chrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένε από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑΣΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους, τεχνικές ασάφειας και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και το ω διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7,_%CF%86%CF%85%CF%83%CE%B9%CE%BA%CE%BF%CE%AF_%CE%BA%CE%AF%CE%BD%CE%B4%CF%85%CE%BD%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CE%B7_%CF%83%CF%85%CE%BC%CE%B2%CE%BF%CE%BB%CE%AE_%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B1%CF%80%CE%BF%CF%83%CF%84%CE%BF%CE%BB%CF%8E%CE%BD_%CF%84%CE%B7%CF%82_ESA. 2018-02-22T01:16:34Z

<p>Vdd55: Νέα σελίδα με ''''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA. ''' '''Remote Sensing...'</p> <hr /> <div>'''Τηλεπισκόπιση, φυσικοί κίνδυνοι και η συμβολή των δορυφορικών αποστολών της ESA.<br /> '''<br /> <br /> '''Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions. (2017)[http://www.sciencedirect.com/science/article/pii/S235293851730054X?via%3Dihub] <br /> '''<br /> <br /> '''Συγγραφείς: DimitrisPoursanidis and NektariosChrysoulakis<br /> '''<br /> <br /> Οι φυσικοί κίνδυνοι όπως οι πυρκαγιές, οι πλημμύρες, οι καύσωνες και οι γεωλογικοί κίνδυνοι (κατολισθήσεις, τσουνάμι και διαβρώσεις εδάφους) είναι φαινόμενα με μεγάλες χωρικές διαστάσεις και επιπτώσεις. Η χαρτογράφηση και η παρακολούθησή τους μπορεί να πραγματοποιηθεί μόνο με τη χρήση της τεχνολογίας της δορυφορικής τηλεπισκόπισης. Τα δεδομένα της οπτικής τηλεπισκόπισης από τους αισθητήρες MODIS, Landsat, Aster, SPOT, IKONOS, WorldView και άλλους έχουν εκτεταμένα χρησιμοποιηθεί για την αναγνώριση των κινδύνων και τον προσδιορισμό των ορίων των περιοχών που έχουν επηρεαστεί όπως και στην υποστήριξη της φάσης αποκατάστασής τους. Όταν οι καιρικές συνθήκες εμποδίζουν τους οπτικούς δορυφόρους να συλλέξουν δεδομένα, τότε χρησιμοποιούνται οι δορυφόροι Ραντάρ Συνθετικού Ανοίγματος (SAR) για την ακριβή και γρήγορη αναγνώριση της επηρεαζόμενη περιοχής. Οι δορυφόροι Ραντάρ είναι λειτουργικοί για την απεικόνιση περιοχών που καλύπτονται από σύννεφα σε περιπτώσεις πλημμυρών ή στην περίπτωση πυρκαγιών όταν η υπό μελέτη περιοχή έχει καλυφθεί από καπνό ή κατά τη διάρκεια της νύχτας αφού χρησιμοποιούν παλμούς μικροκυμάτων σε διαφορετικά μήκη κύματος. Και τα οπτικά δεδομένα και τα δεδομένα από τα ραντάρ μπορεί να συγκεντρωθούν και από αεροπλάνα και μη επανδρωμένα αέρια οχήματα, όμως η χρήση των δορυφορικών δεδομένων πλεονεκτούν στο ότι προσφέρουν μεγάλη κάλυψη της περιοχής και έχουν χαμηλό κόστος. <br /> <br /> '''Πυρκαγιές''' <br /> Οι πιο κοινά χρησιμοποιούμενοι δορυφόροι στην χαρτογράφηση και την παρακολούθηση των πυρκαγιών είναι οι MODIS, Landsat, Aster, SPOT και WorldView II. Επιπλέον, έχουν χρησιμοποιηθεί δεδομένα ραντάρ από τους δορυφόρους ALOS PALSAR, Radarsat-2, ERS-2, Envisat ASAR, COSMO-SkyMed και TerraSAR – X. Η συνέργεια μεταξύ των δεδομένων οπτικών δορυφορικών αισθητήρων όπως είναι ο MODIS και ο Landsat αποτελεί μια καινοτομία για να αυξηθεί η ακρίβεια της χαρτογράφησης πυρκαγιών αλλά και να επαληθευτούν τα προϊόντα απεικονίσεων χαμηλής ανάλυσης από δεδομένα απεικονίσεων υψηλής ανάλυσης. Αυτό θα γίνει αποτελεσματικό μετά τη διαθεσιμότητα των δορυφόρων Sentinel 2 ( 2 δορυφόροι - 2Α και 2Β –σε τροχιά) με χρόνο επανάληψης 5 ημέρες και χωρική ανάλυση 10 μέτρα στο οπτικό φάσμα. Ο αισθητήρας MODIS έχει σχεδιαστεί για την παρακολούθηση φυσικών και βιολογικών διαδικασιών στη γη με καθημερινή ή ανά δύο ημέρες κάλυψη της απεικόνισης της γης, αποκτά δεδομένε από 36 φασματικά κανάλια από το ορατό μέχρι το θερμικό υπέρυθρο με χωρική ανάλυση 250μ. μέχρι 1 χιλιόμετρο και έχει σχεδιαστεί να έχει χρόνο ζωής 6 χρόνια. Δύο δορυφόροι της ΝΑΣΑ, οι Terra και Aqua, είναι εξοπλισμένοι με αισθητήρες MODIS. Ο καθένας περνάει από την ίδια περιοχή σε διαφορετικές χρονικές στιγμές κατά τη διάρκεια της ημέρας και έτσι απεικονίζουν 2 φορές την ημέρα την ίδια περιοχή. Για την ανίχνευση της φωτιάς, ο αισθητήρας MODIS διαθέτει το προϊόν MOD14 μέσω του οποίου ανιχνεύονται οι θερμικές ανωμαλίες που οφείλονται κυρίως σε φωτιές και την καύση βιομάζας και με αυτό τον τρόπο μπορεί να γίνει η χαρτογράφηση των καμένων εκτάσεων. Το προϊόν MOD14 έχει χωρική ανάλυση 1 χιλιόμετρο γεγονός που είναι ανέφικτο να καλύψει περιπτώσεις μικρών φωτιών. Επιπρόσθετα, δεν μπορεί να διακρίνει μη καμένες εκτάσεις μέσα στο οριοθετημένο πολύγωνο φωτιάς. Όμως, σημαντικό πλεονέκτημα είναι ο πολύ συχνός χρόνος παρατήρησης. Ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Aqua αποκτά δεδομένα δύο φορές την ημέρα, το ίδιο και ο αισθητήρας MODIS που βρίσκεται στον δορυφόρο Terra. Κατά συνέπεια, τέσσερις καθημερινές παρατηρήσεις για τη διαπίστωση ύπαρξης φωτιάς είναι διαθέσιμες. Ο αισθητήρας Landsat είναι το περισσότερο μακροχρόνιο πρόγραμμα (από το 1972) για την απόκτηση δορυφορικών απεικονίσεων της γης. Τα δεδομένα έχουν χωρική ανάλυση 30μέτρα, 11 φασματικά κανάλια και χρόνο παρατήρησης της γης 16 ημέρες. Χρησιμοποιούνται ευρύτατα για την παρακολούθηση των επιπτώσεων των πυρκαγιών, την αναγέννηση της βλάστησης και για την καταγραφή ιστορικών πυρκαγιών. Η χρήση του δορυφορικού αισθητήρα ASTER έχει περιορισμένη χρήση εξαιτίας του σχεδιασμού του που δεν επιτρέπει την αποθήκευση εικόνων με συστηματικό τρόπο και ο χρήστης θα πρέπει να αιτηθεί την απόκτηση μιας απεικόνισης συγκεκριμένης μέρας και χρόνου. Οι απεικονίσεις MODIS, LANDSAT και ASTER είναι διαθέσιμες δωρεάν για χρήση από την επιστημονική κοινότητα και από την βιομηχανία. Η χρήση των απεικονίσεων SPOT είναι περιορισμένη εξαιτίας του μικρού μεγέθους της σκηνής (60*60km) σε σχέση με τη σκηνή του Landsat (170*185km). Επίσης, το κόστος απόκτησης των απεικονίσεων, με σκοπό την παρακολούθηση πυρκαγιών, είναι υψηλό. Τα υψηλής ανάλυσης δεδομένα των δορυφόρων IKONOS, QUICKBIRD, WorldView II, III έχουν περιορισμένη χρήση εξαιτίας του υψηλού κόστους απόκτησής τους. Ύστερα από την εκδήλωση μιας φωτιάς, η απαίτηση από τις αρχές είναι η χαρτογράφηση των περιοχών που έχουν επηρεαστεί ώστε να γίνει η εκτίμηση του προβλήματος και να αποφασιστούν τα μέτρα αποκατάστασης. Πολλές προσεγγίσεις έχουν πραγματοποιηθεί για το σκοπό αυτό τις τελευταίες δεκαετίες. Χρησιμοποιούνται οι τεχνικές της επιβλεπόμενης ταξινόμησης σε συνδυασμό με αλγόριθμους, τεχνικές ασάφειας και ο υπολογισμός δεικτών (Normalized Burn Ratio και differenced Normalized Burn Ratio) για την ανίχνευση των καμένων περιοχών. Οι δορυφόροι Sentinel 1,2,3 της ESA πρόκειται να αποτελέσουν το εργαλείο για την παρακολούθηση των πυρκαγιών ακόμη και κάτω από δύσκολες καιρικές συνθήκες (σύννεφα – καπνός) εξαιτίας της δυνατότητας των ραντάρ να διεισδύουν στα σύννεφα. Επίσης, μετά την εκδήλωση φωτιάς, η χρήση των δορυφόρων Sentinel μπορεί να υποστηρίξει την χαρτογράφηση των καμένων εκτάσεων και την ανάλυση των συνθηκών του εδάφους.<br /> <br /> '''Πλημμύρες'''<br /> Η καλύτερη επιλογή για την χαρτογράφηση των πλημμυρισμένων περιοχών είναι η χρήση δεδομένων ραντάρ (Ραντάρ Συνθετικού Ανοίγματος (SAR)). Τα ραντάρ SAR έχουν την δυνατότητα να διαπερνούν τα σύννεφα χρησιμοποιώντας μικροκύματα όπως και να είναι ανεπηρέαστα στις διαφοροποιήσεις φωτισμού, διακρίνουν την φασματική υπογραφή του νερού από τα στοιχεία που βρίσκονται γύρω όπως την βλάστηση. Για τη χαρτογράφηση πλημμυρισμένων εκτάσεων έχουν χρησιμοποιηθεί και δωρεάν διαθέσιμες απεικονίσεις Landsat σε συνδυασμό με τεχνικές ταξινόμησης ή τον υπολογισμό δεικτών όπως ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης) και NDWI (Κανονικοποιημένος Δείκτης Νερού) κ.α. Υψηλής ανάλυσης απεικονίσεις όπως των δορυφόρων IKONOS, QUICKBIRD, WorldView II έχουν επίσης χρησιμοποιηθεί για τον ίδιο σκοπό αλλά και την εκτίμηση της οικονομικής επίπτωσης στην κοινωνία. Η τελική επιλογή των κατάλληλων μέσων (τύπος δεδομένων, μεθοδολογία) εξαρτάται από την διαθεσιμότητα εξειδικευμένου προσωπικού, τη διαθεσιμότητα δεδομένων και το ω διαθέσιμο προϋπολογισμό για την ολοκλήρωση της μελέτης. Οι αποστολές των δορυφόρων Sentinel 1 και 2 θα αποτελέσουν σημαντικό εργαλείο για την παρακολούθηση πλημμυρών ακόμη και κάτω από άσχημες καιρικές συνθήκες (κάλυψη σύννεφων). Στην περίπτωση του Sentinel 1 η ικανότητα των ραντάρ να διαπερνούν τα σύννεφα, τον κάνει κατάλληλο για την γρήγορη και με ακρίβεια χαρτογράφηση των πλημμυρισμένων περιοχών (Εικόνα 1).<br /> <br /> '''Γεωλογικοί κίνδυνοι'''<br /> Οι κατολισθήσεις, τα τσουνάμι, οι σεισμοί και η διάβρωση είναι κίνδυνοι παγκόσμιου ενδιαφέροντος. Η τηλεπισκόπιση φαίνεται να είναι ο μοναδικός πρακτικός τρόπος που μπορεί να προσφέρει γρήγορη μεγάλης κλίμακας αξιολόγηση των επιπτώσεων αυτών των κινδύνων στο περιβάλλον και την κοινωνία. Οι καιρικές συνθήκες στις περισσότερες περιπτώσεις δεν είναι κατάλληλες για την απόκτηση απεικονίσεων χωρίς σύννεφα. Έτσι, η χρήση δεδομένων ραντάρ (SAR) είναι η μόνη λύση. Η ανάλυση δεδομένων SAR, που έχουν ληφθεί πριν και μετά την εκδήλωση του φαινομένου, με την εφαρμογή συμβολομετρίας θα δώσουν πληροφορίες για τις επηρεαζόμενες περιοχές, το βαθμό και το είδος της καταστροφής. Η ένωση των δεδομένων αυτών με υψηλής ανάλυσης δεδομένα έχει βελτιώσει δραματικά την ακρίβεια των αποτελεσμάτων. Από το 2014 δεν έχει γίνει κάποια βελτίωση στην τεχνολογία SAR, με την εξαίρεση της διαθεσιμότητας δεδομένων από τον δορυφόρο Sentinel 1A SAR. <br /> <br /> '''Καύσωνες'''<br /> Η εκτίμηση είναι ότι το ακραίο κλιματικό φαινόμενο των ασυνήθιστα υψηλών θερμοκρασιών κατά τη διάρκεια του καλοκαιριού που οδηγεί σε επιδείνωση των προβλημάτων υγείας ή ακόμη και σε θανάτους, πρόκειται να αυξηθεί σε συχνότητα τα επόμενα χρόνια. Στις πόλεις το φαινόμενο της Θερμής Αστικής Νησίδας κατά τη διάρκεια του καλοκαιριού και κατά τη διάρκεια ενός καύσωνα επηρεάζει το κλίμα, τοπικά αλλά και παγκόσμια, το περιβάλλον και τον κοινωνικοοικονομικό τομέα. Η αυξανόμενη διαθεσιμότητα συστημάτων παρατήρησης της γης παρέχουν ευκαιρίες για την παρακολούθηση του αστικού κλίματος και της θερμικής του συμπεριφοράς. Η τηλεπισκόπιση διαθέτει στο δυναμικό της έναν περιορισμένο αριθμό δορυφόρων με δεδομένα στο θερμικό υπέρυθρο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας σε σχέση με τα δεδομένα στο ορατό και υπέρυθρο φάσμα. Ο γεωστατικός δορυφόρος MSG-Seviri, έχει χωρική ανάλυση 5 Km και χρονική ανάλυση 15 λεπτά, ο AVHRR έχει χωρική ανάλυση 1.1 km και χρονική ανάλυση 14 ημέρες, ο MODIS (Terra &amp; Aqua) έχει χωρική ανάλυση 1 km και χρονική ανάλυση 4 απεικονίσεις την ημέρα, ο Envisat-AATSR έχει χωρική ανάλυση 1 km και χρονική ανάλυση 35 ημέρες, ο Landsat TM έχει χωρική ανάλυση 120 m και χρονική ανάλυση 16 ημέρες, ο Landsat ETM+ έχει χωρική ανάλυση 60 m και χρονική ανάλυση 16 ημέρες, ο Landsat 8 έχει χωρική ανάλυση 100m, αποκλιμακώνεται στα 30 m ώστε να συμβαδίζει με τα υπόλοιπα κανάλια και χρονική ανάλυση 16 ημέρες, ενώ ο ASTER έχει χωρική ανάλυση 90 m αλλά οι απεικονίσεις αποκτώνται ύστερα από αίτημα. Ανάμεσα στους δορυφόρους που αναφέρθηκαν, οι συχνότερα χρησιμοποιούμενοι δορυφόροι είναι ο MODIS και ο Landsat. Ο Landsat 8 και ο αισθητήρας TIRS, έχουν υποστεί βλάβη στο θερμικό κανάλι (κανάλι 11 του TIRS) και για το λόγο αυτό τα δεδομένα που παρέχει δεν είναι αξιόπιστα. Τα μειονεκτήματα με τη διαθεσιμότητα των δορυφορικών θερμικών δεδομένων είναι δύο. Η χαμηλή χωρική ανάλυση των Seviri, AVHRR, MODIS και Envisat και η χαμηλή χρονική ανάλυση του Landsat και η μη συστηματική απόκτηση δεδομένων από τον Aster. Απαιτείται για την εκτίμηση της ενεργειακής ισορροπίας να υπάρχει ένας θερμικός αισθητήρας υψηλής χωρικής και χρονικής ανάλυσης. Λύση μπορεί να δοθεί στις μελλοντικές δορυφορικές υπερφασματικές αποστολές όπως οι αισθητήρες EnMAP της DLR, ο αισθητήρας HysplRI της NASA και ο αισθητήρας HISUI της METI-JAXA που πρόκειται να τοποθετηθούν στον δορυφόρο ALOS-3. Οι αισθητήρες προγραμματίζεται να λειτουργήσουν μετά το 2020. Οι αποστολές Sentinel της ESA δεν μπορούν να παρέχουν θερμικά δεδομένα. <br /> <br /> '''Συμπέρασμα''' <br /> Είναι εξαιρετικά σημαντικό το γεγονός ότι δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης, υψηλού χρόνου παρατήρησης της γης και χωρίς κόστος απόκτησης είναι διαθέσιμες σήμερα. Οι αποστολές των δορυφόρων Sentinel με ανοιχτά δεδομένα έχουν συμβάλλει σημαντικά στην καλύτερη παρατήρηση της γης. Κατά τη διάρκεια φυσικών καταστροφών η έγκαιρη αναγνώριση των περιοχών που έχουν πληγεί και η οριοθέτησή τους, όπως και η άμεση παροχή των πληροφοριών αυτών στις αρμόδιες αρχές και τους φορείς είναι εξαιρετικής σημασίας. Ένα μειονέκτημα των σχεδιαζόμενων νέων δορυφορικών αποστολών είναι η έλλειψη μεσαίας/υψηλής ανάλυσης θερμικών καναλιών που θα μπορούσαν να υποστηρίξουν το πρόβλημα του καύσωνα. Ο περιορισμός αυτός οδηγεί τους επιστήμονες στο συνδυασμό των χαμηλής ανάλυσης θερμικών δεδομένων από τον αισθητήρα MODIS με τα οπτικά δεδομένα του Landsat. Υπάρχει ανάγκη για την ανάπτυξη υπερ-υπολογιστών για την ανάλυση του μεγάλου όγκου δεδομένων, ειδικά στις περιπτώσεις που απαιτείται ανάλυση χρονοσειρών δεδομένων, αλλά και ανάγκη για την αύξηση της αποθηκευτικής τους χωρητικότητας σε μονάδες petabytes. Οι υπηρεσίες cloud της Google (Google Earth Engine) φαίνεται να αποτελεί λύση στην αποθήκευση, διαχείριση και ανάλυση τόσου μεγάλου όγκου δεδομένων. <br /> <br /> <br /> [[Αρχείο:rs_wiki_floods.gif|thumb|right|Εικόνα 1: Χαρτογράφηση πλημμυρισμένων εκτάσεων στη Namibia (8/5/2014) με δεδομένα του δορυφόρου Sentinel 1.]]<br /> [[category:Διαχείριση κινδύνων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_floods.gif 2018-02-22T01:12:21Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CF%81%CE%BF%CF%8C%CE%B4%CE%BF%CF%85_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%87%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%B4%CE%B9%CE%AC%CE%B2%CF%81%CF%89%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B5%CE%B4%CE%AC%CF%86%CE%BF%CF%85%CF%82. 2018-02-22T00:56:24Z

<p>Vdd55: Νέα σελίδα με ''''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθη...'</p> <hr /> <div>'''Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.<br /> <br /> An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring. (2018) [http://www.sciencedirect.com/science/article/pii/S2352938517301684]<br /> <br /> Συγγραφείς: Terrence Koena Sepuru and Timothy Dube'''<br /> <br /> Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1). <br /> Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων. <br /> Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβειαΟι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις. <br /> Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.<br /> Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης. <br /> Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.<br /> Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.<br /> Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.<br /> <br /> '''Πίνακας 1.''' Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !! !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες)<br /> |-<br /> | || || || || (Km) || <br /> |-<br /> | Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26<br /> |-<br /> | || || 120 || Κανάλι 6 || || <br /> |-<br /> | Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18<br /> |-<br /> | || || 15 || Κανάλι 8 || || <br /> |-<br /> | Landsat Operation Land Imager (OIL) || 9 || 30 || Κανάλι (1–9) || 185 || 16<br /> |-<br /> | || || 120 || || || <br /> |-<br /> | Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2<br /> |-<br /> | || || 500 || Κανάλι (3–7) || || <br /> |-<br /> | || || 1000 || Κανάλι (8–36) || || <br /> |-<br /> | RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir)<br /> |-<br /> | Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5<br /> |-<br /> | || || 20 || Κανάλι 4 || || <br /> |-<br /> | Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5<br /> |-<br /> | || || 0.60 || Πανχρωματικά || || <br /> |-<br /> | World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1<br /> |-<br /> | || || 0.46 || Πανχρωματικά || || <br /> |-<br /> | World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1<br /> |-<br /> | || || 0.31 || Πανχρωματικά || || <br /> |-<br /> | Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 || || Κανάλι (2–5) || 23.9–740 || 5<br /> |}<br /> <br /> '''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''<br /> Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.<br /> Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους.<br /> Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).<br /> <br /> '''Συμπέρασμα'''<br /> Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. [[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]] <br /> <br /> [[category:Erosion landforms]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_erosion.jpg 2018-02-22T00:54:34Z

<p>Vdd55: </p> <hr /> <div></div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-22T00:23:41Z

<p>Vdd55: </p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http://www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1). <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητή- !! Φασματικά κανάλια (400–1000 nm) !! Χωρι-κή ανά-λυση [m] !! Χρονική ανάλυση !! Διαθεσιμό- !! Έναρξη !! Δείκτες !! !! !! !! !! !! !! !! !! !! <br /> |-<br /> | ρας || || || || τητα || Λειτουρ- || || || || || || || || || || || <br /> |-<br /> | || || || || || γίας || || || || || || || || || || || <br /> |-<br /> | || || || || || || CDOM || SPM || zSD Θολότητα || Kd || Chl-a || Cyano || SAV || || zB || Tsurf || Ice<br /> |-<br /> | Αισθητήρες σε λειτουργία || || || || || || || || || || || || || || || || <br /> |-<br /> | ASTER || 3 || 15 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || || || || || || || x || || || || <br /> |-<br /> | AVHRR || Θερμικό || 1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 2005 || || || || || || || || || || x || x<br /> |-<br /> | Landsat ETM || 4 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 1999 || x || x || x || || x || || || || || x || <br /> |-<br /> | Landsat OLI || 5 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || x || || || || || || x || || || <br /> |-<br /> | Landsat TIRS || Θερμικό || 100 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || || || || || || || || || x || <br /> |-<br /> | MODIS || 2–9 || 250–1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || x || || x || x || || x || || x || || x || <br /> |-<br /> | Proba-1 CHRIS || 18–63 || 18–36 || Όταν απαιτείται || Επιστημονική χρήση || 2001 || || || || || x || || || || || || <br /> |-<br /> | Quickbird || 4 || 2.6 || Όταν απαιτείται || Κόστος απόκτησης || 2001 || || || || || || || x || || || || <br /> |-<br /> | RapidEye || 5 || 6.5 || Καθημερινά || Κόστος απόκτησης || 2008 || || || || || || || x || x || || || <br /> |-<br /> | Sentinel-2 || 9 || 10–60 || 5–10 ημέρες || Κόστος απόκτησης || 2015 || x || x || x || x || x || x || x || x || || || <br /> |-<br /> | WorldView-2 || 8 || 2 || Όταν απαιτείται || Κόστος απόκτησης || 2009 || || || || || || || x || x || || || <br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να ξεπεράσει τους περιορισμούς ενός μόνο συστήματος. [[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]] <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7:_%CE%97_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%83%CF%84%CE%B7%CE%BD_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%BB%CE%B9%CE%BC%CE%BD%CF%8E%CE%BD_%E2%80%93_%CE%A0%CF%81%CF%8C%CF%83%CF%86%CE%B1%CF%84%CE%B5%CF%82_%CE%B5%CE%BE%CE%B5%CE%BB%CE%AF%CE%BE%CE%B5%CE%B9%CF%82. 2018-02-22T00:21:10Z

<p>Vdd55: Νέα σελίδα με ''''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρ...'</p> <hr /> <div>'''Ανασκόπηση: Η συμβολή της τηλεπισκόπησης στην έρευνα και την παρακολούθηση των λιμνών – Πρόσφατες εξελίξεις.<br /> <br /> Review: Remote sensing for lake research and monitoring – Recent advances. (2016)[http:www.sciencedirect.com/science/article/pii/S1470160X15007141] <br /> <br /> Συγγραφείς: Katja Dörnhöfer and Natascha Oppelt'''<br /> <br /> Στην παρούσα εργασία γίνεται συνοπτική αναφορά στον τρόπο με τον οποίο η τηλεπισκόπηση μπορεί να συμβάλλει στην έρευνα και την παρακολούθηση των χαρακτηριστικών των λιμνών όπως είναι: η διαφάνεια του νερού (διαλυμένα αιωρούμενα στερεά, διαλυμένα οργανικά συστατικά, βάθος του δείκτη Secchi, συντελεστής εξασθένησης της ανακλώμενης ακτινοβολίας στα 490nm, θολότητα), τα βιολογικά χαρακτηριστικά (φυτοπλαγκτόν, κυανοβακτήρια, υδρόβια βλάστηση), η βαθυμετρία, η θερμοκρασία του νερού (επιφανειακή θερμοκρασία) και η φαινολογία πάγου (κάλυψη παγωμένων επιφανειών). Γίνεται ανασκόπηση των διαθέσιμων αισθητήρων και μεθόδων που μπορούν να χρησιμοποιηθούν. <br /> Τα εσωτερικά ύδατα και ειδικότερα οι λίμνες κατέχουν σημαντική θέση στη λειτουργία του περιβάλλοντος. Παρέχουν ενδιαίτημα για μια μεγάλη ποικιλία ειδών και αποτελούν βασικά συστατικά των υδρολογικών κύκλων, των κύκλων των θρεπτικών συστατικών και του κύκλου του άνθρακα. Ο άνθρωπος επωφελείται σημαντικά από εσωτερικά ύδατα, όπως οι λίμνες, που δεν επικοινωνούν άμεσα με θαλασσινό νερό, καθώς είναι πηγές πόσιμου νερού, νερού άρδευσης, παραγωγής ενέργειας, μεταφοράς, αλιείας και εξυπηρετούν σκοπούς αναψυχής. Όμως, η ανθρώπινη εκμετάλλευση και άλλοι παράγοντες ασκούν πίεση στην καλή οικολογική κατάσταση των εσωτερικών υδάτων σε παγκόσμιο επίπεδο. Οι πιέσεις αφορούν τον ευτροφισμό, ανόργανους και οργανικούς ρυπαντές, μορφολογικές μεταβολές και επιπτώσεις της κλιματικής αλλαγής όπως η όξυνση ή η αύξηση της θερμοκρασίας του νερού. Οι τεχνικές τηλεπισκόπησης έχουν μέχρι σήμερα εφαρμοστεί με επιτυχία για την παρακολούθηση των γήινων οικοσυστημάτων και ειδικότερα της οικολογικής κατάστασης και της ποιότητας του νερού των λιμνών. Οι περισσότερο χρησιμοποιούμενοι δέκτες ήταν οι MERIS και MODIS με χωρική ανάλυση ≥300μ. Πρόσφατα, οι δορυφόροι της NASA Landsat 8 και της ESA Sentinel-2, παρέχουν χωρική και ραδιομετρική ανάλυση που είναι κατάλληλη για εφαρμογές στην παρακολούθηση των εσωτερικών υδάτων. Στον πίνακα 1 αναφέρονται οι δείκτες με την παρακολούθηση των οποίων η τηλεπισκόπηση μπορεί να συμβάλλει στην παρακολούθηση και την έρευνα λιμνών.<br /> <br /> '''Πίνακας 1.''' Ιδιότητες λιμνών, μεταβλητές και οι σχετικοί δείκτες τηλεπισκόπησης.<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Ιδιότητες λιμνών !! Μεταβλητές !! Δείκτες τηλεπισκόπησης !! Συντομογραφία <br /> |-<br /> | Διαφάνεια || Διαλυμένος οργανικός άνθρακας (DOC) || Έγχρωμη διαλυμένη οργανική ύλη || CDOM<br /> |-<br /> | || Θολότητα || Διαλυμένα αιωρούμενα στερεά || SPM<br /> |-<br /> | || || Θολότητα || <br /> |-<br /> | || || Δείκτης θολότητας (Kd490nm) || Kd<br /> |-<br /> | || Βάθος δίσκου Secchi || Βάθος δίσκου Secchi || zSD<br /> |-<br /> | || || Βάθος ευτροφικής ζώνης || Zeu<br /> |-<br /> | <br /> |-<br /> | Βιολογία || Εξάρσεις αλγών || Χλωροφύλλη-a (φυτοπλαγκτόν) || Chl-a<br /> |-<br /> | || || Φυκοκυανίνη (κυανοβακτήρια) || Cyano<br /> |-<br /> | || Φαινολογία || Ανάλυση χρονοσειρών Chl-a || <br /> |-<br /> | || Σύσταση ειδών || Βλάστηση <br /> |-<br /> | Ίζημα στον πυθμένα || SAV<br /> |-<br /> | <br /> |-<br /> | Υδρολογία || Επίπεδο νερού || Βαθυμετρία || zB<br /> |-<br /> | <br /> |-<br /> | Θερμοκρασία || Θερμοκρασία επιλίμνιου || Επιφανειακή θερμοκρασία || Tsurf<br /> |-<br /> | <br /> |-<br /> | Φαινολογία πάγου || Έναρξη περιόδου τήξης πάγου (ice-out) || Ice-out; ανάλυση χρονοσειρών || Ice<br /> |-<br /> | || Διάρκεια παρουσίας πάγου στην επιφάνεια των λιμνών || Κάλυψη πάγου - ανάλυση χρονοσειρών || Ice<br /> |}<br /> <br /> Η πληροφορία για τις ιδιότητες των λιμνών προκύπτει από την καταγραφή δεδομένων εκπομπών ακτινοβολίας από την υδάτινη επιφάνεια στην φασματική περιοχή του ορατού και εγγύς υπέρυθρου (400 – 900nm). Το 90 – 98% της πορείας της ακτινοβολίας που φτάνει και καταγράφεται από τον αισθητήρα του δορυφόρου, επηρεάζεται από παράγοντες που παρεμβάλλονται στα στρώματα της ατμόσφαιρας. Το υπόλοιπο 2 – 10% αντιστοιχεί στην ανακλαστικότητα του υπό μελέτη αντικειμένου (υδάτινης επιφάνειας) και αποτελεί την πραγματική τιμή. Με την διόρθωση των τιμών ανακλαστικότητας προκύπτουν χρήσιμες πληροφορίες για τα συστατικά του υδάτινου σώματος καθώς και πληροφορίες σχετικές με την βαθυμετρία και τα χαρακτηριστικά του πυθμένα σε ρηχές λίμνες (Εικόνα 1). <br /> Για το σκοπό αυτό έχουν αναπτυχθεί εμπειρικές και ημι-αναλυτικές προσεγγίσεις. Οι εμπειρικές προϋποθέτουν την πραγματοποίηση δειγματοληψιών στο πεδίο και την ανάλυση των δειγμάτων στο εργαστήριο ώστε οι τιμές ακτινοβολίας που καταγράφονται στους αισθητήρες των δορυφόρων να συσχετιστούν με τα αποτελέσματα των δειγματοληψιών και να προκύψει η μεταξύ τους σχέση, δηλαδή ένα μοντέλο ανάμεσα στα στοιχεία της δορυφορικής απεικόνισης (π.χ. εικονοστοιχείο) και στην ποιότητα του νερού. Οι ημι-αναλυτικές προσεγγίσεις απαιτούν ένα μεγάλο όγκο δεδομένων τηλεπισκόπησης και επιτόπιων μετρήσεων για να γίνει στατιστική ανάλυση, καθώς και γνώση των φασματικών χαρακτηριστικών των παραμέτρων που μελετώνται. Παρόλα αυτά, εξαιτίας της φυσικής τους βάσης, οι ημι-αναλυτικές προσεγγίσεις είναι ευρέως εφαρμόσιμες. Επίσης, από μεθόδους ταξινόμησης, όπως την επιβλεπόμενη και μη – επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, μπορούν να προκύψουν χρήσιμες πληροφορίες για την βλάστηση και το ίζημα του πυθμένα των λιμνών. <br /> Οι δορυφορικοί αισθητήρες που χρησιμοποιούνται για την παρακολούθηση των παραμέτρων των λιμνών είναι πολυφασματικοί και υπερφασματικοί (πίνακας 2). Οι πολυφασματικοί καταγράφουν την ανακλώμενη ή εκπεμπόμενη ακτινοβολία σε περιορισμένα φασματικά κανάλια που όμως καλύπτουν ένα μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος. Οι υπερφασματικοί δίνουν δεδομένα μικρού εύρους φάσματος παραμέτρων όπως για την χλωροφύλλη – α το κανάλι ≈670nm. <br /> <br /> '''Πίνακας 2.''' Δορυφορικοί αισθητήρες κατάλληλοι για την παρακολούθηση λιμνών. <br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Αισθητή- !! Φασματικά κανάλια (400–1000 nm) !! Χωρι-κή ανά-λυση [m] !! Χρονική ανάλυση !! Διαθεσιμό- !! Έναρξη !! Δείκτες !! !! !! !! !! !! !! !! !! !! <br /> |-<br /> | ρας || || || || τητα || Λειτουρ- || || || || || || || || || || || <br /> |-<br /> | || || || || || γίας || || || || || || || || || || || <br /> |-<br /> | || || || || || || CDOM || SPM || zSD Θολότητα || Kd || Chl-a || Cyano || SAV || || zB || Tsurf || Ice<br /> |-<br /> | Αισθητήρες σε λειτουργία || || || || || || || || || || || || || || || || <br /> |-<br /> | ASTER || 3 || 15 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || || || || || || || x || || || || <br /> |-<br /> | AVHRR || Θερμικό || 1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 2005 || || || || || || || || || || x || x<br /> |-<br /> | Landsat ETM || 4 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 1999 || x || x || x || || x || || || || || x || <br /> |-<br /> | Landsat OLI || 5 || 30 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || x || || || || || || x || || || <br /> |-<br /> | Landsat TIRS || Θερμικό || 100 || 16 ημέρες || Δωρεάν στο διαδίκτυο || 2013 || || || || || || || || || || x || <br /> |-<br /> | MODIS || 2–9 || 250–1000 || Καθημερινά || Δωρεάν στο διαδίκτυο || 1999 || x || || x || x || || x || || x || || x || <br /> |-<br /> | Proba-1 CHRIS || 18–63 || 18–36 || Όταν απαιτείται || Επιστημονική χρήση || 2001 || || || || || x || || || || || || <br /> |-<br /> | Quickbird || 4 || 2.6 || Όταν απαιτείται || Κόστος απόκτησης || 2001 || || || || || || || x || || || || <br /> |-<br /> | RapidEye || 5 || 6.5 || Καθημερινά || Κόστος απόκτησης || 2008 || || || || || || || x || x || || || <br /> |-<br /> | Sentinel-2 || 9 || 10–60 || 5–10 ημέρες || Κόστος απόκτησης || 2015 || x || x || x || x || x || x || x || x || || || <br /> |-<br /> | WorldView-2 || 8 || 2 || Όταν απαιτείται || Κόστος απόκτησης || 2009 || || || || || || || x || x || || || <br /> |}<br /> <br /> '''Συμπεράσματα'''<br /> Η μεγάλη ποικιλία των μελετών περίπτωσης που αναφέρονται στη βιβλιογραφία, τονίζει ότι η τηλεπισκόπηση μπορεί να συμβάλλει σημαντικά στην παρακολούθηση των λιμνών και την οικολογική έρευνα. Επιπλέον, η πρόσφατη ανάπτυξη της τεχνολογίας της τηλεπισκόπησης, η ελεύθερη διάθεση των δεδομένων και των λειτουργικών προγραμμάτων και εργαλείων, επιτρέπουν την απόκτηση ιστορικών πληροφοριών για λίμνες οι οποίες δεν είχαν στο παρελθόν μελετηθεί ή η πρόσβαση σε αυτές ήταν δύσκολη. Όμως, απαιτείται ακόμη η τηλεπισκόπηση να ενσωματωθεί πλήρως σε νομοθετικά πλαίσια όπως την οδηγία Water Framework Directive και το πρόγραμμα Clean Water Act. <br /> Βέβαια, η τηλεπισκόπηση δεν μπορεί να δώσει πληροφορίες για όλους τους δείκτες της λιμνολογίας ή να αναγνωρίσει λεπτομέρειες με την ίδια ακρίβεια που δίνουν οι επιτόπιες μετρήσεις, μπορεί όμως να στηρίξει τις έρευνες που χρησιμοποιούν σποραδικά κατανεμημένες επιτόπιες μετρήσεις παρέχοντας μεγαλύτερης συχνότητας χωρικά και χρονικά δεδομένα. Η συνεργατική χρήση των αισθητήρων όπως π.χ. των Landsat 8 και Sentinel-2, μπορεί να ξεπεράσει τους περιορισμούς ενός μόνο συστήματος. [[Αρχείο:rs_wiki_remote_sensing.jpg|thumb|right|Εικόνα 1:Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.]] <br /> <br /> [[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_remote_sensing.jpg 2018-02-21T23:16:18Z

<p>Vdd55: Εικόνα 1: Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.</p> <hr /> <div>Εικόνα 1: Αλληλεπίδραση ανάμεσα στην ακτινοβολία, τους δείκτες τηλεπισκόπησης και τους δορυφορικούς αισθητήρες.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/Pesticides_exposure_modeling_based_on_GIS_and_remote_sensing_land_use_data 2018-02-21T22:47:33Z

<p>Vdd55: </p> <hr /> <div>'''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα με τηλεπισκόπηση και Γεωγραφικά Πληροφοριακά Συστήματα.<br /> '''<br /> <br /> '''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677]<br /> <br /> Συγγραφέας: Neng Wan<br /> <br /> Πηγή: http://www.sciencedirect.com <br /> <br /> '''Περίληψη'''<br /> Ο πρωταρχικός σκοπός της παρούσας εργασίας είναι να εξετάσει τη δυνατότητα συνδυασμού των πληροφοριών της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων, ώστε να προκύψει η δημιουργία ενός μοντέλου έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα (φ.π.). Χρησιμοποιεί πληροφορίες χρήσης γης που προέρχονται από δορυφορικές απεικονίσεις, σύνολα δεδομένων πλέγματος για τον πληθυσμό (grid) και δεδομένα χρήσης φ.π. σε καλλιέργειες, με σκοπό να δημιουργήσει ένα μοντέλο της έκθεσης των κατοίκων όχι για μικρές περιοχές μελέτης αλλά για μεγάλης έκτασης περιοχές όπως είναι η πολιτεία Νεμπράσκα των ΗΠΑ. <br /> <br /> '''Εισαγωγή'''<br /> Η εκτεταμένη εφαρμογή φ.π. στην σύγχρονη αγροτική καλλιέργεια έχει οδηγήσει σε αυξανόμενη ανησυχία για τις αρνητικές επιπτώσεις στο περιβάλλον και την υγεία του πληθυσμού. Η ανησυχία για το περιβάλλον αφορά την ρύπανση του νερού και του εδάφους και τις οικολογικές συνέπειες, ενώ για τη δημόσια υγεία επικεντρώνεται κυρίως σε προβλήματα υγείας όπως είναι ο καρκίνος, νευροεκφυλιστικές ασθένειες και προβλήματα αναπαραγωγής, περισσότερα από τα οποία εμφανίζονται σε αγρότες και κατοίκους αγροτικών περιοχών που ζουν κοντά σε περιοχές εφαρμογής φυτοπροστατευτικών. Η έκθεση του πληθυσμού μπορεί να διακριθεί σε δύο κατηγορίες: την επαγγελματική και την μη επαγγελματική. Η παρούσα εργασία ασχολείται με την μη επαγγελματική έκθεση γιατί αφορά μεγαλύτερες γεωγραφικές εκτάσεις και μεγάλο μέρος του πληθυσμού σε σχέση με την επαγγελματική έκθεση των αγροτών. <br /> Η αυξανόμενη διαθεσιμότητα και ακρίβεια των δορυφορικών απεικονίσεων παρέχουν τη δυνατότητα εκτίμησης της έκθεσης σε φ.π. για πληθυσμούς περιοχών μεγάλης έκτασης. Επιπλέον είναι δυνατό να χρησιμοποιηθούν απεικονίσεις παλαιότερων ετών ώστε να εκτιμηθεί η διάρκεια της έκθεσης, γεγονός που είναι πολύ σημαντικό για την εκτίμηση των χρόνιων ασθενειών όπως είναι το Πάρκινσον. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιοχή μελέτης'''<br /> Η πολιτεία της Νεμπράσκα είναι μια από τις σημαντικότερες αγροτικές περιοχές των ΗΠΑ. 45,6 εκατομμύρια στρεμμάτων γης χρησιμοποιούνται για φυτείες και για την εγκατάσταση κτηνοτροφικών αγροκτημάτων. Το 40% του πληθυσμού της πολιτείας (δηλ. 750.000 από τους 1,8 εκατομμύρια) ζουν σε αγροτικές περιοχές και πιθανόν εκτίθενται σε φυτοπροστατευτικά. Οι καλλιέργειες είναι καλαμπόκι, σόγια, σόργο και τριφύλλι. Φυτεύονται τον Απρίλιο ή Μάιο, αναπτύσσονται τον Ιούνιο, Ιούλιο και η συγκομιδή τους γίνεται τους φθινοπωρινούς μήνες. Για τις καλλιέργειες αυτές χρησιμοποιούνται ζιζανιοκτόνα όπως τα Atrazine, Metolachlor, Cyanazine, Alachlor και Achetochlor. Η παρούσα μελέτη επικεντρώνεται στο Atrazine μιας και είναι το περισσότερο χρησιμοποιούμενο στη Νεμπράσκα αλλά και τις ΗΠΑ. Η έκθεση σε Atrazine έχει συνδεθεί με μια ποικιλία προβλημάτων υγείας όπως είναι ο καρκίνος, προβλήματα αναπαραγωγικού συστήματος και ελαττώματα γέννησης. Όταν γίνεται εφαρμογή του Atrazine στις καλλιέργειες, τα σταγονίδια μπορεί να παραμείνουν στην ατμόσφαιρα και να μεταφερθούν σε απόσταση μεγαλύτερη των 1000μ. ενώ ο χρόνος ημίσειας ζωής του είναι αρκετά μεγάλος (60 μέρες). Έτσι αποτελεί μια απειλή για όσους κατοικούν στις γύρω περιοχές.<br /> <br /> '''Απόκτηση δεδομένων'''<br /> Χρήσης γης: Τα δεδομένα προέρχονται από το πανεπιστήμιο της Νεμπράσκα – Linkoln με βάση τις απεικονίσεις του δορυφόρου Landsat 5 TM. Συγκεκριμένα, χρησιμοποιήθηκαν 37 απεικονίσεις από τον Μάιο μέχρι τον Σεπτέμβριο 2005 και περιλαμβάνουν σχετικά λιγότερα σύννεφα. Έγινε προεπεξεργασία των εικόνων ώστε να απομακρυνθούν οι περιοχές με σύννεφα και να διαχωριστούν οι αστικές περιοχές. Κατά τη διάρκεια του καλοκαιριού 2005 έγινε η επιλογή των περιοχών εκπαίδευσης. Χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση με κανόνες μέγιστης πιθανοφάνειας ώστε να ταξινομηθούν οι διαφορετικοί τύποι καλλιεργειών και οι θέσεις άρδευσης με βάση την φασματική υπογραφή των εικονοστοιχείων. Η μη – επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για περιοχές για τις οποίες υπήρχε διαθέσιμη μια απεικόνιση την ημέρα και για εκείνες με κάλυψη σύννεφων. Οι καλλιέργειες ταξινομήθηκαν σε 19 κατηγορίες με συνολική ακρίβεια 83,9%. Σύμφωνα με την ταξινόμηση χρήσης γης, οι αγροτικές καλλιέργειες καταλαμβάνουν το 93% των χρήσεων γης της Νεμπράσκα.<br /> Χρήση φυτοπροστατευτικών προϊόντων: Τα δεδομένα για τη χρήση του Atrazine προήλθαν από τη βάση δεδομένων της Γεωλογικής Υπηρεσίας των ΗΠΑ (USGS). Στη συνέχεια τα δεδομένα γενικεύθηκαν, ενσωματώνοντας δεδομένα χρήσης φ.π. σε επίπεδο επαρχίας όπως και δεδομένα εμβαδού των καλλιεργειών σε επίπεδο πολιτείας. Δεδομένα χρήσης φ.π. ανά τύπο καλλιέργειας συλλέχθηκαν από το πανεπιστήμιο της Νεμπράσκα – Lincoln για το χρονικό διάστημα 1982 – 1987. Όμοια δεδομένα για τα έτη 1992 και 1997 αποκτήθηκαν από τη βάση δεδομένων του Εθνικού Κέντρου Τροφίμων και Αγροτικής Πολιτικής. Με βάση τα δεδομένα των τεσσάρων ετών, υπολογίστηκε το ποσοστό χρήσης Atrazine ανά στρέμμα για το καλαμπόκι, τον σόργο και σιτηρών. <br /> Πληθυσμιακά δεδομένα: Αποκτήθηκαν από σύνολα δεδομένων πλέγματος (grid) για τον πληθυσμό των ΗΠΑ του έτους 2000, τα οποία στη συνέχεια οπτικοποιήθηκαν.<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα''' <br /> Ακολουθήθηκαν δύο διαδικασίες: 1) Αρχικά υπολογίστηκε το σύνολο των εικονοστοιχείων που περιλαμβάνουν ένα συγκεκριμένο τύπο καλλιέργειας και στη συνέχεια υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία μέσω μαθηματικού τύπου. Επίσης, υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία που ανήκουν σε αρδευόμενες ή μη αρδευόμενες περιοχές. 2) Δημιουργήθηκε μια ζώνη επιρροής (buffer) για κάθε πληθυσμιακό πλέγμα με βάση την απόσταση των 750μ. (Εικόνα 1), υπολογίστηκαν τα εικονοστοιχεία που αντιστοιχούν στους τύπους καλλιέργειας που βρίσκονται μέσα στη ζώνη επιρροής (buffer). Στη συνέχεια αθροιστικά προέκυψε η χρήση φ.π. Για να γίνει αντιληπτή η πληροφορία που προέκυψε από την πιο πάνω διαδικασία, έγινε σύγκριση των αποτελεσμάτων με δύο δείκτες: τον δείκτη εγγύτητας, σύμφωνα με τον οποίο ένα άτομο εκτίθεται σε φ.π. αν βρίσκεται μέσα σε συγκεκριμένη απόσταση από την αγροτική γη και με τον δείκτη εμβαδού που σημαίνει ότι το επίπεδο της έκθεσης σχετίζεται με το συνολικό εμβαδό που καταλαμβάνει η αγροτική γη γύρω από την κατοικημένη περιοχή.<br /> Η παρούσα μελέτη χρησιμοποιεί ως μέτρο εγγύτητας την κοντινότερη απόσταση του κεντροειδούς του πλεγματικού πληθυσμού (grid population) από το εικονοστοιχείο που αντιστοιχεί σε αγροτική περιοχή και ως μέτρο εμβαδού το συνολικό εμβαδό των εικονοστοιχείων που αντιστοιχούν σε αγροτική καλλιέργεια και βρίσκεται μέσα στην ζώνη επιρροής των 1000μ. Για κάθε πληθυσμιακό πλέγμα, υπολογίστηκαν και συγκρίθηκαν τρεις δείκτες: <br /> Ο δείκτης σταθμισμένης έκθεσης σε φ.π. που προτείνεται στην παρούσα εργασία<br /> Ο δείκτης κοντινότερης απόστασης από την αγροτική γη και <br /> ο δείκτης του συνολικού εμβαδού αγροτικής γης μέσα στη ζώνη επιρροής των 1000μ.<br /> Καθώς το Atrazine χρησιμοποιείται μόνο για τρεις τύπους καλλιέργειας (καλαμπόκι, σόργο και σιτηρά) οι υπολογισμοί περιορίστηκαν σε αυτούς τους τύπους καλλιέργειας μόνο.<br /> Τα δεδομένα για τη δημόσια υγεία γενικά δημοσιεύονται για μεγάλες περιοχές (πολιτεία, zip code) ώστε να προστατευθούν τα προσωπικά δεδομένα των ανθρώπων. Για τις μελέτες που αφορούν το επίπεδο συσχέτισης ανάμεσα στην έκθεση σε φ.π. και την υγεία, είναι αναγκαίο να συγκεντρωθεί η πληροφορία έκθεσης σε επίπεδο πλέγματος ώστε να ταιριάζει με το επίπεδο της περιοχής μελέτης. Για να γίνει αυτό, στην παρούσα εργασία η έκθεση σε επίπεδο επαρχίας υπολογίστηκε ως ποσοστό έκθεσης σε ολόκληρη την πολιτεία: <br /> <br /> Έκθεση= (μέγεθος πληθυσμού*δείκτης σταθμισμένης έκθεσης)/(μέγεθος πληθυσμού)<br /> <br /> Όλοι οι υπολογισμοί και η ανάλυση έγιναν σε περιβάλλον ArcGIS 9.3 με εφαρμογές Visual Basic Applications (VBA).<br /> Αποτελέσματα<br /> 54.4% των πλεγμάτων πληθυσμού είχαν καλλιέργειες μέσα στη ζώνη επιρροής των 1000μ. <br /> 25,2% των πλεγμάτων πληθυσμού παρουσιάζει σημαντικά υψηλό κίνδυνο έκθεσης σε φ.π.<br /> Οι τρεις δείκτες κανονικοποιήθηκαν με τιμές ανάμεσα στο 0 και 1 και ο παράγοντας συσχέτισης Pearson βρέθηκε 0,86 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού, ενώ 0,55 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη κοντινότερης απόστασης. Η συσχέτιση είναι υψηλότερη μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού.<br /> Ο χάρτης χρήσης Atrazine (Εικόνα 2) και έκθεσης του πληθυσμού (Εικόνα 3) όπως προέκυψε από την μεθοδολογία της παρούσας εργασίας και τον προτεινόμενο δείκτη σταθμισμένης έκθεσης είναι: <br /> Μεταξύ των δύο χαρτών υπάρχουν σημαντικές διαφορές γεγονός που αναδεικνύει τη σημαντικότητα των Γεωγραφικών Πληροφοριακών Συστημάτων στην ανάλυση της έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα.<br /> Η έκθεση σε Atrazine είναι μεγαλύτερη στις ανατολικές περιοχές της Νεμπράσκα και μικρότερη στις δυτικές.<br /> 4,1% του πληθυσμού της πολιτείας βρίσκεται σε υψηλό κίνδυνο έκθεσης σε Atrazine. Αν συνυπολογιστούν όλοι οι τύποι καλλιεργειών και φυτοπροστατευτικών η αναλογία αυτή μπορεί να φτάσει ποσοστό 12,1%.[[Αρχείο:rs_wiki_buffer.jpg|thumb|right|Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου]] [[Αρχείο:rs_wiki_atrazine_use.jpg|thumb|right|Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005]][[Αρχείο:rs_wiki_atrazine_exposure.jpg|thumb|right|Εικόνα 3: Έκθεση του πληθυσμού της Νεμπράσκα σε Atrazine, 2005]] [[Category:Υγεία]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/Pesticides_exposure_modeling_based_on_GIS_and_remote_sensing_land_use_data 2018-02-21T22:30:10Z

<p>Vdd55: </p> <hr /> <div>'''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα με τηλεπισκόπηση και Γεωγραφικά Πληροφοριακά Συστήματα.<br /> '''<br /> <br /> '''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677]<br /> <br /> Συγγραφέας: Neng Wan<br /> <br /> Πηγή: http://www.sciencedirect.com <br /> <br /> '''Περίληψη'''<br /> Ο πρωταρχικός σκοπός της παρούσας εργασίας είναι να εξετάσει τη δυνατότητα συνδυασμού των πληροφοριών της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων, ώστε να προκύψει η δημιουργία ενός μοντέλου έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα (φ.π.). Χρησιμοποιεί πληροφορίες χρήσης γης που προέρχονται από δορυφορικές απεικονίσεις, σύνολα δεδομένων πλέγματος για τον πληθυσμό (grid) και δεδομένα χρήσης φ.π. σε καλλιέργειες, με σκοπό να δημιουργήσει ένα μοντέλο της έκθεσης των κατοίκων όχι για μικρές περιοχές μελέτης αλλά για μεγάλης έκτασης περιοχές όπως είναι η πολιτεία Νεμπράσκα των ΗΠΑ. <br /> <br /> '''Εισαγωγή'''<br /> Η εκτεταμένη εφαρμογή φ.π. στην σύγχρονη αγροτική καλλιέργεια έχει οδηγήσει σε αυξανόμενη ανησυχία για τις αρνητικές επιπτώσεις στο περιβάλλον και την υγεία του πληθυσμού. Η ανησυχία για το περιβάλλον αφορά την ρύπανση του νερού και του εδάφους και τις οικολογικές συνέπειες, ενώ για τη δημόσια υγεία επικεντρώνεται κυρίως σε προβλήματα υγείας όπως είναι ο καρκίνος, νευροεκφυλιστικές ασθένειες και προβλήματα αναπαραγωγής, περισσότερα από τα οποία εμφανίζονται σε αγρότες και κατοίκους αγροτικών περιοχών που ζουν κοντά σε περιοχές εφαρμογής φυτοπροστατευτικών. Η έκθεση του πληθυσμού μπορεί να διακριθεί σε δύο κατηγορίες: την επαγγελματική και την μη επαγγελματική. Η παρούσα εργασία ασχολείται με την μη επαγγελματική έκθεση γιατί αφορά μεγαλύτερες γεωγραφικές εκτάσεις και μεγάλο μέρος του πληθυσμού σε σχέση με την επαγγελματική έκθεση των αγροτών. <br /> Η αυξανόμενη διαθεσιμότητα και ακρίβεια των δορυφορικών απεικονίσεων παρέχουν τη δυνατότητα εκτίμησης της έκθεσης σε φ.π. για πληθυσμούς περιοχών μεγάλης έκτασης. Επιπλέον είναι δυνατό να χρησιμοποιηθούν απεικονίσεις παλαιότερων ετών ώστε να εκτιμηθεί η διάρκεια της έκθεσης, γεγονός που είναι πολύ σημαντικό για την εκτίμηση των χρόνιων ασθενειών όπως είναι το Πάρκινσον. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιοχή μελέτης'''<br /> Η πολιτεία της Νεμπράσκα είναι μια από τις σημαντικότερες αγροτικές περιοχές των ΗΠΑ. 45,6 εκατομμύρια στρεμμάτων γης χρησιμοποιούνται για φυτείες και για την εγκατάσταση κτηνοτροφικών αγροκτημάτων. Το 40% του πληθυσμού της πολιτείας (δηλ. 750.000 από τους 1,8 εκατομμύρια) ζουν σε αγροτικές περιοχές και πιθανόν εκτίθενται σε φυτοπροστατευτικά. Οι καλλιέργειες είναι καλαμπόκι, σόγια, σόργο και τριφύλλι. Φυτεύονται τον Απρίλιο ή Μάιο, αναπτύσσονται τον Ιούνιο, Ιούλιο και η συγκομιδή τους γίνεται τους φθινοπωρινούς μήνες. Για τις καλλιέργειες αυτές χρησιμοποιούνται ζιζανιοκτόνα όπως τα Atrazine, Metolachlor, Cyanazine, Alachlor και Achetochlor. Η παρούσα μελέτη επικεντρώνεται στο Atrazine μιας και είναι το περισσότερο χρησιμοποιούμενο στη Νεμπράσκα αλλά και τις ΗΠΑ. Η έκθεση σε Atrazine έχει συνδεθεί με μια ποικιλία προβλημάτων υγείας όπως είναι ο καρκίνος, προβλήματα αναπαραγωγικού συστήματος και ελαττώματα γέννησης. Όταν γίνεται εφαρμογή του Atrazine στις καλλιέργειες, τα σταγονίδια μπορεί να παραμείνουν στην ατμόσφαιρα και να μεταφερθούν σε απόσταση μεγαλύτερη των 1000μ. ενώ ο χρόνος ημίσειας ζωής του είναι αρκετά μεγάλος (60 μέρες). Έτσι αποτελεί μια απειλή για όσους κατοικούν στις γύρω περιοχές.<br /> <br /> '''Απόκτηση δεδομένων'''<br /> Χρήσης γης: Τα δεδομένα προέρχονται από το πανεπιστήμιο της Νεμπράσκα – Linkoln με βάση τις απεικονίσεις του δορυφόρου Landsat 5 TM. Συγκεκριμένα, χρησιμοποιήθηκαν 37 απεικονίσεις από τον Μάιο μέχρι τον Σεπτέμβριο 2005 και περιλαμβάνουν σχετικά λιγότερα σύννεφα. Έγινε προεπεξεργασία των εικόνων ώστε να απομακρυνθούν οι περιοχές με σύννεφα και να διαχωριστούν οι αστικές περιοχές. Κατά τη διάρκεια του καλοκαιριού 2005 έγινε η επιλογή των περιοχών εκπαίδευσης. Χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση με κανόνες μέγιστης πιθανοφάνειας ώστε να ταξινομηθούν οι διαφορετικοί τύποι καλλιεργειών και οι θέσεις άρδευσης με βάση την φασματική υπογραφή των εικονοστοιχείων. Η μη – επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για περιοχές για τις οποίες υπήρχε διαθέσιμη μια απεικόνιση την ημέρα και για εκείνες με κάλυψη σύννεφων. Οι καλλιέργειες ταξινομήθηκαν σε 19 κατηγορίες με συνολική ακρίβεια 83,9%. Σύμφωνα με την ταξινόμηση χρήσης γης, οι αγροτικές καλλιέργειες καταλαμβάνουν το 93% των χρήσεων γης της Νεμπράσκα.<br /> Χρήση φυτοπροστατευτικών προϊόντων: Τα δεδομένα για τη χρήση του Atrazine προήλθαν από τη βάση δεδομένων της Γεωλογικής Υπηρεσίας των ΗΠΑ (USGS). Στη συνέχεια τα δεδομένα γενικεύθηκαν, ενσωματώνοντας δεδομένα χρήσης φ.π. σε επίπεδο επαρχίας όπως και δεδομένα εμβαδού των καλλιεργειών σε επίπεδο πολιτείας. Δεδομένα χρήσης φ.π. ανά τύπο καλλιέργειας συλλέχθηκαν από το πανεπιστήμιο της Νεμπράσκα – Lincoln για το χρονικό διάστημα 1982 – 1987. Όμοια δεδομένα για τα έτη 1992 και 1997 αποκτήθηκαν από τη βάση δεδομένων του Εθνικού Κέντρου Τροφίμων και Αγροτικής Πολιτικής. Με βάση τα δεδομένα των τεσσάρων ετών, υπολογίστηκε το ποσοστό χρήσης Atrazine ανά στρέμμα για το καλαμπόκι, τον σόργο και σιτηρών. <br /> Πληθυσμιακά δεδομένα: Αποκτήθηκαν από σύνολα δεδομένων πλέγματος (grid) για τον πληθυσμό των ΗΠΑ του έτους 2000, τα οποία στη συνέχεια οπτικοποιήθηκαν.<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα''' <br /> Ακολουθήθηκαν δύο διαδικασίες: 1) Αρχικά υπολογίστηκε το σύνολο των εικονοστοιχείων που περιλαμβάνουν ένα συγκεκριμένο τύπο καλλιέργειας και στη συνέχεια υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία μέσω μαθηματικού τύπου. Επίσης, υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία που ανήκουν σε αρδευόμενες ή μη αρδευόμενες περιοχές. 2) Δημιουργήθηκε μια ζώνη επιρροής (buffer) για κάθε πληθυσμιακό πλέγμα με βάση την απόσταση των 750μ. (Εικόνα 1), υπολογίστηκαν τα εικονοστοιχεία που αντιστοιχούν στους τύπους καλλιέργειας που βρίσκονται μέσα στη ζώνη επιρροής (buffer). Στη συνέχεια αθροιστικά προέκυψε η χρήση φ.π. Για να γίνει αντιληπτή η πληροφορία που προέκυψε από την πιο πάνω διαδικασία, έγινε σύγκριση των αποτελεσμάτων με δύο δείκτες: τον δείκτη εγγύτητας, σύμφωνα με τον οποίο ένα άτομο εκτίθεται σε φ.π. αν βρίσκεται μέσα σε συγκεκριμένη απόσταση από την αγροτική γη και με τον δείκτη εμβαδού που σημαίνει ότι το επίπεδο της έκθεσης σχετίζεται με το συνολικό εμβαδό που καταλαμβάνει η αγροτική γη γύρω από την κατοικημένη περιοχή.<br /> Η παρούσα μελέτη χρησιμοποιεί ως μέτρο εγγύτητας την κοντινότερη απόσταση του κεντροειδούς του πλεγματικού πληθυσμού (grid population) από το εικονοστοιχείο που αντιστοιχεί σε αγροτική περιοχή και ως μέτρο εμβαδού το συνολικό εμβαδό των εικονοστοιχείων που αντιστοιχούν σε αγροτική καλλιέργεια και βρίσκεται μέσα στην ζώνη επιρροής των 1000μ. Για κάθε πληθυσμιακό πλέγμα, υπολογίστηκαν και συγκρίθηκαν τρεις δείκτες: <br /> Ο δείκτης σταθμισμένης έκθεσης σε φ.π. που προτείνεται στην παρούσα εργασία<br /> Ο δείκτης κοντινότερης απόστασης από την αγροτική γη και <br /> ο δείκτης του συνολικού εμβαδού αγροτικής γης μέσα στη ζώνη επιρροής των 1000μ.<br /> Καθώς το Atrazine χρησιμοποιείται μόνο για τρεις τύπους καλλιέργειας (καλαμπόκι, σόργο και σιτηρά) οι υπολογισμοί περιορίστηκαν σε αυτούς τους τύπους καλλιέργειας μόνο.<br /> Τα δεδομένα για τη δημόσια υγεία γενικά δημοσιεύονται για μεγάλες περιοχές (πολιτεία, zip code) ώστε να προστατευθούν τα προσωπικά δεδομένα των ανθρώπων. Για τις μελέτες που αφορούν το επίπεδο συσχέτισης ανάμεσα στην έκθεση σε φ.π. και την υγεία, είναι αναγκαίο να συγκεντρωθεί η πληροφορία έκθεσης σε επίπεδο πλέγματος ώστε να ταιριάζει με το επίπεδο της περιοχής μελέτης. Για να γίνει αυτό, στην παρούσα εργασία η έκθεση σε επίπεδο επαρχίας υπολογίστηκε ως ποσοστό έκθεσης σε ολόκληρη την πολιτεία: <br /> <br /> Έκθεση= (μέγεθος πληθυσμού*δείκτης σταθμισμένης έκθεσης)/(μέγεθος πληθυσμού)<br /> <br /> Όλοι οι υπολογισμοί και η ανάλυση έγιναν σε περιβάλλον ArcGIS 9.3 με εφαρμογές Visual Basic Applications (VBA).<br /> Αποτελέσματα<br /> 54.4% των πλεγμάτων πληθυσμού είχαν καλλιέργειες μέσα στη ζώνη επιρροής των 1000μ. <br /> 25,2% των πλεγμάτων πληθυσμού παρουσιάζει σημαντικά υψηλό κίνδυνο έκθεσης σε φ.π.<br /> Οι τρεις δείκτες κανονικοποιήθηκαν με τιμές ανάμεσα στο 0 και 1 και ο παράγοντας συσχέτισης Pearson βρέθηκε 0,86 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού, ενώ 0,55 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη κοντινότερης απόστασης. Η συσχέτιση είναι υψηλότερη μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού.<br /> Ο χάρτης χρήσης Atrazine (Εικόνα 2) και έκθεσης του πληθυσμού (Εικόνα 3) όπως προέκυψε από την μεθοδολογία της παρούσας εργασίας και τον προτεινόμενο δείκτη σταθμισμένης έκθεσης είναι: <br /> Μεταξύ των δύο χαρτών υπάρχουν σημαντικές διαφορές γεγονός που αναδεικνύει τη σημαντικότητα των Γεωγραφικών Πληροφοριακών Συστημάτων στην ανάλυση της έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα.<br /> Η έκθεση σε Atrazine είναι μεγαλύτερη στις ανατολικές περιοχές της Νεμπράσκα και μικρότερη στις δυτικές.<br /> 4,1% του πληθυσμού της πολιτείας βρίσκεται σε υψηλό κίνδυνο έκθεσης σε Atrazine. Αν συνυπολογιστούν όλοι οι τύποι καλλιεργειών και φυτοπροστατευτικών η αναλογία αυτή μπορεί να φτάσει ποσοστό 12,1%.[[Αρχείο:rs_wiki_buffer.jpg|thumb|right|Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου]] [[Αρχείο:rs_wiki_atrazine_use.jpg|thumb|right|Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005]][[Αρχείο:rs_wiki_atrazine_exposure.jpg|thumb|right|Εικόνα 3: Έκθεση του πληθυσμού της Νεμπράσκα σε Atrazine, 2005]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/Pesticides_exposure_modeling_based_on_GIS_and_remote_sensing_land_use_data 2018-02-21T20:26:58Z

<p>Vdd55: Νέα σελίδα με ''''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677] '''Μοντ...'</p> <hr /> <div>'''Pesticides exposure modeling based on GIS and remote sensing land use data (2015).''' [http://www.sciencedirect.com/science/article/pii/S0143622814002677]<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα με τηλεπισκόπηση και Γεωγραφικά Πληροφοριακά Συστήματα.<br /> '''<br /> Συγγραφέας: Neng Wan<br /> <br /> Πηγή: http://www.sciencedirect.com <br /> <br /> '''Περίληψη'''<br /> Ο πρωταρχικός σκοπός της παρούσας εργασίας είναι να εξετάσει τη δυνατότητα συνδυασμού των πληροφοριών της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων, ώστε να προκύψει η δημιουργία ενός μοντέλου έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα (φ.π.). Χρησιμοποιεί πληροφορίες χρήσης γης που προέρχονται από δορυφορικές απεικονίσεις, σύνολα δεδομένων πλέγματος για τον πληθυσμό (grid) και δεδομένα χρήσης φ.π. σε καλλιέργειες, με σκοπό να δημιουργήσει ένα μοντέλο της έκθεσης των κατοίκων όχι για μικρές περιοχές μελέτης αλλά για μεγάλης έκτασης περιοχές όπως είναι η πολιτεία Νεμπράσκα των ΗΠΑ. <br /> <br /> '''Εισαγωγή'''<br /> Η εκτεταμένη εφαρμογή φ.π. στην σύγχρονη αγροτική καλλιέργεια έχει οδηγήσει σε αυξανόμενη ανησυχία για τις αρνητικές επιπτώσεις στο περιβάλλον και την υγεία του πληθυσμού. Η ανησυχία για το περιβάλλον αφορά την ρύπανση του νερού και του εδάφους και τις οικολογικές συνέπειες, ενώ για τη δημόσια υγεία επικεντρώνεται κυρίως σε προβλήματα υγείας όπως είναι ο καρκίνος, νευροεκφυλιστικές ασθένειες και προβλήματα αναπαραγωγής, περισσότερα από τα οποία εμφανίζονται σε αγρότες και κατοίκους αγροτικών περιοχών που ζουν κοντά σε περιοχές εφαρμογής φυτοπροστατευτικών. Η έκθεση του πληθυσμού μπορεί να διακριθεί σε δύο κατηγορίες: την επαγγελματική και την μη επαγγελματική. Η παρούσα εργασία ασχολείται με την μη επαγγελματική έκθεση γιατί αφορά μεγαλύτερες γεωγραφικές εκτάσεις και μεγάλο μέρος του πληθυσμού σε σχέση με την επαγγελματική έκθεση των αγροτών. <br /> Η αυξανόμενη διαθεσιμότητα και ακρίβεια των δορυφορικών απεικονίσεων παρέχουν τη δυνατότητα εκτίμησης της έκθεσης σε φ.π. για πληθυσμούς περιοχών μεγάλης έκτασης. Επιπλέον είναι δυνατό να χρησιμοποιηθούν απεικονίσεις παλαιότερων ετών ώστε να εκτιμηθεί η διάρκεια της έκθεσης, γεγονός που είναι πολύ σημαντικό για την εκτίμηση των χρόνιων ασθενειών όπως είναι το Πάρκινσον. <br /> <br /> '''Μεθοδολογία'''<br /> <br /> '''Περιοχή μελέτης'''<br /> Η πολιτεία της Νεμπράσκα είναι μια από τις σημαντικότερες αγροτικές περιοχές των ΗΠΑ. 45,6 εκατομμύρια στρεμμάτων γης χρησιμοποιούνται για φυτείες και για την εγκατάσταση κτηνοτροφικών αγροκτημάτων. Το 40% του πληθυσμού της πολιτείας (δηλ. 750.000 από τους 1,8 εκατομμύρια) ζουν σε αγροτικές περιοχές και πιθανόν εκτίθενται σε φυτοπροστατευτικά. Οι καλλιέργειες είναι καλαμπόκι, σόγια, σόργο και τριφύλλι. Φυτεύονται τον Απρίλιο ή Μάιο, αναπτύσσονται τον Ιούνιο, Ιούλιο και η συγκομιδή τους γίνεται τους φθινοπωρινούς μήνες. Για τις καλλιέργειες αυτές χρησιμοποιούνται ζιζανιοκτόνα όπως τα Atrazine, Metolachlor, Cyanazine, Alachlor και Achetochlor. Η παρούσα μελέτη επικεντρώνεται στο Atrazine μιας και είναι το περισσότερο χρησιμοποιούμενο στη Νεμπράσκα αλλά και τις ΗΠΑ. Η έκθεση σε Atrazine έχει συνδεθεί με μια ποικιλία προβλημάτων υγείας όπως είναι ο καρκίνος, προβλήματα αναπαραγωγικού συστήματος και ελαττώματα γέννησης. Όταν γίνεται εφαρμογή του Atrazine στις καλλιέργειες, τα σταγονίδια μπορεί να παραμείνουν στην ατμόσφαιρα και να μεταφερθούν σε απόσταση μεγαλύτερη των 1000μ. ενώ ο χρόνος ημίσειας ζωής του είναι αρκετά μεγάλος (60 μέρες). Έτσι αποτελεί μια απειλή για όσους κατοικούν στις γύρω περιοχές.<br /> <br /> '''Απόκτηση δεδομένων'''<br /> Χρήσης γης: Τα δεδομένα προέρχονται από το πανεπιστήμιο της Νεμπράσκα – Linkoln με βάση τις απεικονίσεις του δορυφόρου Landsat 5 TM. Συγκεκριμένα, χρησιμοποιήθηκαν 37 απεικονίσεις από τον Μάιο μέχρι τον Σεπτέμβριο 2005 και περιλαμβάνουν σχετικά λιγότερα σύννεφα. Έγινε προεπεξεργασία των εικόνων ώστε να απομακρυνθούν οι περιοχές με σύννεφα και να διαχωριστούν οι αστικές περιοχές. Κατά τη διάρκεια του καλοκαιριού 2005 έγινε η επιλογή των περιοχών εκπαίδευσης. Χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση με κανόνες μέγιστης πιθανοφάνειας ώστε να ταξινομηθούν οι διαφορετικοί τύποι καλλιεργειών και οι θέσεις άρδευσης με βάση την φασματική υπογραφή των εικονοστοιχείων. Η μη – επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε για περιοχές για τις οποίες υπήρχε διαθέσιμη μια απεικόνιση την ημέρα και για εκείνες με κάλυψη σύννεφων. Οι καλλιέργειες ταξινομήθηκαν σε 19 κατηγορίες με συνολική ακρίβεια 83,9%. Σύμφωνα με την ταξινόμηση χρήσης γης, οι αγροτικές καλλιέργειες καταλαμβάνουν το 93% των χρήσεων γης της Νεμπράσκα.<br /> Χρήση φυτοπροστατευτικών προϊόντων: Τα δεδομένα για τη χρήση του Atrazine προήλθαν από τη βάση δεδομένων της Γεωλογικής Υπηρεσίας των ΗΠΑ (USGS). Στη συνέχεια τα δεδομένα γενικεύθηκαν, ενσωματώνοντας δεδομένα χρήσης φ.π. σε επίπεδο επαρχίας όπως και δεδομένα εμβαδού των καλλιεργειών σε επίπεδο πολιτείας. Δεδομένα χρήσης φ.π. ανά τύπο καλλιέργειας συλλέχθηκαν από το πανεπιστήμιο της Νεμπράσκα – Lincoln για το χρονικό διάστημα 1982 – 1987. Όμοια δεδομένα για τα έτη 1992 και 1997 αποκτήθηκαν από τη βάση δεδομένων του Εθνικού Κέντρου Τροφίμων και Αγροτικής Πολιτικής. Με βάση τα δεδομένα των τεσσάρων ετών, υπολογίστηκε το ποσοστό χρήσης Atrazine ανά στρέμμα για το καλαμπόκι, τον σόργο και σιτηρών. <br /> Πληθυσμιακά δεδομένα: Αποκτήθηκαν από σύνολα δεδομένων πλέγματος (grid) για τον πληθυσμό των ΗΠΑ του έτους 2000, τα οποία στη συνέχεια οπτικοποιήθηκαν.<br /> <br /> '''Μοντελοποίηση της έκθεσης σε φυτοπροστατευτικά προϊόντα''' <br /> Ακολουθήθηκαν δύο διαδικασίες: 1) Αρχικά υπολογίστηκε το σύνολο των εικονοστοιχείων που περιλαμβάνουν ένα συγκεκριμένο τύπο καλλιέργειας και στη συνέχεια υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία μέσω μαθηματικού τύπου. Επίσης, υπολογίστηκε η χρήση Atrazine για τα εικονοστοιχεία που ανήκουν σε αρδευόμενες ή μη αρδευόμενες περιοχές. 2) Δημιουργήθηκε μια ζώνη επιρροής (buffer) για κάθε πληθυσμιακό πλέγμα με βάση την απόσταση των 750μ. (Εικόνα 1), υπολογίστηκαν τα εικονοστοιχεία που αντιστοιχούν στους τύπους καλλιέργειας που βρίσκονται μέσα στη ζώνη επιρροής (buffer). Στη συνέχεια αθροιστικά προέκυψε η χρήση φ.π. Για να γίνει αντιληπτή η πληροφορία που προέκυψε από την πιο πάνω διαδικασία, έγινε σύγκριση των αποτελεσμάτων με δύο δείκτες: τον δείκτη εγγύτητας, σύμφωνα με τον οποίο ένα άτομο εκτίθεται σε φ.π. αν βρίσκεται μέσα σε συγκεκριμένη απόσταση από την αγροτική γη και με τον δείκτη εμβαδού που σημαίνει ότι το επίπεδο της έκθεσης σχετίζεται με το συνολικό εμβαδό που καταλαμβάνει η αγροτική γη γύρω από την κατοικημένη περιοχή.<br /> Η παρούσα μελέτη χρησιμοποιεί ως μέτρο εγγύτητας την κοντινότερη απόσταση του κεντροειδούς του πλεγματικού πληθυσμού (grid population) από το εικονοστοιχείο που αντιστοιχεί σε αγροτική περιοχή και ως μέτρο εμβαδού το συνολικό εμβαδό των εικονοστοιχείων που αντιστοιχούν σε αγροτική καλλιέργεια και βρίσκεται μέσα στην ζώνη επιρροής των 1000μ. Για κάθε πληθυσμιακό πλέγμα, υπολογίστηκαν και συγκρίθηκαν τρεις δείκτες: <br /> Ο δείκτης σταθμισμένης έκθεσης σε φ.π. που προτείνεται στην παρούσα εργασία<br /> Ο δείκτης κοντινότερης απόστασης από την αγροτική γη και <br /> ο δείκτης του συνολικού εμβαδού αγροτικής γης μέσα στη ζώνη επιρροής των 1000μ.<br /> Καθώς το Atrazine χρησιμοποιείται μόνο για τρεις τύπους καλλιέργειας (καλαμπόκι, σόργο και σιτηρά) οι υπολογισμοί περιορίστηκαν σε αυτούς τους τύπους καλλιέργειας μόνο.<br /> Τα δεδομένα για τη δημόσια υγεία γενικά δημοσιεύονται για μεγάλες περιοχές (πολιτεία, zip code) ώστε να προστατευθούν τα προσωπικά δεδομένα των ανθρώπων. Για τις μελέτες που αφορούν το επίπεδο συσχέτισης ανάμεσα στην έκθεση σε φ.π. και την υγεία, είναι αναγκαίο να συγκεντρωθεί η πληροφορία έκθεσης σε επίπεδο πλέγματος ώστε να ταιριάζει με το επίπεδο της περιοχής μελέτης. Για να γίνει αυτό, στην παρούσα εργασία η έκθεση σε επίπεδο επαρχίας υπολογίστηκε ως ποσοστό έκθεσης σε ολόκληρη την πολιτεία: <br /> <br /> Έκθεση= (μέγεθος πληθυσμού*δείκτης σταθμισμένης έκθεσης)/(μέγεθος πληθυσμού)<br /> <br /> Όλοι οι υπολογισμοί και η ανάλυση έγιναν σε περιβάλλον ArcGIS 9.3 με εφαρμογές Visual Basic Applications (VBA).<br /> Αποτελέσματα<br /> 54.4% των πλεγμάτων πληθυσμού είχαν καλλιέργειες μέσα στη ζώνη επιρροής των 1000μ. <br /> 25,2% των πλεγμάτων πληθυσμού παρουσιάζει σημαντικά υψηλό κίνδυνο έκθεσης σε φ.π.<br /> Οι τρεις δείκτες κανονικοποιήθηκαν με τιμές ανάμεσα στο 0 και 1 και ο παράγοντας συσχέτισης Pearson βρέθηκε 0,86 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού, ενώ 0,55 μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη κοντινότερης απόστασης. Η συσχέτιση είναι υψηλότερη μεταξύ του δείκτη σταθμισμένης έκθεσης και του δείκτη εμβαδού.<br /> Ο χάρτης χρήσης Atrazine (Εικόνα 2) και έκθεσης του πληθυσμού (Εικόνα 3) όπως προέκυψε από την μεθοδολογία της παρούσας εργασίας και τον προτεινόμενο δείκτη σταθμισμένης έκθεσης είναι: <br /> Μεταξύ των δύο χαρτών υπάρχουν σημαντικές διαφορές γεγονός που αναδεικνύει τη σημαντικότητα των Γεωγραφικών Πληροφοριακών Συστημάτων στην ανάλυση της έκθεσης του πληθυσμού σε φυτοπροστατευτικά προϊόντα.<br /> Η έκθεση σε Atrazine είναι μεγαλύτερη στις ανατολικές περιοχές της Νεμπράσκα και μικρότερη στις δυτικές.<br /> 4,1% του πληθυσμού της πολιτείας βρίσκεται σε υψηλό κίνδυνο έκθεσης σε Atrazine. Αν συνυπολογιστούν όλοι οι τύποι καλλιεργειών και φυτοπροστατευτικών η αναλογία αυτή μπορεί να φτάσει ποσοστό 12,1%.[[Αρχείο:rs_wiki_buffer.jpg|thumb|right|Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου]] [[Αρχείο:rs_wiki_atrazine_use.jpg|thumb|right|Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005]][[Αρχείο:rs_wiki_atrazine_exposure.jpg|thumb|right|Εικόνα 3: Έκθεση του πληθυσμού της Νεμπράσκα σε Atrazine, 2005]]</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_use.jpg 2018-02-21T19:50:18Z

<p>Vdd55: Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005.</p> <hr /> <div>Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_usage.jpg 2018-02-21T19:46:38Z

<p>Vdd55: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki atrazine usage.jpg&amp;quot;</p> <hr /> <div>Εικόνα 2: Χρήση Atrazine στη Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_exposure.jpg 2018-02-21T19:39:28Z

<p>Vdd55: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki atrazine exposure.jpg&amp;quot;: Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005.</p> <hr /> <div>Εικόνα 3: Έκθεση πληθυσμού σε Atrazine στην Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_exposure.jpg 2018-02-21T19:35:02Z

<p>Vdd55: ανέβασμα νέας έκδοσης του &amp;quot;Αρχείο:Rs wiki atrazine exposure.jpg&amp;quot;: Εικόνα 2: Χρήση Atrazine στην Νεμπράσκα, 2005.</p> <hr /> <div>Εικόνα 3: Έκθεση πληθυσμού σε Atrazine στην Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_exposure.jpg 2018-02-21T19:28:23Z

<p>Vdd55: Εικόνα 3: Έκθεση πληθυσμού σε Atrazine στην Νεμπράσκα, 2005.</p> <hr /> <div>Εικόνα 3: Έκθεση πληθυσμού σε Atrazine στην Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_atrazine_usage.jpg 2018-02-21T19:27:02Z

<p>Vdd55: Εικόνα 2: Χρήση Atrazine στη Νεμπράσκα, 2005.</p> <hr /> <div>Εικόνα 2: Χρήση Atrazine στη Νεμπράσκα, 2005.</div>

Vdd55 http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Rs_wiki_buffer.jpg 2018-02-21T19:17:16Z

<p>Vdd55: Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου.</p> <hr /> <div>Εικόνα 1: Ζώνη επιρροής 1000μ. από το κεντροειδές του πληθυσμού του εικονοστοιχείου.</div>

Vdd55