RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Μπουλάκη Χρίστινα

2023-02-06T10:51:58Z

Xr Boulaki:

* [[Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης]]

* [[Ανάλυση υποχώρησης παγετώνων στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής σε δύο παγετώνες της λεκάνης mana των κεντρικών Ιμαλαϊων]]

* [[Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης]]

* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.]]

* [[Δομική διερεύνηση της ζώνης ρηγμάτων Zungeru-Kalangai και του περιβάλλοντος της, χρησιμοποιώντας δεδομένα αερομαγνητικής και τηλεπισκόπησης]]

* [[Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχή Dang, Δυτική Ινδία]]

* [[ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.]]

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

Δομική διερεύνηση της ζώνης ρηγμάτων Zungeru-Kalangai και του περιβάλλοντος της, χρησιμοποιώντας δεδομένα αερομαγνητικής και τηλεπισκόπησης

2023-02-06T10:47:12Z

Xr Boulaki: Νέα σελίδα με ''''Δομική διερεύνηση της ζώνης ρηγμάτων Zungeru-Kalangai και του περιβάλλοντος της, χρησιμοποιώντας ...'

'''Δομική διερεύνηση της ζώνης ρηγμάτων Zungeru-Kalangai και του περιβάλλοντος της, χρησιμοποιώντας δεδομένα αερομαγνητικής και τηλεπισκόπησης'''

'''Πρωτότυπος τίτλος:''' Structural investigation of Zungeru-Kalangai fault zone and its environ, Nigeria using aeromagnetic and remote sensing data

'''Συγγραφείς:''' A.B. Arogundade, M.O. Awoyemi, O.S. Hammed, S.C. Falade, O.D. Ajama

'''Δημοσιεύθηκε:''' Μάρτιος 2022

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2405844022003437]

'''Λέξεις-Κλειδιά:''' Μοντελοποίηση, Υπόγειες δομές, Τηλεπισκόπηση, Αερομαγνητικά Δεδομένα, Ζώνες θραύσης, Πηγή ανίχνευσης άκρων

[[Εικόνα:xb_27.jpg| thumb| right|'''Εικόνα 1:''' Γεωλογικός χάρτης Νιγηρίας (α) βασικά ρήγματα (β) Περιοχή μελέτης]]

[[Εικόνα:xb_28.jpg| thumb| right|'''Σχήμα 1:''' Γραμμές που προέρχονται από τις δορυφορικές εικόνες (Landsat OLI και SRTM) Διάγραμμα αζιμουθίου-συχνότητας για (α) Landsat-8 OLI (β) SRTM-DEM]]

[[Εικόνα:xb_29.jpg| thumb| right|'''Εικόνα 2:''' (α) Χάρτης ολικής μαγνητικής έντασης (TMI) της περιοχής μελέτης (β) Αναγωγή σε ισημερινό (RTE) χάρτη της περιοχής μελέτης (γ) Ανοδικός χάρτης συνέχειας του ΤΜΙ σε ύψος 100 m]]

[[Εικόνα:xb_30.jpg| thumb| right|'''Εικόνα 3:''' (α) Ολικός οριζόντιος παράγωγος χάρτης με σημεία μέγιστου πλάτους που επικαλύπτονται στον χάρτη (β) Χάρτης πλάτους αναλυτικού σήματος με σημεία μέγιστου πλάτους που επικαλύπτονται στον χάρτη (γ) Οι λύσεις Euler σχεδιάζονται χρησιμοποιώντας δομικό δείκτη 1 (το βάθος ποικίλλει ανάλογα με το χρώμα)]]

[[Εικόνα:xb_31.jpg| thumb| right|'''Εικόνα 4:''' Σύνθετος χάρτης των εκτιμώμενων θέσεων από λύσεις THD (ροζ), ASA (καφέ) και Euler (μαύρο)]]

[[Εικόνα:xb_32.jpg| thumb| right|'''Εικόνα 5:''' (α) Χάρτης συναγόμενων θέσεων επαφής από THD και ASA (β) Γραμμικός χάρτης της περιοχής μελέτης που δείχνει τα συναγόμενα σφάλματα από τον σύνθετο χάρτη των λύσεων THD, ASA και Euler]]

[[Εικόνα:xb_33.jpg| thumb| right|'''Εικόνα 6:''' (α) Συναγόμενος δομικός χάρτης της περιοχής μελέτης (β) Μαγνητικά προφίλ που σχεδιάζονται σε μεγάλα σφάλματα]]

'''Αντικείμενο Εφαρμογής'''

Αναλύθηκαν δεδομένα αερομαγνητικών και δορυφορικών εικόνων σε περιοχές της Βόρειας Νιγηρίας για να σκιαγραφηθούν μαγνητικές και επιφανειακές γραμμώσεις που σχετίζονται με τάσεις συστήματος ρηγμάτων. Χρησιμοποιήθηκε η τεχνική του ταχέως μετασχηματισμού του Φουριέ για την ανάλυση των αερομαγνητικών δεδομένων και τον υπολογισμό της αναγωγής στον ισημερινό, της συνολικής οριζόντιας παραγώγου, το πλάτος του αναλυτικού σήματος καθώς και την αποσυνέλιξη Euler. Τα δεδομένα Landsat 8 OLI και SRTM βελτιώθηκαν εφαρμόζοντας τεχνικές χωρικού φιλτραρίσματος και hill – shading για την σκιαγράφηση χαρακτηριστικών γραμμώσεων. Η θέση και ο προσανατολισμός της ζώνης ρήγματος Zungeru/Kalangai, η οποία εκτείνεται περίπου 245 χλμ από το υπόβαθρο της λεκάνης της Μπίντα μέχρι το βόρειο τμήμα της Νιγηρίας, σχετίζεται με το υπάρχον ρήγμα στον γεωλογικό χάρτη σχηματίζοντας ένα συζυγές ζεύγος με ένα ρήγμα γύρω από την Κάγια. Οι χάρτες που προέκυψαν αποκάλυψαν την παρουσία αρκετών γεωλογικών γραμμώσεων που δεν είχαν ανιχνευθεί και αντιστοιχούν σε ρήγματα και αναδιπλωμένα αναχώματα με διεύθυνση κλίσης κυρίως Β-Ν, ΒΒΑ-ΝΔ, ΒΑ-ΝΔ και ΒΔ-ΝΑ. Ακόμη, η εφαρμογή της 2D εμπρόσθιας μοντελοποίησης αποκάλυψε τη 2D εικόνα της φύσης του υπεδάφους καθώς και τις μαγνητικές ευαισθησίες των πετρωμάτων.

'''Εισαγωγή'''

Η Γη είναι ένα δυναμικό και μεταβαλλόμενο σύστημα που χωρίζεται σε πολλά άκαμπτα μπλοκ γνωστά ως τεκτονικές πλάκες. Οι κινήσεις των τεκτονικών πλακών της γης προκαλούν πίεση που είναι ικανή να παραμορφώσει τα πετρώματα. Ως αναπόσπαστο μέρος του Δυτικού Αφρικανικού Κράτονα, το Προκάμβριο Σύμπλεγμα Υπόγειου της Νιγηρίας έχει υποβληθεί σε διάφορα επεισόδια παραμόρφωσης. Οι παραμορφώσεις αυτές οφείλονται για το σημερινό γεωλογικό προφίλ της περιοχής. Επιπλέον, προηγούμενες μελέτες έχουν δείξει ότι υπάρχει μια εσωτερική επέκταση των ωκεανικών ζωνών θραύσης μετά την αντιστάθμιση της Μέσο – Ατλαντικής Υφαλορράχης και εκδηλώνεται ως ζώνες ρήγματος στο Νιγηριανό υπόβαθρο οι οποίες πιστεύεται ότι δημιούργησαν μερικές μεγαδομές (όπως οι ζώνες ρηγμάτων Ifewara και Zungeru-Kalangai) που χρησιμεύουν ως ζώνες αδυναμίας. Το ρήγμα Zungeru/Kalangai δεν είναι ένα εντοπισμένο χαρακτηριστικό αλλά μια ζώνη διάτμησης που εκτείνεται σε εκατοντάδες χιλιόμετρα και συνοδεύεται από πολλά μικρά και μεγάλα ρήγματα και πτυχές.
Η παρούσα μελέτη, η οποία βασίζεται στα ευρήματα των Awoyemi et al. (2017a και 2017b), περιλαμβάνει τη χρήση δορυφορικών εικόνων και αερομαγνητικών δεδομένων υψηλής ανάλυσης ως εργαλείο δομικής χαρτογράφησης για την οριοθέτηση δομικών χαρακτηριστικών που προκαλούνται από τα επεισόδια παραμόρφωσης που βίωσαν τα πετρώματα σε αυτήν την περιοχή μελέτης. Τα ευρήματα αυτής της έρευνας θα βοηθήσουν στην προώθηση της κατανόησης της δομικής γεωλογίας της Νιγηρίας. Θα μπορούσε επίσης να είναι χρήσιμο για έρευνες υπόγειων υδάτων, αναζήτηση ορυκτών και εκτιμήσεις γεωτεχνικής μηχανικής της περιοχής.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης, που βρίσκεται σε τμήμα της Βόρειας Νιγηρίας, οριοθετείται από Γεωγραφικά Πλάτη 9°30′ Β έως 11°30′ Β και Μήκη 6°00′ Α έως 7°30′ Α. Καλύπτει περίπου 36.300 km2, εκτείνοντας τμήματα από τις πολιτείες Ζαμφάρα, Κατσίνα, Νίγηρας και Καντούνα. Η γεωλογία της περιοχής βασίζεται στους σχιστόλιθους Kushaka και Birnin-Gwari οι οποίοι περικλείονται στην ομάδα σχιστόλιθων Kusheriki. Σύμφωνα με τον Turner (1983) και τον Obaje (2009), η ομάδα σχιστόλιθου Kusheriki περιλαμβάνει σχηματισμό σχιστόλιθου Birnin-Gwari στην κορυφή της διαδοχής, σχηματισμό κοκκιλίτη Zungeru, σχηματισμό σχιστόλιθου Kushaka και σχηματισμό ψαμίτη Kusheriki στο κάτω μέρος. Οι ζώνες σχιστόλιθου θεωρούνται πετρώματα του ανώτερου προτεροζωικού υπερφλοιού που έχουν διπλωθεί στο σύμπλεγμα μιγματίτη-γνεύσιου-χαλαζίτη.
Ο σχηματισμός σχιστόλιθου Birnin-Gwari και τα υποκείμενα πετρώματα του σχηματισμού κοκκιλιτών Zungeru σχηματίζουν μαζί μια ενιαία δομική μονάδα, που ονομάζεται ζώνη σχιστόλιθου Zungeru-Birnin Gwari. Ο σχηματισμός σχιστόλιθου Birnin-Gwari πλαισιώνεται με μυλωνίτες Zungeru και στις δύο πλευρές και χτυπά τη δυτική πλευρά των ζωνών σχιστόλιθου Kushaka. Περιλαμβάνει φυλλίτες, σχιστόλιθους και συσσωματώματα σχιστόλιθου και καταλαμβάνει τον συγκλινικό άξονα της σχιστολιθικής ζώνης. Η ζώνη σχιστολίθου Kushaka αποτελείται σε μεγάλο βαθμό από λεπτόκοκκους χαλαζο-αστροπαθητικούς λίθους που εναλλάσσονται με αμφιβολίτες και μερικούς χαλαζίτες. Ο γεωλογικός χάρτης της περιοχής μελέτης φαίνεται στην εικόνα 1.

'''Μεθοδολογία'''

'''1.Λήψη και επεξεργασία δεδομένων Landsat OLI και SRTM'''

Οι πολυφασματικές εικόνες Landsat-8 OLI και Shuttle Radar Topography and Mapping (SRTM) ελήφθησαν από τον ιστότοπο της δορυφορικής βάσης δεδομένων USGS και κατά τη διάρκεια ξηρής περιόδου. Το σύνολο δεδομένων Landsat-8 υποβλήθηκε σε προ επεξεργασία με ραδιομετρική βαθμονόμηση, γρήγορη ατμοσφαιρική ανάλυση οπτικής γωνίας φασματικών υπερκύβων (FLAASH) ατμοσφαιρική διόρθωση και κανονικοποίηση εικόνας. Μετά από προεπεξεργασία, οι σκηνές του Landsat-8 OLI μετατράπηκαν σε μωσαϊκά για να παραχθεί μια ενιαία απρόσκοπτη εικόνα από την οποία ένα υποσύνολο καλύπτει την περιοχή μελέτης που οριοθετείται από γεωγραφικά πλάτη 9° 30′ N - 11° 30′ N και γεωγραφικά μήκη 6° 00′ E - 7° 30′ Ε. Για να βελτιωθούν τα χωρικά χαρακτηριστικά, οι ζώνες Landsat-8 VNIR και SWIR με μέγεθος pixel 30m συντήχθηκαν με μια πανχρωματική ζώνη μεγέθους 15m pixel 8. Επιπλέον, τα ψηφιακά υψομετρικά δεδομένα SRTM της περιοχής μελέτης ήταν σκιασμένα σε λόφο χρησιμοποιώντας γωνία φωτός 30° σε αζιμούθια 0°, 45°, 90° και 135° για να τονιστούν οι δομικές τάσεις Α-Δ, ΒΑ-ΝΔ, Β-Ν και ΒΔ-ΝΑ, αντίστοιχα. Οι παραγόμενοι σκιασμένοι χάρτες της υπό μελέτη περιοχής θα βοηθήσουν στην αποκάλυψη της επίδρασης των δομικών χαρακτηριστικών του υποβάθρου στην τοπογραφία. Ακόμη, χρησιμοποιήθηκαν διάφοροι συνδυασμοί τιμών για κάθε παράμετρο της μονάδας LINE του λογισμικού PCI Geomatica. Αυτές οι παράμετροι είναι RADI (ακτίνα φίλτρου), GTHR (Όριο κλίσης άκρων), LTHR (Όριο μήκους καμπύλης), FTHR (όριο προσαρμογής γραμμής), ATHR (όριο γωνιακής διαφοράς) και DTHR (όριο απόστασης σύνδεσης). Η διαδικασία πραγματοποιήθηκε σε ολόκληρα τα σύνολα δεδομένων για την επιλογή των βέλτιστων ρυθμίσεων παραμέτρων που είχαν ως αποτέλεσμα την κατάλληλη έξοδο των γραμμών που εξήχθησαν.

'''2. Απόκτηση και επεξεργασία αερομαγνητικών δεδομένων'''

Τα Αερομαγνητικά Δεδομένα Υψηλής Ανάλυσης (HRAD) που κάλυπταν τμήματα των πολιτειών Νίγηρα, Καντούνα, Κατσίνα και Ζαμφάρα αποκτήθηκαν από την Υπηρεσία Γεωλογικής Έρευνας της Νιγηρίας (NGSA). Τα δεδομένα αποκτήθηκαν μεταξύ 2004 και 2009 από την Fugro Airborne Survey Limited. Οι παράμετροι πτήσης του HRAD είναι οι εξής: Απόσταση γραμμής πτήσης 0,5 km., Απόσταση εδάφους 80 m., Γραμμές πτήσης ΒΔ - ΝΑ., Απόσταση γραμμών ισοπαλίας: 2 χλμ., Κατεύθυνση γραμμών δεσίματος ΒΑ - ΝΔ. Τα HRAD ταξινομήθηκαν σε διαστήματα 100 m χρησιμοποιώντας την τεχνική πλέγματος ελάχιστης καμπυλότητας για την παραγωγή ενός χάρτη Ολικής Μαγνητικής Έντασης (TMI) της περιοχής μελέτης. Το φίλτρο αναγωγής στον ισημερινό (RTE) εφαρμόστηκε στο πλέγμα TMI για τη δημιουργία του χάρτη ανωμαλιών RTE που διόρθωσε την ασυμμετρία που σχετίζεται με ανωμαλίες χαμηλού γεωγραφικού πλάτους. Το πλέγμα RTE στη συνέχεια συνεχίστηκε προς τα πάνω σε ύψος 100 m για να βελτιωθεί η αναλογία σήματος προς θόρυβο στα δεδομένα. Το συνολικό οριζόντιο παράγωγο (THD) και το αναλυτικό εύρος σήματος (ASA) εφαρμόστηκαν στο φιλτραρισμένο (συνεχιζόμενο προς τα πάνω) πλέγμα για να ενισχύσουν και να οριοθετήσουν την υπογραφή των υπόγειων δομών και των λιθολογικών ορίων. Η εφαρμογή του 3D Euler Deconvolution (ED) στο πλέγμα RTE χρησιμοποιώντας έναν δομικό δείκτη χρησιμοποιήθηκε για να οριοθετήσει τη γεωμετρική φύση και τα βάθη εμφάνισης των άκρων της πηγής. Οι προκύπτοντες χάρτες των THD, ASA και ED ενσωματώθηκαν για να παραχθεί ένας χάρτης μαγνητικής γραμμικής γραμμής. Το μοντέλο χρησιμοποιήθηκε για να έχει μια σαφή εικόνα των υπόγειων δομών και να καθορίσει την κατανομή μαγνήτισης εντός της πηγής. Η επέκταση GM-SYS του λογισμικού Oasis Montaj χρησιμοποιήθηκε για τη μοντελοποίηση της επίδρασης ανωμαλιών των υπογείων δομών. Κατά την ερμηνεία των παρατηρούμενων δεδομένων, λήφθηκαν οκτώ προφίλ κατά μήκος διαφορετικών τμημάτων του πλέγματος RTE.

'''Αποτελέσματα'''

'''1.Εικόνες Landsat – 8 OLI και SRTM – DEM'''

Οι εξαγόμενες γραμμές στο σχήμα 1 δείχνουν το αθροιστικό αποτέλεσμα των επεξεργασμένων εικόνων Landsat-8 OLI και SRTM. Ο χάρτης γραμμής Landsat-8 OLI δείχνει ξεκάθαρα ότι οι γραμμικές γραμμώσεις ΒΑ-ΝΔ από τις περιοχές Zungeru έως Birnin Gwari που περικλείονται με μυλωνίτες Zungeru είναι πυκνές. Επίσης εμφανής είναι η συγκέντρωση των γραμμώσεων στα νοτιοανατολικά τμήματα, ιδιαίτερα γύρω από το Chikun και το βόρειο τμήμα γύρω από την Kwaimbana και την Doka, με τάση κυρίως στις κατευθύνσεις ΒΔ-ΝΑ. Στο διάγραμμα αζιμουθίου – συχνότητας έδειξε ότι οι γραμμώσεις που εξήχθησαν από τον landsat -8 έχουν τάσεις ΒΒΑ – ΝΝΔ, ΒΒΔ – ΝΝΑ και ΒΑ – ΝΔ ενώ οι γραμμώσεις που εξάγονται από τους χάρτες σκιασμένου ανάγλυφου του SRTM-DEM έχουν τάσεις Β-Ν, ΒΒΑ-ΝΔ και ΒΔ-ΝΑ. Η άφθονη έκταση των αζιμουθίων των γραμμώσεων οφείλεται στο πολυκυκλικό έδαφος μιγματίτη, γνεύσιου και γρανίτη που αποτελούν την κύρια λιθολογία της ζώνης σχιστόλιθου στην περιοχή μελέτης.

'''2. Η Ολική Μαγνητική Ένταση, RTE και φιλτραρισμένη ανωμαλία'''

Οι διακυμάνσεις στην ένταση του μαγνητικού πεδίου στους χάρτες TMI, RTE αποδίδονται στις διαφορές στην περιεκτικότητα σε μαγνητικά ορυκτά μεταξύ των διαφορετικών μονάδων πετρωμάτων και στα ποικίλα βάθη των υποκείμενων πετρωμάτων (Εικόνα 2). Μερικές από τις περιοχές που παρατηρήθηκαν με υψηλές τιμές μαγνητικής έντασης είναι το Jigbeji (κάτω μέρος της περιοχής μελέτης) με ανωμαλίες στην κατεύθυνση Α-Δ και τμήματα Sengiakun και Mutumji (Βορειοδυτικά) ενώ περιοχές με ελάχιστη τιμή μαγνητικής έντασης από -7,73 έως -82,2nT είναι εμφανείς γύρω από το Sengiakun. Η γραμμική ανωμαλία ζώνης τάσης ΒΑ-ΝΔ εκτείνεται από την περιοχή Bogi-Zungeru (Νοτιοδυτικά) στην περιοχή Giwa (το βορειοανατολικό τμήμα της περιοχής μελέτης), ενώ μια επιμήκης ανωμαλία τάσης ΒΔ-ΝΑ παρατηρήθηκε στο βορειοανατολικό τμήμα της περιοχής μελέτης. Όπως συζητήθηκε από τον Stoneley (1966), οι μαγνητικές υπογραφές ΒΑ-ΝΔ και ΒΔ-ΝΑ είναι γενικά συνεπείς με τις τεκτονικές τάσεις των πετρωμάτων της Δυτικής Αφρικής της Προκάμβριας.

'''3. Ανίχνευση ακμών και δομική χαρτογράφηση'''

Οι κορυφές (δηλαδή οι θέσεις των άκρων της πηγής) που προέρχονται από το THD και το ASA επικαλύπτονται στους χάρτες THD και ASA, αντίστοιχα (Εικόνες 3α και 3β) για να οριοθετηθούν οι θέσεις και οι κατευθύνσεις επαφής. Το σχέδιο των γραμμικών ανώμαλων ζωνών στους χάρτες THD και ASA είναι παρόμοιο. Αντιστοιχεί με τις αξιοσημείωτες μαγνητικές ανωμαλίες και εμφανίζει εξέχουσες τάσεις στις κατευθύνσεις ΒΑ-ΝΔ και ΒΔ-ΝΑ, που αποδίδεται στον κύκλο παραμόρφωσης της ορογένεσης της Παναφρικανικής (600Ma). H εικόνα 3γ δείχνει το αποτέλεσμα της τρισδιάστατης αποσυνέλιξης Euler (ED) για την περιοχή μελέτης.
Ο σύνθετος χάρτης όλων των τεχνικών ανίχνευσης άκρων πηγής δημιουργήθηκε με την υπέρθεση των μεγίστων των διαλυμάτων ASA (καφέ), THD (ροζ) και Euler (μαύρο) (Εικόνα 4). Τα ταιριαστά μέγιστα/λύσεις των THD, ASA και ED υποδεικνύουν τα όρια του υπόγειου πετρώματος που θα μπορούσε να είναι λιθολογικές επαφές, ρήγματα ή ρήγματα (Εικόνα 5).

'''4. Μαγνητική Μοντελοποίηση'''

Τέλος, πραγματοποιήθηκε 2D μαγνητική μοντελοποίηση για να επιβεβαιωθεί η θέση των ρηγμάτων, οι βυθίσεις τους και το βάθος των εμφανίσεων στην περιοχή. Ελήφθησαν 8 προφίλ σε κατευθύνσεις ορθογώνιες ως προς τα προεξέχοντα συναγόμενα ρήγματα (Εικόνα 6β). Οι λύσεις βάθους Euler ελήφθησαν σε κάθε προφίλ και τα βάθη από την απεικόνιση παραμέτρων πηγής λήφθηκαν υπόψη κατά τη δημιουργία του μοντέλου. Τα αερομαγνητικά προφίλ σε μεμονωμένες γραμμικές ανωμαλίες τυπικά παρουσιάζουν συμμετρικές καμπύλες που αναμένονται πάνω από στρώματα μετατόπισης, καθώς και καμπύλες με δύο ασύμμετρες κορυφές και δύο ή περισσότερα σημεία καμπής.

'''Συμπεράσματα'''

Στην παρούσα μελέτη χρησιμοποιήθηκαν ενσωματωμένες δορυφορικές εικόνες και αερομαγνητικά Δεδομένα Υψηλής Ανάλυσης (HRAD) για να αποκαλύψουν μη ανιχνεύσιμες δομές και να υποστηρίξουν την επέκταση της ζώνης ρηγμάτων Zungeru-Kalangai από τη λεκάνη Bida στη Νιγηρία. Αυτό έχει δώσει περισσότερες λεπτομέρειες, που λείπουν από προηγούμενους γεωλογικούς χάρτες.
Η σύγκριση των εξαγόμενων δομών από το HRAD και τις δορυφορικές εικόνες με τα υπάρχοντα ρήγματα που ψηφιοποιήθηκαν από τον γεωλογικό χάρτη της Νιγηρίας έδειξε σημαντική συσχέτιση μεταξύ της θέσης και του προσανατολισμού της ζώνης μετασχηματισμού Zungeru-Kalangai.

[[category:Γεωλογία – Εδαφολογία]]

Αρχείο:Xb 33.jpg

2023-02-06T10:22:23Z

Xr Boulaki:

Αρχείο:Xb 32.jpg

2023-02-06T10:22:14Z

Xr Boulaki:

Αρχείο:Xb 31.jpg

2023-02-06T10:22:02Z

Xr Boulaki:

Αρχείο:Xb 30.jpg

2023-02-06T10:21:51Z

Xr Boulaki:

Αρχείο:Xb 29.jpg

2023-02-06T10:21:25Z

Xr Boulaki:

Αρχείο:Xb 28.jpg

2023-02-06T10:21:11Z

Xr Boulaki:

Αρχείο:Xb 27.jpg

2023-02-06T10:20:57Z

Xr Boulaki:

Μπουλάκη Χρίστινα

2023-01-17T18:38:27Z

Xr Boulaki:

* [[Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης]]

* [[Ανάλυση υποχώρησης παγετώνων στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής σε δύο παγετώνες της λεκάνης mana των κεντρικών Ιμαλαϊων]]

* [[Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης]]

* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.]]

* [[Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχή Dang, Δυτική Ινδία]]

* [[ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.]]

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

Ανάλυση υποχώρησης παγετώνων στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής σε δύο παγετώνες της λεκάνης mana των κεντρικών Ιμαλαϊων

2023-01-17T18:37:01Z

Xr Boulaki: Νέα σελίδα με ''''Ανάλυση υποχώρησης παγετώνων στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής σε δύο παγε...'

'''Ανάλυση υποχώρησης παγετώνων στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής σε δύο παγετώνες της λεκάνης mana των κεντρικών Ιμαλαϊων'''

'''Πρωτότυπος τίτλος:''' Glacier retreat analysis in the context of climate change impact over the Satopanth (SPG) and Bhagirathi-Kharak (BKG) glaciers in the Mana basin of the Central Himalaya, India: A geospatial approach

'''Συγγραφείς:''' AshaThapliyala, SanjeevKimothib, Ajay KumarTaloorc, Mahendra Pratap SinghBishta , PankajMehtad, Girish ChandraKothyarie
a* Uttarakhand Space Application Centre, (USAC) Dehradun, Uttarakhand 248001, India
b*Division of Research & Innovation, UIT, Uttaranchal University, Premnagar, Dehradun, Uttarakhand 248007, India
c*Department of Remote Sensing and GIS, University of Jammu, Jammu 180006, India
d*Department of Environmental Sciences, Central University of Jammu, Bagla (Raya-Suchani), Samba 184143 J&K, India
e*Institute of Seismological Research, Gandhinagar, Gujarat 382007, India

'''Δημοσιεύθηκε:''' Geosystems and Geoenvironment, Φεβρουάριος 2023

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2772883822001030]

'''Λέξεις-Κλειδιά:''' Υποχώρηση παγετώνα, ταχύτητα χιονιού/πάγου, SAR, κλιματική αλλαγή, Ιμαλάια Ινδία

[[Εικόνα:xb_23.jpg| thumb| right|'''Εικόνα 1:''' Παγετώνες SPG και BKG]]

[[Εικόνα:xb_24.jpg| thumb| right|'''Εικόνα 2:''' Μεταβλητότητα στις περιοχές κάλυψης χιονιού (SCA) σε διάστημα 20 χρόνων (2001 – 2020)]]

[[Εικόνα:xb_25.jpg| thumb| right|'''Πίνακας 1:''' Τάσεις θερμοκρασίας μέσα σε 4 χρόνια (2010,2011,2012,2013) και για τις πέντε διαφορετικές ζώνες]]

[[Εικόνα:xb_26.jpg| thumb| right|'''Εικόνα 3:''' (a-b) Επιτόπιες φωτογραφίες επαλήθευσης του παγετώνα που δείχνουν τα αποτυπώματα που υποχωρούν χρησιμοποιώντας φωτογραφίες πεδίου και (c) δορυφορικά δεδομένα Recoursat-2, LISS-IV που δείχνουν το συγκεκριμένο σημείο σε δεδομένα τηλεπισκόπησης]]

'''Αντικείμενο Εφαρμογής'''

Αυτή η μελέτη διερευνά τη δυναμική των παγετώνων Satopanth (SPG) και Bhagirathi-Kharak (BKG) της λεκάνης Mana στην περιοχή των Κεντρικών Ιμαλαίων της Ινδίας σε συνδυασμό με το σενάριο της κλιματικής αλλαγής. Ακόμη στοχεύει στο να εντοπίσεις τις κοινές μετατοπίσεις σε περιοχές παγετώνων για την παρατήρηση χρονικών και εποχιακών αλλαγών στα παγετωνικά τοπία και να αξιολογήσει την ταχύτητα του πάγου και το όριο στο οποίο αυτός λιώνει. Τέλος, ελήφθησαν και οι γραμμικές τάσεις του προϊόντος MOD11A2 Land Surface Temperature (LST) για να αναλυθεί η μεταβλητότητα της θερμοκρασίας από το 2001 έως το 2020.

'''Εισαγωγή'''

Οι παγετώνες των Ιμαλαίων είναι επιρρεπείς στην κλιματική αλλαγή και θεωρούνται σημαντικοί για την επιβίωση της ζωής στην περιοχή. Η υπερθέρμανση του πλανήτη οδηγεί σε υποχωρήσεις παγετώνων επηρεάζοντας τη συμπεριφορά τους ενώ παράλληλα το λιώσιμο των πάγων τροφοδοτεί τους μεγάλους ποταμούς και έτσι διατηρεί έναν τεράστιο πληθυσμό που ζει στις πεδιάδες Ινδό-Γάγγης. Για την ποσοτική προβολή της υποχώρησης και της ακριβής έκτασης του παγετώνα είναι πολύ σημαντική η υδρολογία και η ισορροπία μάζας. Βέβαια τα ψηλά λοφώδη εδάφη και οι ακραίες καιρικές συνθήκες στα Ιμαλάια τα καθιστούν αρκετά απρόσιτα και ως εκ τούτου οδηγούν σε έλλειψη δεδομένων εδάφους. Ένα άλλο σημαντικό πρόβλημα είναι η διάκριση του καλυμμένου με συντρίμμια παγετώνα από τους καθαρούς παγετώνες που είναι πάντα μια πρόκληση για την ακριβή χαρτογράφηση των παγετώνων. Σήμερα, τα προηγμένα δορυφορικά δεδομένα μας επιτρέπουν να παρακολουθούμε την έκταση των μεγαλύτερων παγετώνων στις ψηλές ορεινές περιοχές με τις εφαρμογές των τεχνικών Τηλεπισκόπησης. Δορυφορικά σύνολα δεδομένων όπως σειρές δεδομένων Landsat, αεροφωτογραφίες, CORONA, σειρά δορυφόρων Indian Remote Sensing (IRS), και Advanced Space Bored Thermal Emission and Reflection Radiometer (ASTER), χρησιμοποιούνται σε διάφορες μελέτες που πραγματοποιήθηκαν στην περιοχή.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης βρίσκεται αφορά τους παγετώνες Satopanth (SPG) και Bhagirathi-Kharak (BKG) στην ανώτερη περιοχή της λεκάνης Mana οι οποίοι βρίσκονται ανάμεσα στα γεωγραφικά πλάτη 30°48′ και 59,84” έως 30°46′ και 28,22” βορειοδυτικά του Ουταρανχάλ καλύπτοντας μια έκταση 222.045 τ.χλμ, με το υψόμετρο της επιφάνειας να κυμαίνεται από 3200 έως 6160μ. Η συνολική έκταση τoυ SPG είναι 2 τ.χλμ ανατολικά-δυτικά και καλύπτει μήκος 16,40 χλμ, ενώ το BKG έχει μήκος 18,10 χλμ και το λιωμένο νερό από τους παγετώνες χωρίζεται από την κορυφογραμμή Balakun στη λεκάνη Alaknanda. Η διαθεσιμότητα γλυκού νερού στη λίμνη Satopanth οφείλεται στον SPG παγετώνα και καλύπτει συνολική έκταση 50,46 τ.χλμ. Η περιοχή μελέτης έχει χωριστεί σε πέντε υψομετρικές ζώνες, η Ζώνη-1 βρίσκεται μεταξύ 3200–3580 μέτρα πάνω από την στάθμη της θάλασσας , ενώ η Ζώνη-2 καλύπτει την περιοχή μεταξύ 3580–4163 μέτρα πάνω από την στάθμη της θάλασσας και θεωρείται περιοχή τερματισμού. Η Ζώνη-3 βρίσκεται μεταξύ 4060–4675 μέτρα πάνω από την στάθμη της θάλασσας και επηρεάζεται κυρίως από την εποχική χιονοκάλυψη, ενώ η Ζώνη-4 καλύπτει την περιοχή μεταξύ 4554 και 5163 μέτρα πάνω από την στάθμη της θάλασσας. Η Ζώνη-5 βρίσκεται πάνω από τα 5163 μέτρα πάνω από την στάθμη της θάλασσας.

'''Μεθοδολογία'''

'''1.Δορυφορικά δεδομένα'''

'''• Προϊόντα MODIS Land Surface temperature (LST)'''

Το MODIS (Φασματοραδιόμετρο Απεικόνισης Μέτριας Ανάλυσης) είναι ένα σημαντικό όργανο στο δορυφόρο Terra. Το προϊόν LST και Emissivity (E) 8-ημερών παρέχει μέση ανάλυση 8 ημερών ανά pixel LST και E με χωρική ανάλυση 1000 μ. Αυτές οι πηγές δεδομένων έχουν επικυρωθεί για τη θερμοκρασία του εδάφους και τη θερμοκρασία της επιφάνειας του χιονιού.
Το λογισμικό MODIS Conversion Toolkit (MCT) in Environment for Visualizing Images (ENVI) χρησιμοποιήθηκε για την εκ νέου προβολή της αρχικής ημιτονοειδούς εικόνας στο σύστημα προβολής World Geodetic System (WGS) 1984, Universal Transverse Mercator (UTM) Zone 44N. Η ανάλυση της χωρικής κατανομής της τάσης θερμοκρασίας πραγματοποιείται σε εποχιακή βάση χρησιμοποιώντας τη θερμοκρασία της επιφάνειας του εδάφους για τις πέντε υψομετρικές ζώνες. Μετά την επαναπροβολή, εξήχθη η εικόνα LST της περιοχής μελέτης και στη συνέχεια εφαρμόστηκε ο αποτελεσματικός τύπος βαθμονόμησης
LST = SDS (data inuint16) * 0,02 (1) για την εκτίμηση της θερμοκρασίας σε βαθμούς Κελσίου.

'''• Προϊόν MODIS Snow Cover (SCA)'''

Τα προϊόντα αυτά χρησιμοποιήθηκαν για τον προσδιορισμό της έκτασης της χιονοκάλυψης στην περιοχή μελέτης με την βοήθεια της προσέγγισης Normalized Difference Snow Index (NDSI). Οι κατηγορίες λήφθηκαν την περίοδο 2000-2020 για να εξεταστεί η Περιοχή Χιονόκάλυψης (SCA). Η προσέγγιση NDSI χρησιμοποιήθηκε για τη λήψη των διαφορετικών φασματικών υπογραφών χιονιού χρησιμοποιώντας τις ζώνες μήκους κύματος με βάση το υπέρυθρο βραχέων κυμάτων (SWIR) με βάση το πράσινο (0,545–0,565 μm) και το εγγύς υπέρυθρο (1,628–1,652 μm) για να προκύψει το NDSI χρησιμοποιώντας την ακόλουθη σχέση:
NDSI = Green – SWIR/ GREEN + SWIR (2)

'''• Δεδομένα Sentinel – 1A'''

Τα δεδομένα Sentinel-1A για διάστημα 12 ημερών ελήφθησαν από τον ιστότοπο της Ευρωπαϊκής Διαστημικής Υπηρεσίας (ESA) για το έτος 2017 και χρησιμοποιήθηκαν για τον προσδιορισμό της ταχύτητας ροής παγετώνα-πάγου. Εφαρμόστηκε η χωρική ανάλυση ASTER DEM 30μ για γεωκωδικοποίηση και συν-καταχώριση. Ολόκληρη η επεξεργασία εκτελέστηκε σε λογισμικό Sentinel Application Platform (SNAP).

'''2.Συλλογή δεδομένων πεδίου'''

Οι επιτόπιες έρευνες πραγματοποιήθηκαν για την επικύρωση της θέσης του ρύγχους και για την επιβεβαίωση των αποτυπωμάτων υποχώρησης του παγετώνα. Τα σημεία ελέγχου εδάφους GSP συλλέχθηκαν χρησιμοποιώντας την συσκευή GPS-N72. Η επιτόπια μελέτη διεξήχθη στη θέση μεταξύ γεωγραφικού πλάτους 30°43′47″ έως 30°43′28″ Β και γεωγραφικού μήκους 79°11′53″ έως 79°29′30″ Α με το υψόμετρο να καταγράφεται από 3807 έως 3834μ και μέση ακρίβεια 7,6μ. Κατά τη διάρκεια της επιτόπιας έρευνας, καταγράφηκαν επίσης φωτογραφικά στοιχεία από το έδαφος για το ρύγχος του παγετώνα.

'''Αποτελέσματα'''

'''1.Χωρική μεταβλητότητα των κλιματικών μεταβλητών (LST και SCA) στη λεκάνη'''

Στην εικόνα 2 φαίνεται η μεταβλητότητα στις περιοχές κάλυψης χιονιού (SCA) σε διάστημα 20 χρόνων (2001 – 2020).Για να εκτιμηθεί η ετήσια διακύμανση του LST και ο αντίκτυπός της στη διακύμανση της χιονοκάλυψης στην περιοχή μελέτης μεταξύ υψομέτρων 3000–7000μ πάνω από τη στάθμη της θάλασσας η λεκάνη έχει κατηγοριοποιηθεί σε πέντε ζώνες. Το μέσο μηνιαίο LST υπολογίστηκε από τα διαθέσιμα δορυφορικά δεδομένα για κάθε ζώνη. Στην παρούσα μελέτη, ο μέσος όρος LST έχει υπολογιστεί για δύο εποχές, πρώτα την περίοδο κατάλυσης (Ιανουάριος-Απρίλιος) όταν υπάρχει κάλυψη χιονιού στην επιφάνεια και τη δεύτερη περίοδος χωρίς χιόνι. Και στις πέντε ζώνες, διαπιστώθηκε αυξητική τάση της θερμοκρασίας κατά την περίοδο κατάλυσης και η επίδρασή της καταγράφηκε και παρουσιάστηκε ως πτωτική τάση της χιονοκάλυψης κατά τους ίδιους μήνες. Η γραμμική τάση στα γραφήματα έχει δειχθεί από το προϊόν θερμοκρασίας επιφάνειας γης MOD11A2. Τα αποτελέσματα δείχνουν την πιθανή επίδραση της αυξημένης θερμοκρασίας στη χιονοκάλυψη, ιδιαίτερα στις ορεινές περιοχές με χαμηλό υψόμετρο. Οι χάρτες που προέρχονται από το MODIS LST υποδηλώνουν ότι η θερμοκρασία αυξάνεται σταδιακά στις χαμηλότερες Ζώνες 2 και 3 κατά τη διάρκεια του Ιανουαρίου για την περίοδο 2004 έως 2015 και παρόμοιες αυξητικές τάσεις παρατηρούνται για τους άλλους μήνες που μελετήθηκαν (Φεβρουάριος έως Απρίλιος) κατά τη διάρκεια των ετών 2001, 2002, 2004, 2009, 2016 και 2020).
Το διάγραμμα του Πίνακα 1 προέκυψε από το Εργαλείο Αξιολόγησης Εδάφους και Νερού (SWAT) που προέκυψε από τη θερμοκρασία του αέρα και έδειξε επίσης τις αυξητικές τάσεις της θερμοκρασίας για τους μελετηθέντες μήνες Απρίλιο έως Αύγουστο κατά την περίοδο 2010–2013. Η χιονοκάλυψη εξακολουθεί να υπάρχει στις χαμηλότερες περιοχές (Ζώνες 2-3) καθώς η βροχόπτωση επιταχύνεται συνεχώς ο σχηματισμός και η εξάχνωση του χιονιού.

'''2.Ανάλυση ταχύτητας χιονιού'''

Προκειμένου να κατανοήσουμε την υποχώρηση του παγετώνα και τη βασική κίνηση του προσδιορίσαμε την εξέλιξη της ταχύτητας του παγετώνα και το στάδιο της οριακής λίμνης στους παγετώνες SPG και BKG της λεκάνης Alaknanda, κατά τις μεταβάσεις χειμώνα-άνοιξη-καλοκαίρι. Οι χάρτες επιφανειακής ταχύτητας της περιοχής μελέτης δημιουργήθηκαν από εικόνες Sentinal-1A για τις διαφορετικές εποχές κατά τη διάρκεια του έτους 2017. Δημιουργήθηκαν 4 προφίλ για την εκτίμηση των χαρτών ταχύτητας της επιφάνειας του παγετώνα με τα αποτελέσματα να δείχνουν ότι η ταχύτητα ροής του πάγου του παγετώνα είναι 0,117 md−1 τον Ιανουάριο του 2007, 0,146 md−1 τον Μάρτιο-Απρίλιο, 0,108 md−1 τον Αύγουστο και 0,165 md−1 τους μήνες Σεπτέμβριο-Οκτώβριο. Η μέγιστη μετατόπιση στην ταχύτητα του χιονιού βρίσκεται στις περιοχές της υψηλότερης κλίσης και η μέγιστη ταχύτητα είναι 0,165 md−1 σε μια υψηλότερη ζώνη συσσώρευσης και η ελάχιστη ταχύτητα είναι 0,038 md−1 προς το ρύγχος παρατηρείται.

'''3.Ανάλυση αποτυπώματος υποχώρησης παγετώνα'''

Τα γεωμορφολογικά χαρακτηριστικά δημιουργήθηκαν με σημαντικά στοιχεία πεδίου και δορυφορικά δεδομένα. Για την οριοθέτηση της ιστορικής έκτασης του παγετώνα χρησιμοποιήθηκαν τα δεδομένα CORONA KH4A (21-10-1968) καθώς και δορυφορικές εικόνες δύο χρονικών πλαισίων Resourcesat-2 (LISS-IV) των (30-10-2013) και (27-10-2017) του SPG και του BKG. Η επιτόπια επαλήθευση των αποτυπωμάτων του παγετώνα που υποχωρεί προσδιορίστηκε επίσης μέσω φωτογραφιών κάμερας της περιοχής μελέτης που τραβήχτηκαν κατά την επίσκεψη πεδίου το έτος 2016.
Το μέτωπο του SPG υποχώρησε γρηγορότερα από το BKG, λόγω των ποτάμιων δράσεων του ρέματος Bandhara και της συμβολής του με το λιωμένο νερό των παγετώνων. Όπως παρατηρήθηκε στο πεδίο και μέσω δορυφορικών δεδομένων, το ποσοστό ύφεσης του SPG είναι υψηλότερο από το BKG που συγκρίνεται με το ρύγχος του SPG και του παγετώνα BKG το έτος 1968 και είναι σαφώς ορατό στα δεδομένα CORONA. Διαπιστώθηκε ότι το τέρμα SPG και BKG απέχει πολύ από την προηγούμενη θέση τους και ο ποταμός Alaknanda αποχετεύεται μέσω της κοιλάδας των αποπαγετώνων.
Ο προσδιορισμός της θέσης του ρύγχους (τρέχουσα και προηγούμενη) υπολογίστηκε χρησιμοποιώντας τεχνικές τηλεπισκόπησης και GIS εξάγοντας το υψόμετρο από το σημείο GPS. Οι κύριες γεωμορφές που υπάρχουν σε αυτή την περιοχή είναι παγετώδους προέλευσης, ενώ ορισμένες από τις γεωμορφές δομικών χαρακτηριστικών εδάφους ποτάμιας προέλευσης εκτίθενται στην επιφάνεια. Όπως αξιολογήθηκε η έκταση των SPG και BKG υπολογίστηκε σε 14,18 τ.χλμ. και 19,05 τ.χλμ. αντίστοιχα, κατά το έτος 1968 που παρουσιάζει σημαντική ύφεση σε σύγκριση με τα δεδομένα του έτους 2017 και η συνολική μείωση του μήκους των SPG και BKG βρέθηκε να είναι 2,43 χλμ. και 0,85 χλμ. αντίστοιχα. Η συνολική αλλαγή στο SPG υποχωρεί κατά 23,5μ με μέση υποχώρηση 8,45 μ/έτος, ενώ η θέση του ρύγχους BKG παρατηρείται ότι είναι 18,2 μ με μέση υποχώρηση 4,0 μ/έτος. Το αποτέλεσμα δείχνει ότι η μετατόπιση στη θέση του ρύγχους του παγετώνα SPG και BKG κατά τη διάρκεια αυτής της περιόδου ήταν στη συνέχεια στην υψηλή δεξιά θέση του SPG λόγω της ποτάμιας δράσης του ρεύματος Bandhara που ενώνει το κανάλι λιωμένου νερού του παγετώνα (Nainwal et al., 2008).

'''Συμπεράσματα'''

Τα ίχνη υποχώρησης του παγετώνα και οι επικίνδυνες ζώνες προσδιορίζονται στο πλαίσιο των επιπτώσεων της κλιματικής αλλαγής στην κεντρική περιοχή των Ιμαλαίων. Η θερμοκρασία της επιφάνειας του εδάφους που προέρχεται από το MOD11A2 και ο αντίκτυπός της στη διακύμανση της κάλυψης του χιονιού κατά την περίοδο 2000-2020 δείχνει σημαντική τάση θέρμανσης, καθώς και σημαντική αρνητική τάση στην περιοχή κάλυψης χιονιού κατά τη διάρκεια αυτών των εποχών, η οποία επίσης εντοπίστηκε κατά τη διάρκεια του χειμώνα. Η χρονική διακύμανση των κλιματικών παραμέτρων (δηλαδή της θερμοκρασίας) στη λεκάνη έχει δείξει αυξημένες τάσεις και υπάρχει πιθανός αντίκτυπος σε χιονισμένες περιοχές στην περιοχή υψομέτρου 3200–5600 μ πάνω από τη στάθμη της θάλασσας. Τέτοιες συνθήκες με μεγάλες κλιματικές διακυμάνσεις αυξάνουν τον σοβαρό κίνδυνο χιονοστιβάδων, την ένταση των πλημμυρών και άλλα περιβαλλοντικά προβλήματα στην περιοχή με χαμηλό υψόμετρο.

[[category:Περιβαλλοντικές Επιπτώσεις]]

Αρχείο:Xb 26.jpg

2023-01-17T18:17:11Z

Xr Boulaki:

Αρχείο:Xb 25.jpg

2023-01-17T18:17:00Z

Xr Boulaki:

Αρχείο:Xb 24.jpg

2023-01-17T18:16:45Z

Xr Boulaki:

Αρχείο:Xb 23.jpg

2023-01-17T18:16:26Z

Xr Boulaki:

Μπουλάκη Χρίστινα

2023-01-17T18:02:13Z

Xr Boulaki:

* [[Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης]]

* [[Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης]]

* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.]]

* [[Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχή Dang, Δυτική Ινδία]]

* [[ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.]]

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

Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχή Dang, Δυτική Ινδία

2023-01-17T17:58:27Z

Xr Boulaki: Νέα σελίδα με ''''Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχ...'

'''Εκτίμηση δυνητικών ζωνών υπόγειων υδάτων με χρήση τηλεπισκόπησης και GIS– χωριό Waghai, περιοχή Dang, Δυτική Ινδία'''

'''Πρωτότυπος τίτλος:''' Estimation of groundwater potential zones using remote sensing and geographical information system technique- Waghai Taluka, Dang district, Gujarat, Western India

'''Συγγραφείς:''' Vasu Pancholi, Vishal Chaudhary, Sunay Lakhmapurkar, Pruthul Patel, Rajan Rabari, Chinmay Dongare and Sumer Chopra

'''Δημοσιεύθηκε:''' Environmental Challenges, Δεκέμβριος 2022

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2667010022001718]

'''Λέξεις-Κλειδιά:''' Εξερεύνηση υπόγειων υδάτων, Τηλεπισκόπηση, Γεωγραφικό σύστημα πληροφοριών,Τεχνική AHP, Deccan παγίδες

[[Εικόνα:xb_15.jpg| thumb| right|'''Πίνακας 1:''' Εκχώρηση βαρών για την ενσωμάτωση των θεματικών κατηγοριών στην πλατφόρμα GIS]]

[[Εικόνα:xb_16.jpg| thumb| right|'''Εικόνα 1:''' Γεωμορφολογικός χάρτης περιοχής μελέτης]]

[[Εικόνα:xb_17.jpg| thumb| right|'''Εικόνα 2:''' Λιθοτεκτονικός χάρτης περιοχής μελέτης]]

[[Εικόνα:xb_18.jpg| thumb| right|'''Εικόνα 3:''' Χάρτης κλίσεων περιοχής μελέτης]]

[[Εικόνα:xb_19.jpg| thumb| right|'''Εικόνα 4:''' Χάρτης πυκνότητας απορροής]]

[[Εικόνα:xb_20.jpg| thumb| right|'''Εικόνα 5:''' Χάρτης πυκνότητας γραμμώσεων]]

[[Εικόνα:xb_21.jpg| thumb| right|'''Εικόνα 6:''' Χάρτης επιπέδου υπόγειων υδάτων στην περιοχή μελέτης]]

[[Εικόνα:xb_22.jpg| thumb| right|'''Εικόνα 7:''' Χάρτης Δυναμικών ζωνών υπόγειων υδάτων στην περιοχή μελέτης]]

'''Αντικείμενο Εφαρμογής'''

Τα υπόγεια ύδατα αποτελούν σημαντικό φυσικό πόρο και διαδραματίζουν σημαντικό ρόλο στην οικονομία κάθε έθνους. Η περιοχή Dang που βρίσκεται στο νοτιοανατολικό τμήμα της πολιτείας Γκουτζαράτ, στη Δυτική Ινδία αντιμετωπίζει προβλήματα πόσιμου νερού σχεδόν κάθε καλοκαιρινή περίοδο παρότι δέχεται έντονες βροχοπτώσεις κατά τους χειμερινούς μήνες. Σε αυτή τη μελέτη, χρησιμοποιήθηκε μια ολοκληρωμένη προσέγγιση για να ανακαλυφθούν οι πιθανές περιοχές υπόγειων υδάτων στην Waghai Taluka με βάση τη γεωλογία, τη γεωμορφολογία, την τεκτονική διάταξη, την παρούσα στατική στάθμη των υπόγειων υδάτων των πηγαδιών και το μήκος κλίσης της περιοχής.

'''Εισαγωγή'''

Τα υπόγεια ύδατα είναι ένας κρίσιμος φυσικός πόρος που παίζει σημαντικό ρόλο στην ανάπτυξη κάθε έθνους. Ωστόσο, τα εργαλεία της ανεξέλεγκτης εκμετάλλευσης και της κλιματικής αλλαγής είναι παράγοντες που μπορούν να οδηγήσουν σε σοβαρή ξηρασία. Επομένως, για να καταστεί βιώσιμος ο πόρος, η βασική απαίτηση είναι μια κατάλληλη στρατηγική σχεδιασμού πόρων. Η εμφάνιση, η κατανομή και η κίνηση των υπόγειων υδάτων επηρεάζεται σε μεγάλο βαθμό από χαρακτηριστικά του εδάφους όπως η γεωλογία, η λιθολογία, το τεκτονικό πλαίσιο και η γεωμορφολογία της περιοχής και έτσι απαιτείται κριτική κατανόηση αυτών των παραγόντων.
Σε αυτή την εργασία, μελετώνται οι σχέσεις μεταξύ των αποδόσεων των υπόγειων υδάτων και των υδρολογικών τους παραγόντων, συμπεριλαμβανομένου του Ψηφιακού Υψομετρικού Μοντέλου (DEM), της κλίσης, της ευθυγράμμισης, της γεωλογίας, του εδάφους, της καμπυλότητας, του ποταμού και της χρήσης γης και πραγματοποιείται επίσης η ανάλυση του εδάφους για την επικύρωση του αποτελέσματος. Τα εργαλεία τηλεπισκόπησης και GIS χρησιμοποιούνται για την προετοιμασία θεματικών χαρτών και την ενοποίηση διαφόρων παραμέτρων.

'''Περιοχή Μελέτης'''

Η περιοχή Dang στο Γκουτζαράτ βρίσκεται στο νότιο τμήμα της ηπειρωτικής χώρας Γκουτζαράτ και αποτελείται από τρία μεγάλα χωριά, το Ahwa, το Waghai και το Subir με τη μελέτη να περιορίζεται στο χωριό Waghai το οποίο βρίσκεται στο δυτικό τμήμα της περιοχής. Τα κυριότερα ποτάμια της περιοχής είναι η Purna, η Ambika, η Khapri και η Gira. Αυτοί οι ποταμοί σχηματίζουν κοιλάδες με μεγάλες πλαγιές προς τη δυτική πλευρά και καλύπτονται από πυκνή βλάστηση. Ένας αριθμός μικρών ρεμάτων συναντά αυτά τα ποτάμια στο δρόμο τους προς την Αραβική Θάλασσα. Γεωλογικά, η περιοχή αποτελεί παγίδες Deccan και σκληρό λατεριτικό έδαφος, έχει ξηρό κλίμα τους χειμώνες και δέχεται κατά μέσο όρο 1630 χιλιοστά βροχοπτώσεων από τον Ιούνιο μέχρι και τον Οκτώβρη.

'''Μεθοδολογία'''

Σκοπός της μελέτης ήταν η ταχεία εκτίμηση των δυναμικών ζωνών υπόγειων υδάτων χρησιμοποιώντας το GIS ως κύριο εργαλείο. Πέντε παράμετροι που θεωρούνται ότι ελέγχουν τη δυνατότητα μιας ζώνης είναι η γεωμορφολογία, η λιθοτεκτονική, η πυκνότητα του ποταμού, η πυκνότητα γραμμών και ο χάρτης κλίσης. Ακολουθώντας τη μέθοδο της Αναλυτικής Ιεραρχικής Διαδικασίας AHP που βασίζεται στη λήψη αποφάσεων πολλαπλών κριτηρίων (MCDM), δημιουργείται ένα βιβλίο εργασίας για τον υπολογισμό του βάρους κάθε θεματικού επιπέδου με βάση την κλίμακα Saaty 1–9 (Πίνακας 1). Το μεγαλύτερο βάρος αποδίδεται στη γεωμορφολογία της περιοχής.
Ακόμη, με βάση τα σταθμισμένα και επαναταξινομημένα θεματικά στρώματα, εφαρμόστηκε λειτουργία σταθμισμένης επικάλυψης (overlay operation) στο ArcGIS και το ποσοστό επιρροής και η κατάταξη των κατηγοριών χαρακτηριστικών δίνεται σε κάθε θεματικό επίπεδο ράστερ για τη δημιουργία του χάρτη ζώνης δυναμικού υπόγειου νερού (GWPZM).
Ερευνήθηκαν συνολικά 287 πηγάδια από 92 χωριά του Waghai Taluka και συγκεντρώθηκαν σχετικές πληροφορίες όπως το επίπεδο των υπόγειων υδάτων (GWL), το πάχος της κάλυψης του εδάφους, ο τύπος βράχου και η καλοκαιρινή κατάσταση για συσχέτιση και αλήθεια του εδάφους. Ο χάρτης GWL ετοιμάζεται με τη βοήθεια του εργαλείου παρεμβολής kriging στην πλατφόρμα GIS. Ο χάρτης κλίσης, το δίκτυο αποχέτευσης και οι γραμμώσεις εξάγονται από τα δεδομένα ψηφιακού υψομετρικού μοντέλου (DEM) ανάλυσης SRTM-30 m της περιοχής. Οι χάρτες αποχέτευσης και πυκνότητας γραμμών δημιουργήθηκαν χρησιμοποιώντας εργαλεία χωρικής ανάλυσης στο GIS. Τέλος, όλα τα θεματικά στρώματα μετατράπηκαν σε μορφή ράστερ και επαναταξινομήθηκαν με βάση το βάρος που τους αποδόθηκε.

'''Βάση δεδομένων για την εκτίμηση των δυναμικών ζωνών υπόγειων υδάτων'''

'''1.Γεωμορφολογία'''

Η γεωμορφολογία και τα υπόγεια ύδατα είναι οι δύο κλάδοι που αλληλεπιδρούν μεταξύ τους ενώ μελετούν τις αλληλεπιδράσεις ποταμού-υπόγειου νερού, τη θέση και την εξέλιξη των υδροφορέων, την εξέλιξη του καρστ και της εδαφικής μορφής. Γεωμορφολογικά, το μεγαλύτερο μέρος της περιοχής μελέτης καλύπτεται από οροπέδιο υψηλής, μέτριας και χαμηλής ανατομής. Οι άλλες βασικές παράμετροι είναι τα αετώματα, οι πεδιάδες, το χαμηλότερο οροπέδιο με μέτρια ανατομή, η κορυφή του οροπεδίου, η κορυφογραμμή Dyke/sill. Οι πεδιάδες και τα αετώματα είναι σχετικά επίπεδες επιφάνειες που προκύπτουν από την υπολειμματική διάβρωση του βασαλτικού υλικού ή του διαβρωμένου πετρώματος (Singh et al., 2013), οι οποίες θεωρούνται οι πιο ευνοϊκές ζώνες για τη συσσώρευση υπόγειων υδάτων. Ο χάρτης ετοιμάστηκε στο ArcGIS χρησιμοποιώντας δεδομένα γεωμορφολογικού χάρτη Bhukosh (Εικόνα 1).

'''2. Λιθοτεκτονική'''

Ο λιθοτεκτονικός χάρτης ετοιμάστηκε και αυτός με ψηφιοποίηση κάθε λιθολογικής μονάδας/τύπου πετρώματος στο ArcGIS χρησιμοποιώντας δεδομένα λιθοτεκτονικού χάρτη Bhukosh (Εικόνα 2). Η περιοχή περιλαμβάνει λεπτόκοκκο και σε κάποια σημεία χονδρόκοκκο βασάλτη που παρουσιάζει θραυσμό. Οι διάσπαρτες εξάρσεις δολεριτικών αναχωμάτων που τείνουν προς τις κατευθύνσεις Β-Ν, ΑΝΑ-ΔΝΔ και ΒΔ-ΝΑ παρατηρούνται επίσης σε πολλά σημεία. Τα βασαλτικά πετρώματα έχουν χαμηλό πρωτογενές πορώδες και διαπερατότητα. Το δευτερογενές πορώδες στον βασάλτη αναπτύσσεται λόγω των καιρικών συνθηκών. Τα αναχώματα συμπεριφέρονται σαν αγωγοί για την κίνηση των υπόγειων υδάτων και λειτουργούν τόσο ως αναχώματα μεταφοράς όσο και ως αναχώματα φραγμού.

'''3. Κλίση'''

Η κλίση παρέχει ουσιαστικές πληροφορίες για τη φύση των γεωλογικών και γεωδυναμικών διεργασιών που λειτουργούν σε περιφερειακή κλίμακα. Η κλίση της περιοχής είναι σημαντική όσον αφορά τη διείσδυση και την απορροή των υπόγειων υδάτων. Ο χάρτης ποσοστιαίας κλίσης εξήχθη από τα δεδομένα DEM ανάλυσης SRTM-30 m χρησιμοποιώντας το εργαλείο κλίσης «χωρική ανάλυση» (spatial analysis) στο ArcGIS. Ο χάρτης κατηγοριοποιήθηκε σε 8 διαφορετικές κατηγορίες πρανών και η περιοχή χωρίζεται σε 5 κατηγορίες κλίσεων. Θεωρήσαμε το 0–3% ως «επίπεδη», το 3–10% ως «ήπια», το 10–20% ως «μέτρια», το 20–35% ως «απότομη» και περισσότερο από το 35% ως «πολύ απότομη κλίση» (Εικόνα 3). Στην περιοχή μελέτης, το 12,45% της έκτασης βρίσκεται στην κατηγορία των πολύ απότομων πλαγιών.

'''4. Πυκνότητα απορροής'''

Η πυκνότητα αποστράγγισης, αποκαλύπτει την ποσότητα (ή την πυκνότητα) των καναλιών σε μια λεκάνη απορροής. Προκύπτει διαιρώντας το συνολικό μήκος όλων των ποταμών σε μια λεκάνη απορροής με τη συνολική επιφάνεια της λεκάνης απορροής. Ο χάρτης πυκνότητας απορροής δημιουργήθηκε από τα δεδομένα DEM ανάλυσης SRTM-30 m (Εικόνα 4) χρησιμοποιώντας ένα εργαλείο πυκνότητας στο ArcGIS με το οποίο το εύρος πυκνότητας μπορεί εύκολα να ταξινομηθεί σύμφωνα με τις απαιτήσεις του χρήστη. Ο χάρτης ταξινομήθηκε σε τρεις κατηγορίες: «χαμηλή» (0–0,9 km/km2), «μέτρια» (0,9–1,8 km/km2) και «υψηλή» (1,8–2,74 km/km2). Στην περιοχή μελέτης, το 3,69% έχει υψηλή πυκνότητα αποστράγγισης.

'''5. Πυκνότητα γραμμώσεων'''

Οι γραμμώσεις είναι δομικά ελεγχόμενα γραμμικά ή καμπυλόγραμμα χαρακτηριστικά και μπορούν να αναγνωριστούν εύκολα από τις δορυφορικές εικόνες. Στο πλαίσιο των υπόγειων υδάτων, η γράμμωση ελέγχει την κίνηση των υπόγειων υδάτων και συνεπώς αυξάνει το δευτερογενές πορώδες μέσω δομικών χαρακτηριστικών όπως ρήγματα, αναχώματα κ.λπ. Ο χάρτης δημιουργήθηκε χρησιμοποιώντας το εργαλείο πυκνότητας «Spatial Analyst» στο ArcGIS και ταξινομήθηκε σε τρεις κατηγορίες: «χαμηλή» (0–0,6 km/km2), «μέτρια» (0,6–1,4 km/km2) και «υψηλή» (1,4– 3,7 km/km2) (Εικόνα 5).

'''6. Επίπεδο υπόγειων υδάτων'''

Πραγματοποιήθηκαν εκτεταμένες επιτόπιες εργασίες για την προετοιμασία μιας γεώτρησης στην περιοχής μελέτης. Η στατική στάθμη του νερού από 287 πηγάδια σε 91 χωριά για απογραφή πηγαδιών αποκτήθηκε κατά τον μήνα Αύγουστο. Αυτά τα δεδομένα με τη σειρά τους χρησιμοποιήθηκαν για την προετοιμασία ενός χάρτη της στάθμης των υπόγειων υδάτων (GWL) της περιοχής μελέτης. Σύμφωνα με το Central Ground Water Board (CGWB) το GWL στο χωριό εξαρτάται σε μεγάλο βαθμό από την τοπογραφία, το ανάγλυφο, την κάλυψη του εδάφους ή των βράχων, την απόσταση από τα ρέματα και το υψόμετρο. Στο χωριό Waghai το GWL κυμαίνεται μεταξύ 0 m και 16 m. Γενικά, η βόρεια περιοχή έχει βαθύτερη στάθμη νερού λόγω έλλειψης γραμμώσεων, μεγάλης πυκνότητας ποταμών και μεγαλύτερες κλίσεις (Εικόνα 6).

'''Αποτελέσματα'''

Ο χάρτης ζώνης δυναμικού υπόγειων υδάτων δημιουργήθηκε με την εφαρμογή της σταθμισμένης ανάλυσης επικάλυψης σε ελεγχόμενα χαρακτηριστικά (weighted overlay analysis on controlling attributes) όπως γεωμορφολογία, πυκνότητα αποστράγγισης, κλίση, πυκνότητα γραμμών και γεωλογία στην πλατφόρμα GIS, ενσωματώνοντας όλα τα θεματικά στρώματα που προετοιμάστηκαν χρησιμοποιώντας τα ελεγκτικά χαρακτηριστικά στη μελέτη.
Η τοπογραφία και η γεωμορφολογία παίζουν υποστηρικτικό ρόλο. Λαμβάνοντας υπόψη αυτό, παρόλο που η περιοχή φαίνεται να είναι γεωμορφολογικά δυναμική, τα πηγάδια είναι ξηρά. Διαπιστώθηκε ότι από τις 287 τοποθεσίες πηγαδιών, μόνο 126 πηγάδια κρατούν νερό όλο το χρόνο ενώ στα υπόλοιπα πηγάδια, το νερό στεγνώνει μέχρι τον Μάρτιο. Ακόμη, παρατηρώντας τον χάρτη GWL, τα υπόγεια ύδατα εμφανίζονται σε μεγαλύτερα βάθη, μεταξύ περίπου 8-15 m στα ΒΔ ενώ παράλληλα είναι διαθέσιμα σε μικρότερα βάθη 2–6 m στα νότια και τα κεντρικά μέρη της περιοχής, παρά τους υψηλούς λόφους. Φαίνεται ότι περίπου το 27% της περιοχής έχει GWL μεταξύ 0 και 2 m, περίπου 27% μεταξύ 2 και 6 m, 20% μεταξύ 6 και 10 m και μόνο περίπου το 4% εμφανίζει GWL σε μεγαλύτερα βάθη, μεταξύ 11 και 15 Μ.
Όσον αφορά τη λιθοτεκτονική, έχει αποδοθεί με το χαμηλότερο βάρος 0,07 λόγω ομοιομορφίας στη λιθολογία της περιοχής μελέτης. Το μεγαλύτερο μέρος της περιοχής μελέτης καλύπτεται από τη βασαλτική ροή pahoehoe. Αποδόθηκε υψηλότερη κατάταξη όσον αφορά τις ζώνες δυναμικού υπόγειων υδάτων στη λιθολογία τις βασαλτικής ροής pahoehoe και AA βασαλτικής ροής. Στον αμυγδαλοειδή βασάλτη που υπάρχει σε μικρές περιοχές κυρίως στην κεντρική περιοχή αποδίδεται μέτρια κατάταξη και στην υπόλοιπη βασαλτική λιθολογία κατώτερη (εικόνα 2).
Η πυκνότητα απορροής είναι ένας άλλος παράγοντας επιρροής με καθορισμένο βάρος 0,27. Η περιοχή υψηλής πυκνότητας απορροής (1,8–2,74 km/km2) που σημειώνεται με κόκκινο χρώμα αντιπροσωπεύει χαμηλή διείσδυση. Ως εκ τούτου, αποδίδεται η χαμηλότερη κατάταξη όσον αφορά τις ζώνες δυναμικού υπόγειων υδάτων. Η περιοχή χαμηλής πυκνότητας απορροής (0–0,9 km/km2) που σημειώνεται με μπλε χρώμα αντιπροσωπεύει υψηλή διείσδυση (εικόνα 4). Αυτές οι περιοχές είχαν την υψηλότερη κατάταξη και έχουν μεγάλη πιθανότητα να πάρουν υπόγεια ύδατα.
Ο χάρτης κλίσης έχει βάρος 0,20 και παίζει σημαντικό ρόλο στη σήμανση των δυναμικών ζωνών υπόγειων υδάτων. Οι περιοχές που εμφανίζονται σε σκούρο καφέ χρώμα (Εικόνα 3) έχουν απότομη κλίση που αντιπροσωπεύει περιοχές υψηλής απορροής και περιοχές χαμηλής επαναφόρτισης. Εκχωρήθηκε η χαμηλότερη κατάταξη σε τέτοιες περιοχές. Οι περιοχές που φαίνονται με χρυσοκίτρινο χρώμα έχουν ήπιες κλίσεις που αντιπροσωπεύουν περιοχές χαμηλής απορροής και περιοχές με υψηλή επαναφόρτιση. Σε τέτοιες περιοχές αποδίδεται η υψηλότερη κατάταξη.
Οι γραμμώσεις είναι οι αδύναμες ζώνες και οι πιθανές θέσεις για ρήγματα όπου εκχωρήθηκε πυκνότητα γραμμικής βαρύτητας 0,13. Ο χάρτης γραμμικής πυκνότητας κατηγοριοποιήθηκε σε τρεις κατηγορίες: υψηλή, μέτρια και χαμηλή. Η υψηλότερη κατάταξη αποδίδεται σε περιοχές με υψηλή πυκνότητα γραμμών (Εικόνα 5) και αυτές οι γραμμώσεις ελέγχουν την κίνηση των υπόγειων υδάτων. Η χαμηλότερη κατάταξη αποδίδεται σε περιοχές χαμηλότερης πυκνότητας γραμμών.
Όλα τα παραπάνω θεματικά επίπεδα ενσωματώθηκαν σύμφωνα με το AHP και προκύπτει ένας χάρτης ζώνης δυναμικού υπόγειου νερού (GWPZM) που απεικονίζεται στην Εικόνα 7. Τα υπόγεια ύδατα ταξινομήθηκαν σε δυνητικές (ανοιχτό πράσινο) και μη δυνητικές (ροζ) ζώνες. Διαπιστώσαμε ότι περίπου το 89% της περιοχής μελέτης είναι δυναμικό όσον αφορά την αναζήτηση υπόγειων υδάτων. Αυτές οι περιοχές σημείωσαν υψηλές τιμές κατάταξης λόγω της παρουσίας αετωμάτων και της χαμηλής πυκνότητας απορροής. Παρατηρείται επίσης ότι η κλίση % σε τέτοιες περιοχές είναι χαμηλή. Το υπόλοιπο 11% της έκτασης βρίσκεται σε μη δυνητικές ζώνες για αναζήτηση υπόγειων υδάτων. Τέτοιες περιοχές υπάρχουν στις βόρειες και κεντρικές περιοχές και καλύπτονται ως επί το πλείστον με οροπέδια και έχουν χαμηλή πυκνότητα γραμμώσεων.

'''Συμπεράσματα'''

Οι ζώνες δυναμικού υπόγειου ύδατος που προέκυψαν, διασταυρώθηκαν απευθείας με τη στάθμη των υπόγειων υδάτων από υπάρχοντα δεδομένα φρεατίων όπου ταίριαξαν σε μεγάλο βαθμό. Έτσι, αυτή η μελέτη δείχνει ότι οι διαθέσιμες πληροφορίες σχετικά με τη γεωμορφολογία, τις γραμμώσεις, την απορροή και τις κλίσεις μπορούν να χρησιμοποιηθούν για τον εντοπισμό περιοχών γης με υψηλό δυναμικό υπόγειων υδάτων και να αποτελέσουν σημαντικό εργαλείο στον μελλοντικό σχεδιασμό και διαχείριση των υπόγειων υδάτινων πόρων για την ανάπτυξη και τη βελτίωση της γεωργικής παραγωγικότητας.

[[category:Υδατικοί Πόροι]]

Αρχείο:Xb 22.jpg

2023-01-17T17:23:29Z

Xr Boulaki:

Αρχείο:Xb 21.jpg

2023-01-17T17:23:19Z

Xr Boulaki:

Αρχείο:Xb 20.jpg

2023-01-17T17:23:05Z

Xr Boulaki:

Αρχείο:Xb 19.jpg

2023-01-17T17:22:50Z

Xr Boulaki:

Αρχείο:Xb 18.jpg

2023-01-17T17:22:35Z

Xr Boulaki:

Αρχείο:Xb 17.jpg

2023-01-17T17:22:23Z

Xr Boulaki:

Αρχείο:Xb 16.jpg

2023-01-17T17:22:12Z

Xr Boulaki:

Αρχείο:Xb 15.jpg

2023-01-17T17:22:01Z

Xr Boulaki:

Μπουλάκη Χρίστινα

2023-01-16T15:25:01Z

Xr Boulaki:

* [[Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης]]

* [[Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης]]

* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.]]

* [[ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.]]

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

Μπουλάκη Χρίστινα

2023-01-16T15:21:00Z

Xr Boulaki: Νέα σελίδα με '* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφ...'

* [[Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.]]

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

Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.

2023-01-16T13:01:29Z

Xr Boulaki:

'''Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.'''

'''Πρωτότυπος τίτλος:''' Utilization of multispectral landsat-8 remote sensing data for lithological mapping of southwestern Saudi Arabia

'''Συγγραφείς:''' Habes Ghrefat a*, Ali Y. Kahal a*, Kamal Abdelrahman a, b* , Hussain J. Alfaifi a*, Saleh Qaysi a*
a* Department of Geology and Geophysics, King Saud University, P.O. Box 2455, Riyadh 11451, Saudi Arabia
b* Seismology Department, National Research Institute of Astronomy and Geophysics, EL Marsad Street 1, Helwan, Cairo, Egypt

'''Δημοσιεύθηκε:''' Journal of King Saud University – Science, Ιούνιος 2021

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1018364721000756]

'''Λέξεις-Κλειδιά:''' Landsat – 8, χαρτογράφηση, μετασχηματισμός εικόνας, Σαουδική Αραβία, φασματικές μετρήσεις, ανακλαστικότητα

[[Εικόνα:eikona_1_xb.jpg| thumb| right|'''Εικόνα 1:'''Γεωλογικός Χάρτης περιοχής μελέτης]]

[[Εικόνα:xb4.jpg| thumb| right|'''Eικόνα 2:'''Χαρακτηριστικά ζωνών landsat - 8 / θερμικού αισθητήρα υπέρυθρων (TRS)Ε]]

[[Εικόνα:eikona_3_xb.jpg| thumb| right|'''Εικόνα 3:'''Φάσματα των δειγμάτων πετρωμάτων]]

[[Εικόνα:xb3.jpg| thumb| right|'''Εικόνα 4:'''Φασματικό διάγραμμα landsat – 8]]

[[Εικόνα:xb.jpg| thumb| right|'''Εικόνα 5:'''Συνδυασμός 7-5-3 δεδομένων landsat - 8]]

[[Εικόνα:xb1.jpg| thumb| right|'''Εικόνα 6:'''Αποτελέσματα με την μέθοδο PCA]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι ο εντοπισμός και η γεωλογική χαρτογράφηση διαφόρων λιθολογικών ενοτήτων και γεωλογικών δομών χρησιμοποιώντας δεδομένα Landsat 8 Operational Land Imager (OLI) σε συνδυασμό με έρευνες πεδίου. Ακόμη, διάφορες τεχνικές φασματικής επεξεργασίας επιλέχθηκαν για να την χαρτογράφηση των ορυκτών και ιδιαίτερα των μαφικών και των πυριγενών.

'''Εισαγωγή'''

Η γεωλογική χαρτογράφηση της περιοχής μελέτης επιτεύχθηκε χρησιμοποιώντας διάφορα μέσα και τεχνικές τηλεπισκόπησης όπως:
α) Με διάφορα εναέρια και διαστημικά πολυφασματικά Landsat 8, ASTER, ALI, QuickBird και WorldView-3 και υπερφασματικά δεδομένα τηλεπισκόπησης Hyperion και AVIRIS
β) Τεχνικές φασματικής επεξεργασίας συμπεριλαμβανομένης της PCA, της αναλογίας ζώνης και της φασματικής όξυνσης Gram-Schmidt (GS), την ταξινόμηση εικόνας, ττου κλάσματος ελάχιστου θορύβου, του τεντώματος αποσυσχέτισης, του χάρτη φασματικής γωνίας κ.α.
γ) Την φασματική διάκριση που πραγματοποιείται με βάση την περιοχή ορατού-υπέρυθρου (0,4-14 μm) του ηλεκτρομαγνητικού φάσματος. Χρησιμοποιείται και για τον διαχωρισμό των ορυκτών με βάση τις ιδιότητες φασματικής ανάκλασης. Οι φασματικές καμπύλες ανάκλασης των πετρωμάτων εξαρτώνται από τις ιδιότητες υφής τους και το μέγεθος των κόκκων.

'''Περιοχή μελέτης'''

Το Sarat Abidah βρίσκεται στη νοτιοδυτική Σαουδική Αραβία μεταξύ των γεωγραφικών σημείων 18°00′N–18°09′N και 43°18′E–43°32′25′′E και έχει επιλεχθεί ως μια πολλά υποσχόμενη περιοχή για τουρισμό από τη Γενική Αρχή τουρισμού της Σαουδικής Αραβίας. Ο γεωλογικός χάρτης της περιοχής αποτελείται από μεταμορφωμένα ηφαιστειακά και ιζηματογενή πετρώματα τα οποία βρίσκονται πάνω σε ένα πλουτωνικό υπόβαθρο που αποτελείται κυρίως από γάβρο και γρανίτη. Τα πετρώματα έχουν υποστεί μεγάλα επεισόδια παραμόρφωσης και διείσδυσης από πυριγενή πετρώματα ηλικίας Πρωτεροζωϊκού (εικόνα 1).
Στην περιοχή μελέτης κυριαρχεί ο φολιωμένος βιοτίτης, καθώς και ο διορίτης και ο γάβρος που παρατηρούνται στο ανατολικό τμήμα της έχοντας υποστεί διάφορους βαθμούς μεταμόρφωσης. Οι πολυάριθμες ζώνες ρηγμάτων έχουν διεύθυνση Β και διαχωρίζουν λιθολογικές ενότητες οι οποίες διαφέρουν στην ηλικία και τη μεταμόρφωση. Η περιοχή μελέτης βρίσκεται σε μια από τις 5 ζώνες ρηγμάτων, τη ζώνη Khadra.

'''Μεθοδολογία'''

'''1.Επεξεργασία εικόνας δεδομένων Landsat 8'''
Κάθε εικόνα Landsat 8 περιλαμβάνει 11 φασματικές ζώνες: πέντε στην περιοχή VNIR, δύο στην περιοχή SWIR, δύο στην περιοχή θερμικών υπέρυθρων και μία πανχρωματική ζώνη (band 8). Η χωρική ανάλυση αυτών των ζωνών κυμαίνεται από 15 έως 100μ (Πίνακας 1).
1. Τα δεδομένα landsat – 8 της περιοχής μελέτης είναι L1T τύπου και διορθώθηκαν ραδιομετρικά και γεωμετρικά χρησιμοποιώντας τσιπ ελέγχου εδάφους και ένα ψηφιακό υψομετρικό μοντέλο (DEM).
2. H επεξεργασία των εικόνων πραγματοποιήθηκε με το λογισμικό ENVI
3. Για την μελέτη και την μετατροπή των ψηφιακών αριθμών (DN) των δεδομένων Landsat 8 σε δεδομένα ανάκλασης και τη μείωση των επιπτώσεων της ατμοσφαιρικής σκέδασης εφαρμόστηκε η μέθοδος QUAC.
4. Οι εικόνες RGB με την βοήθεια του landsat – 8 OLI επιλέχθηκαν κυρίως με βάση τις ιδιότητες φασματικής ανάκλασης των κυρίαρχων τύπων πετρωμάτων της περιοχής.
4. Η μέθοδος PCA εφαρμόστηκε σε πολυφασματικά και υπερφασματικά δεδομένα.
5. Μια ακόμη σημαντική μέθοδος είναι αυτή της αναλογίας ζώνης (band ratio technique) η οποία προκύπτει από την διαίρεση των τιμών DN των εικονοστοιχείων σε μια ζώνη με υψηλή συνολική ανάκλαση με αυτές των αντίστοιχων εικονοστοιχείων σε μια ζώνη με χαμηλή συνολική ανάκλαση. Η επιλογή των αναλογιών ζώνης βασίζεται στις φασματικές υπογραφές των κυρίαρχων λιθολογικών μονάδων που δυνητικά υπάρχουν στην περιοχή.
6. Η μέθοδος GS χρησιμοποιήθηκε για την όξυνση των πολυφασματικών δεδομένων Landsat 8 χαμηλής χωρικής ανάλυσης (bands 3,4,7) με υψηλής χωρικής ανάλυσης παγχρωματικά δεδομένα (band 8).

'''2. Φασματικές μετρήσεις και επαλήθευση πεδίου'''
Έγινε συλλογή αντιπροσωπευτικών δειγμάτων από διαφορετικές τοποθεσίες στην περιοχή μελέτης, τραβήχτηκαν φωτογραφίες από το καθένα και μετρήθηκα και οι γεωγραφικές συντεταγμένες κάθε τοποθεσίας. Τα φάσματα ανάκλασης των δειγμάτων λήφθηκαν στις ορατές προς βραχέων κυμάτων υπέρυθρες περιοχές (0,4-2,5 μm). Ακόμη χρησιμοποιήθηκε και μια εξωτερική πηγή φωτός, για την οποία η απόσταση μεταξύ του αισθητήρα και του δείγματος ήταν ≈25 εκ., για την τη διεξαγωγή των φασματικών μετρήσεων.

'''Αποτελέσματα'''

'''1.Φασματοσκοπία ανάκλασης'''
Με βάση την εργαστηριακή μελέτη των φασμάτων των δειγμάτων που συλλέχθηκαν στις περιοχές VNIR και SWIR προέκυψαν τα εξής αποτελέσματα (εικόνα 2):
1. Το φάσμα βιοτίτης - γρανοδιορίτης – γνεύσιος (μαύρο χρώμα) και το φάσμα τοφφιτών (πράσινο χρώμα) εμφανίζουν χαρακτηριστικά απορρόφησης στα 1,4, 1,9 και 2,2 μm, που αντιστοιχούν σε και ζώνες απορρόφησης H2O και OH.
2. Τα υπόλοιπα φάσματα εμφανίζουν ζώνες απορρόφησης που αντιστοιχούν σε υποσιδηρούχο (Fe+2) και σιδηρούχο (Fe+3) σε ~ 0,7 και ~ 1,0 μm αντίστοιχα.
Το φασματικό διάγραμμα Landsat – 8 των δειγμάτων (εικόνα 3) έδειξε ότι:
1. Η φασματική ανάκλαση του βιοτίτη – γρανοδιορίτη – γνεύσιου (κίτρινο χρώμα) και των τοφφιτών (γκρί χρώμα) σε όλες τις φασματικές ζώνες του Landsat 8 είναι υψηλότερη από αυτή των άλλων συλλεγόμενων πετρωμάτων.
2. Το υπόλοιπα φάσματα παρουσιάζουν χαμηλότερες τιμές ανάκλασης στη ζώνη 5 του landsat λόγω της παρουσίας του σιδήρου.

'''2.Λιθολογική Χαρτογράφηση'''
Πάρθηκαν πολλά δεδομένα landsat – 8 με διάφορους συνδυασμούς χρωμάτων RGB για την λιθολογική χαρτογράφηση των πετρωμάτων.
Ο συνδυασμός 7-5-3 που παρουσιάζεται στην εικόνα 4 αντιστοιχεί σε ακτινόλιθο – σχιστόλιθος ως σκούρο κόκκινο, o βασάλτης ως πράσινο, ο βιοτίτης και ο γρανοδιορίτης – γνεύσιος ως λευκό και ο βιοτίτης και ο τοναλίτης εμφανίζονται με γκρί που ‘ροζίζει’.
Στην εικόνα 5 οι συνθέσεις χρωμάτων των 3ων πρώτων καναλιών PCA που απεικονίζονται με κόκκινο (PC3), πράσινο (PC1) και μπλε (PC2) για δεδομένα landsat 8. Με κυανό χρώμα παρουσιάζεται ο ακτινόλιθος – σχιστόλιθος, με σκούρο πορτοκαλί και ροζ χρώματα ο βιοτίτης – γρανοδιορίτης – γνεύσιος και με έντονο πορτοκαλί και ροζ ο βιοτίτης και ο τοναλίτης.

'''Συμπεράσματα'''

Ο συνδυασμός πολυφασματικών δεδομένων Landsat 8 και εργαστηριακών φασματικών μετρήσεων με δεδομένα πεδίου (in situ), αποδείχθηκε πολύ χρήσιμο εργαλείο για τη χαρτογράφηση λιθολογικών μονάδων στην περιοχή μελέτης. Από τις μεθόδους που δοκιμάστηκαν, η μέθοδος pan-sharpening GS αξιολογήθηκε ως η πλέον ακριβής σε σχέση με όλες τις άλλες μεθόδους.

[[category:Γεωλογία – Εδαφολογία]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-16T13:01:04Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros, Gianna Kitsara and Constantinos Loupasakis

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4]

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης

2023-01-16T12:59:40Z

Xr Boulaki:

'''Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης'''

'''Πρωτότυπος τίτλος:''' A Multi-Temporal Landsat Data Analysis for Land-use/Land-cover Change in Haridwar Region using Remote Sensing Techniques

'''Συγγραφείς:'''Saurabh Kumar, Shwetank and Kamal Jain

'''Δημοσιεύθηκε:''' Procedia Computer Science 171 (2020) 1184–1193

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1877050920311054]

'''Λέξεις-Κλειδιά:''' Χρήσεις / Καλύψεις Γης, Ανίχνευση αλλαγών, Τηλεπισκόπηση, οπωρώνες, ταξινόμηση μέγιστης πιθανότητας (MLC)

[[Εικόνα:xb_12.jpg| thumb| right|'''Διάγραμμα 1:''' Διάγραμμα Αξιολόγησης]]

[[Εικόνα:xb_13.jpg| thumb| right|'''Πίνακας 1:''' Κατηγορίες Χ/Κ Γης στην περιοχή μελέτης]]

[[Εικόνα:xb_14.jpg| thumb| right|'''Εικόνα 1:''' Χάρτες Χ/Κ Γης για τις τέσσερις χρονιές]]

'''Αντικείμενο Εφαρμογής'''

Στην τρέχουσα μελέτη χρησιμοποιήθηκαν δορυφορικές εικόνες και δεδομένα Landsat-8 OLI, Landsat-7 ETM+ και Landsat-5 TM στην περιοχή Haridwar για τη διερεύνηση της χρησιμότητας και της δυνατότητας τηλεπισκόπησης στην αξιολόγηση αλλαγής των Χρήσεων / Καλύψεων Γης. Οι δορυφορικές εικόνες των επιλεγμένων περιοχών μελέτης κατηγοριοποιούνται σε επτά διαφορετικές κατηγορίες χρήσεων γης: οπωρώνες, βλάστηση, γεωργική γη, λιβάδια, αστική γη, υδάτινα σώματα και λεκάνες απορροής. Για την διεξαγωγή των αποτελεσμάτων χρησιμοποιήθηκε και η μέθοδος ταξινόμησης μέγιστης πιθανότητας (MLC).

'''Εισαγωγή'''

Ο βασικός στόχος της προτεινόμενης μελέτης είναι να διερευνήσει τις αλλαγές στους οπωρώνες, τη γεωργική γη, την αστική γη και τις επιπτώσεις της, λόγω της αύξησης του πληθυσμού και της ανάπτυξης και της εκβιομηχάνισης, χρησιμοποιώντας τεχνικές RS. Για να γίνει αυτό χρειάστηκαν δεδομένα δορυφορικών εικόνων που βοήθησαν στην παραγωγή χαρτών Χ/Κ Γης και ανέδειξαν τον σημαντικό ρόλο στον έλεγχο της διάβρωσης των οπωρώνων και στην διαχείριση των λεκανών απορροής.

'''Περιοχή Μελέτης'''

Το Haridwar βρίσκεται στο νοτιοδυτικό τμήμα της Πολιτείας Uttarakhand της Ινδίας. Καλύπτει μια έκταση 2.360 τετραγωνικών χλμ. η οποία κατανέμεται σε τρείς δήμους, Haridwar, Roorkee και Laksar. Ο καιρός της περιοχής Haridwar τα καλοκαίρια κυμαίνεται περίπου στους 25ºC - 44ºC και τους χειμώνες -2ºC - 24ºC και η μέση ετήσια βροχόπτωση 1174,3 χιλ. Στην παρούσα μελέτη, οι δήμοι Haridwar και Laksar επιλέγονται ως περιοχές μελέτης οι οποίοι είναι σημαντικά μέρη για την κηπουρική και τη γεωργία στην πολιτεία Uttarakhand. Τα πιο κοινά εμπορικά προϊόντα είναι μάνγκο, τα εσπεριδοειδή, η παπάγια και η μπανάνα.

'''Μεθοδολογία'''

Σε αυτή την ερευνητική εργασία χρησιμοποιήθηκαν δύο τύποι συλλογής δεδομένων: πρωτογενή και δευτερογενή δεδομένα. Τα πρωτογενή δεδομένα συλλέχθηκαν με έρευνα πεδίου. Σε αυτήν την έρευνα, χρησιμοποιήθηκε το GPS Garmin 60 με το οποίο συλλέχθηκαν τα σημεία GCP (Σημεία Ελέγχου εδάφους) στο αρχικό επίπεδο της μελέτης. Ο τοπογραφικός χάρτης κλίμακας 1:25.000 χρησιμοποιείται ως δεδομένο για τον προσδιορισμό της απόκλισης Χ/Κ Γης.
Τα βασικά δορυφορικά δεδομένα (Landsat-8 OLI, Landsat-7 ETM+ και Landsat-5 TM) για την αξιολόγηση των αλλαγών LU/LC στην περιοχή Haridwar και Laksar αποκτήθηκαν από το USGS earth explorer. Τα δεδομένα εικόνων Landsat-5 TM & Landsat-7 ETM+ περιέχουν φασματικό μήκος κύματος 0,45-0,52 (B1-Μπλε), 0,52-0,60 (B2-Πράσινο), 0,63-0,69 (B3-Κόκκινο), 0,77-0,90 (B4-NIR), 1,55-1,75 (B5-SWIR), 10,40-12,50 (B6-TIR) και 2,09-2,35 (B7-SWIR), με ανάλυση 30 μέτρων. Τα δεδομένα εικόνων Landsat-8 OLI έχουν φασματικό μήκος κύματος 0,435-0,451 (Β1-Παράκτιο αεροζόλ), 0,452-0,512 (Β2-Μπλε), 0,533-0,590 (Β3-Πράσινο), 0,636-0,673 (Β4-Κόκκινο), 0,851-0,879 (B5-NIR), 1,566-1,651 (B6-SWIR1) και 2,107-2,294 (B7-SWIR2), με ανάλυση 30 μέτρων. Ακόμη, τα δεδομένα αυτά έχουν ελάχιστη (λιγότερο από 5,7%) νεφοκάλυψη.
Η προ-επεξεργασία δεδομένων εικόνων είναι ο κλάδος της ψηφιακής επεξεργασίας εικόνας (DIP). Είναι μια τεχνική που ενισχύει τις ‘ωμές’ εικόνες που λαμβάνονται από αισθητήρες κάμερας που τοποθετούνται σε δορυφόρους, διαστημικούς ανιχνευτές και αεροσκάφη ή εικόνες που λαμβάνονται σε κανονικές καθημερινές συνθήκες για διάφορες εφαρμογές. Σε αυτή τη μελέτη, η προεπεξεργασία πραγματοποιείται με τη χρήση δύο τύπων μεθόδων. Τη Γεωμετρική διόρθωση και την ατμοσφαιρική διόρθωση στο ENVI 4.8. Η μέθοδος ατμοσφαιρικής διόρθωσης FLAASH χρησιμοποιείται για την επίλυση προβλημάτων ατμοσφαιρικής διαταραχής. Για την παρούσα μελέτη χρησιμοποιήθηκαν τέσσερις δορυφορικές εικόνες, από το 1996, 2003,2010 και 2017. Η όλη διαδικασία αξιολόγησης περιγράφεται στο διάγραμμα 1.Το μεγαλύτερο μέρος της περιοχής των περιοχών Haridwar και Laksar καλύπτεται από οπωρώνες, γεωργικές εκτάσεις, υγροτόπους, αστικές περιοχές και υδάτινα σώματα. Με τη βοήθεια του εργαλείου ENVI 4.8, εντοπίστηκαν επτά κατηγορίες Χ/Κ Γης, οπωρώνες, βλάστηση, λιβάδια, γεωργική γη, αστική γη, υδάτινα σώματα και λεκάνες απορροής. Αυτές οι κατηγορίες χρήσεων γης διαιρούνται με βάση τα φασματικά χαρακτηριστικά τους και διαχωρίζονται ανάλογα με τη φασματική τους υπογραφή. Χρησιμοποιήθηκε το εργαλείο ROI για την αξιολόγηση των φασματικών διαφορών μεταξύ των επτά κατηγοριών Χ/Κ Γης. Περισσότερες λεπτομέρειες φαίνεται στον πίνακα 1. Ακόμη, αναπτύχθηκε ένα μοντέλο ταξινόμησης και αξιολόγησης των αλλαγών Χ/Κ Γης στις περιοχές Haridwar και Laksar με τη χρήση μεθόδων τηλεπισκόπησης. Τα χαρακτηριστικά Χ/Κ Γης προέρχονται από χρονικά πολυφασματικά δορυφορικά δεδομένα Landsat που χρησιμοποιούν μια επιβλεπόμενη ταξινόμηση βάσει εικονοστοιχείων (MLC). Η τεχνική MLC εφαρμόζεται για την ταξινόμηση των προ-επεξεργασμένων δορυφορικών εικόνων. Το μέγεθος των αλλαγών για όλες τις κατηγορίες Χ/Κ Γης υπολογίζεται από τις ακόλουθες εξισώσεις:
Ποσότητα αλλαγής = Y – X (1)
C = (Y-X)*100/ X (2) Όπου: C= % της αλλαγής, Χ = ετήσια αξία, Υ = αξία της επόμενης χρονιάς
Ρυθμός μεταβολής ανά έτος = (F_Y - I_y)/N_y (3) Όπου: Fy = Αξία του τελευταίου έτους, Iy = Αξία του πρώτου έτους, Ny = Αριθμός έτους

'''Αποτελέσματα'''

Τα αποτελέσματα του χάρτη Χ/Κ Γης για τις περιοχές Haridwar και Laksar παρέχουν τις ακόλουθες πληροφορίες: (1) Εναέρια κατανομή των κατηγοριών Χ/Κ Γης (2) ταξινόμηση και αξιολόγηση της αλλαγής Χ/Κ Γης τα τελευταία 21 χρόνια. Οι χάρτες Χ/Κ Γης για τις τέσσερις χρονιές φαίνονται στην εικόνα 1.

'''Συμπεράσματα'''

Η μεταβολή των Χ/Κ Γης, κατά τα έτη 1996, 2003, 2010 και 2017, ταξινομείται σε επτά τάξεις με τη βοήθεια της μεθόδου MLC παρουσία πρωτογενών δεδομένων. Το υψηλότερο ποσοστό ακρίβειας ταξινόμησης παρατηρείται το 2017 (93%) ενώ η χαμηλότερη το 2010 (80,67%). Τα αποτελέσματα της αξιολόγησης της αλλαγής Χ/Κ Γης δείχνει μείωση στους οπωρώνες και τη βλάστηση σε διάρκεια 21 ετών (1996-2017) λόγω ανθρώπινων δραστηριοτήτων.

[[category:Γεωργία]]

Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμοποιώντας μεθόδους τηλεπισκόπησης

2023-01-16T12:58:34Z

Xr Boulaki: Νέα σελίδα με ''''Ανάλυση δεδομένων landsat για τις αλλαγές στις χρήσεις / καλύψεις γης στην περιοχή Ηaridwar χρησιμ...'

Αρχείο:Xb 14.jpg

2023-01-16T12:46:45Z

Xr Boulaki:

Αρχείο:Xb 13.jpg

2023-01-16T12:46:35Z

Xr Boulaki:

Αρχείο:Xb 12.jpg

2023-01-16T12:46:24Z

Xr Boulaki:

Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης

2023-01-16T12:34:45Z

Xr Boulaki:

'''Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης'''

'''Πρωτότυπος τίτλος:''' Detecting olive grove abandonment with Sentinel-2 and machine learning: The development of a web-based tool for land management

'''Συγγραφείς:''' IrideVolpi ,Susanna Marchi , Ruggero Petacchi , Klean Hoxha , Diego Guidotti

'''Δημοσιεύθηκε:''' Περιοδικό «Smart Agricultural technology», Φεβρουάριος 2023

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2772375522000338]

'''Λέξεις-Κλειδιά:''' NDVI, Random Forest, Progressive web app τηλεπισκόπησης

[[Εικόνα:xb_8.jpg| thumb| right|'''Εικόνα 1:''' Κατηγορίες σημείων]]

[[Εικόνα:xb_9.jpg| thumb| right|'''Πίνακας 1:''' Μοντέλο NDVI των δυο διαφορετικών τάξεων]]

[[Εικόνα:xb_10.jpg| thumb| right|'''Πίνακας 2:''' Αποτελέσματα της Random Forest]]

[[Εικόνα:xb_11.jpg| thumb| right|'''Εικόνα 2:''' Ενδεικτική εικόνα της εφαρμογής για smartphones]]

'''Αντικείμενο Εφαρμογής'''

Η εγκατάλειψη των αγροτικών περιοχών είναι ένα σημαντικό περιβαλλοντικό και κοινωνικοοικονομικό ζήτημα στην Ευρώπη, που απειλεί τη σταθερότητα και την κερδοφορία της αγροτικής παραγωγής. Ο εντοπισμός και ο ποσοτικός προσδιορισμός της εγκαταλελειμμένης γης είναι καίριας σημασίας για τη χρονική και χωρική παρακολούθηση της διαδικασίας και για την εφαρμογή εναλλακτικών μέτρων διαχείρισης. Σε αυτή τη μελέτη παρουσιάζεται ένα μοντέλο μηχανικής μάθησης (δηλαδή ένα τυχαίο δάσος) για την αναγνώριση εγκαταλελειμμένων ελαιώνων χρησιμοποιώντας παρατηρήσεις πεδίου και χρονοσειρές NDVI, που δοκιμάστηκαν σε ένα τυπικό αγρό-οικοσύστημα στην κεντρική Ιταλία. Ακόμη, αναπτύχθηκε εφαρμογή για smartphones με δυνατότητα καταγραφής της γεωγραφικής θέσης, η οποία χρησιμοποιήθηκε για τη συλλογή σημείων πεδίου, τα οποία με τη σειρά τους χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου. Τα δεδομένα του NDVI από τον Ιανουάριο έως τον Δεκέμβριο του 2020, που υπολογίστηκαν σε εικόνες Sentinel-2, εξήχθησαν για κάθε σημείο παρακολούθησης και συμπληρώθηκαν με κενό για να ληφθεί χρονική σειρά διαστήματος 10 ημερών.

'''Εισαγωγή'''

Οι παγκόσμιες και περιφερειακές, περιβαλλοντικές και κοινωνικοοικονομικές αλλαγές οδήγησαν σε μια ευάλωτη κατάσταση για τον κλάδο της ελιάς, ειδικά για τους μικροκαλλιεργητές, ως αποτέλεσμα της αστάθειας τόσο της παραγωγής (εξαρτώμενη από την ετήσια συγκομιδή) όσο και των τιμών (λόγω της αβεβαιότητας της παγκόσμιας αγοράς). Η εγκατάλειψη των ελαιώνων είναι μια συνεχής διαδικασία στα παραδοσιακά συστήματα παραγωγής ελαιόδεντρων καθώς σε ορισμένες περιπτώσεις (πχ. ορεινές περιοχές) μπορεί να προκαλέσει δυσμενείς οικονομικές, κοινωνικές, περιβαλλοντικές και πολιτιστικές επιπτώσεις. Ο γενικός στόχος της παρούσας μελέτης είναι η ανάπτυξη μιας αυτόματης τεχνικής για την αναγνώριση εγκαταλελειμμένων ελαιώνων χρησιμοποιώντας τηλεπισκόπηση, χαρτογράφηση πεδίου και ψηφιακά εργαλεία, με βάση την υπόθεση ότι ένα μοντέλο μηχανικής μάθησης, εκπαιδευμένο με παρατηρήσεις πεδίου, μπορεί να διακρίνει εγκαταλελειμμένους από καλλιεργούμενους ελαιώνες, χρησιμοποιώντας ως χαρακτηριστικά την ετήσια σειρά NDVI. Ακόμη, προτείνεται διαδικτυακό εργαλείο παρακολούθησης του επιπέδου εγκατάλειψης γης με στόχο την παροχή τεχνολογικών και πρακτικών λύσεων για το σχεδιασμό βιώσιμων γεωργικών πολιτικών.

'''Μεθοδολογία'''

'''1.Περιοχή Μελέτης'''
Η έρευνα διεξήχθη σε ένα τυπικό αγρό-οικοσύστημα στην κεντρική Ιταλία (Τοσκάνη), όπου κυριαρχούν τα ελαιόδεντρα, που περιλαμβάνεται στην περιοχή Προστατευόμενης Ονομασίας Προέλευσης (ΠΟΠ) «Olio Seggiano». Οι παραδοσιακά διαχειριζόμενοι και εγκαταλελειμμένοι ελαιώνες στην περιοχή μελέτης βρίσκονται σε υψόμετρο που κυμαίνεται από 400μ έως 800μ πάνω από την επιφάνεια της θάλασσας. Στην περιοχή μελέτης υπάρχουν 7.465 αγροτεμάχια ελαιόδεντρων με μέσο μέγεθος 0,55 εκτάρια και συνολική επιφάνεια 4.158,18 εκτάρια.

'''2.Δεδομένα Πεδίου'''
Τα σημεία πεδίου συγκεντρώθηκαν με μια εφαρμογή για smartphones, επιτρέποντας την καταγραφή των γεωγραφικών συντεταγμένων για κάθε παρατηρούμενο σημείο. Παρέχει δυνατότητες όπως συγχρονισμό φόντου, υποστήριξη εκτός σύνδεσης, εγκατάσταση αρχικής οθόνης για κινητές πλατφόρμες, επιτρέποντας στους χρήστες να εργάζονται εύκολα και σε περιοχές χωρίς ή περιορισμένο εύρος ζώνης. Η εφαρμογή διευκόλυνε τη συλλογή του σημείου ελέγχου εδάφους από διαφορετικούς τύπους χρηστών, παρέχοντας μια καθοδηγούμενη μορφή εισαγωγής δεδομένων για την περιγραφή εγκαταλελειμμένων ελαιώνες, η οποία πραγματοποιήθηκε ενσωματώνοντας δεδομένα GPS, επιτόπια έρευνα και οδηγίες χρήστη. Ακόμη, Πραγματοποιήθηκε επιτόπια παρακολούθηση από εκπαιδευμένους τεχνικούς της Scuola Superiore Sant'Anna και της Κοινοπραξίας «Olio Seggiano» ΠΟΠ, παίρνοντας σημεία σε απόσταση τουλάχιστον 20 μέτρων μεταξύ τους.
Τα σημεία καταγράφηκαν στην εφαρμογή smartphone ως (i) «woodland» όταν το σημείο βρισκόταν σε ημιφυσικές δασικές εκτάσεις. (ii) «cultivated» όταν το σημείο βρισκόταν σε διαχειριζόμενους ελαιώνες, όπου κλαδεύτηκε η κόμη (τουλάχιστον μία φορά τα τελευταία τρία χρόνια) και η διαχείριση του εδάφους γινόταν χωρίς βλάστηση, (iii) «abandoned» όταν η ελιά το άλσος δεν υποβλήθηκε σε διαχείριση. Για την εκπαίδευση του μοντέλου, τη δοκιμή και την επικύρωση, το σύνολο δεδομένων χωρίστηκε σε τρία μέρη όπως φαίνεται στην Εικόνα 1.
Το σύνολο δεδομένων που περιλαμβάνει σημεία, που χρησιμοποιήθηκαν για την εκπαίδευση και τη δοκιμή του μοντέλου, αποτελούνταν από 277 καλλιεργημένα και 277 εγκαταλελειμμένα σημεία δειγματοληψίας.

'''3.Απόκτηση και μοντελοποίηση δεδομένων Sentinel-2'''
Οι εικόνες Sentinel-2 που τραβήχτηκαν μεταξύ Ιανουαρίου 2020 και Δεκεμβρίου 2020 (65 εικόνες) λήφθηκαν χρησιμοποιώντας λειτουργίες Google Earth Engine (GEE), υλοποιήθηκαν στην Python, εφαρμόζοντας τη μάσκα Hollstein για κάλυψη σύννεφων. Επιπλέον, μέσω του GEE, υπολογίστηκε ο δείκτης NDVI χρησιμοποιώντας εγγύς υπέρυθρες (NIR) και κόκκινες ζώνες (Red). Όλα τα βήματα που απαιτούνται για την εκπαίδευση και την αξιολόγηση μοντέλων αντιμετωπίστηκαν χρησιμοποιώντας OTB. Η συνάρτηση "ImageTimeSeriesGapFilling" του OTB χρησιμοποιήθηκε για την πλήρωση δεδομένων που λείπουν (π.χ. λόγω σύννεφων) και για προσωρινή επανα-δειγματοληψία, με στόχο τη δειγματοληψία δεδομένων σε ένα κανονικό χρονικό πλέγμα 10 ημερών, χρησιμοποιώντας γραμμική παρεμβολή. Στη συνέχεια, τα δεδομένα του NDVI για κάθε ημέρα της χρονοσειράς εξήχθησαν για κάθε σημείο παρακολούθησης, χρησιμοποιώντας μια προσέγγιση βασισμένη σε εικονοστοιχεία. Η εξαγωγή χαρακτηριστικών για κάθε σημείο στα τρία σύνολα δεδομένων (εκπαίδευση, δοκιμή και επικύρωση) πραγματοποιήθηκε χρησιμοποιώντας τη συνάρτηση «Sample extraction» του OTB. Τέλος, αναπτύχθηκε ένα μοντέλο Random Forest χρησιμοποιώντας το σύνολο δεδομένων εκπαίδευσης, μέσω της συνάρτησης «TrainVectorClassifier» του OTB, με χαρακτηριστικά τις τιμές του NDVI στην ετήσια σειρά.

'''4.Ταξινόμηση των αγροτεμαχίων ελιάς στην περιοχή μελέτης'''
Όλα τα εικονοστοιχεία που περιλαμβάνονται στα πολύγωνα των αγροτεμαχίων της ελιάς στην περιοχή μελέτης ταξινομήθηκαν χρησιμοποιώντας το εκπαιδευμένο μοντέλο Random Forest, μέσω της συνάρτησης «ImageClassifier» από την OTB. Η έκταση των αγροτεμαχίων ελιάς που ταξινομήθηκαν ως εγκαταλελειμμένα στο σύνολο, υπολογίστηκε μόνο για τους δήμους των οποίων τα διοικητικά όρια εντάχθηκαν εξ ολοκλήρου στην ΠΟΠ.

'''5.Ανάπτυξη του διαδικτυακού εργαλείου'''
Το αποτέλεσμα της άσκησης μοντελοποίησης δημοσιεύτηκε στο διαδίκτυο για να γίνει διαθέσιμο στους τελικούς χρήστες. Το εργαλείο αποτελείται από ένα διαδικτυακό GIS που χρησιμοποιεί τα δεδομένα ανοιχτού κώδικα OpenStreetMap ως βασικό χάρτη, που επιτρέπει την απόκτηση του χάρτη που δημιουργείται από το σύστημα ανάλυσης δεδομένων και τον καθιστά διαθέσιμο μέσω μιας διεπαφής ιστού. Το εργαλείο που βασίζεται στο web επιτρέπει την εμφάνιση των συλλεγόμενων σημείων των καμπανιών παρακολούθησης σε πραγματικό χρόνο.

'''Αποτελέσματα'''

Η εφαρμογή smartphone επέτρεψε τη συλλογή 751 παρατηρήσεων πεδίου. Η χρήση αυτής της εφαρμογής απλοποίησε την εργασία πεδίου των χρηστών, σε σύγκριση με τις παραδοσιακές μεθόδους που χρησιμοποιούν συσκευή εντοπισμού GPS και καταγράφουν τις πληροφορίες σε ένα βιβλίο πεδίου. Η εφαρμογή επιτρέπει την απομνημόνευση τόσο των συντεταγμένων όσο και των αποτελεσμάτων της παρατήρησης, καθώς και την απεικόνιση των αποτελεσμάτων σε πραγματικό χρόνο στο διαδικτυακό GIS.
Ο μέσος όρος των τιμών NDVI που υπολογίστηκαν για όλα τα σημεία δειγματοληψίας στο σετ εκπαίδευσης, υπογραμμίζει ένα διαφορετικό μοτίβο μεταξύ των δύο τάξεων ελαιώνων, cultivated και abandoned που φαίνεται στον Πίνακα 1. Τα εικονοστοιχεία που αντιστοιχούν στους abandoned ελαιώνες είχαν υψηλότερο ετήσιο μέσο NDVI (0,55) από εκείνα που αντιστοιχούν στους cultivated ελαιώνες (0,51). Ακόμη, το μέσο προφίλ NDVI των καλλιεργούμενων ελαιώνων παρουσίασε δύο κορυφές, η μία την άνοιξη και η άλλη το φθινόπωρο. Το μοντέλο Random Forest ταξινόμησε τα σημεία δειγματοληψίας στο σύνολο δεδομένων δοκιμής με ακρίβεια 0,85, με μεγαλύτερη ικανότητα ταξινόμησης των καλλιεργημένων από τα abandoned σημεία, η ειδικότητα ίση με 0,88 και η ευαισθησία ίση με 0,82 όπως φαίνεται στον Πίνακα 2. Επίσης, η ακρίβεια στο σύνολο δεδομένων επικύρωσης ήταν ίση με 0,85, με μεγαλύτερη ικανότητα ταξινόμησης εγκαταλελειμμένων σημείων από την καλλιεργούμενη, η ευαισθησία ήταν ίση με 0,92 και η ειδικότητα ίση με 0,82. Αυτό το αποτέλεσμα κατέδειξε τη δυνατότητα εφαρμογής της προτεινόμενης μεθοδολογίας για τον εντοπισμό cultivated και abandoned ελαιώνων, όταν είναι γνωστά τα αγροτεμάχια της ελιάς.
Τα αποτελέσματα της εργασίας επιβεβαίωσαν όσα αναφέρθηκαν σε άλλες μελέτες σχετικά με την καλή απόδοση του Random Forest στην εποπτευόμενη ταξινόμηση. Ωστόσο, περαιτέρω εργασία θα πρέπει να γίνει πάνω στην εφαρμογή της προτεινόμενης μεθοδολογίας σε άλλες περιοχές, καθώς η ακρίβεια του Random Forest αναφέρθηκε μερικές φορές χαμηλότερη όταν εφαρμόζεται σε περιοχές διαφορετικές από αυτές του συνόλου δεδομένων εκπαίδευσης.
Το ράστερ που προέκυψε από την ταξινόμηση Random Forest όλων των pixel στους ελαιώνες εντός της περιοχής μελέτης συμπεριλήφθηκε στο διαδικτυακό GIS, επιτρέποντας μια σαφή οπτικοποίηση μέσω μιας φιλικής προς τον χρήστη διεπαφής και χρησιμοποιήθηκε ως εργαλείο παρακολούθησης από τις ενώσεις των παραγωγών της ΠΟΠ «Olio Seggiano». Το διαδικτυακό εργαλείο παρείχε μια γραφική διεπαφή χρήστη με έναν πλοηγήσιμο χάρτη που αποτελείται από διαφορετικά επίπεδα, τα οποία μπορούσαν να επιλεγούν από τους χρήστες. Τα ολοκληρωμένα στρώματα ήταν: (i) ένας βασικός χάρτης (OpenStreetMap), (ii) τα διοικητικά όρια των δήμων του «Olio Seggiano» ΠΟΠ, (iii) τα αγροτεμάχια ελιάς που χαρτογραφήθηκαν ενώνοντας το σύνολο δεδομένων χρήσης γης της Περιφέρειας της Τοσκάνης (iv) η έξοδος του μοντέλου μηχανικής μάθησης με abandoned και cultivated αγροτεμάχια ελιάς, (v) τα σημεία παρακολούθησης που λαμβάνονται αυτόματα από την εφαρμογή για smartphone (Εικόνα 2).

'''Συμπεράσματα'''

Μέσα από την εργασία αυτή παρουσιάζονται οι δυνατότητες που μπορούν να προσφέρουν δοκιμασμένες τεχνολογίες στην παρακολούθηση και διαχείριση της γης.

[[category:Γεωργία]]

Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης

2023-01-16T12:29:36Z

Xr Boulaki:

'''Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης'''

'''Πρωτότυπος τίτλος:''' Detecting olive grove abandonment with Sentinel-2 and machine learning: The development of a web-based tool for land management

'''Συγγραφείς:''' IrideVolpi ,Susanna Marchi , Ruggero Petacchi , Klean Hoxha , Diego Guidotti

'''Δημοσιεύθηκε:''' Περιοδικό «Smart Agricultural technology», Φεβρουάριος 2023

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2772375522000338]

'''Λέξεις-Κλειδιά:''' NDVI, Random Forest, Progressive web app τηλεπισκόπησης

[[Εικόνα:xb_8.jpg| thumb| right|'''Εικόνα 1:''' Κατηγορίες σημείων]]

[[Εικόνα:xb_9.jpg| thumb| right|'''Πίνακας 1:''' Μοντέλο NDVI των δυο διαφορετικών τάξεων]]

[[Εικόνα:xb_10.jpg| thumb| right|'''Πίνακας 2:''' Αποτελέσματα της Random Forest]]

[[Εικόνα:xb_11.jpg| thumb| right|'''Εικόνα 2:''' Ενδεικτική εικόνα της εφαρμογής για smartphones]]

'''Αντικείμενο Εφαρμογής'''

Η εγκατάλειψη των αγροτικών περιοχών είναι ένα σημαντικό περιβαλλοντικό και κοινωνικοοικονομικό ζήτημα στην Ευρώπη, που απειλεί τη σταθερότητα και την κερδοφορία της αγροτικής παραγωγής. Ο εντοπισμός και ο ποσοτικός προσδιορισμός της εγκαταλελειμμένης γης είναι καίριας σημασίας για τη χρονική και χωρική παρακολούθηση της διαδικασίας και για την εφαρμογή εναλλακτικών μέτρων διαχείρισης. Σε αυτή τη μελέτη παρουσιάζεται ένα μοντέλο μηχανικής μάθησης (δηλαδή ένα τυχαίο δάσος) για την αναγνώριση εγκαταλελειμμένων ελαιώνων χρησιμοποιώντας παρατηρήσεις πεδίου και χρονοσειρές NDVI, που δοκιμάστηκαν σε ένα τυπικό αγρό-οικοσύστημα στην κεντρική Ιταλία. Ακόμη, αναπτύχθηκε εφαρμογή για smartphones με δυνατότητα καταγραφής της γεωγραφικής θέσης, η οποία χρησιμοποιήθηκε για τη συλλογή σημείων πεδίου, τα οποία με τη σειρά τους χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου. Τα δεδομένα του NDVI από τον Ιανουάριο έως τον Δεκέμβριο του 2020, που υπολογίστηκαν σε εικόνες Sentinel-2, εξήχθησαν για κάθε σημείο παρακολούθησης και συμπληρώθηκαν με κενό για να ληφθεί χρονική σειρά διαστήματος 10 ημερών.

'''Εισαγωγή'''

Οι παγκόσμιες και περιφερειακές, περιβαλλοντικές και κοινωνικοοικονομικές αλλαγές οδήγησαν σε μια ευάλωτη κατάσταση για τον κλάδο της ελιάς, ειδικά για τους μικροκαλλιεργητές, ως αποτέλεσμα της αστάθειας τόσο της παραγωγής (εξαρτώμενη από την ετήσια συγκομιδή) όσο και των τιμών (λόγω της αβεβαιότητας της παγκόσμιας αγοράς). Η εγκατάλειψη των ελαιώνων είναι μια συνεχής διαδικασία στα παραδοσιακά συστήματα παραγωγής ελαιόδεντρων καθώς σε ορισμένες περιπτώσεις (πχ. ορεινές περιοχές) μπορεί να προκαλέσει δυσμενείς οικονομικές, κοινωνικές, περιβαλλοντικές και πολιτιστικές επιπτώσεις. Ο γενικός στόχος της παρούσας μελέτης είναι η ανάπτυξη μιας αυτόματης τεχνικής για την αναγνώριση εγκαταλελειμμένων ελαιώνων χρησιμοποιώντας τηλεπισκόπηση, χαρτογράφηση πεδίου και ψηφιακά εργαλεία, με βάση την υπόθεση ότι ένα μοντέλο μηχανικής μάθησης, εκπαιδευμένο με παρατηρήσεις πεδίου, μπορεί να διακρίνει εγκαταλελειμμένους από καλλιεργούμενους ελαιώνες, χρησιμοποιώντας ως χαρακτηριστικά την ετήσια σειρά NDVI. Ακόμη, προτείνεται διαδικτυακό εργαλείο παρακολούθησης του επιπέδου εγκατάλειψης γης με στόχο την παροχή τεχνολογικών και πρακτικών λύσεων για το σχεδιασμό βιώσιμων γεωργικών πολιτικών.

'''Μεθοδολογία'''

'''1.Περιοχή Μελέτης'''
Η έρευνα διεξήχθη σε ένα τυπικό αγρό-οικοσύστημα στην κεντρική Ιταλία (Τοσκάνη), όπου κυριαρχούν τα ελαιόδεντρα, που περιλαμβάνεται στην περιοχή Προστατευόμενης Ονομασίας Προέλευσης (ΠΟΠ) «Olio Seggiano». Οι παραδοσιακά διαχειριζόμενοι και εγκαταλελειμμένοι ελαιώνες στην περιοχή μελέτης βρίσκονται σε υψόμετρο που κυμαίνεται από 400μ έως 800μ πάνω από την επιφάνεια της θάλασσας. Στην περιοχή μελέτης υπάρχουν 7.465 αγροτεμάχια ελαιόδεντρων με μέσο μέγεθος 0,55 εκτάρια και συνολική επιφάνεια 4.158,18 εκτάρια.

'''2.Δεδομένα Πεδίου'''
Τα σημεία πεδίου συγκεντρώθηκαν με μια εφαρμογή για smartphones, επιτρέποντας την καταγραφή των γεωγραφικών συντεταγμένων για κάθε παρατηρούμενο σημείο. Παρέχει δυνατότητες όπως συγχρονισμό φόντου, υποστήριξη εκτός σύνδεσης, εγκατάσταση αρχικής οθόνης για κινητές πλατφόρμες, επιτρέποντας στους χρήστες να εργάζονται εύκολα και σε περιοχές χωρίς ή περιορισμένο εύρος ζώνης. Η εφαρμογή διευκόλυνε τη συλλογή του σημείου ελέγχου εδάφους από διαφορετικούς τύπους χρηστών, παρέχοντας μια καθοδηγούμενη μορφή εισαγωγής δεδομένων για την περιγραφή εγκαταλελειμμένων ελαιώνες, η οποία πραγματοποιήθηκε ενσωματώνοντας δεδομένα GPS, επιτόπια έρευνα και οδηγίες χρήστη. Ακόμη, Πραγματοποιήθηκε επιτόπια παρακολούθηση από εκπαιδευμένους τεχνικούς της Scuola Superiore Sant'Anna και της Κοινοπραξίας «Olio Seggiano» ΠΟΠ, παίρνοντας σημεία σε απόσταση τουλάχιστον 20 μέτρων μεταξύ τους.
Τα σημεία καταγράφηκαν στην εφαρμογή smartphone ως (i) «woodland» όταν το σημείο βρισκόταν σε ημιφυσικές δασικές εκτάσεις. (ii) «cultivated» όταν το σημείο βρισκόταν σε διαχειριζόμενους ελαιώνες, όπου κλαδεύτηκε η κόμη (τουλάχιστον μία φορά τα τελευταία τρία χρόνια) και η διαχείριση του εδάφους γινόταν χωρίς βλάστηση, (iii) «abandoned» όταν η ελιά το άλσος δεν υποβλήθηκε σε διαχείριση. Για την εκπαίδευση του μοντέλου, τη δοκιμή και την επικύρωση, το σύνολο δεδομένων χωρίστηκε σε τρία μέρη όπως φαίνεται στην Εικόνα 1.
Το σύνολο δεδομένων που περιλαμβάνει σημεία, που χρησιμοποιήθηκαν για την εκπαίδευση και τη δοκιμή του μοντέλου, αποτελούνταν από 277 καλλιεργημένα και 277 εγκαταλελειμμένα σημεία δειγματοληψίας.

'''3.Απόκτηση και μοντελοποίηση δεδομένων Sentinel-2'''
Οι εικόνες Sentinel-2 που τραβήχτηκαν μεταξύ Ιανουαρίου 2020 και Δεκεμβρίου 2020 (65 εικόνες) λήφθηκαν χρησιμοποιώντας λειτουργίες Google Earth Engine (GEE), υλοποιήθηκαν στην Python, εφαρμόζοντας τη μάσκα Hollstein για κάλυψη σύννεφων. Επιπλέον, μέσω του GEE, υπολογίστηκε ο δείκτης NDVI χρησιμοποιώντας εγγύς υπέρυθρες (NIR) και κόκκινες ζώνες (Red). Όλα τα βήματα που απαιτούνται για την εκπαίδευση και την αξιολόγηση μοντέλων αντιμετωπίστηκαν χρησιμοποιώντας OTB. Η συνάρτηση "ImageTimeSeriesGapFilling" του OTB χρησιμοποιήθηκε για την πλήρωση δεδομένων που λείπουν (π.χ. λόγω σύννεφων) και για προσωρινή επανα-δειγματοληψία, με στόχο τη δειγματοληψία δεδομένων σε ένα κανονικό χρονικό πλέγμα 10 ημερών, χρησιμοποιώντας γραμμική παρεμβολή. Στη συνέχεια, τα δεδομένα του NDVI για κάθε ημέρα της χρονοσειράς εξήχθησαν για κάθε σημείο παρακολούθησης, χρησιμοποιώντας μια προσέγγιση βασισμένη σε εικονοστοιχεία. Η εξαγωγή χαρακτηριστικών για κάθε σημείο στα τρία σύνολα δεδομένων (εκπαίδευση, δοκιμή και επικύρωση) πραγματοποιήθηκε χρησιμοποιώντας τη συνάρτηση «Sample extraction» του OTB. Τέλος, αναπτύχθηκε ένα μοντέλο Random Forest χρησιμοποιώντας το σύνολο δεδομένων εκπαίδευσης, μέσω της συνάρτησης «TrainVectorClassifier» του OTB, με χαρακτηριστικά τις τιμές του NDVI στην ετήσια σειρά.

'''4.Ταξινόμηση των αγροτεμαχίων ελιάς στην περιοχή μελέτης'''
Όλα τα εικονοστοιχεία που περιλαμβάνονται στα πολύγωνα των αγροτεμαχίων της ελιάς στην περιοχή μελέτης ταξινομήθηκαν χρησιμοποιώντας το εκπαιδευμένο μοντέλο Random Forest, μέσω της συνάρτησης «ImageClassifier» από την OTB. Η έκταση των αγροτεμαχίων ελιάς που ταξινομήθηκαν ως εγκαταλελειμμένα στο σύνολο, υπολογίστηκε μόνο για τους δήμους των οποίων τα διοικητικά όρια εντάχθηκαν εξ ολοκλήρου στην ΠΟΠ.

'''5.Ανάπτυξη του διαδικτυακού εργαλείου'''
Το αποτέλεσμα της άσκησης μοντελοποίησης δημοσιεύτηκε στο διαδίκτυο για να γίνει διαθέσιμο στους τελικούς χρήστες. Το εργαλείο αποτελείται από ένα διαδικτυακό GIS που χρησιμοποιεί τα δεδομένα ανοιχτού κώδικα OpenStreetMap ως βασικό χάρτη, που επιτρέπει την απόκτηση του χάρτη που δημιουργείται από το σύστημα ανάλυσης δεδομένων και τον καθιστά διαθέσιμο μέσω μιας διεπαφής ιστού. Το εργαλείο που βασίζεται στο web επιτρέπει την εμφάνιση των συλλεγόμενων σημείων των καμπανιών παρακολούθησης σε πραγματικό χρόνο.

'''Αποτελέσματα'''
Η εφαρμογή smartphone επέτρεψε τη συλλογή 751 παρατηρήσεων πεδίου. Η χρήση αυτής της εφαρμογής απλοποίησε την εργασία πεδίου των χρηστών, σε σύγκριση με τις παραδοσιακές μεθόδους που χρησιμοποιούν συσκευή εντοπισμού GPS και καταγράφουν τις πληροφορίες σε ένα βιβλίο πεδίου. Η εφαρμογή επιτρέπει την απομνημόνευση τόσο των συντεταγμένων όσο και των αποτελεσμάτων της παρατήρησης, καθώς και την απεικόνιση των αποτελεσμάτων σε πραγματικό χρόνο στο διαδικτυακό GIS.
Ο μέσος όρος των τιμών NDVI που υπολογίστηκαν για όλα τα σημεία δειγματοληψίας στο σετ εκπαίδευσης, υπογραμμίζει ένα διαφορετικό μοτίβο μεταξύ των δύο τάξεων ελαιώνων, cultivated και abandoned που φαίνεται στον Πίνακα 1. Τα εικονοστοιχεία που αντιστοιχούν στους abandoned ελαιώνες είχαν υψηλότερο ετήσιο μέσο NDVI (0,55) από εκείνα που αντιστοιχούν στους cultivated ελαιώνες (0,51). Ακόμη, το μέσο προφίλ NDVI των καλλιεργούμενων ελαιώνων παρουσίασε δύο κορυφές, η μία την άνοιξη και η άλλη το φθινόπωρο. Το μοντέλο Random Forest ταξινόμησε τα σημεία δειγματοληψίας στο σύνολο δεδομένων δοκιμής με ακρίβεια 0,85, με μεγαλύτερη ικανότητα ταξινόμησης των καλλιεργημένων από τα abandoned σημεία, η ειδικότητα ίση με 0,88 και η ευαισθησία ίση με 0,82 όπως φαίνεται στον Πίνακα 2. Επίσης, η ακρίβεια στο σύνολο δεδομένων επικύρωσης ήταν ίση με 0,85, με μεγαλύτερη ικανότητα ταξινόμησης εγκαταλελειμμένων σημείων από την καλλιεργούμενη, η ευαισθησία ήταν ίση με 0,92 και η ειδικότητα ίση με 0,82. Αυτό το αποτέλεσμα κατέδειξε τη δυνατότητα εφαρμογής της προτεινόμενης μεθοδολογίας για τον εντοπισμό cultivated και abandoned ελαιώνων, όταν είναι γνωστά τα αγροτεμάχια της ελιάς.
Τα αποτελέσματα της εργασίας επιβεβαίωσαν όσα αναφέρθηκαν σε άλλες μελέτες σχετικά με την καλή απόδοση του Random Forest στην εποπτευόμενη ταξινόμηση. Ωστόσο, περαιτέρω εργασία θα πρέπει να γίνει πάνω στην εφαρμογή της προτεινόμενης μεθοδολογίας σε άλλες περιοχές, καθώς η ακρίβεια του Random Forest αναφέρθηκε μερικές φορές χαμηλότερη όταν εφαρμόζεται σε περιοχές διαφορετικές από αυτές του συνόλου δεδομένων εκπαίδευσης.
Το ράστερ που προέκυψε από την ταξινόμηση Random Forest όλων των pixel στους ελαιώνες εντός της περιοχής μελέτης συμπεριλήφθηκε στο διαδικτυακό GIS, επιτρέποντας μια σαφή οπτικοποίηση μέσω μιας φιλικής προς τον χρήστη διεπαφής και χρησιμοποιήθηκε ως εργαλείο παρακολούθησης από τις ενώσεις των παραγωγών της ΠΟΠ «Olio Seggiano». Το διαδικτυακό εργαλείο παρείχε μια γραφική διεπαφή χρήστη με έναν πλοηγήσιμο χάρτη που αποτελείται από διαφορετικά επίπεδα, τα οποία μπορούσαν να επιλεγούν από τους χρήστες. Τα ολοκληρωμένα στρώματα ήταν: (i) ένας βασικός χάρτης (OpenStreetMap), (ii) τα διοικητικά όρια των δήμων του «Olio Seggiano» ΠΟΠ, (iii) τα αγροτεμάχια ελιάς που χαρτογραφήθηκαν ενώνοντας το σύνολο δεδομένων χρήσης γης της Περιφέρειας της Τοσκάνης (iv) η έξοδος του μοντέλου μηχανικής μάθησης με abandoned και cultivated αγροτεμάχια ελιάς, (v) τα σημεία παρακολούθησης που λαμβάνονται αυτόματα από την εφαρμογή για smartphone (Εικόνα 2).

'''Συμπεράσματα'''
Μέσα από την εργασία αυτή παρουσιάζονται οι δυνατότητες που μπορούν να προσφέρουν δοκιμασμένες τεχνολογίες στην παρακολούθηση και διαχείριση της γης.

[[category:Γεωργία]]

Αρχείο:Xb 11.jpg

2023-01-16T12:10:14Z

Xr Boulaki:

Αρχείο:Xb 10.jpg

2023-01-16T12:09:58Z

Xr Boulaki:

Αρχείο:Xb 9.jpg

2023-01-16T12:09:41Z

Xr Boulaki:

Αρχείο:Xb 8.jpg

2023-01-16T12:09:16Z

Xr Boulaki:

Ανίχνευση εγκατάλειψης ελαιώνα με τον Sentinel-2 και τη μηχανική μάθηση: Η ανάπτυξη ενός διαδικτυακού εργαλείου για τη διαχείριση της γης

2023-01-16T12:09:01Z

Xr Boulaki: Νέα σελίδα με 'Add Your Content Here category:Γεωργία'

Add Your Content Here

[[category:Γεωργία]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:31:07Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros, Gianna Kitsara and Constantinos Loupasakis

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:30:48Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros, Gianna Kitsara and Constantinos Loupasakis

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:28:40Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros, Gianna Kitsara and Constantinos Loupasakis

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:27:53Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros* Gianna Kitsara** Constantinos Loupasakis***
* Laboratory of Engineering Geology and Hydrogeology, School of Mining and Metallurgical Engineering, National Technical University of Athens, 9 Heroon Polytechniou St., 15780, Zografou Athens, Greece (Tel: +30 – 210 – 7722087 ; email: kostasnefros@central.ntua.gr)
** Institute for Environmental Research and Sustainable Development, National Observatory of Athens, I. Metaxa and Vas. Pavlou, Lofos Koufou, P. Penteli, 152 36 Athens, Greece (email: gkitsara@noa.gr)
*** Laboratory of Engineering Geology and Hydrogeology, School of Mining and Metallurgical Engineering, National Technical University of Athens, 9 Heroon Polytechniou St., 15780, Zografou Athens, Greece (e-mail: cloupasakis@metal.ntua.gr)

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:26:12Z

Xr Boulaki:

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros* Gianna Kitsara** Constantinos Loupasakis***
* Laboratory of Engineering Geology and Hydrogeology, School of Mining and Metallurgical Engineering, National Technical University of Athens, 9 Heroon Polytechniou St., 15780, Zografou Athens, Greece (Tel: +30 – 210 – 7722087 ; email: kostasnefros@central.ntua.gr)
** Institute for Environmental Research and Sustainable Development, National Observatory of Athens, I. Metaxa and Vas. Pavlou, Lofos Koufou, P. Penteli, 152 36 Athens, Greece (email: gkitsara@noa.gr)
*** Laboratory of Engineering Geology and Hydrogeology, School of Mining and Metallurgical Engineering, National Technical University of Athens, 9 Heroon Polytechniou St., 15780, Zografou Athens, Greece (e-mail: cloupasakis@metal.ntua.gr)

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:'''[1]

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης.

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση.
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων).
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά.
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap.
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''
Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αρχείο:Xb7.jpg

2023-01-15T17:12:57Z

Xr Boulaki:

Αρχείο:Xb6.jpg

2023-01-15T17:12:46Z

Xr Boulaki:

Αρχείο:Xb5.jpg

2023-01-15T17:12:34Z

Xr Boulaki:

ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

2023-01-15T17:12:18Z

Xr Boulaki: Νέα σελίδα με ' category:Αστικός και περιφερειακός σχεδιασμός'

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.

2023-01-15T17:05:54Z

Xr Boulaki:

'''Αξιοποίηση πολυφασματικών δεδομένων τηλεπισκόπησης με τον landsat-8 για λιθολογική χαρτογράφηση της νοτιοδυτικής Σαουδικής Αραβίας.'''

'''Πρωτότυπος τίτλος:''' Utilization of multispectral landsat-8 remote sensing data for lithological mapping of southwestern Saudi Arabia

'''Συγγραφείς:''' Habes Ghrefat a*, Ali Y. Kahal a*, Kamal Abdelrahman a, b* , Hussain J. Alfaifi a*, Saleh Qaysi a*
a* Department of Geology and Geophysics, King Saud University, P.O. Box 2455, Riyadh 11451, Saudi Arabia
b* Seismology Department, National Research Institute of Astronomy and Geophysics, EL Marsad Street 1, Helwan, Cairo, Egypt

'''Δημοσιεύθηκε:''' Journal of King Saud University – Science, Ιούνιος 2021

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S1018364721000756

'''Λέξεις-Κλειδιά:''' Landsat – 8, χαρτογράφηση, μετασχηματισμός εικόνας, Σαουδική Αραβία, φασματικές μετρήσεις, ανακλαστικότητα

[[Εικόνα:eikona_1_xb.jpg| thumb| right|'''Εικόνα 1:'''Γεωλογικός Χάρτης περιοχής μελέτης]]

[[Εικόνα:xb4.jpg| thumb| right|'''Eικόνα 2:'''Χαρακτηριστικά ζωνών landsat - 8 / θερμικού αισθητήρα υπέρυθρων (TRS)Ε]]

[[Εικόνα:eikona_3_xb.jpg| thumb| right|'''Εικόνα 3:'''Φάσματα των δειγμάτων πετρωμάτων]]

[[Εικόνα:xb3.jpg| thumb| right|'''Εικόνα 4:'''Φασματικό διάγραμμα landsat – 8]]

[[Εικόνα:xb.jpg| thumb| right|'''Εικόνα 5:'''Συνδυασμός 7-5-3 δεδομένων landsat - 8]]

[[Εικόνα:xb1.jpg| thumb| right|'''Εικόνα 6:'''Αποτελέσματα με την μέθοδο PCA]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι ο εντοπισμός και η γεωλογική χαρτογράφηση διαφόρων λιθολογικών ενοτήτων και γεωλογικών δομών χρησιμοποιώντας δεδομένα Landsat 8 Operational Land Imager (OLI) σε συνδυασμό με έρευνες πεδίου. Ακόμη, διάφορες τεχνικές φασματικής επεξεργασίας επιλέχθηκαν για να την χαρτογράφηση των ορυκτών και ιδιαίτερα των μαφικών και των πυριγενών.

'''Εισαγωγή'''

Η γεωλογική χαρτογράφηση της περιοχής μελέτης επιτεύχθηκε χρησιμοποιώντας διάφορα μέσα και τεχνικές τηλεπισκόπησης όπως:
α) Με διάφορα εναέρια και διαστημικά πολυφασματικά Landsat 8, ASTER, ALI, QuickBird και WorldView-3 και υπερφασματικά δεδομένα τηλεπισκόπησης Hyperion και AVIRIS
β) Τεχνικές φασματικής επεξεργασίας συμπεριλαμβανομένης της PCA, της αναλογίας ζώνης και της φασματικής όξυνσης Gram-Schmidt (GS), την ταξινόμηση εικόνας, ττου κλάσματος ελάχιστου θορύβου, του τεντώματος αποσυσχέτισης, του χάρτη φασματικής γωνίας κ.α.
γ) Την φασματική διάκριση που πραγματοποιείται με βάση την περιοχή ορατού-υπέρυθρου (0,4-14 μm) του ηλεκτρομαγνητικού φάσματος. Χρησιμοποιείται και για τον διαχωρισμό των ορυκτών με βάση τις ιδιότητες φασματικής ανάκλασης. Οι φασματικές καμπύλες ανάκλασης των πετρωμάτων εξαρτώνται από τις ιδιότητες υφής τους και το μέγεθος των κόκκων.

'''Περιοχή μελέτης'''

Το Sarat Abidah βρίσκεται στη νοτιοδυτική Σαουδική Αραβία μεταξύ των γεωγραφικών σημείων 18°00′N–18°09′N και 43°18′E–43°32′25′′E και έχει επιλεχθεί ως μια πολλά υποσχόμενη περιοχή για τουρισμό από τη Γενική Αρχή τουρισμού της Σαουδικής Αραβίας. Ο γεωλογικός χάρτης της περιοχής αποτελείται από μεταμορφωμένα ηφαιστειακά και ιζηματογενή πετρώματα τα οποία βρίσκονται πάνω σε ένα πλουτωνικό υπόβαθρο που αποτελείται κυρίως από γάβρο και γρανίτη. Τα πετρώματα έχουν υποστεί μεγάλα επεισόδια παραμόρφωσης και διείσδυσης από πυριγενή πετρώματα ηλικίας Πρωτεροζωϊκού (εικόνα 1).
Στην περιοχή μελέτης κυριαρχεί ο φολιωμένος βιοτίτης, καθώς και ο διορίτης και ο γάβρος που παρατηρούνται στο ανατολικό τμήμα της έχοντας υποστεί διάφορους βαθμούς μεταμόρφωσης. Οι πολυάριθμες ζώνες ρηγμάτων έχουν διεύθυνση Β και διαχωρίζουν λιθολογικές ενότητες οι οποίες διαφέρουν στην ηλικία και τη μεταμόρφωση. Η περιοχή μελέτης βρίσκεται σε μια από τις 5 ζώνες ρηγμάτων, τη ζώνη Khadra.

'''Μεθοδολογία'''

'''1.Επεξεργασία εικόνας δεδομένων Landsat 8'''
Κάθε εικόνα Landsat 8 περιλαμβάνει 11 φασματικές ζώνες: πέντε στην περιοχή VNIR, δύο στην περιοχή SWIR, δύο στην περιοχή θερμικών υπέρυθρων και μία πανχρωματική ζώνη (band 8). Η χωρική ανάλυση αυτών των ζωνών κυμαίνεται από 15 έως 100μ (Πίνακας 1).
1. Τα δεδομένα landsat – 8 της περιοχής μελέτης είναι L1T τύπου και διορθώθηκαν ραδιομετρικά και γεωμετρικά χρησιμοποιώντας τσιπ ελέγχου εδάφους και ένα ψηφιακό υψομετρικό μοντέλο (DEM).
2. H επεξεργασία των εικόνων πραγματοποιήθηκε με το λογισμικό ENVI
3. Για την μελέτη και την μετατροπή των ψηφιακών αριθμών (DN) των δεδομένων Landsat 8 σε δεδομένα ανάκλασης και τη μείωση των επιπτώσεων της ατμοσφαιρικής σκέδασης εφαρμόστηκε η μέθοδος QUAC.
4. Οι εικόνες RGB με την βοήθεια του landsat – 8 OLI επιλέχθηκαν κυρίως με βάση τις ιδιότητες φασματικής ανάκλασης των κυρίαρχων τύπων πετρωμάτων της περιοχής.
4. Η μέθοδος PCA εφαρμόστηκε σε πολυφασματικά και υπερφασματικά δεδομένα.
5. Μια ακόμη σημαντική μέθοδος είναι αυτή της αναλογίας ζώνης (band ratio technique) η οποία προκύπτει από την διαίρεση των τιμών DN των εικονοστοιχείων σε μια ζώνη με υψηλή συνολική ανάκλαση με αυτές των αντίστοιχων εικονοστοιχείων σε μια ζώνη με χαμηλή συνολική ανάκλαση. Η επιλογή των αναλογιών ζώνης βασίζεται στις φασματικές υπογραφές των κυρίαρχων λιθολογικών μονάδων που δυνητικά υπάρχουν στην περιοχή.
6. Η μέθοδος GS χρησιμοποιήθηκε για την όξυνση των πολυφασματικών δεδομένων Landsat 8 χαμηλής χωρικής ανάλυσης (bands 3,4,7) με υψηλής χωρικής ανάλυσης παγχρωματικά δεδομένα (band 8).

'''2. Φασματικές μετρήσεις και επαλήθευση πεδίου'''
Έγινε συλλογή αντιπροσωπευτικών δειγμάτων από διαφορετικές τοποθεσίες στην περιοχή μελέτης, τραβήχτηκαν φωτογραφίες από το καθένα και μετρήθηκα και οι γεωγραφικές συντεταγμένες κάθε τοποθεσίας. Τα φάσματα ανάκλασης των δειγμάτων λήφθηκαν στις ορατές προς βραχέων κυμάτων υπέρυθρες περιοχές (0,4-2,5 μm). Ακόμη χρησιμοποιήθηκε και μια εξωτερική πηγή φωτός, για την οποία η απόσταση μεταξύ του αισθητήρα και του δείγματος ήταν ≈25 εκ., για την τη διεξαγωγή των φασματικών μετρήσεων.

'''Αποτελέσματα'''

'''1.Φασματοσκοπία ανάκλασης'''
Με βάση την εργαστηριακή μελέτη των φασμάτων των δειγμάτων που συλλέχθηκαν στις περιοχές VNIR και SWIR προέκυψαν τα εξής αποτελέσματα (εικόνα 2):
1. Το φάσμα βιοτίτης - γρανοδιορίτης – γνεύσιος (μαύρο χρώμα) και το φάσμα τοφφιτών (πράσινο χρώμα) εμφανίζουν χαρακτηριστικά απορρόφησης στα 1,4, 1,9 και 2,2 μm, που αντιστοιχούν σε και ζώνες απορρόφησης H2O και OH.
2. Τα υπόλοιπα φάσματα εμφανίζουν ζώνες απορρόφησης που αντιστοιχούν σε υποσιδηρούχο (Fe+2) και σιδηρούχο (Fe+3) σε ~ 0,7 και ~ 1,0 μm αντίστοιχα.
Το φασματικό διάγραμμα Landsat – 8 των δειγμάτων (εικόνα 3) έδειξε ότι:
1. Η φασματική ανάκλαση του βιοτίτη – γρανοδιορίτη – γνεύσιου (κίτρινο χρώμα) και των τοφφιτών (γκρί χρώμα) σε όλες τις φασματικές ζώνες του Landsat 8 είναι υψηλότερη από αυτή των άλλων συλλεγόμενων πετρωμάτων.
2. Το υπόλοιπα φάσματα παρουσιάζουν χαμηλότερες τιμές ανάκλασης στη ζώνη 5 του landsat λόγω της παρουσίας του σιδήρου.

'''2.Λιθολογική Χαρτογράφηση'''
Πάρθηκαν πολλά δεδομένα landsat – 8 με διάφορους συνδυασμούς χρωμάτων RGB για την λιθολογική χαρτογράφηση των πετρωμάτων.
Ο συνδυασμός 7-5-3 που παρουσιάζεται στην εικόνα 4 αντιστοιχεί σε ακτινόλιθο – σχιστόλιθος ως σκούρο κόκκινο, o βασάλτης ως πράσινο, ο βιοτίτης και ο γρανοδιορίτης – γνεύσιος ως λευκό και ο βιοτίτης και ο τοναλίτης εμφανίζονται με γκρί που ‘ροζίζει’.
Στην εικόνα 5 οι συνθέσεις χρωμάτων των 3ων πρώτων καναλιών PCA που απεικονίζονται με κόκκινο (PC3), πράσινο (PC1) και μπλε (PC2) για δεδομένα landsat 8. Με κυανό χρώμα παρουσιάζεται ο ακτινόλιθος – σχιστόλιθος, με σκούρο πορτοκαλί και ροζ χρώματα ο βιοτίτης – γρανοδιορίτης – γνεύσιος και με έντονο πορτοκαλί και ροζ ο βιοτίτης και ο τοναλίτης.

'''Συμπεράσματα'''

Ο συνδυασμός πολυφασματικών δεδομένων Landsat 8 και εργαστηριακών φασματικών μετρήσεων με δεδομένα πεδίου (in situ), αποδείχθηκε πολύ χρήσιμο εργαλείο για τη χαρτογράφηση λιθολογικών μονάδων στην περιοχή μελέτης. Από τις μεθόδους που δοκιμάστηκαν, η μέθοδος pan-sharpening GS αξιολογήθηκε ως η πλέον ακριβής σε σχέση με όλες τις άλλες μεθόδους.

[[category:Γεωλογία – Εδαφολογία]]