PREVENT Remote Sensing Theory (UOWM)

Τηλεπισκόπηση - Έργο PREVENT

Τηλεπισκόπηση

Έναρξη

Εισαγωγή

«Η τηλεπισκόπηση είναι η επιστήμη και η τέχνη της απόκτησης πληροφοριών για ένα αντικείμενο, μια περιοχή ή ένα φαινόμενο από την ανάλυση δεδομένων που λαμβάνονται από μια συσκευή που δεν βρίσκεται σε επαφή με το αντικείμενο, την περιοχή ή το φαινόμενο που εξετάζεται (Lillesand et al. 2003)». Στη βιβλιογραφία υπάρχουν πολλοί τρόποι για να οριστεί η τηλεπισκόπηση. Δύο κοινά στοιχεία χαρακτηρίζουν αυτό το επιστημονικό πεδίο: α) η έννοια της «συλλογής πληροφοριών» και β) η «παρατήρηση από απόσταση (Campbell, 1987)

Περιεχόμενο

Δραστηριότητες

Στόχοι

Αξιολόγηση

Κεφάλαια

Έρευνα

Τηλεπισκόπηση σημαίνει απόκτηση πληροφοριών για ένα αντικείμενο χωρίς άμεση επαφή με αυτό

-Gupta, (1991)-

Στόχοι

Κύριος στόχος μας είναι να σας παρέχουμε τα εργαλεία και τις γνώσεις που χρειάζεστε για να κατακτήσετε αυτόν τον τομέα, είτε ξεκινάτε από το μηδέν είτε θέλετε να βελτιώσετε τις υπάρχουσες δεξιότητές σας. Καθ' όλη τη διάρκεια του μαθήματος, θα βυθιστείτε σε διαδραστικά μαθήματα, ενδιαφέρουσες μελέτες περιπτώσεων και πρακτικές ασκήσεις που έχουν σχεδιαστεί για να ενισχύσουν την κατανόηση και την εφαρμογή των βασικών εννοιών. Με την ολοκλήρωση του μαθήματος, θα είστε εξοπλισμένοι όχι μόνο με μια στέρεη θεωρητική κατανόηση, αλλά και με την αυτοπεποίθηση και την ικανότητα να αντιμετωπίσετε τις προκλήσεις του πραγματικού κόσμου στην Τηλεπισκόπηση. Ετοιμαστείτε να απελευθερώσετε τις δυνατότητές σας και να φτάσετε σε νέα επίπεδα επιτυχίας στην επαγγελματική ή ακαδημαϊκή σας σταδιοδρομία!

Η τηλεπισκόπηση διαφέρει από την άμεση παρατήρηση ή μέτρηση στο ότι, στην τελευταία, το συγκεκριμένο όργανο παρατήρησης βρίσκεται εντός ή σε επαφή με το αντικείμενο που μετράται ή ερευνάται, όπως ένα θερμόμετρο.

+ Πληροφορίες

Κεφάλαια

Κεφάλαιο 2

Κεφάλαιο 1

Κεφάλαιο 4

Κεφάλαιο 3

Προηγμένη έρευνα και εθνικές συνεισφορές Αυτή η ενότητα επικεντρώνεται στην έρευνα στον τομέα της βαθιάς μάθησης και της τηλεπισκόπησης.

Εφαρμογές και ανάλυση στην τηλεπισκόπηση Η παρούσα ενότητα δίνει έμφαση στις εφαρμογές και την ανάλυση του ρόλου τους στην παρακολούθηση των γήινων αλλαγών.

Συστήματα και τεχνική τηλεπισκόπησης Η ενότητα αυτή επικεντρώνεται στα διάφορα δορυφορικά συστήματα, τις δυνατότητές τους στην τηλεπισκόπηση.

Θεμέλια της Τηλεπισκόπησης Η ενότητα αυτή παρουσιάζει τις βασικές αρχές, την ιστορική εξέλιξη, τα οφέλη και τους περιορισμούς της τηλεπισκόπησης.

01

Ιστορία της Τηλεπισκόπησης

Satellite shots of floods in Deggendorf, Germany (before and after) 2024 https://www.euspaceimaging.com/blog/2024/07/01/satellite-imagery-for-emergency-management/

01

Περίληψη

Αν και είναι αρκετά δύσκολο να προσδιοριστεί με ακρίβεια το σημείο εκκίνησης της τηλεπισκόπησης και τα εξελικτικά της στάδια, διακρίνονται πέντε κύρια στάδια κατά την ανάπτυξή της (Barrett & Curtis, 1992- Swain & Davis,1978).Ενώ η τηλεπισκόπηση (ΤΑ) αποτελεί δικό της πεδίο, συχνά λειτουργεί συμπληρωματικά στις αναλύσεις ΓΣΠ, προσθέτοντας μοναδικές πληροφορίες και τεχνικές ανάλυσης. Υπάρχουν δύο τύποι RS, η ενεργητική και η παθητική και χρησιμοποιούνται γενικά για διαφορετικές εφαρμογές. Η ενεργητική RS περιλαμβάνει την αποστολή ενός σήματος και την αναμονή της επιστροφής του στον αισθητήρα. Το RADAR και το LIDAR είναι παραδείγματα ενεργητικής RS, καθώς στέλνουν ενέργεια, παλμούς μικροκυμάτων και λέιζερ αντίστοιχα και καταγράφουν τα σήματα καθώς αναπηδούν πίσω (Gennarelli G. & Catapano, 2022)Παρά τις σημαντικές προόδους της, η τηλεπισκόπηση αντιμετωπίζει ορισμένες προκλήσεις που περιορίζουν την αποτελεσματικότητά της σε συγκεκριμένες εφαρμογές. Σφάλματα στα καταγεγραμμένα δεδομένα μπορεί να προκύψουν από διάφορες αιτίες που οδηγούν σε αποκλίσεις μεταξύ πραγματικών και καταγεγραμμένων τιμών. Επιπλέον, η κατανόηση των πολύπλοκων αλληλεπιδράσεων μεταξύ της καταγεγραμμένης ακτινοβολίας και των αντικειμένων-στόχων αποδεικνύεται δύσκολη, καθώς οι σχέσεις αυτές επηρεάζονται από εξαιρετικά μεταβλητούς περιβαλλοντικούς παράγοντες. Οι τεράστιες χωρικές και χρονικές διακυμάνσεις στην ατμόσφαιρα, τη λιθόσφαιρα και την υδρόσφαιρα, σε συνδυασμό με τους πολύπλοκους μηχανισμούς αλληλεπίδρασης ενέργειας-ύλης, περιπλέκουν περαιτέρω την ακριβή ανάλυση και ερμηνεία των δεδομένων τηλεπισκόπησης.

Ιστορική επισκόπηση

1925-1945

πριν από το 1925

1945-1955

1955-1960

1960-σήμερα

Εξελίξεις στις τεχνικές ερμηνείας φωτογραφιών. Επικεντρώνεται στην ανάλυση έναντι των εφαρμογών

Οι προηγμένοι αισθητήρες φέρνουν επανάσταση στην τηλεπισκόπηση. Η περιβαλλοντική παρακολούθηση επεκτείνεται ραγδαία

Ανάπτυξη της στερεοσκοπικής αεροφωτογραφίας. Χρησιμοποιήθηκε ευρέως στον Β' Παγκόσμιο Πόλεμο για τοπογραφική χαρτογράφηση.

Πρώιμα πειράματα αεροφωτογραφίας. Χρησιμοποιήθηκε για στρατηγική χαρτογράφηση

Επεκτείνονται οι εφαρμογές στη γεωλογία και τη γεωργία. Οι αεροφωτογραφίες απέκτησαν ευρεία χρήση

Τύποι τηλεπισκόπησης

Παθητικό

Ενεργό

Το ενεργό RS περιλαμβάνει την αποστολή ενός σήματος και την αναμονή της επιστροφής του στον αισθητήρα. Παραδείγματα: RADAR, LIDAR

Παραδείγματα Σειρά Landsat (NASA/USGS) Sentinel-2 (ESA).

Πλεονεκτήματα τηλεπισκόπησης

Η τηλεπισκόπηση θεωρείται ένα σύγχρονο, εξειδικευμένο εργαλείο που βρίσκει εφαρμογές σε πολλά επιστημονικά θέματα, όπως οι περιβαλλοντικές επιστήμες, η δασολογία, η γεωλογία, η αρχαιολογία, η ωκεανογραφία κ.λπ.

Συνοπτική κάλυψη

Προσβασιμότητα

Επαναλαμβανόμενη κάλυψη.

Ομοιογένεια δεδομένων

Χαρακτηριστικά πολυφασματικών δεδομένων

Χρόνος εγγραφής Διάρκεια

Φόρμα ψηφιακών δεδομένων

Κόστος δεδομένων

Μειονεκτήματα τηλεπισκόπησης

Καταγεγραμμένα δεδομένα

Φύση και μηχανισμός

Ένα από τα σοβαρότερα προβλήματα αφορά τα καταγεγραμμένα δεδομένα, τα οποία περιέχουν σφάλματα που οφείλονται στις ατμοσφαιρικές συνθήκες, στην τοπογραφία της περιοχής και στη λειτουργία του δορυφορικού συστήματος. Τα σφάλματα αυτά σχετίζονται με τις διαφορές μεταξύ της πραγματικής και της δορυφορικά καταγεγραμμένης ανακλώμενης ακτινοβολίας. Είναι πολύ σηµαντικό για την περαιτέρω επιτυχή εφαρµογή των δεδοµένων αυτών να προσαρµόζονται τα δεδοµένα όσο το δυνατόν περισσότερο στις πραγµατικές τιµές, ιδίως σε περιπτώσεις όπου η ανάλυση αφορά διαχρονικές µελέτες (Barrett and Curtis, 1992- Richards, 1993).

Ένα άλλο πρόβλημα που αντιμετωπίζουν οι επιστήμονες είναι η δυσκολία κατανόησης της φύσης και του μηχανισμού ακόμη και πολύ απλών σχέσεων και αλληλεπιδράσεων μεταξύ της ακτινοβολίας που καταγράφει ο δορυφόρος και των αντικειμένων-στόχων. Οι αλλαγές που συμβαίνουν στις συνθήκες της ατμόσφαιρας, της λιθόσφαιρας και της υδρόσφαιρας είναι τόσο μεγάλες σε χωρικές και χρονικές διαστάσεις και οι μηχανισμοί αλληλεπίδρασης μεταξύ ενέργειας και ύλης τόσο πολύπλοκοι, ώστε είναι δύσκολο να προσδιοριστούν απλές σχέσεις αντικειμένου-ανιχνευτή (Barrett and Curtis, 1992- Sabins, 1997)

02

Συστήματα και τεχνικές τηλεπισκόπησης

02

Περίληψη

Αυτή η ενότητα αναφέρεται στους διάφορους τύπους και αποστολές δορυφόρων που χρησιμοποιούνται για την παρακολούθηση και τη μελέτη της Γης. Αρχικά, περιγράφονται τα οπτικά δορυφορικά συστήματα όπως τα LANDSAT, IKONOS, World View, QuickBird, Pleiades και SPOT, τα οποία παρέχουν λεπτομερή δεδομένα για εφαρμογές όπως η χαρτογράφηση, η γεωργία και η διαχείριση φυσικών καταστροφών. Στη συνέχεια εξετάζονται ενεργά δορυφορικά συστήματα που χρησιμοποιούν ραντάρ, όπως οι δορυφόροι ERS και Envisat. Οι δορυφόροι αυτοί παρέχουν δεδομένα για την παρακολούθηση του περιβάλλοντος και την κλιματική αλλαγή, ενώ οι TerraSAR-x και Cosmo-Skymed χρησιμοποιούνται για εφαρμογές όπως η διαχείριση φυσικών καταστροφών και περιβαλλοντικών πόρων. Επιπλέον, εξετάζεται η χρήση υπερφασματικών δορυφόρων, με παραδείγματα τον EO-1 και τον αισθητήρα Hyperion, οι οποίοι συλλέγουν δεδομένα σε πολλαπλές φασματικές ζώνες για λεπτομερή ανάλυση των υλικών στην επιφάνεια της Γης. Τέλος, εστιάζουμε στο πρόγραμμα Copernicus, μια πρωτοβουλία της Ευρωπαϊκής Ένωσης για την παρακολούθηση του πλανήτη και του περιβάλλοντος.

Οπτικά δορυφορικά συστήματα

MODIS instrument that flies aboard NASA’s Terra satellite revealed the most powerful thunderstorms, Source: https://blogs.nasa.gov/hurricanes

Remote Sensing

LANDSAT

Terra Satellite

Οπτικό

IKONOS

Δορυφορικά συστήματα

ERS

Ενεργό

TerraSAR-x

Υπερσκόπιο

EO-1 and Hyperion

Landsat

Τεχνικές λεπτομέρειες

Landsat 3

Landsat 2

Landsat 1

Landsat 6

Landsat 5

Landsat 4

Landsat 9

Landsat 7

Landsat 8

ERS

ΑΠΟΣΤΟΛΗ

ΣΤΟΧΟΙ

ΌΡΓΑΝΑ ERS

ΕΡΓΑΛΕΙΑ ERS

Πρόγραμμα Copernicus

Το Copernicus είναι το τμήμα παρατήρησης της Γης του διαστημικού προγράμματος της Ευρωπαϊκής Ένωσης, αφιερωμένο στην παρακολούθηση του πλανήτη μας και του περιβάλλοντός του προς όφελος όλων των Ευρωπαίων πολιτών. Παρέχει υπηρεσίες πληροφοριών που προέρχονται από δορυφορικά δεδομένα παρατήρησης της Γης και δεδομένα insitu (μη διαστημικά).

Next

Πρόγραμμα Copernicus

Μεγάλος όγκος παγκόσμιων δεδομένων από δορυφόρους και επίγειες, εναέριες και θαλάσσιες συστήματα μέτρησης παρέχουν πληροφορίες που βοηθούν τους παρόχους υπηρεσιών, το δημόσιο αρχές και άλλους διεθνείς οργανισμούς για τη βελτίωση της ποιότητας ζωής των Ευρωπαίους πολίτες και όχι μόνο.

Sentinel 1

Sentinel 2

Sentinel 3

Sentinel 4-5

Sentinel 6

Sentinel-1A και 1B, καλύπτει ολόκληρη τη Γη κάθε έξι ημέρες.

Το Sentinel-2 διαθέτει πολυφασματικό απεικονιστή υψηλής ανάλυσης με 13 φασματικές ζώνες.

Το Sentinel-3 συμπληρώνει την αποστολή του Sentinel 2

Τα Sentinel 4 και 5 επικεντρώνονται στην παρακολούθηση της ατμοσφαιρικής σύνθεσης.

Ο Sentinel-6 περιλαμβάνει δύο δορυφόρους: Sentinel-6A και Sentinel-6B.

Sentinel High Level Operations Plan (HLOP)

link

Τι είναι το πρόγραμμα Copernicus;

Η κλιματική αλλαγή αναφέρεται σε μακροχρόνιες αλλαγές στις θερμοκρασίες και τα καιρικά πρότυπα. Οι ανθρώπινες δραστηριότητες αποτελούν τον κύριο παράγοντα της κλιματικής αλλαγής, κυρίως λόγω της καύσης ορυκτών καυσίμων όπως ο άνθρακας, το πετρέλαιο και το φυσικό αέριο.

03

Αυτή η εικόνα εμφανίστηκε αρχικά στο NASA Earth Observatory Story: Παρίσι, δεδομένα που αποκτήθηκαν στις 7 Ιουνίου 2024. https://visibleearth.nasa.gov

Εφαρμογές και ανάλυση στην τηλεπισκόπηση

03

Περίληψη

Η τηλεπισκόπηση διαδραματίζει ζωτικό ρόλο στην παρακολούθηση και τον μετριασμό των φυσικών καταστροφών. Η εκτίμηση της εδαφικής υγρασίας με τη χρήση ενεργών και παθητικών αισθητήρων βοηθά στην πρόβλεψη πλημμυρών, κατολισθήσεων και στη διαχείριση των υδάτινων πόρων. Τεχνικές όπως η θερμική υπέρυθρη και η μικροκυματική ανίχνευση παρέχουν ακριβή δεδομένα εδαφικής υγρασίας, κρίσιμα για περιβαλλοντικές μελέτες. Η χαρτογράφηση της κάλυψης και της χρήσης γης, υποστηριζόμενη από δορυφορικές εικόνες, προσφέρει γρήγορα και ολοκληρωμένα χωρικά δεδομένα για τη διαχείριση των πόρων και τον αστικό σχεδιασμό. Τεχνικές όπως το DInSAR και η συμβολομετρία επίμονων σκεδαστών επιτρέπουν την ακριβή μέτρηση των επιφανειακών παραμορφώσεων που προκαλούνται από σεισμούς και ηφαίστεια. Οι θερμικοί αισθητήρες σε δορυφόρους όπως ο MODIS και ο Landsat ενισχύουν την παρακολούθηση ενεργών ηφαιστείων, συμβάλλοντας στην ετοιμότητα και την αντιμετώπιση καταστροφών. Οι δορυφορικές εικόνες ενσωματώνονται όλο και περισσότερο στις εκτιμήσεις ζημιών μετά από σεισμούς, επιτρέποντας ταχύτερες επιχειρήσεις διάσωσης και βελτιώνοντας τις στρατηγικές αντιμετώπισης καταστροφών.

Εξοπλισμός καταγραφής και παρατήρησης της Γης

Ο εξοπλισμός καταγραφής χαρακτηρίζεται από τη χωρική, ραδιομετρική, φασματική και χρονική του ανάλυση. Τα χαρακτηριστικά αυτά καθορίζουν την ποιότητα και την ακρίβεια των συλλεγόμενων δεδομένων.

Χρονική ανάλυση:

Φασματική ανάλυση:

Ραδιομετρική ανάλυση:

Χωρική ανάλυση:

Αναφέρεται στη συχνότητα με την οποία ένα δορυφορικό σύστημα καταγράφει εικόνες της ίδιας περιοχής. Αυτό είναι σημαντικό για την παρακολούθηση των αλλαγών στην επιφάνεια της Γης με την πάροδο του χρόνου.

Σχετίζεται με τον αριθμό των φασματικών καναλιών που χρησιμοποιεί ο δορυφόρος. Περισσότερα φασματικά κανάλια επιτρέπουν τη διάκριση περισσότερων τύπων επιφανειακών χαρακτηριστικών.

Περιγράφει την ικανότητα του συστήματος να καταγράφει διαφορές στην ένταση της ανακλώμενης ή εκπεμπόμενης ενέργειας. Η ανάλυση αυτή εκφράζεται συχνά σε bit.

Αναφέρεται στην ικανότητα του εξοπλισμού να ανιχνεύει μικρά χαρακτηριστικά στην επιφάνεια της Γης. Όσο μικρότερο είναι το εικονοστοιχείο, τόσο μεγαλύτερη είναι η χωρική ανάλυση.

Ψηφιακή ανάλυση εικόνας

Η ψηφιακή επεξεργασία εικόνας είναι μια διαδικασία που περιλαμβάνει τη μετατροπή αναλογικών σημάτων σε ψηφιακές τιμές. Οι τιμές αυτές χρησιμοποιούνται για την αποθήκευση και την ανάλυση δεδομένων από δορυφόρους ή άλλα συστήματα καταγραφής. Τα δεδομένα αυτά καταγράφονται σε δυαδικούς αριθμούς (bits), που αντιπροσωπεύουν την ένταση της φωτεινότητας της επιφάνειας σάρωσης. Οι εικόνες, επίσης γνωστές ως δεδομένα ράστερ, χρησιμοποιούνται για την εύκολη διαχείριση των τιμών των εικονοστοιχείων από το λογισμικό επεξεργασίας. Αν και τα δεδομένα ράστερ είναι βολικά για ψηφιακή ανάλυση, παρουσιάζουν δυσκολίες στην απεικόνιση διακριτών περιοχών ή σημείων σε σύγκριση με τα διανυσματικά δεδομένα.

«Οι ψηφιακές εικόνες είναι δισδιάστατες συστοιχίες μικρών περιοχών που ονομάζονται εικονοστοιχεία.

Η διάταξη των εικονοστοιχείων σε γραμμές και στήλες επιτρέπει στο λογισμικό επεξεργασίας να αναλύει τα δεδομένα, παρέχοντας χρήσιμες πληροφορίες για συγκεκριμένα θέματα. Το λογισμικό επεξεργασίας δορυφορικών εικόνων διαχειρίζεται δεδομένα τηλεπισκόπησης και προσφέρει δυνατότητες ανάλυσης για επιστημονικές και εμπορικές εφαρμογές. Μερικά από τα πιο διαδεδομένα λογισμικά περιλαμβάνουν τα ERDAS IMAGINE, ArcGIS, ENVI, IDRISI και Geomatica.

Ανάλυση οπτικών δορυφορικών εικόνων

Η διαδικασία ανάλυσης δορυφορικών εικόνων περιλαμβάνει διάφορα στάδια για την εξασφάλιση ακριβών και χρήσιμων αποτελεσμάτων. Τα στάδια αυτά περιλαμβάνουν την αποκατάσταση και προεπεξεργασία εικόνων, την ενίσχυση εικόνων, την ταξινόμηση εικόνων και την ερμηνεία δορυφορικών εικόνων και ψηφιακών αεροφωτογραφιών.

Στάδιο 3

Στάδιο 2

Στάδιο 1

Ταξινόμηση εικόνων

Βελτίωση εικόνας

Αποκατάσταση ή προεπεξεργασία εικόνας

Τηλεπισκόπηση για την παρακολούθηση και τον μετριασμό φυσικών καταστροφών

Ανίχνευση εδάφους

Χαρτογράφηση κάλυψης γης

Παραμόρφωση του εδάφους

Καταγραφή και αξιολόγηση των ζημιών μετά το σεισμό

Ανίχνευση εδάφους

Προσδιορισμός της υγρασίας του εδάφους με τη χρήση ενεργών και παθητικών αισθητήρων από το Διάστημα

Η εδαφική υγρασία είναι μια κρίσιμη μεταβλητή για την κατανόηση των υδάτινων πόρων και των φυσικών κινδύνων, όπως οι πλημμύρες και οι κατολισθήσεις. Η ακριβής εκτίμηση των χωρικών και χρονικών διακυμάνσεων της υγρασίας είναι σημαντική για τις περιβαλλοντικές μελέτες και τη βελτίωση των προβλέψεων πλημμυρών, ιδίως σε μεσαίες και μεγάλες λεκάνες απορροής, όπου οι πλημμύρες συχνά προκαλούν καταστροφές. Η κατάσταση της επιφανειακής εδαφικής υγρασίας είναι ζωτικής σημασίας για την εκτίμηση της διήθησης ή της απορροής του βρόχινου νερού, οπότε η πληροφορία αυτή είναι ζωτικής σημασίας για τα μοντέλα πρόβλεψης πλημμυρών. Επιπλέον, η εδαφική υγρασία σε ορεινές περιοχές αποτελεί βασικό παράγοντα για τις κατολισθήσεις. Από τη δεκαετία του 1970, η έρευνα στον τομέα αυτό χρησιμοποιεί τεχνικές που καλύπτουν ολόκληρο το ηλεκτρομαγνητικό φάσμα, από το οπτικό έως τα μικροκύματα.

'Digital images are two-dimensional arrays of small areas called pixels.'

Οι τεχνικές τηλεπισκόπησης χρησιμοποιούν διαφορετικά μήκη κύματος, πηγές ενέργειας και αποκρίσεις αισθητήρων για την εκτίμηση της εδαφικής υγρασίας. Η ηλιακή ακτινοβολία μετρά το ανακλώμενο ηλιακό φως, ενώ τα μικροκύματα και οι θερμικές υπέρυθρες ακτίνες χρησιμοποιούνται πιο συχνά. Οι θερμικές μέθοδοι, όπως η θερμική αδράνεια και ο δείκτης θερμοκρασίας/βλάστησης, είναι ιδιαίτερα αποτελεσματικές σε περιοχές με λίγη ή καθόλου βλάστηση. Οι τεχνικές αυτές ενισχύουν την πρόβλεψη φυσικών κινδύνων και τη διαχείριση των υδάτινων πόρων.

Χαρτογράφηση κάλυψης γης

Η χαρτογράφηση της κάλυψης και της χρήσης γης είναι ζωτικής σημασίας για την επιστημονική έρευνα, τον χωροταξικό σχεδιασμό και τη διαχείριση των φυσικών πόρων. Ο όρος «κάλυψη γης» αναφέρεται στα φυσικά χαρακτηριστικά της επιφάνειας, ενώ ο όρος «χρήση γης» περιγράφει τον τρόπο με τον οποίο χρησιμοποιείται η γη. Ένα σχέδιο χρήσης γης αποτυπώνει την αλληλεπίδραση μεταξύ του ανθρώπου και του περιβάλλοντος, η οποία επηρεάζει σημαντικές οικονομικές δραστηριότητες. Οι πρόοδοι στα συστήματα δορυφορικής παρακολούθησης έχουν καταστήσει τις τεχνικές τηλεπισκόπησης ρεαλιστικά και ελκυστικά εργαλεία για την έρευνα και τη διαχείριση των φυσικών Οι χάρτες χρήσης γης είναι ιδιαίτερα χρήσιμοι στη γεωργία και τη διαχείριση των φυσικών πόρων και η ενημέρωσή τους είναι απαραίτητη λόγω των συνεχών αλλαγών στους φυσικούς πόρους και τις ανθρώπινες δραστηριότητες.

'Digital images are two-dimensional arrays of small areas called pixels.'

Η τηλεπισκόπηση προσφέρει γρήγορη και ακριβή αναπαράσταση του τοπίου, παρέχοντας δεδομένα σε ψηφιακή μορφή και σε ένα ευρύ φάσμα φασματικών καναλιών. Αν και δεν αντικαθιστά πλήρως τις επιτόπιες παρατηρήσεις, μειώνει σημαντικά το χρόνο και το κόστος συλλογής δεδομένων, προσφέροντας μια ολοκληρωμένη εικόνα της περιοχής μελέτης. Διευκολύνει επίσης την πρόσβαση σε απομακρυσμένες περιοχές και την παρακολούθηση των αλλαγών στη χρήση/κάλυψη του εδάφους μέσω χρονικών δεδομένων.

Παρακολούθηση και αξιολόγηση της παραμόρφωσης του εδάφους

Οι ενεργοί αισθητήρες χρησιμοποιούν τη διαφορά φάσης για να μετρήσουν την παραμόρφωση της επιφάνειας της Γης μέσω της τεχνικής της διαφορικής παρεμβολομετρίας (DInSAR). Η τεχνική αυτή χρησιμοποιεί δεδομένα από όργανα συνθετικού ανοίγματος ραντάρ (SAR). Επί του παρόντος, υπάρχουν αρκετοί δορυφόροι κατάλληλοι για τη λήψη δεδομένων InSAR, όπως οι δορυφόροι Envisat της Ευρωπαϊκής Διαστημικής Υπηρεσίας, οι καναδικοί Radarsat-1 και 2, οι γερμανικοί TerraSAR-X και οι ιταλικοί Cosmo-Skymed, καθώς και πολλές μελλοντικές αποστολές SAR που έχουν προγραμματιστεί.

'Digital images are two-dimensional arrays of small areas called pixels.'

Η τηλεπισκόπηση προσφέρει γρήγορη και ακριβή αναπαράσταση του τοπίου, παρέχοντας δεδομένα σε ψηφιακή μορφή και σε ένα ευρύ φάσμα φασματικών καναλιών. Αν και δεν αντικαθιστά πλήρως τις επιτόπιες παρατηρήσεις, μειώνει σημαντικά το χρόνο και το κόστος συλλογής δεδομένων, προσφέροντας μια ολοκληρωμένη εικόνα της περιοχής μελέτης. Διευκολύνει επίσης την πρόσβαση σε απομακρυσμένες περιοχές και την παρακολούθηση των αλλαγών στη χρήση/κάλυψη του εδάφους μέσω χρονικών δεδομένων.

Καταγραφή και αξιολόγηση των ζημιών μετά τον σεισμό

Η καταγραφή και η εκτίμηση των ζημιών μετά από έναν σεισμό είναι ζωτικής σημασίας, ιδίως όταν η καταστροφή είναι εκτεταμένη γεωγραφικά ή σε απομακρυσμένες περιοχές. Η διαδικασία αυτή είναι σημαντική για τις ομάδες διάσωσης και τις υπηρεσίες πολιτικής προστασίας και πρέπει να πραγματοποιείται με ταχύτητα και ακρίβεια. Η τεχνική «ανίχνευσης αλλαγών» με τη χρήση εικόνων πριν και μετά τον σεισμό είναι μια γρήγορη μέθοδος εκτίμησης των ζημιών. Με τη βελτίωση των διαστημικών τεχνολογιών, αυτές ενσωματώνονται όλο και περισσότερο στις δράσεις διαχείρισης καταστροφών. Ωστόσο, η υποστήριξη με διαστημικές τεχνικές παραμένει σε μεγάλο βαθμό παρανοημένη από τις περισσότερες υπηρεσίες έκτακτης ανάγκης και πολιτικής προστασίας.

'Digital images are two-dimensional arrays of small areas called pixels.'

Η τηλεπισκόπηση προσφέρει γρήγορη και ακριβή αναπαράσταση του τοπίου, παρέχοντας δεδομένα σε ψηφιακή μορφή και σε ένα ευρύ φάσμα φασματικών καναλιών. Αν και δεν αντικαθιστά πλήρως τις επιτόπιες παρατηρήσεις, μειώνει σημαντικά το χρόνο και το κόστος συλλογής δεδομένων, προσφέροντας μια ολοκληρωμένη εικόνα της περιοχής μελέτης. Διευκολύνει επίσης την πρόσβαση σε απομακρυσμένες περιοχές και την παρακολούθηση των αλλαγών στη χρήση/κάλυψη του εδάφους μέσω χρονικών δεδομένων.

Παρατήρηση ενεργών ηφαιστείων με τη χρήση θερμικής ακτινοβολίας

Αν και δεν υπάρχει δορυφόρος σχεδιασμένος αποκλειστικά για ηφαιστειακές εφαρμογές, πολλοί θερμικοί αισθητήρες για στρατιωτικές, αστικές και βιομηχανικές εφαρμογές μπορούν να προσαρμοστούν για την παρακολούθηση ηφαιστείων. Για παράδειγμα, οι μετεωρολογικοί δορυφόροι παρέχουν δεδομένα για την εξέταση ηφαιστειακών θερμών σημείων, αν και οι μετεωρολογικοί αισθητήρες μετρούν συνήθως χαμηλότερες θερμοκρασίες. Η αλλαγή της χιλιετίας έφερε νέους δορυφόρους της NASA, όπως τους Terra, Landsat-7, Aqua και EO-1, οι οποίοι επιτρέπουν τη θερμική καταγραφή ενεργών ηφαιστείων.

'Digital images are two-dimensional arrays of small areas called pixels.'

Έτσι δημιουργήθηκε το πρώτο παγκόσμιο σύστημα δορυφορικής παρακολούθησης ηφαιστείων, το οποίο παρακολουθεί καθημερινά όλα τα ενεργά και δυνητικά ενεργά ηφαίστεια. Τα θερμικά δεδομένα από δορυφορικούς αισθητήρες είναι όλο και πιο προσβάσιμα, για παράδειγμα τα δεδομένα MODIS και Landsat διατίθενται δωρεάν. Η θερμική τηλεπισκόπηση έχει προσφέρει πολύτιμες πληροφορίες για τη συμπεριφορά των ηφαιστείων, παρά την απουσία εξειδικευμένων αισθητήρων.

04

Προηγμένη έρευνα και εθνικές συνεισφορές

04

Περίληψη

Η τηλεπισκόπηση διαδραματίζει ζωτικό ρόλο στην παρακολούθηση και τον μετριασμό των φυσικών καταστροφών. Η εκτίμηση της υγρασίας του εδάφους με τη χρήση ενεργών και παθητικών αισθητήρων βοηθά στην πρόβλεψη πλημμυρών, κατολισθήσεων και στη διαχείριση των υδάτινων πόρων. Τεχνικές όπως η θερμική υπέρυθρη και η μικροκυματική ανίχνευση παρέχουν ακριβή δεδομένα για την υγρασία του εδάφ Η χαρτογράφηση της κάλυψης και της χρήσης της γης, με τη βοήθεια δορυφορικών εικόνων, παρέχει γρήγορα και ολοκληρωμένα χωρικά δεδομένα για τη διαχείριση των πόρων και τον πολεοδομικό σχεδιασμό. Τεχνικές όπως το DInSAR και η διαταραχή διασκορπισμού με επίμονους διασκορπιστές επιτρέπουν την ακριβή μέτρηση των παραμορφώσεων της επιφάνειας που προκαλούνται από σεισμούς και ηφαίστεια. Οι θερμικοί αισθητήρες σε δορυφόρους όπως το MODIS και το Landsat βελτιώνουν την παρακολούθηση των ενεργών ηφαιστείων, συμβάλλοντας στην προετοιμασία και την αντιμετώπιση καταστροφών. Οι δορυφορικές εικόνες ενσωματώνονται όλο και περισσότερο στις εκτιμήσεις των ζημιών μετά από σεισμούς, επιτρέ

Προηγμένη έρευνα και εθνικές συνεισφορές

Ελληνικές πρωτοβουλίες

Έρευνα

Μεθοδολογίες

Έρευνα και εξελίξεις στον τομέα της βαθιάς μάθησης και της τηλεπισκόπησης για τη διαχείριση φυσικών καταστροφών

Τεχνολογίες και προηγμένες τεχνικές στο βαθύ μάθημα και την τηλεπισκόπηση

Ελληνικές πρωτοβουλίες στη διαχείριση φυσικών καταστροφών

Η διαδικασία ανάλυσης δορυφορικών εικόνων περιλαμβάνει διάφορα στάδια για τη διασφάλιση ακριβών και χρήσιμων αποτελεσμάτων. Τα στάδια αυτά περιλαμβάνουν την αποκατάσταση και την προεπεξεργασία των εικόνων, τη βελτίωση της εικόνας, την ταξινόμηση των εικόνων και την ερμηνεία των δορυφορικών εικόνων και των ψηφια

Μεθοδολογίες στο Deep Learning και την Τηλεπισκόπηση

CNNs

GANs

RNNs

CD

SSMs

10

DMCNN

SAR

Γεω-υπολογιστικές τεχνικές

UAVs

EO

Here you can put an important title

Your content is good, but it‘ll engage much more if it’s interactive. Capture your audience's attention with an interactive photo or illustration.

Έρευνα και εξελίξεις στον τομέα της βαθιάς μάθησης και της τηλεπισκόπησης για τη διαχείριση φυσικών καταστροφών (1/3)

Τα τελευταία χρόνια, οι τεχνολογίες βαθιάς μάθησης και τηλεπισκόπησης έχουν ενσωματωθεί ευρέως στα συστήματα διαχείρισης κινδύνων καταστροφών, χάρη στην αυξανόμενη διαθεσιμότητα δεδομένων/προϊόντων υψηλής ποιότητας και προηγμένων συστημάτων για την ανάλυσή τους. Η τηλεπισκόπηση υποστηρίζει προοδευτικά τη χαρτογράφηση και την παρακολούθηση καταστροφών, καθώς επιτρέπει τη γρήγορη και ακριβή φυσική παρατήρηση της επιφάνειας της γης πριν, κατά τη διάρκεια και μετά από καταστροφές.

Park et al. (2022)

Long et al. (2021)

Psomiadis et al. (2019)

Wang et al. (2021)

Goldberg et al. (2020)

Stephenson et al. (2022)

Elmahdy et al. (2020)

Dinh et al. (2022)

Barmpoutis et al. (2020)

Peng (2022)

Taskin et al. (2022)

Hakim et al. (2022)

Here you can put an important title

Your content is good, but it‘ll engage much more if it’s interactive. Capture your audience's attention with an interactive photo or illustration.

Έρευνα και εξελίξεις στον τομέα της βαθιάς μάθησης και της τηλεπισκόπησης για τη διαχείριση φυσικών καταστροφών (2/3)

Τα τελευταία χρόνια, οι τεχνολογίες βαθιάς μάθησης και τηλεπισκόπησης έχουν ενσωματωθεί ευρέως στα συστήματα διαχείρισης κινδύνων καταστροφών, χάρη στην αυξανόμενη διαθεσιμότητα δεδομένων/προϊόντων υψηλής ποιότητας και προηγμένων συστημάτων για την ανάλυσή τους. Η τηλεπισκόπηση υποστηρίζει προοδευτικά τη χαρτογράφηση και την παρακολούθηση καταστροφών, καθώς επιτρέπει τη γρήγορη και ακριβή φυσική παρατήρηση της επιφάνειας της γης πριν, κατά τη διάρκεια και μετά από καταστροφές.

Dinh et al. (2022)

Zhang et al., (2022)

Asaly et al. (2022)

Akhyar et al. (2023)

Feng et al. (2022)

Chen et al. (2023)

Ananias et al. (2022)

Garcia et al. (2023)

Sun et al. (2022)

Kim & Muminov (2023)

Lee (2022)

Jia & Ye (2023)

Here you can put an important title

Your content is good, but it‘ll engage much more if it’s interactive. Capture your audience's attention with an interactive photo or illustration.

Έρευνα και εξελίξεις στον τομέα της βαθιάς μάθησης και της τηλεπισκόπησης για τη διαχείριση φυσικών καταστροφών (3/3)

Τα τελευταία χρόνια, οι τεχνολογίες βαθιάς μάθησης και τηλεπισκόπησης έχουν ενσωματωθεί ευρέως στα συστήματα διαχείρισης κινδύνων καταστροφών, χάρη στην αυξανόμενη διαθεσιμότητα δεδομένων/προϊόντων υψηλής ποιότητας και προηγμένων συστημάτων για την ανάλυσή τους. Η τηλεπισκόπηση υποστηρίζει προοδευτικά τη χαρτογράφηση και την παρακολούθηση καταστροφών, καθώς επιτρέπει τη γρήγορη και ακριβή φυσική παρατήρηση της επιφάνειας της γης πριν, κατά τη διάρκεια και μετά από καταστροφές.

Ntinopoulos et al. (2023)

Shastry et al. (2023)

Li et al. (2023)

Yang et al. (2024)

Wu et al. (2024)

Sundriyal et al. (2024)

Ελληνικές πρωτοβουλίες στη διαχείριση φυσικών καταστροφών

Στην Ελλάδα έχουν υλοποιηθεί διάφορες πρωτοβουλίες και έργα για τη βελτίωση της διαχείρισης των φυσικών καταστροφών με τη χρήση προηγμένων τεχνολογιών.

Maestro

SEASFire

Ofire+

GET

DISARM

Δραστηριότητες Δείξτε τι ξέρετε!

Δραστηριότητα 2

Δραστηριότητα 1

Κάντε κλικ στις σωστές έννοιες

Ερωτήσεις αντιστοίχισης

1. Πρόγραμμα Copernicus
2. Sentinel-1
3. Sentinel-2
4. Sentinel-3
5. Sentinel-4 και 5
6. Sentinel-6

Δραστηριότητα 2

Λύση

Κάντε κλικ στις σωστές έννοιες

Επιλέξτε 4 όρους

ΕΝΝΟΙΑ 1

Μετά από έναν σεισμό, χρησιμοποιούνται τεχνικές τηλεπισκόπησης για την εκτίμηση της έκτασης και των επιπτώσεων των ζημιών, συμπεριλαμβανομένων των καταστραμμένων υποδομών, των ρωγμών στην επιφάνεια και των αλλαγών στο έδαφος. Επιλέξτε 4 όρους που σχετίζονται με την εκτίμηση των ζημιών μετά από σεισμό:

Ανίχνευση σεισμικών κυμάτων

Ανίχνευση αλλαγών

Ταξινόμηση ζημιών

Χαρτογράφηση μετατόπισης

Ραντάρ συνθετικού ανοίγματος

Οπτικές εικόνες

Επίμονα διασκορπιστικά

Μη επανδρωμένα αεροσκάφη

Δραστηριότητα 3

Λύση

Κάντε κλικ στις σωστές έννοιες

Επιλέξτε 4 σωστές απαντήσεις

ΕΝΝΟΙΑ 2

Ποιον συνδυασμό τεχνολογιών θα επιλέγατε για την αποτελεσματική εκτίμηση των ζημιών από σεισμό σε μια πυκνοκατοικημένη αστική περιοχή; Επιλέξτε τις 4 σωστές απαντήσεις από τις δεδομένες επιλογές.

Επαναλαμβανόμενα Νευρωνικά Δίκτυα

Συνελικτικά Νευρωνικά Δίκτυα

Μη επανδρωμένα αεροσκάφη

Ραντάρ συνθετικού ανοίγματος

Γενετικό Ανταγωνιστικό Δίκτυο

Σημασιολογικό Δίκτυο Τμηματοποίησης

Σύστημα τηλεμετρίας Maestro

Επίμονα διασκορπιστικά

Αξιολόγηση

Σε αυτή την ενότητα, θα έχετε την ευκαιρία να δοκιμάσετε τις γνώσεις που αποκτήσατε κατά τη διάρκεια του μαθήματος. Το διαδραστικό μας κουίζ θα σας παρέχει μια λεπτομερή αξιολόγηση της κατανόησης των βασικών θεμάτων. Ετοιμαστείτε να δοκιμάσετε τις δεξιότητές σας και να ενισχύσετε τη μάθησή σας καθώς προχωράτε προς την κατάκτηση των βασικών εννοιών. Μην χάσετε την ευκαιρία να αποδείξετε όλα όσα έχετε μάθει μέχρι τώρα!

1/10

2/10

3/10

4/10

5/10

6/10

7/10

8/10

01:00

9/10

10/10

Ολοκλήρωση μαθήματος!

Hakim et al. (2022)

Διερεύνηση των ηφαιστειακών γεωμορφών στο ηφαιστειακό πεδίο του ποταμού Hantangang (HRVF), με έμφαση στην αξία τους ως γεωλογικό κληροδότημα. Η μελέτη χρησιμοποιεί τρισδιάστατη εκτύπωση ενός μοντέλου εδάφους και προσομοίωση Q-LavHA για την εκτίμηση μιας προϊστορικής έκρηξης από δύο πηγές έκρηξης στη Βόρεια Κορέα. Χρησιμοποιούνται αλγόριθμοι τεχνητού νευρωνικού δικτύου (ANN) και μηχανής υποστήριξης διανυσμάτων (SVM) για την ταξινόμηση της περιοχής της λάβας, με το SVM να επιδεικνύει μεγαλύτερη ακρίβεια και αποτελεσματικότητα. Το σενάριο με μία μόνο πύκα έκρηξης έδειξε μεγαλύτερη ακρίβεια από την προσομοίωση Q-LavHA, αλλά τα σενάρια με πολλαπλές πύκες βελτίωσαν τη συνολική ακρίβεια.

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1984 Κατάσταση: 2013 Αισθητήρες: TM, MSS Υψόμετρο: 705 km Κλίση: 98,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 9:45 π.μ. (± 15 λεπτά) τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 99 λεπτά- ~14,5 τροχιές/ημέρα Κάλυψη επανάληψης: 16 ημέρες

1945-55

Η περίοδος αυτή χαρακτηρίζεται από την ανάπτυξη μεθόδων και τεχνικών φωτοερμηνείας. Έμφαση δόθηκε στις μεθόδους ανάλυσης και φωτοερμηνείας παρά στις εφαρμογές τους.

Close

Convolutional Neural Networks

Unmanned Aerial Vehicles

Synthetic Aperture Radar

Semantic Segmentation Net

ΣΤΟΧΟΙ

Το ERS ήταν το πρώτο πρόγραμμα της ESA στην παρατήρηση της Γης που παρείχε περιβαλλοντική παρακολούθηση με βάση το φάσμα των μικροκυμάτων. Το φάσμα των οργάνων της αποστολής ήταν ικανό να παρακολουθεί τη γη, τους ωκεανούς και την ατμόσφαιρα, και πιο συγκεκριμένα τους θαλάσσιους πάγους, τη γεωλογία, τη δασοκομία, τη βαθυμετρία κυματικών φαινομένων, τα μετεωρολογικά γεγονότα και πολλά άλλα επιστημονικά πεδία.

Τεχνολογίες παρατήρησης της Γης (EO)

Περιλαμβάνει τη χρήση δορυφορικών και αερομεταφερόμενων δεδομένων για την παρακολούθηση και την αξιολόγηση φυσικών και ανθρωπογενών καταστροφών. Οι τεχνολογίες EO χρησιμοποιούνται για την αντιμετώπιση καταστροφών, την εκτίμηση των ζημιών, την αποκατάσταση και τον μετριασμό των επιπτώσεων, παρέχοντας λεπτομερή δεδομένα σε πραγματικό χρόνο για την καλύτερη λήψη αποφάσεων. Παρέχοντας λεπτομερή δεδομένα σε πραγματικό χρόνο για την καλύτερη λήψη αποφάσεων.

Περιγραφή

Μέθοδοι: Χωρίζονται σε μη επιβλεπόμενες και επιβλεπόμενες μεθόδους. Ταξινόμηση χωρίς επίβλεψη: Προσδιορίζει αυτόματα φυσικές φασματικές ομάδες χωρίς εξωτερικές πληροφορίες. Κατηγοριοποίηση με επίβλεψη: Χρησιμοποιεί δείγματα γνωστής ταυτότητας για να καθοδηγήσει την ταξινόμηση. Αλγόριθμοι: Περιλαμβάνουν την ελάχιστη απόσταση και τη μέγιστη πιθανότητα. Ακρίβεια ταξινόμησης: Η ακρίβεια ταξινόμησης αξιολογείται με σύγκριση των αποτελεσμάτων με δεδομένα αναφοράς. Αποτελέσματα: Παράγει έναν θεματικό χάρτη που μπορεί να ενσωματωθεί σε GIS

Μη επανδρωμένα αεροσκάφη (UAV)

Τα drones εξοπλισμένα με κάμερες υψηλής ανάλυσης και αισθητήρες παρέχουν δεδομένα σε πραγματικό χρόνο από περιοχές που έχουν πληγεί από καταστροφές. Τα UAV χρησιμοποιούνται για επιχειρήσεις έρευνας και διάσωσης και για την εκτίμηση των ζημιών μετά από καταστροφές, επιτρέποντας την ταχεία επιθεώρηση μεγάλων εκτάσεων και τον εντοπισμό επιζώντων.

Drone video of the Palisades devastation

Wu et al. (2024)

Παρουσιάστε μια μελέτη σχετικά με την ταξινόμηση των ζημιών σε κατοικίες μετά από πλημμύρες χρησιμοποιώντας ένα μοντέλο Dual-View Convolutional Neural Network (DV-CNN), που δημοσιεύθηκε στο περιοδικό Sustainable Cities and Society. Το μοντέλο αυτό, που ενσωματώνει το ResNet-50, τη μεταφορά μάθησης και το Concentration-Based Attention Module (CBAM), βελτιώνει την αποτελεσματικότητα και τη γενίκευση της εκτίμησης των ζημιών. Επικυρωμένο με δεδομένα από την «ισχυρή καταιγίδα της 20ης Ιουλίου στο Zhengzhou», το DV-CNN πέτυχε ακρίβεια 92,5% στην ταξινόμηση των επιπέδων ζημιών, ξεπερνώντας άλλα μοντέλα. Η μελέτη υπογραμμίζει την αξιοπιστία και τη γενικευσιμότητα του μοντέλου, προσφέροντας μια πολύτιμη αναφορά για την εκτίμηση των ζημιών μετά από πλημμύρες σε αγροτικές κατοικίες.

Zhang et al., (2022)

Εξερευνήστε τη χρήση δεδομένων θερμικής υπέρυθρης ακτινοβολίας υψηλής χωρικής ανάλυσης για την πρόβλεψη σεισμών χρησιμοποιώντας ένα φίλτρο «θερμού πυρήνα». Η μελέτη τους αντιμετωπίζει δύο βασικά κενά: τη διακύμανση των θερμικών ανωμαλιών με διαφορετικά μεγέθη σεισμών και την πρόκληση της διάσπασης της κατανομής των θερμικών ανωμαλιών σε δεδομένα υψηλής ανάλυσης. Η έρευνα περιλαμβάνει την επαναδειγματοληψία δεδομένων, την εφαρμογή ενός φίλτρου «θερμού πυρήνα» για τον απομονωτισμό των σεισμικών θερμικών ανωμαλιών και τη χρήση παραθύρων χρόνου-απόστασης-μεγέθους για συσχέτιση. Τα αποτελέσματα δεν δείχνουν σημαντική διαφορά στις θερμικές ανωμαλίες μεταξύ των μεγεθών των σεισμών και το μοντέλο μπορεί να προβλέψει σεισμούς σε απόσταση 200 χλμ. και 20 ημέρες από την εμφάνιση της ανωμαλίας. Αυτό το δυαδικό μοντέλο πρόβλεψης αποτελεί πολύτιμο σημείο αναφοράς για την πρόβλεψη σεισμών.

Sundriyal et al. (2024)

Χρησιμοποιήστε μια ολοκληρωμένη προσέγγιση μηχανικής μάθησης και τηλεπισκόπησης για την αξιολόγηση των κινδύνων κατολισθήσεων και των σημείων υψηλού κινδύνου στα βορειοδυτικά Ιμαλάια. Χρησιμοποιώντας ένα πολυεπίπεδο perceptron (MLP) για τη δημιουργία ενός χάρτη ευπάθειας σε κατολισθήσεις, σε συνδυασμό με δεδομένα έντασης βροχοπτώσεων, η μελέτη παράγει έναν ολοκληρωμένο χάρτη κινδύνων. Ενσωματώνοντας δεδομένα χρήσης γης και κάλυψης γης, ο χάρτης κινδύνου που προκύπτει δείχνει ότι περίπου το 5% της περιοχής βρίσκεται σε ζώνες υψηλού κινδύνου. Η έρευνα υπογραμμίζει ότι περίπου το 53% του πληθυσμού κατοικεί σε περιοχές με υψηλό έως πολύ υψηλό κίνδυνο κατολισθήσεων, τονίζοντας την ανάγκη για βιώσιμη ανάπτυξη και πολεοδομικό σχεδιασμό σε αυτή την ευάλωτη περιοχή.

Garcia et al. (2023)

Προτείνεται ένα νέο πλαίσιο CNN για την ημιαυτόματη ανίχνευση παλαιών κατολισθήσεων σε περιοχές τροπικού δάσους, χρησιμοποιώντας ένα σύνολο δεδομένων που δημιουργήθηκε με έναν αλγόριθμο ομαδοποίησης k-means με ένα βήμα προ-εκπαίδευσης για τη βελτιστοποίηση της διαδικασίας εκπαίδευσης του CNN. Η μελέτη συγκρίνει το προτεινόμενο πλαίσιο με τις τυπικές μεθόδους χρησιμοποιώντας εικόνες CBERS-04A WPM και δοκιμάζει 42 συνδυασμούς τριών CNN (Unet, FPN και Linknet) και δύο επαυξημένων συνόλων δεδομένων. Το πλαίσιο παρουσιάζει υψηλότερα ποσοστά ανάκλησης, αλλά η ακρίβεια παραμένει χαμηλή λόγω ψευδών θετικών αποτελεσμάτων. Παρά τους περιορισμούς στην ανίχνευση παλαιών κατολισθήσεων λόγω φασματικών ομοιοτήτων με περιοχές χωρίς κατολισθήσεις, το πλαίσιο καταδεικνύει βελτιωμένη ακρίβεια στην ανίχνευση κατολισθήσεων.

Shastry et al. (2023)

Ανάπτυξη ενός μοντέλου βαθιάς μάθησης για τη χαρτογράφηση πλημμυρών χρησιμοποιώντας εικόνες Maxar WorldView, αντιμετωπίζοντας την πρόκληση της παρεμπόδισης της επιφάνειας από σύννεφα και βλάστηση. Η προσέγγισή τους περιλαμβάνει τη δημιουργία ενός συντάγματος δεδομένων με σημασιολογική επισήμανση που αντιπροσωπεύει τη μεταβλητότητα των επιφανειακών υδάτων της Βόρειας Αμερικής, το οποίο χρησιμοποιείται για την εκπαίδευση ενός συνελικτικού νευρωνικού δικτύου (CNN) στο πλαίσιο του Deep Earth Learning, Tools and Analysis (DELTA Το μοντέλο επιτυγχάνει υψηλή ακρίβεια (98%) και ανάκληση (94%) κατά την επικύρωση. Ωστόσο, η σύγκριση με υδραυλικά μοντέλα αποκαλύπτει υποεκτίμηση της έκτασης των πλημμυρών κατά 62%, κυρίως λόγω εμποδίων, με το 74% να αποδίδεται στη βλάστηση και το 9% στα σύννεφα. Η μελέτη υπογραμμίζει την ανάγκη συνδυασμού μοντέλων πλημμυρών με δεδομένα τηλεπισκόπησης για την ακριβή χαρτογράφηση των πλημμυρών.

Psomiadis et al. (2019)

Περιγράψτε μια συνεργατική προσέγγιση που χρησιμοποιεί τεχνικές τηλεπισκόπησης και GIS για την παρακολούθηση των πλημμυρών και την εκτίμηση των ζημιών στην περιοχή της Θεσσαλίας, στην Ελλάδα. Η μελέτη επικεντρώνεται σε ένα περιστατικό πλημμύρας που συνέβη τον Μάιο του 2016, χρησιμοποιώντας εικόνες Landsat-7 ETM+ και Sentinel-1 SAR για την ανίχνευση των πλημμυρισμένων περιοχών. Διάφοροι δείκτες νερού και μια μέθοδος κατωφλίου εφαρμόστηκαν στα δεδομένα Landsat-7 και Sentinel-1, αντίστοιχα. Επιπλέον, χρησιμοποιήθηκαν εικόνες υψηλής ανάλυσης DEM και Sentinel-2 για να βελτιωθεί ο προσδιορισμός των πλημμυρικών περιοχών, να εκτιμηθεί το βάθος των πλημμυρικών υδάτων και να αξιολογηθεί η χρήση/κάλυψη γης στις πλημμυρισμένες περιοχές. Αυτή η ολοκληρωμένη προσέγγιση κατάφερε να προσδιορίσει με επιτυχία τις πλημμυρισμένες περιοχές και να αξιολογήσει τον οικονομικό αντίκτυπο στις πληγείσες καλλιέργειες, αποδεικνύοντας την αποτελεσματικότητα του συνδυασμού οπτικών και ραντάρ δεδομένων με μοντελοποίηση GIS για την ακριβή χαρτογράφηση.

Sentinel 2

Η αποστολή της περιλαμβάνει την παρακολούθηση της βλάστησης, των εδαφικών συνθηκών και της διαχείρισης των υδάτινων πόρων. Στόχοι της αποστολής Sentinel-2 περιλαμβάνουν:

1. Παρατήρηση της γης, της βλάστησης, του εδάφους και της κάλυψης του νερού, των εσωτερικών υδάτινων οδών, των παράκτιων περιοχών
2. Χαρτογράφηση των αλλαγών στην κάλυψη της γης
3. Διαχείριση της επισιτιστικής ασφάλειας
4. Παρακολούθηση των δασών
5. Προσδιορισμός διαφόρων φυτικών δεικτών (χλωροφύλλη φυλλικής επιφάνειας, περιεκτικότητα σε νερό

6. Παροχή πληροφοριών για τη ρύπανση των υδάτων 7. Βοήθεια στην ανακούφιση από καταστροφές (πλημμύρες, ηφαιστειακές εκρήξεις και απεικόνιση κατολισθήσεων) 8. Παρακολούθηση της κλιματικής αλλαγής

Περιγραφή

Τεχνικές: Οπτική βελτίωση: Βελτιώνει την οπτική ερμηνεία των ψηφιακών εικόνων. Βελτίωση αντίθεσης: Αυξάνει τις κλίσεις του γκρι επιπέδου. Φίλτρα: Τα φίλτρα διέλευσης χαμηλής και υψηλής συχνότητας ενισχύουν ή εξαλείφουν τις λεπτομέρειες της εικόνας.

Sun et al. (2022)

Αναπτύχθηκε ένα μοντέλο ευπάθειας σε δασικές πυρκαγιές χρησιμοποιώντας τον αλγόριθμο Light Gradient Boosting Machine (LightGBM) για την παραγωγή ενός ακριβούς χάρτη ευπάθειας σε πυρκαγιές. Εστιάζοντας σε ένα υποτροπικό εθνικό δασικό πάρκο στην επαρχία Jiangsu της Κίνας, η μελέτη χρησιμοποίησε οκτώ μεταβλητές που προέρχονταν από τοπογραφικούς, κλιματολογικούς, ανθρώπινους και βλάστησης παράγοντες. Το μοντέλο LightGBM συγκρίθηκε με μοντέλα λογιστικής παλινδρόμησης (LR) και τυχαίου δάσους (RF). Τα αποτελέσματα έδειξαν ότι η θερμοκρασία ήταν ο κύριος παράγοντας που προκαλούσε πυρκαγιές, με το LightGBM να υπερτερεί του LR και του RF σε F1-score, ακρίβεια (88,8%) και AUC (0,935), αποδεικνύοντας ανώτερη προγνωστική απόδοση.

Goldberg et al. (2020)

Χρησιμοποιήστε επιχειρησιακές δορυφορικές παρατηρήσεις για να χαρτογραφήσετε και να παρακολουθήσετε πλημμύρες που προκαλούνται από παγετούς και τήξη χιονιού, ιδίως σε περιοχές υψηλού γεωγραφικού πλάτους. Η μελέτη χρησιμοποιεί το Visible Infrared Imaging Radiometer Suite (VIIRS) και το Advanced Baseline Imager (ABI) για να εκτιμήσει τα ποσοστά νερού μέσω αποσύνθεσης μικτών εικονοστοιχείων, αποκομίζοντας χάρτες πλημμυρών από τις διαφορές στα ποσοστά νερού πριν και μετά την πλημμύρα. Η υψηλή χρονική ανάλυση του ABI και η λεπτομερής χωρική ανάλυση του VIIRS επιτρέπουν την αποτελεσματική παρατήρηση της κίνησης του πάγου, της κατάστασης τήξης του χιονιού και της εξέλιξης των πλημμυρικών υδάτων, βοηθώντας στην πρόβλεψη των πλημμυρών και στη δυναμική παρακολούθηση. Τα προϊόντα πλημμυρών JPSS και GOES-R περιλαμβάνουν μοναδικά τύπους πλημμυρών υπερκείμενου χιονιού/πάγου και μάσκες χιονιού/πάγου, ενισχύοντας τη χρησιμότητά τους για τους μετεωρολόγους ποταμών και τους ευρείς τελικούς χρήστες.

Ananias et. al (2022)

Εισαγωγή του πλαισίου Algal Bloom Forecast (ABF) για την πρόβλεψη της άνθισης φυκιών σε εσωτερικά υδάτινα σώματα με τη χρήση μηχανικής μάθησης και δεδομένων τηλεπισκόπησης. Το πλήρως αυτοματοποιημένο πλαίσιο ABF αξιοποιεί εικόνες MODIS, περιβαλλοντικά δεδομένα και φασματικούς δείκτες για την κατασκευή μοντέλων ανίχνευσης ανωμαλιών με μεθόδους SVM, RF και LSTM. Μελέτες περιπτώσεων στις λίμνες Erie (ΗΠΑ), Chilika (Ινδία) και Taihu (Κίνα) αποδεικνύουν την αποτελεσματικότητα του πλαισίου. Το μοντέλο RF στο πλαίσιο ABF πέτυχε τις καλύτερες προβλέψεις, οι οποίες αξιολογήθηκαν μέσω δεικτών όπως η συνολική ακρίβεια, ο συντελεστής kappa, το F1-Score και το R2-Score.

Copernicus Program

The European Commission oversees the Programme, which is executed in collaboration with Member States, the European Space Agency (ESA), the European Organisation for the Exploitation of Meteorological Satellites (EUMETSAT), the European Centre for Medium-Range Weather Forecasts (ECMWF), various EU Agencies, Mercator Ocean, the European Environment Agency (EEA) and the Joint Research Center (JRC).

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1999 Κατάσταση: λειτουργικός παρά τη βλάβη του διορθωτή γραμμής σάρωσης (SLC) 31 Μαΐου 2003 Αισθητήρες: ETM+ Υψόμετρο: 705 χλμ. Κλίση: 98,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 10 π.μ. (± 15 λεπτά) τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 99 λεπτά- ~14,5 τροχιές/ημέρα Κάλυψη επανάληψης: 16 ημέρες

Sentinel-6

Ο Sentinel-6 περιλαμβάνει δύο δορυφόρους: ο Sentinel-6A εκτοξεύθηκε τον Νοέμβριο του 2020, ενώ ο Sentinel-6B πρόκειται να εκτοξευθεί το 2025. Η κύρια αποστολή του είναι να παρέχει πληροφορίες υψηλής ακρίβειας για την τοπογραφία των ωκεανών παγκοσμίως, ενώ η δευτερεύουσα αποστολή του είναι η ραδιοκάλυψη για την παρακολούθηση της κλιματικής αλλαγής και την πρόγνωση του καιρού. Για τους σκοπούς αυτούς, ο Sentinel-6 είναι εξοπλισμένος με ένα ραντάρ υψομέτρου συνθετικού ανοίγματος (POSEIDON-4) και ένα GNSS-RO αντίστοιχα. Ο Sentinel-6 έχει τη δυνατότητα να χαρτογραφεί έως και το 95% του ωκεανού της Γης κάθε 10 ημέρες, με τις πληροφορίες που συλλέγονται να συμπληρώνουν τα ωκεάνια δεδομένα του Sentinel-3. Με βάση τις αποστολές του, οι στόχοι του Sentinel-6 περιλαμβάνουν: Παρακολούθηση των αλλαγών στη στάθμη της θάλασσας Πρόβλεψη για επιχειρησιακή ωκεανογραφία Παροχή πληροφοριών για τα ωκεάνια ρεύματα, την ταχύτητα του ανέμου και το ύψος των κυμάτων για τη θαλάσσια ασφάλειαΠροστασία και διαχείριση των παράκτιων ζωνών

link

A Landsat Timeline | Landsat Science

Landsat 8 successfully launched on Feb. 11, 2013 and the Landsat data archive continues to expand. Landsat 5 delivered high-quality, global data of Earth’s land surface for 28 years and 10 months, officially setting a new Guinness World Record title for “Longest-operating Earth observation satellite.”

Technical Details

Το πρόγραμμα DISARM,

είναι μέρος του προγράμματος Interreg Balkan-Mediterranean 2014-2020 και εστιάζει στη δημιουργία ενός συστήματος έγκαιρης προειδοποίησης για τον κίνδυνο πυρκαγιάς στην Ελλάδα, την Κύπρο και τη Βουλγαρία. Το σύστημα, που αναπτύχθηκε από την Geospatial Enabling Technologies, χρησιμοποιεί δεδομένα από μετεωρολογικούς σταθμούς και δορυφορικές πληροφορίες για την πρόβλεψη κινδύνων πυρκαγιάς. Η πλατφόρμα περιλαμβάνει δείκτες θερμοκρασίας, υγρασίας, ταχύτητας ανέμου και ειδικούς δείκτες κινδύνου πυρκαγιάς, καθώς και δορυφορικά δεδομένα για ενεργές πυρκαγιές και μετεωρολογικές προβλέψεις. Ο ιστότοπος και τα εργαλεία δημιουργήθηκαν με τη χρήση λογισμικού ανοιχτού κώδικα και διεθνών προτύπων.

Park et al. (2022)

Αντιμετώπιση της αυξανόμενης ανάγκης για ταχεία ανίχνευση και παρακολούθηση των φυσικών καταστροφών λόγω της κλιματικής αλλαγής. Τονίζουν τον ρόλο των τεχνικών τηλεπισκόπησης στη διαχείριση καταστροφών σε πολλαπλούς χωρικούς και χρονικούς τομείς. Παρά τις προκλήσεις που παρουσιάζει η ανάπτυξη αξιόπιστων μεθόδων παρακολούθησης και αξιολόγησης για πολύπλοκους μηχανισμούς καταστροφών, οι πρόσφατες εξελίξεις στον τομέα της δορυφορικής, αερομεταφερόμενης και επίγειας τηλεπισκόπησης, σε συνδυασμό με καινοτόμες τεχνικές ανάλυσης εικόνων, προσφέρουν πολλά υποσχόμενες λύσεις. Η μελέτη τους υπογραμμίζει τη σημασία της ενσωμάτωσης διαφόρων δεδομένων τηλεπισκόπησης για την ολοκληρωμένη παρακολ

Ανίχνευση αλλαγών με βάση τη βαθιά μάθηση (CD)

Χρησιμοποιεί εικόνες τηλεπισκόπησης πολλαπλών χρονικών σημείων και βαθιά μάθηση για την ανίχνευση αλλαγών στην επιφάνεια της Γης. Αυτή η προσέγγιση βοηθά στην ενημέρωση της χρήσης γης, στην αξιολόγηση των φυσικών κινδύνων και στην ανάλυση της αστικής εξάπλωσης, μέσω της αυτόματης εκμάθησης και προσαρμογής σε αναπαραστάσεις χαρακτηριστικών υψηλού επιπέδου

Γεω-υπολογιστικές τεχνικές

Περιλαμβάνει την ενσωμάτωση GIS, LIDAR, UAV και προηγμένων υπολογιστικών τεχνικών όπως η μηχανική μάθηση και η βαθιά μάθηση. Χρησιμοποιείται για τη μοντελοποίηση, την οπτικοποίηση και την πρόβλεψη φυσικών κινδύνων σε τοπική και παγκόσμια κλίμακα, βελτιώνοντας την πρόβλεψη και τη διαχείριση καταστροφών.

Συνελικτικά Νευρωνικά Δίκτυα (CNN)

Τα CNN αποτελούν τον ακρογωνιαίο λίθο των μοντέλων βαθιάς μάθησης που βασίζονται σε εικόνες. Έχουν εφαρμοστεί εκτενώς στην ανάλυση δορυφορικών και αεροφωτογραφικών εικόνων για την ανίχνευση και ταξινόμηση περιοχών που έχουν πληγεί από καταστροφές. Για παράδειγμα, η εκτίμηση των ζημιών μετά από καταστροφές με τη χρήση CNN έχει αποδειχθεί αποτελεσματική στον εντοπισμό κατεστραμμένων κτιρίων και υποδομών με μεγάλη ακρίβεια.

Dinh et al. (2022)

Αξιολόγηση της απόδοσης διαφόρων βελτιστοποιητών για το Deformable-DETR στην εκτίμηση των ζημιών από φυσικές καταστροφές. Χρησιμοποιώντας τεχνικές βαθιάς μάθησης και τηλεπισκόπηση με UAV, η μελέτη βελτιώνει την ανταπόκριση σε καταστροφές, αυξάνοντας την αποτελεσματικότητα και τον χρόνο σύγκλισης του Deformable DETR, μιας μεθόδου ανίχνευσης αντικειμένων βασισμένης στον Transformer. Οι ερευνητές αναλύουν διάφορους βελτιστοποιητές για να βελτιώσουν την απόδοση του Deformable DETR, αποδεικνύοντας την προσαρμοστικότητά του και την αποτελεσματικότητά του για την ταχεία εκτίμηση των ζημιών σε κτίρια σε σενάρια καταστροφών.

TerraSAR-X and TanDEM-X Objectives

Flying in close formation, the objective of the TerraSAR-X and TanDEM-X satellites is to simultaneously image Earth's terrain from different angles with unprecedented accuracy for research and development purposes as well as scientific and commercial applications

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1978 Κατάσταση: σε κατάσταση αναμονής: 31 Μαρτίου 1983, παροπλισμός: Σεπτέμβριος 1983 Αισθητήρες: RBV, MSS Υψόμετρο: ονομαστικά 900 km Κλίση: 99,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 9:42 π.μ. μέση τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 103 λεπτά- ~14 τροχιές/ημέρα Κάλυψη επανάληψης: 18 ημέρες

Earthquakes release energy from the Earth and transfer this energy to the surface, causing significant effects in the affected areas. Satellite images provide a unique tool for capturing these areas after seismic events, offering a rapid damage assessment. Damage assessment after an earthquake must consider the following parameters: 1. Spatial resolution: The analysis of space data in relation to the characteristics of built-up areas (dense or sparse construction). 2. System repeatability: The frequency with which the satellite images the same area. Although a system may have high repeatability, acquiring data in real or near real-time is critical. 3. Detection and recognition capability: This capability is particularly important in sparsely built areas.

Sentinel 3

Ο πρωταρχικός στόχος του Sentinel-3 είναι η μέτρηση της τοπογραφίας της επιφάνειας της θάλασσας, της θερμοκρασίας της επιφάνειας της ξηράς και της θάλασσας και του χρώματος των ωκεανών. Παρέχει δεδομένα υψηλής ακρίβειας για την υποστήριξη της περιβαλλοντικής και κλιματικής πρόβλεψης και παρακολούθησης. Το Sentinel-3 συμπληρώνει την αποστολή του Sentinel 2 με στόχους όπως:

1. Προσδιορισμός της τοπογραφίας και του ύψους της επιφάνειας της θάλασσας, καθώς και του σημαντικού ύψους κύματος
2. Μέτρηση της θερμοκρασίας της επιφάνειας του ωκεανού και της ξηράς
3. Προσδιορισμός του χρώματος της επιφάνειας του ωκεανού και της ξηράς Χαρτογράφηση της τοπογραφίας των πάγων της θάλασσας και της ξηράς
4. Παρακολούθηση της ποιότητας των θαλάσσιων και εσωτερικών υδάτων, της ρύπανσης και της βιολογικής παραγωγικότητας
5. Μοντελοποίηση της κλιματικής αλλαγής
6. Εντοπισμός αλλαγών στη χρήση γης
7. Χαρτογράφηση της δασικής κάλυψης
8. Ανίχνευση πυρκαγιών
9. Παροχή δεικτών της κατάστασης της βλάστησης
10. Πρόγνωση καιρού και κλίματος
11. Μέτρηση της θερμικής ακτινοβολίας της Γης για ατμοσφαιρικές εφαρμογές

Δίκτυα σημασιολογικής τμηματοποίησης

Χρησιμοποιεί CNN για τον εντοπισμό και την ανίχνευση περιοχών ενδιαφέροντος σε δορυφορικές εικόνες. Απαραίτητο για την ανάλυση φυσικών καταστροφών, όπως πυρκαγιές, πλημμύρες και τυφώνες, παρέχοντας ακριβείς και ακριβείς εκτιμήσεις των ζημιών, βελτιώνοντας τις προσπάθειες ανταπόκρισης και την κατανομή των πόρων

EarthExplorer

The EarthExplorer (EE) user interface is an online tool developed by the United States Geological Survey (USGS) for search, discovery, and ordering. It enables users to search satellite, aircraft, and other remote sensing inventories using interactive and text-based query capabilities.

Επαναλαμβανόμενα Νευρωνικά Δίκτυα (RNNs)

Τα RNN, και ιδίως τα δίκτυα Long Short-Term Memory (LSTM), χρησιμοποιούνται για την πρόβλεψη χρονοσειρών, γεγονός που τα καθιστά κατάλληλα για την πρόβλεψη φυσικών καταστροφών. Μελέτες έχουν αποδείξει την ικανότητά τους να προβλέπουν πλημμύρες αναλύοντας χρονικές ακολουθίες δεδομένων βροχόπτωσης και ρυθμών απορροής ποταμών.

Peng, (2022)

Ανασκόπηση των πρόσφατων επιτευγμάτων και προκλήσεων στις μεθόδους τηλεπισκόπησης για την παρακολούθηση μετεωρολογικών καταστροφών. Τα βασικά ζητήματα που εντοπίστηκαν περιλαμβάνουν την οργάνωση των εργασιών, την εξαγωγή πληροφοριών και την ανίχνευση πολυχρονικών αλλαγ Η ακριβής παρακολούθηση απαιτεί τον καθορισμό χρονικών πλαισίων, τον σχεδιασμό αισθητήρων και την κατασκευή μοντέλων αναπαράστασης. Στη συνέχεια, οι πληροφορίες που εξάγονται υποβάλλονται σε επεξεργασία και συγκρίνονται στο χρόνο για την ανίχνευση της εξέλιξης των καταστροφών. Παρόλο που υπάρχουν επιτυχημένες εφαρμογές, εξακολουθούν να υπάρχουν κενά στην παρακολούθηση των διαδικασιών. Απαιτείται περαιτέρω έρευνα στον τομέα του σχεδιασμού αισθητήρων, της αναπαράστασης πληροφοριών και της συγχώνευσης δεδομένων από πολλαπλές πηγές, προκειμένου να παρακωλουθούν και να κατανοήσουν οι μετερολογηκές καταστροφές.

Close

Change Detection

Damage Classification

Synthetic Aperture Radar

Unmanned Aerial Vehicles

IKONOS, World View, QuickBird, Pleiades and SPOT Satellites

Its capabilities include capturing a 3.2m multispectral, Near-Infrared (NIR) 0.80-meter panchromatic resolution at nadir. Its applications include both urban and rural mapping of natural resources and natural disasters, tax mapping, agriculture and forestry analysis, mining, engineering, construction, and change detection. It can yield relevant data for nearly all aspects of environmental study.

Feng et al. (2022)

Διερεύνηση των αβεβαιοτήτων στα μοντέλα μηχανικής μάθησης για την αξιολόγηση της ευπάθειας σε κατολισθήσεις που προκαλούνται από σεισμούς. Χρησιμοποιώντας Τεχνητό Νευρωνικό Δίκτυο (ANN), Τυχαίο Δάσος (RF), Μηχανή Υποστήριξης Διανυσμάτων (SVM) και Λογιστική Παλινδρόμηση (LR), η μελέτη αξιολογεί την αβεβαιότητα του μοντέλου μέσω της ζωνοποίησης της ευπάθειας, των στατιστικών των περιοχών κινδύνου και της περιοχής κάτω Τα αποτελέσματα δείχνουν ότι οι κατολισθήσεις τείνουν να συγκεντρώνονται χωρικά, με πραγματικά περιστατικά κατολισθήσεων σε περιοχές υψηλού κινδύνου σε ποσοστό 86% για το SVM, 87% για το RF, 82% για το LR και 61% για το ANN. Η περιοχή ROC για το RF, το SVM, το LR και το ANN είναι 90,92%, 80,45%, 73,75% και 71,95%, αντίστοιχα. Η ακρίβεια μειώνεται όταν προβλέπονται κατολισθήσεις από διαφορετικούς σεισμούς.

Yang et al. (2024)

Παρουσιάστε μια μελέτη σχετικά με μια βελτιωμένη μέθοδο ανίχνευσης πυρκαγιών και επιλογής ζωνών σε εικόνες τηλεπισκόπησης υπερφασματικής ανάλυσης χρησιμοποιώντας sparse-VIT. Η έρευνα αυτή, που δημοσιεύθηκε στο περιοδικό Infrared Physics & Technology, έχει ως στόχο να βελτιώσει την ακρίβεια ανίχνευσης πυρκαγιών αξιοποιώντας προηγμένες τεχνικές υπερφασματικής απεικόνισης. Η μελέτη, που διεξήχθη από ερευνητές του Ινστιτούτου Τεχνικής Φυσικής της Σαγκάης, του Πανεπιστημίου της Κινεζικής Ακαδημίας Επιστημών και του Ινστιτούτου Τηλεπισκόπησης Πληροφοριών του Πεκίνου, καταδεικνύει σημαντικές βελτιώσεις στις εφαρμογές τηλεπισκόπησης για την παρακολούθηση και τη διαχείριση πυρκαγιών, παρέχοντας ένα ισχυρό πλαίσιο για μελλοντικές εξελίξεις στον τομέα αυτό

Elmahdy et al. (2020)

focus on flash flood (FF) susceptibility mapping and prediction in the northern United Arab Emirates (NUAE), employing a hybrid approach integrating machine learning and geohydrological models. The study tests three machine learning models: boosted regression tree (BRT), classification and regression trees (CART) and naive Bayes tree (NBT). The BRT model demonstrated the highest performance, evaluated using precision, recall, F1 score and ROC curve. The FF susceptibility map was further refined by dividing it into seven basins and calculating new FF conditioning parameters. Results indicated that mountainous and narrow basins like RAK, Masafi, Fujairah and Rol Dadnah have the highest FF occurrence and magnitude, while wider alluvial plains like Al Dhaid have the lowest. This approach enhances the accuracy of FF susceptibility mapping, providing a valuable tool for disaster management in arid regions.

Li et al. (2023)

Ενσωμάτωση του μοντέλου SLIDE στο CAESAR-Lisflood για την ποσοτική μοντελοποίηση του μηχανισμού της αλυσίδας καταστροφών «βροχόπτωση-κατολίσθηση-ξαφνική πλημμύρα» στο πλαίσιο της εξέλιξης του τοπίου σε ορεινές περιοχές. Εφαρμόζοντας το μοντέλο αυτό στην περιοχή που επλήγη από τον σεισμό του Wenchuan, προβλέπεται η ευπάθεια σε κατολισθήσεις υπό ακραίες βροχοπτώσεις και προσδιορίζονται περιοχές υψηλού κινδύνου, όπως ορεινές κοιλάδες και απότομες χαράδρες. Η μελέτη υπογραμμίζει τη σημαντική επίδραση των παλαιών κατολισθήσεων στις διεργασίες διάβρωσης και απόθεσης, ενισχύοντας την εφαρμοσιμότητα του μοντέλου για τη διαχείριση και τη μείωση των καταστροφών σε περιοχές που πλήττονται από σεισμούς.

Lee, (2022)

Διερευνά τις τάσεις και τα χαρακτηριστικά των δασικών πυρκαγιών στη Βόρεια Κορέα χρησιμοποιώντας τεχνικές τηλεπισκόπησης και ψηφιακά τοπογραφικά δεδομένα. Η μελέτη αναλύει δεδομένα MODIS από το 2004 έως το 2015 και δεδομένα Landsat για την εκτίμηση των καμένων εκτάσεων στην επαρχία Hamgyong (SHP) και στην επαρχία Gangwon (GWP). Τα ευρήματα δείχνουν ότι οι πυρκαγιές στην SHP είναι πιο συχνές και σοβαρές, ιδίως σε περιοχές με κωνοφόρα δέντρα, τα οποία είναι πιο ευαίσθητα στις πυρκαγιές λόγω της εύφλεκτης ρητίνης τους. Οι μεγάλες πυρκαγιές συμβαίνουν κυρίως σε ανοιχτές πλαγιές που εκτίθενται στον άνεμο, ενώ λιγότερες πυρκαγιές συμβαίνουν σε ρηχές κοιλάδες και ψηλές κορυφογραμμές. Η μελέτη υπογραμμίζει την ανάγκη της Βόρειας Κορέας να αναπτύξει μέτρα κατά των μεγάλων ζημιών από πυρκαγιές.

Barmpoutis et al. (2020)

Παρέχει μια ολοκληρωμένη ανασκόπηση των συστημάτων έγκαιρης ανίχνευσης δασικών πυρκαγιών με τη χρήση τεχνολογιών οπτικής τηλεπισ Η μελέτη εξετάζει την αυξανόμενη απειλή των μεγάλης κλίμακας δασικών πυρκαγιών, τονίζοντας την ανάγκη για αποτελεσματικές στρατηγικές πρόληψης, έγκαιρης προειδοποίησης και αντίδρασης. Κατατάσσει τα συστήματα ανίχνευσης πυρκαγιών σε τρεις τύπους: επίγεια, εναέρια και διαστημικά, και αξιολογεί διάφορους αλγόριθμους ανίχνευσης φλόγας και καπνού που χρησιμοποιούνται από αυτές τις τεχνολογίες. Η ανασκόπηση επισημαίνει τα πλεονεκτήματα και τα μειονεκτήματα κάθε συστήματος, με στόχο να καθοδηγήσει τη μελλοντική έρευνα για την ανάπτυξη πιο ακριβών και αξιόπιστων συστημάτων έγκαιρης προειδοποίησης πυρκαγιών, προκειμένου να μετριαστούν οι επιπτώσεις των δασικών πυρκαγιών στο περιβάλλον και την ανθρώπινη ζωή.

The analysis of a time series of SAR images extends the possible applications of interferometry, allowing the detection of small displacements on the order of a few millimeters and reducing error sources. There are two main techniques:

a. The SBAS technique (Berardino P. and Sansosti, 2002), which requires many images to create multiple simple interferograms. Through a processing procedure, these interferograms allow precise recording of deformation. b. The Persistent Scatterers (PS) technique, which also requires a large number of SAR images and focuses on ground features that remain stable over time (Ferretti A. & Rocca, 2001). This technique provides point information on deformation, mainly from human constructions and bare rocks.

Land cover changes are detected via remote sensing by analyzing variations in radiation values. Satellite images provide spatial insights, large-area coverage, and temporal data for monitoring dynamic phenomena. Creating thematic land cover/use maps involves three stages: pre-processing, enhancement, and classification. Classification assigns pixel properties to land categories, and its accuracy is critical. Satellite imagery over time enables change monitoring. Supervised classification relies on statistical data and precise class definitions, requiring expertise for effective mapping.

Asaly et al. (2022)

Εξερευνήστε την ανίχνευση προδρόμων σεισμών χρησιμοποιώντας τεχνολογίες τηλεπισκόπησης και μεθόδους μηχανικής μάθησης. Εφαρμόζουν μια τεχνική μηχανής υποστήριξης διανυσμάτων (SVM) σε χρονοσειρές δεδομένων GPS για το συνολικό περιεχόμενο ηλεκτρονίων (TEC) της ιονόσφαιρας, προκειμένου να εντοπίσουν πιθανούς προδρόμους σεισμών. Μετά το φιλτράρισμα των ηλιακών και γεωμαγνητικών επιδράσεων, η μέθοδος τους πέτυχε ακρίβεια 85,7% για τις πραγματικές αρνητικές προβλέψεις και 80% για τις πραγματικές θετικές προβλέψεις για μεγάλους σεισμούς (Mw > 6). Η απόδοση του μοντέλου επικυρώνεται με διάφορους δείκτες ικανότητας, συμπεριλαμβανομένης ακρίβειας 0,83, ακρίβειας 0,85, ανάκλησης 0,8, δείκτη ικανότητας Heidke 0,66 και στατιστικών πραγματικής ικανότητας 0,66.

Akhyar et al. (2023)

Παρέχει μια ολοκληρωμένη ανασκόπηση των μεθοδολογιών βαθιάς μάθησης, ιδίως των συνελικτικών νευρωνικών δικτύων (CNN), που χρησιμοποιούνται για συστήματα διαχείρισης φυσικών καταστροφών. Η μελέτη υπογραμμίζει τη χρήση δικτύων σημασιολογικής τμηματοποίησης για την ανάλυση δορυφορικών εικόνων και δεδομένων τηλεπισκόπησης για την αξιολόγηση και την αντιμετώπι Παρά την αποτελεσματικότητα μοντέλων όπως τα SegNet, U-Net, FCNs, FCDenseNet, PSPNet, HRNet και DeepLab σε εργασίες όπως οριοθέτηση δασικών πυρκαγιών, χαρτογράφηση πλημμυρών και εκτίμηση ζημιών από σεισμούς, εξακολουθούν να υπάρχουν προκλήσεις όσον αφορά τη διατήρηση των χωρικών πληροφοριών και την βέλτιστη αναπαράσταση χαρακτηριστικών. Η παρούσα ανασκόπηση υπογραμμίζει τη σημασία της εξαγωγής χαρακτηριστικών από πολλαπλά επίπεδα σημασιολογικής αναπαράστασης για την ενίσχυση των προσπαθειών διαχείρισης καταστροφών.

Kim & Muminov, (2023)

Προτείνετε ένα προηγμένο μοντέλο YOLOv7 για την ανίχνευση καπνού από δασικές πυρκαγιές χρησιμοποιώντας εικόνες UAV. Οι βελτιώσεις του μοντέλου περιλαμβάνουν την ενσωμάτωση του μηχανισμού προσοχής CBAM, την προσθήκη ενός επιπέδου SPPF+ για καλύτερη εστίαση σε μικρότερες περιοχές καπνού και την εισαγωγή αποσυνδεδεμένων κεφαλών για αποτελεσματική εξαγωγή δεδομένων. Χρησιμοποιείται BiFPN για σύντηξη χαρακτηριστικών πολλαπλών κλιμάκων, με βάρη μάθησης για την ιεράρχηση των κρίσιμων αντιστοιχίσεων χαρακτηριστικών. Η προτεινόμενη προσέγγιση δοκιμάστηκε σε ένα σύνολο δεδομένων 6500 εικόνων UAV και πέτυχε AP50 86,4%, ξεπερνώντας τους προηγούμενους ανιχνευτές κατά 3,9%, αποδεικνύοντας την αποτελεσματικότητά της στην έγκαιρη ανίχνευση καπνού από πυρκαγιές.

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: Ιανουάριος 22, 1975 Κατάσταση: αποσύρθηκε από την επιχειρησιακή κατάσταση: 1982, παροπλισμός: 5 Φεβρουαρίου 1982: 27 Ιουλίου 1983 Αισθητήρες: RBV, MSS Υψόμετρο: ονομαστικά 900 km Κλίση: 99,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 9:42 π.μ. μέση τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 103 λεπτά- ~14 τροχιές/ημέρα Κάλυψη επανάληψης: 18 ημέρες

Ελληνική εταιρεία GIS GET

Τα τελικά σύνολα δεδομένων και τα πολυγώνια που εντοπίστηκαν ως πλημμυρισμένες περιοχές εμφανίζονται δυναμικά μέσω της πύλης GET SDI, αναδεικνύοντας τις δυνατότητες των δεδομένων Sentinel-1 στη διαχείριση κρίσεων. Η εικόνα RGB που δημιουργήθηκε από τα δεδομένα Sentinel-1 στις 11 Φεβρουαρίου 2018 (πριν από την κρίση) και στις 23 Φεβρουαρίου 2018 (κατά τη διάρκεια της κρίσης) επισημαίνει με κόκκινο χρώμα τις πλημμυρισμένες περιοχές λόγω της αντίθεσης στις τιμές της οπισθοσκέδασης. Τα πολυγώνια πλημμύρας προέκυψαν από την εφαρμογή ενός παγκόσμιου ορίου στη διαφορά μεταξύ των εικόνων πριν από την κρίση και κατά τη διάρκεια της κρίσης.

https://www.getmap.eu/company/?lang=en

Τα τελικά σύνολα δεδομένων και τα πολυγώνια που εντοπίστηκαν ως πλημμυρισμένες περιοχές εμφανίζονται δυναμικά μέσω της πύλης GET SDI, αναδεικνύοντας τις δυνατότητες των δεδομένων Sentinel-1 στη διαχείριση κρίσεων. Η εικόνα RGB που δημιουργήθηκε από τα δεδομένα Sentinel-1 στις 11 Φεβρουαρίου 2018 (πριν από την κρίση) και στις 23 Φεβρουαρίου 2018 (κατά τη διάρκεια της κρίσης) επισημαίνει με κόκκινο χρώμα τις πλημμυρισμένες περιοχές λόγω της αντίθεσης στις τιμές της οπισθοσκέδασης. Τα πολυγώνια πλημμύρας προέκυψαν από την εφαρμογή ενός παγκόσμιου ορίου στη διαφορά μεταξύ των εικόνων πριν από την κρίση και κατά τη διάρκεια της κρίσης.

Sentinel 1

Η έναρξη

Ημερομηνία: Sentinel-1A - 03 Απριλίου 2014 Sentinel-1B - 25 Απριλίου 2016 Sentinel-1C - 5 Δεκεμβρίου 2024 Τοποθεσία: Κουρού, Γαλλική Γουιάνα Πύραυλος: Sentinel-1A και -B με Soyuz Sentinel-1C με Vega-C

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1993 Κατάσταση: χάθηκε κατά την εκτόξευση Αισθητήρας: ETM

Stephenson et al. (2022)

Εισαγωγή μιας νέας προσέγγισης βασισμένης στη βαθιά μάθηση για τη χαρτογράφηση ζημιών χρησιμοποιώντας χρονοσειρές συνοχής InSAR, με σκοπό τη βελτίωση του διαχωρισμού των ζημιών που προκαλούνται από καταστροφές από άλλες αλλαγές στην επιφάνεια. Η μέθοδος αυτή αξιοποιεί επαναλαμβανόμενα νευρωνικά δίκτυα (RNN) για την ανάλυση του πλήρους χρονικού ιστορικού των παρατηρήσεων του ραντάρ συνθετικού ανοίγματος (SAR), ανιχνεύοντας ανώμαλες διακυμάνσεις στις ιδιότητες

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1982 Κατάσταση: παροπλισμός, 15 Ιουνίου 2001 Αισθητήρες: TM, MSS Υψόμετρο: 705 χλμ. Κλίση: 98,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 9:45 π.μ. (± 15 λεπτά) τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 99 λεπτά- ~14,5 τροχιές/ημέρα Κάλυψη επανάληψης: 16 ημέρες

About Terra

Approximately the size of a small school bus, the Terra satellite carries five instruments that take coincident measurements of the Earth system:

1. Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)
2. Clouds and Earth’s Radiant Energy System (CERES)
3. Multi-angle Imaging Spectroradiometer (MISR)
4. Measurements of Pollution in the Troposphere (MOPITT)
5. Moderate Resolution Imaging Spectroradiometer (MODIS)

Jia & Ye, (2023)

Διεξάγει μια ολοκληρωμένη ανασκόπηση των εφαρμογών βαθιάς μάθησης (DL) στην αξιολόγηση σεισμικών καταστροφών (EDA), αναλύοντας 204 άρθρα για να διερευνήσει την τρέχουσα κατάσταση, την εξέλιξη και τις προκλήσεις. Κατηγοριοποιεί τα αντικείμενα EDA σε αντικείμενα καταστροφών (σεισμοί και δευτερογενείς καταστροφές) και φυσικά αντικείμενα (κτίρια, υποδομές και περιοχές). Η μελέτη εξετάζει τη χρήση δεδομένων τηλεπισκόπησης, σεισμικών δεδομένων και δεδομένων κοινωνικών μέσων στην EDA, επισημαίνοντας τα πλεονεκτήματα και τους περιορισμούς τους. Αξιολογεί επίσης έξι μοντέλα DL, συμπεριλαμβανομένων των CNN, MLP, RNN, GAN, TL και υβριδικών μοντέλων, σε διαφορετικά στάδια σεισμών (προ, κατά τη διάρκεια, μετά και πολλαπλά στάδια). Τα CNN είναι ιδιαίτερα σημαντικά για την ταξινόμηση εικόνων στην αξιολόγηση των ζημιών σε κτίρια. Η ανασκόπηση εντοπίζει προκλήσεις στα δεδομένα εκπαίδευσης και στα μοντέλα DL, προτείνοντας ευκαιρίες σε νέες πηγές δεδομένων, πολυτροπική DL και αναδυόμενες έννοιες, παρέχοντας πολύτιμες πληροφορίες για ερευνητές και επαγγελματίες.

1925-45

Την περίοδο αυτή έγινε εκτεταμένη χρήση της αεροφωτογραφίας, κυρίως για την τοπογραφική χαρτογράφηση με τη χρήση στερεοσκοπικών αεροφωτογραφιών. Ο Β' Παγκόσμιος Πόλεμος ενίσχυσε σημαντικά τη βελτίωση της τεχνολογίας της αεροφωτογράφησης.

Sentinel 4 and 5

Το Sentinel-4 είναι μια μελλοντική γεωστατική αποστολή που θα παρακολουθεί βασικές συγκεντρώσεις ιχνοαερίων και αερολυμάτων πάνω από την Ευρώπη για την υποστήριξη υπηρεσιών που αφορούν εφαρμογές ποιότητας του αέρα και το κλιματικό πρωτόκολλο. Οι αποστολές Sentinel-4 και Sentinel-5 επικεντρώνονται στην παρακολούθηση της ατμοσφαιρικής σύνθεσης. Οι αποστολές Sentinel-4, Sentinel-5P και Sentinel-5 σχεδιάστηκαν για να συμπληρώσουν την Υπηρεσία Παρακολούθησης της Ατμόσφαιρας του Copernicus (CAMS), η οποία παρέχει συγκεντρωτικές πληροφορίες για την παγκόσμια ατμοσφαιρική ρύπανση, την υγεία, την ηλιακή ενέργεια, τα αέρια του θερμοκηπίου και την κλιματική πίεση. Οι στόχοι της αποστολής του Sentinel-4 περιλαμβάνουν: Μέτρηση της ποιότητας του αέρα Παρακολούθηση του στρατοσφαιρικού όζοντος Μέτρηση της ηλιακής ακτινοβολίας Παρακολούθηση της κλιματικής αλλαγής

link

1955-60

Οι αεροφωτογραφίες έγιναν όλο και πιο δημοφιλείς και οι εφαρμογές τους επεκτάθηκαν πέρα από την τοπογραφική χαρτογράφηση και συμπεριέλαβαν τη γεωλογία, τη γεωργία, το περιβάλλον, τη δασοκομία, την αρχαιολογία κ.λπ.

Ραντάρ συνθετικού ανοίγματος (SAR)

Χρησιμοποιεί ραντάρ για τη δημιουργία λεπτομερών εικόνων της επιφάνειας της Γης, ακόμη και μέσα από νεφελώδη κάλυψη και στο σκοτάδι. Το SAR χρησιμοποιείται για την εκτίμηση των ζημιών από σεισμούς και την παρακολούθηση ηφαιστειακών εκρήξεων, παρέχοντας κρίσιμα δεδομένα για την έγκαιρη εκτίμηση των ζημιών και την πρόβλεψη εκρή

Βαθιά πολυ-ενσωματωμένα συνελικτικά νευρωνικά δίκτυα (DMCNN)

Ένα νέο μοντέλο βαθιάς μάθησης σχεδιασμένο για την ταξινόμηση καταστροφών σε εικόνες τηλεπισκόπησης υψηλής ανάλυσης. Ανιχνεύει και ταξινομεί διάφορες φυσικές καταστροφές, προσφέροντας ισχυρές δυνατότητες διαχείρισης καταστροφών μέσω της ακριβούς αναγνώρισης και ταξινόμησης των πληγεισών περιοχών.

Taskin et al. (2022)

Παρουσιάζεται μια αρχιτεκτονική βαθιάς μάθησης συνόλου με βάση κοινόχρηστα μπλοκ για χαρτογράφηση της ευπάθειας σε ρηχές κατολισθήσεις. Η προσέγγιση αυτή στοχεύει στην αντιμετώπιση των περιορισμών στη διακύμανση και τη γενίκευση των μοντέλων. Συνδυάζοντας μοντέλα συνελικτικών νευρωνικών δικτύων (CNN), επαναλαμβανόμενων νευρωνικών δικτύων (RNN) και μακροπρόθεσμης μνήμης (LSTM), το μοντέλο συνόλου (CNN-RNN-LSTM) εφαρμόστηκε στην επαρχία Τραπεζούντας της Τουρκίας. Το σύνολο πέτυχε την υψηλότερη απόδοση μοντελοποίησης με ακρίβεια 0,93, ξεπερνώντας τα μεμονωμένα μοντέλα. Το μοντέλο συνόλου βελτίωσε τη συνολική ακρίβεια έως και 7% και έδειξε σημαντική βελτίωση (~4%) στην ακρίβεια του χάρτη ευπάθειας, όπως επιβεβαιώθηκε από τη δοκιμή Wilcoxon signed-rank.

Όργανα ERS:

• Το Along-Track Scanning Radiometer (ATSR) μετρούσε τις θερμοκρασίες στην επιφάνεια της θάλασσας και τις θερμοκρασίες στην κορυφή των νεφών.
• Το Global Ozone Monitoring Experiment (GOME) ήταν ένα φασματόμετρο σάρωσης υπεριώδους και ορατού χρώματος στο ναδίρ για την παγκόσμια παρακολούθηση του ατμοσφαιρικού όζοντος.
• Το Μικροκυματικό Ραδιόμετρο (MWR) μετρούσε την ολοκληρωμένη ατμοσφαιρική στήλη υδρατμών και την περιεκτικότητα σε υγρό νερό στα σύννεφα, ως διορθωτικούς όρους για το σήμα του υψομέτρου ραντάρ.
• Το Υψομέτρο Ραντάρ (RA) ήταν ένας ενεργός αισθητήρας μικροκυμάτων της ζώνης Ku (13,8 GHz) με κατεύθυνση ναδίρ, σχεδιασμένος για τη μέτρηση των χρονικών ανακλάσεων επιστροφής από τις επιφάνειες των ωκεανών και των πάγων.
• Η λειτουργία κυμάτων του ραντάρ συνθετικού ανοίγματος (SAR) παρείχε δισδιάστατα φάσματα των κυμάτων της επιφάνειας των ωκεανών.
• Το σκεδασιόμετρο ανέμου (WS) έπαιρνε πληροφορίες για την ταχύτητα και την κατεύθυνση του ανέμου στην επιφάνεια της θάλασσας για την ενσωμάτωση σε μοντέλα, παγκόσμια στατιστικά στοιχεία και κλιματολογικά σύνολα δεδομένων.
• Ο ανακλαστήρας ανάκλασης λέιζερ (LRR) ήταν μια παθητική συσκευή που χρησιμοποιούνταν ως ανακλαστήρας από επίγειους σταθμούς SLR που χρησιμοποιούσαν παλμικά λέιζερ υψηλής ισχύος.
• Ο εξοπλισμός Precise Range And Range-Rate Equipment (PRARE) ήταν ένα συμπαγές, διαστημικό, αμφίδρομο σύστημα παρακολούθησης δορυφόρων μικροκυμάτων δύο συχνοτήτων.

Περιγραφή

Κρίσιμο στάδιο: Αποτρέπει την ενίσχυση των ατελειών στην ψηφιακή επεξεργασία. Ατμοσφαιρικές διορθώσεις: Απαραίτητες για ακριβή αποτελέσματα. Γεωμετρικές διορθώσεις: Μετασχηματισμοί εικόνες σε χάρτες για χρήση GIS. Διαδικασία μετατροπής: Περιλαμβάνει μετατροπή των συντεταγμένων της εικόνας σε σύστημα χαρτογραφικής προβολής με πολυωνυμικών αλγορίθμων και ελέγχου σημεία.

Το έργο SEASFire

εστιάζει στην ανάπτυξη ενός συστήματος παρακολούθησης και διαχείρισης δασικών πυρκαγιών σε πραγματικό χρόνο. Ενσωματώνει δορυφορικά δεδομένα, UAV και αισθητήρες εδάφους για να παρέχει ολοκληρωμένη εικόνα της κατάστασης και υποστήριξη στις προσπάθειες κατάσβεσης των πυρκαγιών.

Το σύστημα στοχεύει στην ενίσχυση των δυνατοτήτων λήψης αποφάσεων για τη διαχείριση των δασικών πυρκαγιών μέσω προηγμένων τεχνολογιών και ανάλυσης δεδομένων. Αξιοποιώντας αυτά τα εργαλεία, το SEASFire επιδιώκει να βελτιώσει την αποδοτικότητα και την αποτελεσματικότητα των πυροσβεστικών επιχειρήσεων, μειώνοντας τελικά τον αντίκτυπο των δασικών πυρκαγιών. Υπό την ηγεσία του Εθνικού Παρατηρητηρίου Αθηνών και με χρηματοδότηση της ESA, το έργο στοχεύει στην πρόβλεψη των εποχιακών προτύπων των πυρκαγιών στην Ευρώπη χρησιμοποιώντας προηγμένα μοντέλα βαθιάς μάθησης και δεδομένα παρατήρησης της Γης. Το έργο επικεντρώνεται στην κατανόηση των χωροχρονικών συνδέσεων μεταξύ των ατμοσφαιρικών συνθηκών και των καθεστώτων πυρκαγιών («SeasFire –Earth System Deep Learning for Seasonal Fire Forecasting in Europe», 2024).

1960-Present

This stage is characterized by the active development of satellites and sensors. In 1960, the first meteorological satellite was launched, marking a new era of intense activity and research in remote sensing. During this period, some satellite recording systems, initially developed exclusively for military purposes, began to be widely used, as more advanced systems were developed for military applications.

Wang et al., (2021)

Προσδιορίστε το Separable Channel Attention Network (SCANet) ως μια πολλά υποσχόμενη τεχνολογία για τη διαχείριση φυσικών καταστροφών, ιδίως των κατολισθήσεων. Το SCANet αξιοποιεί έναν κωδικοποιητή Poolformer και έναν αποκωδικοποιητή SCA-FPN για να βελτιώσει την ακρίβεια της ανίχνευσης κατολισθήσεων από εικόνες τηλεπισκόπησης. Με τη βελτίωση της πρόβλεψης σε επίπεδο εικονοστοιχείων και τη μείωση της υπολογιστικής πολυπλοκότητας, το SCANet υπερτερεί σημαντικά των υφιστάμενων μεθόδων, συμβάλλοντας στις προσπάθειες ταχείας διάσωσης και οικολογικής αποκατάστασης μετά από καταστροφές.

Το σύστημα τηλεμετρίας Maestro

που αναπτύχθηκε από το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, έχει σχεδιαστεί για την πρόβλεψη και τη διαχείριση δασικών πυρκαγιών. Περιλαμβάνει την τοποθέτηση ασύρματων αισθητήρων σε δασικές περιοχές για τη συλλογή δεδομένων σχετικά με τη θερμοκρασία, την υγρασία, την ταχύτητα του ανέμου, την ανίχνευση φλόγας και καπνού. Τα δεδομένα αυτά, που μεταδίδονται μέσω του διαδικτύου, χρησιμοποιούνται για την πρόβλεψη των κινδύνων πυρκαγιάς και την ενημέρωση των σχεδίων πολιτικής προστασίας. Το σύστημα θα δοκιμαστεί σε ελεγχόμενη πυρκαγιά στο αγρόκτημα του πανεπιστημίου, προκειμένου να αξιολογηθεί η ευχρηστία.

Ofire+ από την OMIKRON SA

είναι ένα καινοτόμο σύστημα που έχει σχεδιαστεί για να βελτιώνει την επιχειρησιακή ετοιμότητα για τη διαχείριση κρίσεων από πυρκαγιές σε δήμους και περιφέρειες. Παρέχει ένα συνδυασμό επιστημονικών και τεχνολογικών λύσεων, προσφέροντας καθημερινά μετεωρολογικά δεδομένα, σημεία ανάφλεξης πυρκαγιών, προσομοιώσεις συμπεριφοράς πυρκαγιών, χαρακτηριστικά πυρκαγιών βλάστησης και δείκτη καιρικών συνθηκών πυρκαγιών. Το σύστημα περιλαμβάνει μια εφαρμογή διαχείρισης μέσω διαδικτύου/σύννεφου για τις δημοτικές αρχές και μια εφαρμογή για κινητά για το προσωπικό, τους εθελοντές, τους κατοίκους και τους επισκέπτες, επιτρέποντας την αυτόνομη χρήση.

Χρηματοδοτούμενο από την ΕΕ και εθνικούς πόρους, στοχεύει στη βελτίωση της διαχείρισης και της αντίδρασης σε κρίσεις (Omikron S.A., 2024)

https://ofireplus.com/

Ntinopoulos et al. (2023)

Εξερευνήστε τη συγχώνευση δεικτών που σχετίζονται με πυρκαγιές και έχουν ληφθεί μέσω τηλεπισκόπησης για την πρόβλεψη πυρκαγιών με τη χρήση τεχνητής νοημοσύνης. Η μελέτη χρησιμοποιεί Τεχνητά Νευρωνικά Δίκτυα (ANN) και Δίκτυα Ραδιοειδών Βασικών Συναρτήσεων (RBF) για την πρόβλεψη πυρκαγιών στην Ελλάδα, χρησιμοποιώντας δείκτες όπως ο Δείκτης Πυρκαγιάς (FWI), ο Δείκτης Πυρκαγιάς Fosberg (FFWI), ο Κανονικοποιημένος Δείκτης Διαφοράς Βλάστησης (NDVI) και ο Κανονικοποιημένος Δείκτης Διαφοράς Υγρασίας (NDMI). Επιπλέον, εισάγουν έναν νέο δείκτη, τον «Δείκτη FWI με βελτίωση της βλάστησης» (FWIveg), που συνδυάζει τον FWI με πληροφορίες NDVI. Ο δείκτης αυτός, που αναπτύχθηκε μέσω της πλατφόρμας Google Earth Engine, έχει βελτιστοποιηθεί με τη χρήση γενετικού αλγορίθμου. Η αξιοπιστία της μεθοδολογίας αποδείχθηκε με την πρόβλεψη της πυρκαγιάς του Μάτη στην Αττική το 2018, καταδεικνύοντας την αποτελεσματικότητα της ενσωμάτωσης του FWIveg με νευρωνικά δίκτυα για την πρόβλεψη πυρκαγιών.

Γενετικά Ανταγωνιστικά Δίκτυα (GAN)

Τα GAN χρησιμοποιούνται για τη βελτίωση της ανάλυσης των εικόνων τηλεπισκόπησης, βελτιώνοντας έτσι την ακρίβεια των εκτιμήσεων των επιπτώσεων των καταστροφών. Δημιουργούν εικόνες υψηλής ανάλυσης από εισόδους χαμηλής ανάλυσης, οι οποίες είναι ζωτικής σημασίας για τη λεπτομερή ανάλυση σε περιοχές που έχουν πληγεί από καταστροφές.

ΑΠΟΣΤΟΛΗ

Οι δορυφόροι ERS-1 και ERS-2, που εκτοξεύτηκαν τη δεκαετία του 1990, χρησιμοποιούν ραντάρ συνθετικού ανοίγματος (SAR) για τη χαρτογράφηση της Γης. Ο Envisat, που εκτοξεύθηκε το 2002, παρείχε δεδομένα για την παρακολούθηση του περιβάλλοντος και των κλιματικών αλλαγών μέχρι το 2012.

Long et al. (2021)

Παρουσιάστε μια μελέτη σχετικά με τη χρήση της βαθιάς μάθησης για την παρακολούθηση καταστάσεων έκτακτης ανάγκης σε καταστροφές υψηλού επιπέδου από κατολισθήσεις στην περιοχή του ποταμού Jinsha. Συνδυάζοντας δορυφορικές εικόνες τηλεπισκόπησης με διάφορους παράγοντες που προκαλούν κατολισθήσεις, η μελέτη καθιερώνει δύο μοντέλα ανίχνευσης: Deep Belief Networks (DBN) και Convolutional Neural-Deep Belief Networks (CDN). Η απόδοση των μοντέλων αναλύεται με βάση παραμέτρους όπως ο αριθμός των νευρώνων και των επιπέδων μάθησης, με τα DBN και CDN να επιτυγχάνουν ακρίβεια ανίχνευσης 97,56% και 97,63% αντίστοιχα. Η έρευνα αυτή αποδεικνύει τη σκοπιμότητα των μοντέλων αυτών για την ακριβή παρακολούθηση των κατολισθήσεων, παρέχοντας πολύτιμες πληροφορίες για τη διαχείριση καταστροφών στην περιοχή.

Dinh et al. (2022)

Αξιολόγηση της απόδοσης διαφόρων βελτιστοποιητών για το Deformable-DETR στο πλαίσιο της εκτίμησης ζημιών από φυσικές καταστροφές. Αξιοποιώντας τις πρόσφατες εξελίξεις στην υπολογιστική όραση και την τηλεπισκόπηση με UAV, η μελέτη στοχεύει στη βελτίωση της αντίδρασης σε καταστροφές μέσω της βελτίωσης των μεθόδων ανίχνευσης ζημιών. Το Deformable DETR, μια βελτίωση της μεθόδου ανίχνευσης αντικειμένων Transformer-based DETR, εξετάζεται ως προς την αποτελεσματικότητα και τον χρόνο σύγκλισης. Οι ερευνητές αναλύουν πολλαπλούς βελτιστοποιητές για να ενισχύσουν την απόδοση του Deformable DETR, αποδεικνύοντας την καταλληλότητα και την αποτελεσματικότητά του για την ταχεία εκτίμηση ζημιών σε σενάρια καταστροφών.

Τεχνικές λεπτομέρειες

Ημερομηνία έναρξης: 1972 Κατάσταση: έληξε, 6 Ιανουαρίου 1978 Αισθητήρες: RBV, MSS Υψόμετρο: ονομαστικά 900 km Κλίση: 99,2° Τροχιά: πολική, ηλιοσύγχρονη Ώρα διέλευσης ισημερινού: ονομαστικά 9:42 π.μ. μέση τοπική ώρα (κατερχόμενος κόμβος) Περίοδος περιστροφής: 103 λεπτά- ~14 τροχιές/ημέρα Κάλυψη επανάληψης: 18 ημέρες

Chen et al. (2023)

Προτείνουμε μια υβριδική μέθοδο σημασιολογικής τμηματοποίησης βασισμένη στο K-Net για την εξαγωγή υδάτινων σωμάτων λιμνών, αντιμετωπίζοντας τις ανεπάρκειες και τους κινδύνους των παραδοσιακών μεθόδων. Η προσέγγιση αυτή εισάγει δυναμικούς σημασιολογικούς πυρήνες για την επαναληπτική βελτίωση των πληροφοριών χαρακτηριστικών, βελτιώνοντας σημαντικά την ακρίβεια της εξαγωγής από εικόνες τηλεπισκόπησης. Η επικύρωση σε ένα σύνολο δεδομένων της Google αποδεικνύει την ανωτερότητα του μοντέλου, με το μοντέλο UperNet +K-Net που χρησιμοποιεί Swin-l να επιτυγχάνει το υψηλότερο μέσο όρο διασταύρωσης επί ένωση (mIoU) 97,77%. Η ενσωμάτωση της μονάδας K-Net βελτιώνει σταθερά το mIoU σε όλα τα μοντέλα που δοκιμάστηκαν.

Πριν από το 1925

Η περίοδος αυτή χαρακτηρίζεται από τον πειραματισμό με τις εφαρμογές της φωτογραφίας από αερόστατα και αεροπλάνα για την τοπογραφική χαρτογράφηση. Από την αρχή, οι φωτογραφίες αυτές ανέδειξαν την αξία των αεροφωτογραφιών, ιδίως κατά τη διάρκεια του Α' Παγκοσμίου Πολέμου, όταν χρησιμοποιήθηκαν για τον εντοπισμό και τη χαρτογράφηση στρατηγικών θέσεων.