Επεξεργασία Δορυφορικών Δεδομένων Πολλών Αισθητήρων για την Απεικόνιση των Πλημμύρων του 2023 στο Κάμπο της Θεσσαλίας.
Φόρτωση...
Ημερομηνία
2025-09-23
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών
Επιβλέπων
Περίληψη
Η παρούσα πτυχιακή εργασία επικεντρώνεται στη μελέτη και χαρτογράφηση των πλημμυρών που
έπληξαν τον Θεσσαλικό κάμπο τον Σεπτέμβριο του 2023, μέσω αξιοποίησης δορυφορικών δεδομένων
πολλαπλών αισθητήρων και τεχνικών Τηλεπισκόπησης. Στόχος της είναι η ακριβής αποτύπωση των
πλημμυρισμένων εκτάσεων, καθώς και η αξιολόγηση των επιπτώσεων στο φυσικό και αγροτικό περιβάλλον.
Αρχικά, παρουσιάζονται οι βασικές αρχές της Τηλεπισκόπησης, με έμφαση στις φασματικές
ιδιότητες των υλικών και τη σημασία της φασματικής υπογραφής. Στη συνέχεια, αναλύονται οι δορυφορικοί
αισθητήρες (Sentinel-1, Sentinel-2), τα τεχνικά τους χαρακτηριστικά, καθώς και η συμβολή του
προγράμματος Copernicus στη διαχείριση φυσικών κινδύνων.
Ειδική αναφορά γίνεται στη χρήση δορυφορικών δεδομένων για την ανίχνευση πλημμυρών, μέσω
εικόνων Sentinel-1 (SAR) και Sentinel-2 (οπτικές ζώνες), καθώς και στη συμβολή υπηρεσιών όπως το
GLOFAS. Επιπλέον, εξετάζεται η κακοκαιρία Daniel, που προκάλεσε πρωτοφανείς επιπτώσεις στον
Θεσσαλικό κάμπο.
Στο τελευταίο μέρος, πραγματοποιήθηκε ανάλυση των πλημμυρισμένων περιοχών μέσω
δορυφορικών εικόνων, με χρήση του λογισμικού SNAP για την επεξεργασία δεδομένων SAR και του
λογισμικού LEOWorks για RGB σύνθεση και υπολογισμό του δείκτη NDVI. Μέσω του NDVI έγινε δυνατός ο
εντοπισμός των εκτάσεων που επηρεάστηκαν, και πραγματοποιήθηκε διασταύρωση με δεδομένα χρήσεων
γης (CORINE) για την αποτίμηση των επιπτώσεων.
Η χαρτογράφηση αποκάλυψε ότι κυρίαρχη κατηγορία γης που επλήγη ήταν οι μόνιμα αρδευόμενες
εκτάσεις, ακολουθούμενες από αρόσιμες εκτάσεις, βοσκοτόπια και οικιστικές περιοχές. Επίσης,
διαπιστώθηκε σημαντική περιβαλλοντική υποβάθμιση σε φυσικά οικοσυστήματα, όπως έλη, λιβάδια και
εκτάσεις φυσικής βλάστησης.
Τα ευρήματα αναδεικνύουν τη σημασία της Τηλεπισκόπησης για την παρακολούθηση και
αξιολόγηση φυσικών καταστροφών. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, όπως η ενσωμάτωση
υπερφασματικών δεδομένων, η χρήση τεχνητής νοημοσύνης και η διασύνδεση με επιτόπια δεδομένα για
τη βελτιστοποίηση της διαχείρισης κρίσεων.
This thesis focuses on the study and mapping of the floods that affected the Thessalian Plain in September 2023, utilizing multi-sensor satellite data and Remote Sensing techniques. Its aim is the accurate delineation of the flooded areas and the assessment of the impact on both the natural and agricultural environment. Initially, the fundamental principles of Remote Sensing are presented, with an emphasis on the spectral properties of materials and the significance of spectral signatures. Subsequently, the satellite sensors (Sentinel-1, Sentinel-2), their technical specifications, and the contribution of the Copernicus program to natural hazard management are analyzed. Special emphasis is placed on the use of satellite data for flood detection, through Sentinel 1 (SAR) and Sentinel-2 (optical bands) imagery, as well as on the role of services such as GLOFAS. Additionally, the study examines the storm system Daniel, which caused unprecedented impacts in the Thessalian Plain. In the final section, an analysis of the flooded areas was conducted using satellite imagery, with SAR data processed via SNAP software and RGB compositions and NDVI index calculations carried out using LEOWorks. NDVI enabled the identification of affected areas, which were then cross-referenced with land use data (CORINE) to assess the extent of the impacts. The mapping revealed that the most affected land category was permanently irrigated land, followed by arable land, pastures, and urban areas. Significant environmental degradation was also observed in natural ecosystems such as wetlands, meadows, and areas of natural vegetation. The findings highlight the importance of Remote Sensing for monitoring and assessing natural disasters. Finally, future directions are proposed, including the integration of hyperspectral data, the use of artificial intelligence, and the combination with in-situ data to optimize crisis management.
This thesis focuses on the study and mapping of the floods that affected the Thessalian Plain in September 2023, utilizing multi-sensor satellite data and Remote Sensing techniques. Its aim is the accurate delineation of the flooded areas and the assessment of the impact on both the natural and agricultural environment. Initially, the fundamental principles of Remote Sensing are presented, with an emphasis on the spectral properties of materials and the significance of spectral signatures. Subsequently, the satellite sensors (Sentinel-1, Sentinel-2), their technical specifications, and the contribution of the Copernicus program to natural hazard management are analyzed. Special emphasis is placed on the use of satellite data for flood detection, through Sentinel 1 (SAR) and Sentinel-2 (optical bands) imagery, as well as on the role of services such as GLOFAS. Additionally, the study examines the storm system Daniel, which caused unprecedented impacts in the Thessalian Plain. In the final section, an analysis of the flooded areas was conducted using satellite imagery, with SAR data processed via SNAP software and RGB compositions and NDVI index calculations carried out using LEOWorks. NDVI enabled the identification of affected areas, which were then cross-referenced with land use data (CORINE) to assess the extent of the impacts. The mapping revealed that the most affected land category was permanently irrigated land, followed by arable land, pastures, and urban areas. Significant environmental degradation was also observed in natural ecosystems such as wetlands, meadows, and areas of natural vegetation. The findings highlight the importance of Remote Sensing for monitoring and assessing natural disasters. Finally, future directions are proposed, including the integration of hyperspectral data, the use of artificial intelligence, and the combination with in-situ data to optimize crisis management.
Περιγραφή
Λέξεις-κλειδιά
Τηλεπισκόπηση, πλημμύρες, Θεσσαλικός κάμπος, δορυφορικά δεδομένα (Sentinel-1, Sentinel-2), NDVI, χαρτογράφηση χρήσεων γης