Μονάδα:
Τμήμα Γεωλογίας και ΓεωπεριβάλλοντοςΒιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2020-11-18
Συγγραφέας:
Κοτίνας Βασίλειος
Στοιχεία επταμελούς επιτροπής:
Γκουρνέλος Θεόδωρος, Καθηγητής, Τμήμα Γεωλογιας και Γεωπεριβάλλοντος, Ε.Κ.Π.Α
Ευελπίδου Νίκη-Νικολέττα, Καθηγήτρια, Τμήμα Γεωλογιας και Γεωπεριβάλλοντος, Ε.Κ.Π.Α
Πούλος Σεραφείμ , Καθηγητής, Τμήμα Γεωλογιας και Γεωπεριβάλλοντος, Ε.Κ.Π.Α
Καρύμπαλης Ευθύμιος, Καθηγητής, Τμήμα Γεωγραφίας, ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Νάστος Παναγιώτης, Καθηγητής, Τμήμα Γεωλογιας και Γεωπεριβάλλοντος, Ε.Κ.Π.Α
Χαλκιάς Χρίστος, Καθηγητής, Τμήμα Γεωγραφίας, ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Βασιλάκης Εμμανουήλ , Επίκουρος Καθηγητής, Τμήμα Γεωλογιας και Γεωπεριβάλλοντος, Ε.Κ.Π.Α
Πρωτότυπος Τίτλος:
Μελέτη της εδαφικής διάβρωσης και των πλημμυρών στο νησί της Σάμου με την εφαρμογή μεθόδων τεχνητής νοημοσύνης (Νευρωνικά Δίκτυα, Ασαφής Λογική) και Γεωγραφικών Συστημάτων Πληροφοριών.
Γλώσσες διατριβής:
Ελληνικά
Μεταφρασμένος τίτλος:
Μελέτη της εδαφικής διάβρωσης και των πλημμυρών στο νησί της Σάμου με την εφαρμογή μεθόδων τεχνητής νοημοσύνης (Νευρωνικά Δίκτυα, Ασαφής Λογική) και Γεωγραφικών Συστημάτων Πληροφοριών.
Περίληψη:
Το ανάγλυφο του πλανήτη διαμορφώνεται μέσα από αργές γεωλογικές διεργασίες αλλά κάποιες φορές εμφανίζονται ξαφνικά ακραία γεγονότα τα οποία προκαλούν ταχύτατες μεταβολές, γνωστές και ως φυσικές καταστροφές, οι οποίες φαίνεται να αυξάνουν τα τελευταία χρόνια εξαιτίας κυρίως της κλιματικής αλλαγής. Τις σπουδαιότερες φυσικές καταστροφές συνιστούν οι σεισμοί, οι ηφαιστειακές εκρήξεις, οι πλημμύρες και οι τυφώνες, ενώ και η διάβρωση μπορεί να θεωρηθεί ως φυσική καταστροφή κατά μια ευρύτερη έννοια.
Το αντικείμενο της διδακτορικής διατριβής είναι η μελέτη της επικινδυνότητας διάβρωσης του εδάφους καθώς και του πλημμυρικού κινδύνου στο νησί της Σάμου με τη χρήση μεθοδολογιών τεχνητής νοημοσύνης (π.χ. νευρωνικά δίκτυα και ασαφής λογική) για τη διερεύνηση των παραγόντων/διεργασιών που επηρεάζουν τις προαναφερθείσες φυσικές καταστροφές. Η επιλογή της Σάμου βασίζεται στο γεγονός ότι παρουσιάζει μεγάλη ποικιλομορφία γεωλογικών και γεωμορφολογικών διεργασιών, η δε πρωτοτυπία της διατριβής αφορά κυρίως στην εφαρμογή μεθοδολογιών τεχνητής νοημοσύνης.
Τα κυριότερα πρωτογενή δεδομένα που χρησιμοποιούνται περιλαμβάνουν τοπογραφικούς χάρτες κλίμακας 1:50.000, ψηφιακά μοντέλα εδάφους με ανάλυση η οποία κυμαίνεται από 30x30m έως 5x5m, γεωλογικούς χάρτες κλίμακας 1:50.000, μετεωρολογικά – κλιματολογικά δεδομένα για τα τελευταία 40 έτη, δορυφορικές εικόνες SENTINEL-2 (μέσης διακριτικής ικανότητας) και Worldview 8 καναλιών (υψηλής διακριτικής ικανότητας), και δεδομένα χρήσεων γης (από το Ευρωπαϊκό Πρόγραμμα CORINE 2018). Επιπλέον δεδομένα προέκυψαν, μετά από εκτεταμένη εργασία πεδίου, η οποία περιλαμβάνει χαρτογράφηση και μέτρηση διαφόρων τοπογραφικών, γεωμορφολογικών και υδρολογικών μεταβλητών καθώς και τη συγκέντρωση ιστορικών στοιχείων σχετικά με πλημμυρικά γεγονότα.
Η ανάλυση των δεδομένων γίνεται κατά κύριο λόγο μέσω Συστημάτων Γεωγραφικών Πληροφοριών (Σ.Γ.Π..) καθώς και με τη χρήση των λογισμικών-γλωσσών προγραμματισμού MATLAB, R, PYTHON και ANACONDA. Αναλύοντας τα πρωτογενή δεδομένα, μέσω του ArcMap και του SAGA GIS κατά κύριο λόγο, υπολογίζονται διάφορες δευτερογενείς παράμετροι (π.χ. κλίσεις, υδρογραφικό δίκτυο, λιθολογία, δείκτης NDVI, τοπογραφικοί δείκτες), συμπεριλαμβανομένων και κάποιων τοπογραφικών δεικτών νέας γενιάς όπως ο HAND και ο DUNE. Όλα τα δεδομένα συγκεντρώνονται και δημιουργείται μια ολοκληρωμένη βάση δεδομένων για την περιοχή μελέτης. Μέσω του συνδυασμού των διαφόρων παραμέτρων μεταξύ τους με τη χρήση διαφόρων μοντέλων (είτε κλασσικών είτε τεχνητής νοημοσύνης) μπορεί να γίνει η εκτίμηση της διάβρωσης αλλά και του πλημμυρικού κινδύνου.
Τα τελικά αποτελέσματα περιλαμβάνουν την εφαρμογή κλασσικών μεθόδων εκτίμησης της διάβρωσης και των υδρολογικών συνθηκών (RUSLE και SCS-CN αντίστοιχα) στην περιοχή μελέτης καθώς και την υλοποίηση μοντέλων προσδιορισμού της επικινδυνότητας του κινδύνου της διάβρωσης και του πλημμυρικού κινδύνου με τη βοήθεια μεθόδων τεχνητής νοημοσύνης. Συγκεκριμένα υλοποιείται ένας μεγάλος αριθμός από διαφορετικά συστήματα ασαφούς λογικής τύπου Mamdami καθώς και συστήματα νευρωνικών δικτύων τύπου SOM για την εκτίμηση της διάβρωσης στη περιοχή μελέτης ενώ υλοποιήθηκε και μια σειρά από ασαφή συστήματα για την αυτοματοποιημένη εκτίμηση του πάχους του εδάφους. Επιπλέον γίνεται διερεύνηση του πλημμυρικού δυναμικού σε 4 υδρολογικές λεκάνες του νησιού της Σάμου, σε επίπεδο υπο-λεκάνης μέσω της υλοποίησης ασαφών συστημάτων σε περιβάλλον Σ.Γ.Π.
Μετά από σύγκριση μεταξύ των μοντέλων τα οποία υλοποιήθηκαν, για κάθε περίπτωση, διαπιστώνουμε ότι τόσο ο αριθμός εισόδων αλλά και ο τύπος του μοντέλου επηρεάζει σε μεγάλο βαθμό τα αποτελέσματα τα οποία προκύπτουν, και σχολιάζεται το βέλτιστο μοντέλο ανά περίπτωση εφαρμογής. Μέσω των προτεινόμενων μεθοδολογιών τεχνητής νοημοσύνης έχουμε τη δυνατότητα να αναγνωρίσουμε με ικανοποιητική ακρίβεια τη χωρική κατανομή των περιοχών με μεγάλη επικινδυνότητα διάβρωσης και πλημμυρών, χρησιμοποιώντας δεδομένα τα οποία εκ της φύσης τους δεν είναι ιδιαίτερα ακριβή. Κάτι τέτοιο μπορεί να αποδειχθεί πολύτιμο σε τοπικό, εθνικό και ευρωπαϊκό επίπεδο για τη καλύτερη διαχείριση των φυσικών καταστροφών, το σχεδιασμό καλύτερων διαχειριστικών σχεδίων ή έργων υποδομής από τους εμπλεκόμενους φορείς.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Μοντελοποίηση Φυσικών Καταστροφών, Διάβρωση, Πλημμυρικός Κίνδυνος, Γεωμορφολογία, Τεχνητή Νοημοσύνη, Ασαφής Λογική, Τεχνητά Νευρωνικά Δίκτυα
Αρ. σελίδων ευρετηρίου:
5
Αρ. βιβλιογραφικών αναφορών:
349
