Κεφάλαιο 12

Εφαρμογές Επιστήμης Γεωγραφικής Πληροφορίας

Σύνοψη

Στο παρόν Κεφάλαιο γίνεται λόγος για τον τρόπο με τον οποίο τα ΣΓΠ μπορούν να χρησιμοποιηθούν από

χρήστες διαφορετικών υποβάθρων και να καλύψουν με αυτό τον τρόπο ανάγκες που μέχρι πρότινος ήταν

δύσκολο να αντιμετωπισθούν. Συγκεκριμένα παρέχουν όλες εκείνες τις μεθοδολογίες και τα εργαλεία για να

αξιοποιηθούν επιτυχώς στην ανάλυση και διαχείριση περιβαλλοντικών πόρων, στην οριοθέτηση χρήσεων γης, σε

κτηματομεσιτικές και δημογραφικές αναλύσεις ακόμα και στον τομέα του μάρκετινγκ και σε αρχαιολογικές

μελέτες.

Προαπαιτούμενη γνώση

Απαιτούνται βασικές γνώσεις της Επιστήμης Γεωγραφικής Πληροφορίας ((βλ. ενδεικτικά το βιβλίο Επιστήμη

Γεωγραφικής Πληροφορίας: Αρχές και Τεχνολογίες, Κάβουρας Μ.) και συγκεκριμένα γνώσεις χωρικής

ανάλυσης. Επιθυμητή είναι και η εξοικείωση με πιο εξειδικευμένες μεθόδους χωρικής ανάλυσης.

12.1. Εισαγωγή

Στο Κεφάλαιο 10 του βιβλίου «Επιστήμη της Γεωγραφικής Πληροφορίας – Αρχές και Τεχνολογίες»

αναφέρθηκε εκτεταμένως η κατηγοριοποίηση των τομέων στους οποίους μπορούν να βρουν εφαρμογή τα

ΣΓΠ. Εν συντομία αναφέρεται πως οι Foote και Lynch (2000) διέκριναν τέσσερις κατηγορίες:

«Διαχείριση Φυσικών Πόρων» (διαχείριση δασικών και γεωργικών εκτάσεων, υγροτόπων,

πλημμυρικών περιοχών και υδροφορέων, πανίδας και χλωρίδας καθώς και πόρων αναψυχής),

«Διαχείριση Τεχνικών Υποδομών» (τοποθέτηση υπόγειων σωλήνων και καλωδίων,

παρακολούθηση του τρόπου με τον οποίο καταναλώνεται η ενέργεια),

«Διαχείριση Γης» (οριοθέτηση των χρήσεων γης, διαμόρφωση πολιτικών περιβαλλοντικών

επιπτώσεων, μελέτες ποιότητας υδάτων, φορολογία),

«Δίκτυα Υποδομών» (πλοήγηση, ανάλυση χωροθέτησης και ανάπτυξη σχεδίων εκκένωσης).

Επίσης, παρουσιάσθηκαν κάποιες απλές εφαρμογές των ΣΓΠ σε διάφορους επιστημονικούς κλάδους,

οι οποίοι σχετίζονταν κατά κύριο λόγο με θετικές επιστήμες και επιστήμες που άπτονται στον κλάδο της

μηχανικής. Στο παρών κεφάλαιο θα αναφερθούν πιο εξειδικευμένα παραδείγματα, στα οποία παρουσιάζεται ο

τρόπος με τον οποίο εφαρμόστηκαν προχωρημένες μέθοδοι χωρικής ανάλυσης (γεωστατιστικοί δείκτες,

ανάλυση χωρικής παρεμβολής με χρήση γενικευμένων και γεωστατιστικών μεθόδων, ανάλυση συσχέτισης

και χωρική εξάρτηση, μέθοδοι χωρικής αλληλεπίδρασης), μέσω των ΣΓΠ για την επίλυση ζητημάτων και τη

λήψη αποφάσεων. Επιπλέον, θα αναφερθούν και εφαρμογές που δεν σχετίζονται άμεσα με τα ΣΓΠ,

προκειμένου να ισχυροποιηθεί ο διεπιστημονικός τους χαρακτήρας.

Ο τρόπος με τον οποίο τα ΣΓΠ μπορούν να αξιοποιηθούν στους τομείς της Δημόσιας Υγείας, της

Δασοκομίας, της Διαχείρισης των Φυσικών Καταστροφών και των Μεταφορών καθώς και τα πιθανά οφέλη

τους αναλύονται διεξοδικά στο Κεφάλαιο 10 του βιβλίου «Επιστήμη της Γεωγραφικής Πληροφορίας – Αρχές

και Τεχνολογίες». Στη συνέχεια, θα παρατεθούν μερικές εξειδικευμένες εφαρμογές των ΣΓΠ στους τομείς

αυτούς, στις οποίες γίνεται χρήση της συνήθης μεθόδου Kriging, της ανάλυσης συσχέτισης χαρτών, του

δείκτη χωρικής αυτοσυσχέτισης Moran’s I, της ανάλυσης εστιών ενός φαινομένου και του μοντέλου της

Αναλυτικής Ιεραρχικής Διαδικασίας.

12.2. Εφαρμογές στη Δημόσια Υγεία

12.2.1. Συσχέτιση Ατμοσφαιρικών Ρύπων και Άσθματος

Τα ΣΓΠ μπορούν να χρησιμοποιηθούν για τη μελέτη της συσχέτισης της ατμοσφαιρικής ρύπανσης με την

εκδήλωση του άσθματος (Gorai κ.ά. 2014). Ως περιοχή μελέτης ορίστηκε η πολιτεία της Νέας Υόρκης, όπως

φαίνεται και στην Σχήμα 12.1.

Σχήμα 12.1 Περιοχή μελέτης από Gorai κ.ά. με άδεια CC BY 3.0.

Οι συγκεντρώσεις της ατμοσφαιρικής ρύπανσης μπορούν να διαφέρουν από περιοχή σε περιοχή ακόμα και

μέσα στην ίδια πολιτεία και πολλές φορές δεν είναι διαθέσιμες. Γι’ αυτό το λόγο χρησιμοποιήθηκαν

γεωστατιστικές μεθόδους προκειμένου να εκτιμηθεί η ατμοσφαιρική ρύπανση για το σύνολο της Νέας

Υόρκης, και να συνδεθούν τα ετήσια επίπεδα έκθεσης με τις αντίστοιχες εκδηλώσεις άσθματος. Τα δεδομένα

για την ατμοσφαιρική ρύπανση πάρθηκαν από σταθμούς παρακολούθησης, που κατανέμονται σε διάφορες

περιοχές της Νέας Υόρκης όπως φαίνεται και στην Σχήμα 12.2.

Σχήμα 12.2 Σταθμοί παρακολούθησης ατμοσφαιρικής ρύπανσης στη Νέα Υόρκη από Gorai κ.ά. με άδεια CC BY 3.0.

Τα ΣΓΠ χρησιμοποιήθηκαν προκειμένου να αξιολογηθεί η συσχέτιση μεταξύ της ατμοσφαιρικής ρύπανσης,

και ειδικότερα των λεπτών σωματιδίων (PM2.5), του διοξειδίου του θείου (SO2) και του όζοντος (O3) με την

υγεία, προσδιορίζοντας έτσι δυο μεταβλητές, τον ρυθμό επισκεψιμότητας στα επείγοντα περιστατικά λόγω

άσθματος (Asthma Emergency Department Visit Rate - AEVR) και τον ρυθμό αποθεραπείας του άσθματος

(Asthma Discharge Rate – ADR). Γι’ αυτό το λόγο κατασκευάστηκε ένα χωρικό μοντέλο το οποίο

αντιπροσώπευε μια γεωγραφική περιοχή χρησιμοποιώντας δεδομένα αναφορικά με τη μέση ημερήσια

συγκέντρωση ρύπων, η οποία συσχετίστηκε με το βαθμό εμφάνισης του άσθματος.

Για τις περιοχές στις οποίες δεν υπάρχει κάποιος σταθμός χρησιμοποιήθηκε ως μέθοδος χωρικής

παρεμβολής η συνήθης μέθοδος Kriging προκειμένου να εκτιμηθούν οι συγκεντρώσεις των

προαναφερθέντων ατμοσφαιρικών ρύπων. Να σημειωθεί πως η συλλογή των δεδομένων αφορούσε τις

χρονικές περιόδους 2005, 2006 και 2007. Έπειτα, πραγματοποιήθηκε η οπτικοποίηση των αποτελεσμάτων

της μεθόδου Kriging, δημιουργώντας για κάθε ατμοσφαιρικό ρύπο και για κάθε έτος τους αντίστοιχους

χάρτες. Ενδεικτικά παρατίθεται ο χάρτης για το όζον (Σχήμα 12.3α) και το διοξείδιο του θείου (Σχήμα 12.3β)

για το 2005. Με την οπτικοποίηση των αποτελεσμάτων γίνεται εύκολα αντιληπτό ότι οι συγκεντρώσεις του

όζοντος και του διοξειδίου του θείου ακολουθούν αντίστροφα χωρικά πρότυπα.

(α) (β)

Σχήμα 12.3 Χωρική κατανομή του όζοντος (α) και του διοξειδίου του θείου (β) για τη Νέα Υόρκη το 2005 από Gorai κ.ά.

με άδεια CC BY 3.0.

Η ίδια διαδικασία ακολουθήθηκε και για τις μεταβλητές AEVR και ADR. Για τις περιοχές που δεν υπήρχαν

διαθέσιμα δεδομένα χρησιμοποιήθηκε και πάλι η συνήθης μορφή Kriging. Τα αποτελέσματα για το έτος 2005

παρουσιάζονται στα Σχήματα 12.4α και 12.4β. Στη συνέχεια, προκειμένου να προσδιοριστεί η χωροχρονική

συσχέτιση των ατμοσφαιρικών ρύπων και του άσθματος, πραγματοποιήθηκε ανάλυση συσχέτισης των

παραγόμενων χαρτών (map correlation analysis) τόσο με τη χρήση ΣΓΠ όσο και με στατιστικών πακέτων,

όπως το SPSS. Συγκεκριμένα, χρησιμοποιώντας τους χάρτες χωρικής κατανομής των ατμοσφαιρικών ρύπων

και των παραμέτρων AEVR και ADR προέκυψε ότι το άσθμα συσχετίζεται θετικά με διοξείδιο του θείου και

τα μικρά σωματίδια, αλλά έχει αρνητική συσχέτιση με το όζον. Αξίζει να σημειωθεί ότι παρόμοια

αποτελέσματα προέκυψαν και με τις στατιστικές μεθόδους χρησιμοποιώντας το συντελεστή συσχέτισης

Pearson.

(α) (β)

Σχήμα 12.4 Χωρική κατανομή του AEVR (α) και του ADR (β) για τη Νέα Υόρκη το 2005 από Gorai κ.ά. με άδεια CC BY

3.0.

12.2.2. Χωροχρονικό Πρότυπο Διάχυσης και Ανάλυση Εστιών Δάγκειου Πυρετού

Τα ΣΓΠ μπορούν να χρησιμοποιηθούν και για τη διερεύνηση της χωρικής και χρονικής δυναμικής

επιδημιολογικών δεδομένων σχετικά με τον δάγκειο πυρετό, χρησιμοποιώντας χωρικά πρότυπα διάχυσης και

ανάλυση εστιών (Hot Spot Analysis) (Jeefoo κ.ά. 2011). Ως περιοχή μελέτης ορίστηκε η επαρχία

Chachoengsao, η οποία βρίσκεται στο κεντρικό τμήμα της Ταϊλάνδης, όπως φαίνεται και στο Σχήμα 12.5.

Σχήμα 12.5 Περιοχή μελέτης από Jeefoo κ.ά. με άδεια CC BY 3.0.

Για την έρευνά χρησιμοποιήθηκαν κλιματολογικά δεδομένα (ετήσια βροχόπτωση, μέγιστη και ελάχιστη

θερμοκρασία και σχετική υγρασία) καθώς και δεδομένα που σχετίζονται με τις καταγεγραμμένες περιπτώσεις

δάγκειου πυρετού από το 1999 έως το 2007, την τοποθεσία και το πληθυσμό για τα 820 χωριά της επαρχίας.

Αρχικά, πραγματοποιήθηκε μια γενική ανάλυση των δεδομένων υπολογίζοντας την επίπτωση του δάγκειου

πυρετού ανά έτος με βάση το φύλο και την ηλικία. Από τις 5.381 καταγεγραμμένες περιπτώσεις δάγκειου

πυρετού, οι 3.132 αφορούσαν τους άνδρες και οι υπόλοιπες τις γυναίκες, με τη μεγαλύτερη επίπτωση να

καταγράφεται στην ηλικιακή ομάδα 13 – 24, με ποσοστό 42,93% (340 περιπτώσεις).

Κατόπιν, διερευνήθηκε το χρονικό πρότυπο της επίπτωσης του δάγκειου πυρετού και μέσω του

συντελεστή συσχέτισης του Pearson, συσχετίστηκε η επίπτωση με τα κλιματολογικά δεδομένα.

Αναλυτικότερα προέκυψε ότι η χρονική κατανομή της επίπτωσης του δάγκειου πυρετού παρουσιάζει

παρόμοια τάση κάθε έτος, με τα μεγαλύτερα ποσοστά να καταγράφονται τις βροχερές περιόδους (περίοδος

μεταξύ Μαΐου και Σεπτεμβρίου) και ειδικότερα τους πρώτους τρεις μήνες όπου η σχετική υγρασία είναι

μεγαλύτερη από τη μέση τιμή. Τα μικρότερα ποσοστά καταγράφονται κατά τους χειμερινούς μήνες (περίοδος

μεταξύ Οκτωβρίου και Ιανουαρίου). Μέσω του συντελεστή συσχέτισης του Pearson διαπιστώθηκε ότι

υπάρχει συσχέτιση μεταξύ των περιπτώσεων δάγκειου πυρετού με όλα τα κλιματολογικά δεδομένα.

Έπειτα, πραγματοποιήθηκε ανάλυση του χωρικού προτύπου της επίπτωσης του δάγκειου πυρετού. Τα

δεδομένα σχετικά με τις περιπτώσεις της ασθένειας γεωκωδικοποιήθηκαν χρησιμοποιώντας τη τοποθεσία του

εκάστοτε χωριού από τη διεύθυνση του κάθε ασθενή.

Χωριά με χαμηλό αριθμό κατοίκων είναι πιο ευμετάβλητα από ότι χωριά με υψηλό αριθμό κατοίκων

και συνήθως σε μεγάλες περιοχές εντοπίζονται χωριά με μικρή πυκνότητα πληθυσμού. Ωστόσο η

χαρτογράφησή τους μπορεί να ενισχύσει αυτή τη διαφορά και να αποδώσει με λανθασμένο τρόπο τη

πραγματικότητα. Γι’ αυτό το λόγο, ένα εμπειρικό μπαγεσιανό μοντέλο εξομάλυνσης χρησιμοποιήθηκε,

προκειμένου ο λόγος ενός χωριού με μικρή πυκνότητα πληθυσμού να εξομαλυνθεί και να σταθεροποιηθεί,

χρησιμοποιώντας τη δύναμη από τις γειτονικές χωρικές μονάδες. Έτσι, ο λόγος της επίπτωσης του δάγκειου

πυρετού ανά χρόνο ή μήνα προσαρμόστηκε μέσω του μοντέλου αυτού και μετατράπηκε σε λόγο νοσηρότητας

δάγκειου πυρετού. Η χαρτογράφηση της προσαρμοσμένης επίπτωσης ανά 1.000 κατοίκους σε ετήσια βάση

επέτρεψε την ανάλυση του χωρικού προτύπου της ασθένειας. Όπως φαίνεται και στο Σχήμα 12.6 η

μεγαλύτερη προσαρμοσμένη επίπτωση παρουσιάστηκε το 2001 ενώ η μικρότερη το 1999. Επίσης κρούσματα

δάγκειου πυρετού εμφανίστηκαν σε όλη την επαρχία ακόμα και στο ανατολικότερο τμήμα, το οποίο είναι

κυρίως αγροτικό με χαμηλή πυκνότητα πληθυσμού.

Σχήμα 12.6 Χαρτογράφηση προσαρμοσμένης επίπτωσης δάγκειου πυρετού ανά 1.000 κατοίκους για τα έτη 1999, 2000,

2001 και 2002 από Jeefoo κ.ά. με άδεια CC BY 3.0.

Ακολούθως, χρησιμοποιώντας την έλλειψη τυπικής απόκλισης, πραγματοποιήθηκε οπτικοποίηση και

σύγκριση των περιοχών που μολύνθηκαν από δάγκειο πυρετό. Η έλλειψη τυπικής απόκλισης αποκαλύπτει

στην ουσία την πόλωση προς μια κατεύθυνση με βάση την κατανομή των περιπτώσεων δάγκειου πυρετού.

Όπως φαίνεται και στο Σχήμα 12.7, τα κρούσματα δάγκειου πυρετού παρατηρήθηκαν κυρίως σε αστικές

περιοχές και το χωρικό πρότυπο ήταν παρόμοιο σχεδόν κάθε έτος χωρίς σημαντικές διαφορές.

Με το δείκτη χωρικής αυτοσυσχέτισης Global Moran’s I αναλύθηκαν τα χαρακτηριστικά του

χωρικού προτύπου (ομαδοποίηση ή διασπορά) προσδιορίζοντας συγκεκριμένα τη συσχέτιση μεταξύ των

χωρικών παρατηρήσεων. Ειδικότερα, εκτιμήθηκε η αυτοσυσχέτιση της κατανομής του δάγκειου πυρετού και

εξετάστηκε εάν τα χωριά ομαδοποιήθηκαν ή εμφάνιζαν μεγάλη διασπορά με βάση το λόγο νοσηρότητας

δάγκειου πυρετού. Τα αποτελέσματα του δείκτη χωρικής αυτοσυσχέτισης Global Moran’s I, που

παρουσιάζονται στο Σχήμα 12.8, έδειξαν ότι η χωρική κατανομή του λόγου νοσηρότητας δάγκειου πυρετού

ήταν ομαδοποιημένη σε κάθε έτος.

Σχήμα 12.7 Έλλειψη τυπικής απόκλισης ανά έτος από τον Jeefoo κ.ά. με άδεια CC BY 3.0.

Σχήμα 12.8 Αποτελέσματα χωρικής αυτοσυσχέτισης από Jeefoo κ.ά. με άδεια CC BY 3.0.

Αυτή η πληροφορία είναι ιδιαιτέρως σημαντική καθώς υποδεικνύει στους φορείς δημόσιας υγείας ότι η

ασθένεια του δάγκειου πυρετού εμφανίζεται σε ομάδες πληθυσμού και δεν διαχέεται ανομοιόμορφα ή με

τυχαίο τρόπο στην επαρχία. Επίσης, οι τοποθεσίες που παρατηρείται ομαδοποίηση των κρουσμάτων δάγκειου

πυρετού, μπορούν να θεωρηθούν ως θερμά σημεία και να συμβάλλουν στην διαμόρφωση στρατηγικών. Τα

αποτελέσματα της χωρικής αυτοσυσχέτισης ήταν αναμενόμενα, ακόμα και σε επίπεδο χωριού, καθώς σε μια

μολυσματική ασθένεια όπως ο δάγκειος πυρετός, τα χωρικά πρότυπα παρουσιάζουν ισχυρή χωρική

αυτοσυσχέτιση λόγω των χωρικών σχέσεων μεταξύ των περιπτώσεων και του μηχανισμού πολλαπλασιασμού

της ασθένειας που εξαρτάται από την απόσταση και τη γειτονιά.

Εφόσον αναλύθηκε το χρονικό και χωρικό πρότυπο της επίπτωσης του δάγκειου πυρετού,

πραγματοποιήθηκε η μελέτη της χωροχρονικής δυναμικής του, η οποία γίνεται όταν ο αριθμός των

περιπτώσεων μιας ασθένειας παρατηρείται σε μια μικρή γεωγραφική περιοχή σε σύντομο χρονικό διάστημα.

Η μελέτη της χρονικής δυναμικής της διάχυσης του δάγκειου πυρετού αφορούσε μια περίοδο 153 ημερών

(Μάϊος με Σεπτέμβριος) για το έτος 2007. Συνολικά 551 περιστατικά καταγράφηκαν και γεωαναφέρθηκαν. Ο

μεγαλύτερος αριθμός νέων περιστατικών σε μια μέρα ήταν 19 και παρατηρήθηκε στις περιοχές Phanom

Sarakham και Bang Nam Priao. Επίσης, παρατηρήθηκε μια χρονική δυναμική της ασθένειας προς τις περιοχές

του κεντρικού τομέα της επαρχίας. Από τη μελέτη των χωρικών προτύπων διάχυσης, η οποία

πραγματοποιήθηκε σε ημερήσια βάση, προέκυψαν δυο περιοχές ομαδοποίησης και οι οποίες επισημαίνονται

με κύκλο μπλε απόχρωσης στο Σχήμα 12.18. Η μια περιοχή εντοπίζεται στο νοτιοδυτικό τμήμα (Bang

Pakong) και η άλλη περιοχή εντοπίζεται στο μεσαίο τμήμα (Phanom Sarakham).

Το τελευταίο στάδιο της μελέτης αφορούσε στην ανάλυση των εστιών του δάγκειου πυρετού,

χρησιμοποιώντας τοπικούς δείκτες χωρικής συσχέτισης (μέθοδος LISA). Συγκεκριμένα, μέσω του τοπικού

δείκτη Moran’s I εξετάστηκε σε τοπικό επίπεδο η χωρική αυτοσυσχέτιση προκειμένου να προσδιοριστούν

χωριά όπου οι τιμές του λόγου νοσηρότητας του δάγκειου πυρετού ήταν ακραίες και γεωγραφικά ομοιογενείς.

Ο χάρτης του Σχήματος 12.9 παρουσιάζει τα αποτελέσματα της χωρικής συσχέτισης για το έτος 2004. Με

κόκκινη και μπλε απόχρωση επισημαίνονται οι περιοχές που υποδεικνύουν χωρικά ομαδοποιημένες τιμές

(υψηλές τιμές που περιβάλλονται από υψηλές τιμές και χαμηλές τιμές που περιβάλλονται από χαμηλές τιμές).

Με κίτρινη και ροζ απόχρωση επισημαίνονται περιοχές που υποδεικνύουν χωρικά ακραίες τιμές (υψηλές

τιμές που περιβάλλονται από χαμηλές τιμές και χαμηλές τιμές που περιβάλλονται από υψηλές τιμές).

Σχήμα 12.9 Χωρική δυναμική της ασθένειας από Jeefoo κ.ά. με άδεια CC BY 3.0.

Επίσης, στο Σχήμα 12.10 παρατίθεται και το διάγραμμα διασποράς, προκειμένου να γίνει αντιπαράθεση των

παρατηρηθέντων τιμών με το χωρικό μέσο και να εντοπιστούν ακραίες τιμές. Τα χωρικά ομαδοποιημένα

χωριά με υψηλές τιμές του λόγου νοσηρότητας από δάγκειο πυρετό εντοπίζονται στις περιοχές Mueang

Chachoengsao, Plaeng Yao και Bang Nam Priao.

Σχήμα 12.10 Διάγραμμα διασποράς (αριστερά) Χάρτης χωρικής συσχέτισης (δεξιά) από Jeefoo κ.ά. με άδεια CC BY 3.0.

Προκειμένου να εντοπιστούν τα χωρικά πρότυπα των εστιών του δάγκειου πυρετού, πραγματοποιήθηκε

παρεμβολή στις τιμές, χρησιμοποιώντας την εκτίμηση πυκνότητας Kernel. Συγκεκριμένα, προκύπτει ότι η

ασθένεια το 2007 εξαπλώνεται με γρήγορους ρυθμούς τις πρώτες εβδομάδες και κατά το αποκορύφωμά της

φτάνει τη μέγιστη δυνατή χωρική διασπορά. Από τους χάρτες του Σχήματος 12.11 φαίνεται ότι τα χωρικά

πρότυπα του δάγκειου πυρετού εντοπίζονταν κυρίως στο δυτικό και μεσαίο τμήμα της επαρχίας για τα έτη

1999, 2000 και 2003 – 2007, ενώ για τα έτη 2001 και 2002 κυρίως στο βορειοανατολικό τμήμα. Επίσης,

καθίσταται δυνατός και ο εντοπισμός περιοχών με υψηλή πυκνότητα εστιών για κάθε έτος.

Σχήμα 12.11 Θερμά σημεία δάγκειου πυρετού για τα έτη 1999 – 2007 από Jeefoo κ.ά. με άδεια CC BY 3.0.

12.3. Εφαρμογές στη Δασοκομία

12.3.1. Χωρικό Μοτίβο της Δασικής Βιομάζας Άνθρακα

Μια άλλη μελέτη αφορά στην μελέτη της χωρικής μεταβλητότητας της πυκνότητας της δασικής βιομάζας

άνθρακα (Forest Biomass Carbon – FBC)1 σε δάση της ανατολικής Κίνας και την ανάλυση των χωρικών της

προτύπων με βάση τα χαρακτηριστικά της τοποθεσίας (Weijun κ.ά. 2015). Ως περιοχή μελέτης επιλέχθηκε η

επαρχία Zhejiang, όπως φαίνεται και στο Σχήμα 12.12, στο οποίο παρουσιάζονται επίσης με κουκίδες οι

θέσεις δασικών εκτάσεων.

1 Πληροφορίες σχετικά με τα χωρικά πρότυπα της πυκνότητας FBC διαδραματίζουν καθοριστικό ρόλο στην αξιολόγηση των αποθεμάτων άνθρακα ενός δάσους και γενικότερα στην δασική διαχείριση.

Σχήμα 12.12 Περιοχή μελέτης από Weijun κ.ά. με άδεια CC BY 4.0.

Πέραν της τοποθεσίας των δασικών εκτάσεων, καταγράφηκαν επίσης συμπληρωματικές πληροφορίες που

αφορούσαν τον τύπο και την ηλικία του δάσους, το υψόμετρο, την κλίση, την πυκνότητα της κόμης των

δένδρων, την ατομική δασική βιομάζα (υπόγεια και υπέργεια βιομάζα) καθώς και ιδιότητες του χώματος όπως

για παράδειγμα το pH.

Αρχικά, χρησιμοποιήθηκε το τεστ κανονικότητας Kolmogorov-Smirnov για να εξεταστεί εάν οι

μεταβλητές ακολουθούν κανονική κατανομή και εν συνεχεία ο συντελεστής διατάξεων του Spearman για να

διαπιστωθεί η συσχέτιση μεταξύ της πυκνότητας FBC και των περιβαλλοντικών παραγόντων. Ειδικότερα, για

τη συσχέτιση της πυκνότητας FBC με τα διαφορετικά είδη δασών χρησιμοποιήθηκε η ανάλυση διακύμανσης.

Επειδή η πυκνότητα FBC δεν ακολουθούσε κανονική κατανομή, χρησιμοποιήθηκε ο μετασχηματισμός Box-

Cox προκειμένου να κανονικοποιηθεί και να εκτελεστεί ανάλυση χωρικής αυτοσυσχέτισης και χωρικής

κατανομής.

Για τη μελέτη της χωρικής αυτοσυσχέτισης χρησιμοποιήθηκε ο τοπικός δείκτης Moran’s Ι, ενώ για τη

παραγωγή των χαρτών χωρικής κατανομής χρησιμοποιήθηκε η συνήθης μέθοδος Kriging. Για λόγους

συντομίας παραλείπονται τα στατιστικά αποτελέσματα της μελέτης αυτής και θα αναφερθούν μόνο τα

χωρικής σημασίας αποτελέσματα. Ειδικότερα, κατασκευάστηκε ένας σημειακός χωρικός χάρτης της

πυκνότητας FBC, ο οποίος παρατίθεται στο Σχήμα 12.13.

Σχήμα 12.13 Σημειακός χωρικός χάρτης της πυκνότητας FBC από Weijun κ.ά. με άδεια CC BY 4.0

Από το χάρτη αυτό παρατηρήθηκε ότι υπάρχουν χωρικά ακραίες τιμές, καθώς εντοπίστηκαν εξαιρετικά

χαμηλές τιμές που περιβάλλονταν από εξαιρετικά υψηλές τιμές ή το αντίθετο. Επίσης, υψηλές τιμές

παρατηρήθηκαν κυρίως στο βορειοδυτικό και νοτιοδυτικό τμήμα της επαρχίας, ενώ χαμηλές τιμές στο μεσαίο

τμήμα, γεγονός που συνάδει με την πολιτική που ακολουθεί η επαρχία σχετικά με την εκμετάλλευση των

δασικών εκτάσεων.

Το χωρικό συσχετόγραμμα του Σχήματος 13.14 περιγράφει στην ουσία τη χωρική αυτοσυσχέτιση των

υπό μελέτη μεταβλητών και από το οποίο προέκυψε ότι υπάρχει ισχυρή χωρική εξάρτηση όσο η απόσταση

μεγαλώνει προκειμένου να συμπεριληφθούν περισσότερες τιμές της FBC. Ωστόσο, όταν η FBC φτάσει στη

μεγαλύτερη τιμή της, η χωρική εξάρτηση μειώνεται όσο η απόσταση μεγαλώνει. Το μέγιστο δυνατό εύρος της

θετικής χωρικής αυτοσυσχέτισης ήταν περίπου 230χλμ. και στο σημείο αυτό ο δείκτης Moran’s I λαμβάνει

τιμή 0. Τα αποτελέσματα της χωρικής αυτοσυσχέτισης, χρησιμοποιώντας το δείκτη global Moran’s

παρουσιάζονται στο Σχήμα 12.15.

Σχήμα 12.14 Χωρικό συσχετόγραμμα της FBC από Weijun κ.ά. με άδεια CC BY 4.0

Σχήμα 12.15 Χάρτης χωρικών ομάδων και χωρικών ακραίων τιμών της πυκνότητας FBC από Weijun κ.ά. με άδεια CC

BY 4.0

Επειδή το εύρος της τιμής της χωρικής αυτοσυσχέτισης της πυκνότητας FBC ήταν 98,5χλμ., μεγαλύτερο από

το διάστημα του δείγματος, είναι δυνατή η μελέτη της χωρικής κατασκευής της πυκνότητας FBC του

δείγματος. Ο χάρτης χωρικής κατανομής που δημιουργήθηκε με τη μέθοδο Kriging παρουσιάζεται στο Σχήμα

12.16, όπου παρατηρείται ότι στο νοτιοδυτικό τμήμα της επαρχίας οι τιμές της πυκνότητας FBC από 80 έως

162 Mg ha-1 ήταν αρκετά υψηλές συγκριτικά με άλλες περιοχές, ενώ ήταν χαμηλές στο βόρειο τμήμα το

οποίο έχει ελάχιστα δάση. Τα ευρήματα του χάρτης χωρικής κατανομής ήταν σε συμφωνία με αυτά από τη

χωρική αυτοσυσχέτιση.

Σχήμα 12.16 Χάρτης χωρικής κατανομής της πυκνότητας της FBC από Weijun κ.ά. με άδεια CC BY 4.0

12.3.2. Χωρική Συσχέτιση Ακρίδων και Βλάστησης

Οι γεωστατιστικές μεθόδοι μπορούν να χρησιμοποιηθούν προκειμένου να αναλυθούν τα χωρικά πρότυπα των

ακρίδων και της κυρίαρχης βλάστησης μιας περιοχής καθώς επίσης και να προσδιορισθούν οι μεταξύ τους

σχέσεις (Zhou κ.ά. 2012). Ως περιοχή μελέτης επιλέχθηκε τμήμα της όχθης του ποταμού Heihe, που

βρίσκεται στο λιβάδι Baidaban, στο νότιο τμήμα της οροσειράς Qilian, όπως φαίνεται και στο Σχήμα 12.17.

Σχήμα 12.17 Περιοχή μελέτης από Zhou κ.ά.με άδεια CC BY NC ND 4.0.

Στη περιοχή αυτή εντοπίζονται τρία είδη ακρίδων που ανήκουν στα γένη Gomphocerus licenti, Chorthippus

brunneus huabeiensis και Filchnerella καθώς και τρία είδη φυτών που ανήκουν στα γένη Stipa krylovii,

Artemisia dalailamae και Aneurolepidium dasystanchys. Για τη μελέτη συλλέχθηκαν 32 αντιπροσωπευτικά

δείγματα τον Αύγουστο του 2009, το μήνα δηλαδή που η αναπαραγωγή των ακρίδων βρισκόταν στο

αποκορύφωμά της. Προκειμένου να συλλεχθούν ακρίδες για το δείγμα, δημιουργήθηκε ένας κάναβος στη

περιοχή μελέτης, του οποίου οι κορυφές προσδιορίστηκαν μέσω του Παγκόσμιου Συστήματος Εντοπισμού

λαμβάνοντας υπόψη τους γεωλογικούς σχηματισμούς και τη βλάστηση της περιοχής. Οι άνθρωποι που

συνέλεξαν τις ακρίδες σάρωσαν κάθε κελί του κανάβου με 200 περάσματα και τις παγίδευσαν

χρησιμοποιώντας απόχες.

Για την ανάλυση της χωρικής δομής χρησιμοποιήθηκε η Θεωρία της Περιφερειακής Μεταβλητής

(Regionalized Variable Theory), καθώς ο πληθυσμός των ακρίδων μπορεί να θεωρηθεί ως περιφερειακή

μεταβλητή. Η θεωρία αυτή αποτελεί μια γεωστατιστική μέθοδο χωρικής παρεμβολής κατά την οποία η

παρεμβολή δεν γίνεται με βάση ένα ομαλό και συνεχή τρόπο αλλά με ένα στοχαστικό μοντέλο το οποίο

λαμβάνει υπόψη του τις διαφορετικές τάσεις στο αρχικό σύνολο σημείων. Επίσης, για κάθε είδος ακρίδας και

βλάστησης προσδιορίστηκε και το ημιβαριογράμμα τους και συγκεκριμένα το είδος και οι τιμές των

παραμέτρων: διακύμανση επί της αρχής, όριο και εύρος. Η διακύμανσης επί της αρχής φανερώνει τις χωρικές

μεταβολές που παρατηρούνται σε αποστάσεις πολύ μικρότερες από αυτές που μπορούν να μελετηθούν. Όριο

είναι το σημείο στο οποίο σταθεροποιείται η διακύμανση ή σταθεροποιείται τοπικά εάν οι τιμές της

μεταβλητής παρουσιάζουν περιοδικότητα. Το εύρος είναι εκείνη η απόσταση, εντός της οποίας η

ημιδιακύμανση των τιμών της μεταβλητής αυξάνεται με τρόπο που μπορεί να αποτυπωθεί και χωρικά. Το

εύρος καθορίζει επίσης και τη ζώνη επίδρασης του δείγματος.

Ο βαθμός χωρικής διακύμανσης του γένους Filchnerella είναι 13,88% ενώ του γένους Chorthippus

brunneus huabeiensis είναι 42,38%. Το μοντέλο ημιβαριογράμματος και για τα δυο γένη είναι το σφαιρικό με

εύρος 11,3μ. και 10,8μ. αντίστοιχα. Επομένως για παράδειγμα οι ακρίδες του γένους Filchnerella μπορούν να

επηρεαστούν αμοιβαία στη διάμετρο των 11,3μ. Ο βαθμός χωρικής διακύμανσης των ακρίδων του γένους

Gomphocerus licenti είναι 11,26% και το μοντέλο του ημιβαριογράμματος είναι το κανονικό ή γκαουσιανό με

εύρος 23,5μ., γεγονός που υποδηλώνει πως η κατανομή των ακρίδων αυτού του γένους είναι μεγάλη και

τυχαία. Ανάλογα συμπεράσματα προκύπτουν και για τα υπό μελέτη είδη βλάστησης, με το γένος Stipa

krylovii να αποτελεί το κυρίαρχο γένος με ευρεία κατανομή. Επομένως προκύπτει πως ο πληθυσμός των

ακρίδων έχει ισχυρή χωρική συσχέτιση στο εύρος μεταξύ 11,3μ. έως 23,5μ. και το χωρικό πρότυπο είναι η

συνάθροιση. Το εύρος της βλάστησης της περιοχής είναι μεταξύ 11,5μ. έως 59,7μ. Τα επίπεδα συνάθροισης

των διαφορετικών ειδών ακρίδων και βλάστησης ξεπερνούν το 50%.

Για την ανάλυση της χωρικής κατανομής χρησιμοποίησαν τη συνήθη μέθοδο Kriging προκειμένου να

εκτελέσουν χωρική παρεμβολή, βασισμένοι στο μοντέλο του εκάστοτε ημιβαριογράμματος. Οι χάρτες

χωρικής κατανομής που προέκυψαν παρουσιάζονται στο Σχήμα 12.18.

Όπως προκύπτει, η χωρική κατανομή του είδους Stipa krylovii είναι ανομοιογενής, η κατανομή είναι

ευρεία και τα αποτελέσματα είναι σε συμφωνία με αυτά της ανάλυσης χωρικού προτύπου. Επιπλέον

παρατηρούνται τρία πρότυπα κατανομής, ένα με υψηλό ποσοστό κάλυψης (58%) και δυο με χαμηλά ποσοστά

κάλυψης (17%). Η χωρική κατανομή του γένους Artemisia dalailamae παρουσιάζει υψηλή συνάθροιση στο

βόρειο τμήμα της περιοχής όπου εντοπίζονται και μικρά υψόμετρα με το μέγιστο ποσοστό κάλυψης να είναι

60% ενώ το μικρότερο ποσοστό κάλυψης παρουσιάζεται στο νότιο τμήμα όπου εντοπίζονται μεγάλα

υψόμετρα και ανέρχεται στο 4%. Η χωρική κατανομή του γένους Aneurolepidium dasystanchys είναι

τμηματική, με τις περιοχές υψηλής και χαμηλής κάλυψης να εναλλάσσονται. Η μέγιστη τιμή της υψηλής

κάλυψης παρουσιάζεται στο νότιο τμήμα της περιοχής και είναι 39,6% ενώ το ποσοστό χαμηλής κάλυψης

είναι 4,4%.

Εξετάζοντας τη χωρική κατανομή των ακρίδων σε συνάρτηση με τα είδη βλάστησης, παρατηρείται

ότι οι ακρίδες του γένους Gomphocerus licenti παρουσιάζουν μεγάλους πληθυσμούς στις περιοχές υψηλής

κάλυψης των γενών Stipa krylovii και Aneurolepidium dasystanchys και μικρότερους πληθυσμούς στις

περιοχές που εντοπίζεται βλάστηση του γένους Artemisia Dalailamae. Η χωρική κατανομή των ακρίδων του

γένους Chorthippus brunneus huabeiensis είναι παρόμοια με αυτή του γένους Gomphocerus licenti και

επομένως ο ρυθμός συνάθροισης είναι υψηλός. Τα αποτελέσματα αυτά είναι παρόμοια με εκείνα της

ανάλυσης χωρικού προτύπου. Παρατηρείται επίσης, ότι οι ακρίδες του γένους Filchnerella εντοπίζονται

κυρίως στις νότιες περιοχές με υψηλή κάλυψη του γένους Artemisia dalailamae αλλά δεν εντοπίζονται σχεδόν

καθόλου σε ανατολικές περιοχές.

Τέλος, πραγματοποιήθηκε μια ανάλυση συσχέτισης προκειμένου να προσδιοριστεί η επίδραση των

διαφορετικών ειδών βλάστησης στις ακρίδες. Το γένος Gomphocerus licenti συσχετίζεται θετικά με το Stipa

krylovii και Aneurolepidium dasystanchys, και αρνητικά με το γένος Artemisia dalailamae. Θετική συσχέτιση

υπάρχει επίσης και μεταξύ του γένους Chorthippus brunneus huabeiensis και των τριών ειδών βλάστησης.

Επιπλέον, υπάρχει μια σημαντική θετική συσχέτιση μεταξύ του γένους Filchnerella και Artemisia dalailamae,

ενώ υπάρχει αρνητική συσχέτιση με τα γένη Stipa krylovii και Aneurolepidium dasystanchys. Τα

αποτελέσματα αυτά συνάδουν με τα αντίστοιχα της ανάλυσης χωρικού προτύπου και χωρικής κατανομής.

Σχήμα 12.18 Χωρική κατανομή ακρίδων και βλάστησης από Zhou κ.ά. με άδεια CC BY NC ND 4.0.

12.4. Εφαρμογές στη Διαχείριση Φυσικών Καταστροφών

12.4.1. Πρόβλεψη Πυρκαγιάς σε Αστική Περιοχή

Στην παρούσα μελέτη για την πρόβλεψη και επομένως την καλύτερη αντιμετώπιση πυρκαγιών σε αστικές

περιοχές, χρησιμοποιήθηκε το μοντέλο Αναλυτικής Ιεραρχικής Διαδικασίας (Analytic Hierarchic Process –

AHP) προκειμένου να χαρτογραφηθούν οι ζώνες πιθανής εκδήλωσης φωτιάς (Chhetri κ.ά. 2015). Ως περιοχή

μελέτης ορίστηκε η μητροπολιτική περιφέρεια Kathmandu, στο Νεπάλ, όπως φαίνεται και στο Σχήμα 12.19.

Σχήμα 12.19 Περιοχή μελέτης από Chhetri κ.ά. με άδεια CC BY 4.0.

Η μητροπολιτική περιφέρεια περιλαμβάνει 35 διοικητικές μονάδες που χαρακτηρίζονται από γρήγορη

ανάπτυξη και την ανέγερση των πολυώροφων κτιρίων. Αυτό έχει σαν αποτέλεσμα να αυξάνεται και ο

κίνδυνος εκδήλωσης πυρκαγιάς. Γι’ αυτό το λόγο καταγράφηκε η θέση των πρατηρίων υγρών καυσίμων,

καθώς αποτελούν σημαντικό παράγοντα κινδύνου για την εκδήλωση φωτιάς, αφού μια σπίθα είναι αρκετή για

να προκαλέσει καταστροφές σε ακτίνα τουλάχιστον 500μ. από τη θέση του πρατηρίου. Οι διοικητικές

μονάδες καθώς και η ομαδοποιημένη θέση των πρατηρίων υγρών καυσίμων παρουσιάζονται στο Σχήμα

12.20.

Σχήμα 12.20 Διοικητικές μονάδες και πρατήρια υγρών καυσίμων από Chhetri κ.ά. με άδεια CC BY 4.0.

Κατόπιν, δημιουργήθηκαν ζώνες επιρροής στα 50μ., 100μ., 200μ. 500μ. γύρω από τα πρατήρια υγρών

καυσίμων προκειμένου να εντοπιστούν περιοχές που είναι επιρρεπείς σε μια ενδεχόμενη εκδήλωση φωτιάς. Ο

χάρτης παρατίθεται στο Σχήμα 12.21.

Σχήμα 12.21 Περιοχές επιρρεπείς σε εκδήλωση φωτιάς από Chhetri κ.ά. με άδεια CC BY 4.0.

Στη συνέχεια, μελετήθηκαν οι χρήσεις γης καθώς αποτελούν και αυτές σημαντικό παράγοντα κινδύνου για

την εκδήλωση πυρκαγιάς. Συγκεκριμένα, όπως φαίνεται και στο Σχήμα 12.22 στην μητροπολιτική περιοχή

εντοπίζονται εννέα χρήσεις γης: κατοικήσιμες περιοχές, γεωργικές εκτάσεις, φυτείες, ανοιχτοί χώροι, υδάτινα

σώματα, δρόμοι, αμμώδης εκτάσεις, παιδικές χαρές και αεροδιάδρομοι. Επειδή η κατοικήσιμη έκταση

κυριαρχεί ως χρήση γης, ο κίνδυνος για εκδήλωση φωτιάς είναι ιδιαίτερα αυξημένος.

Σχήμα 12.22 Χρήσεις γης στην μητροπολιτική περιοχή Kathmandu από Chhetri κ.ά. με άδεια CC BY 4.0.

Τέλος, μελετήθηκε και η πυκνότητα του πληθυσμού που αποτελεί επίσης παράγοντα κινδύνου για την

εκδήλωση φωτιάς. Η πυκνότητα του πληθυσμού για το σύνολο της μητροπολιτικής περιοχής Kathmandu

χωρίστηκε σε έξι κατηγορίες όπως φαίνεται στο Σχήμα 12.23.

Σχήμα 12.23 Πυκνότητα πληθυσμού στην μητροπολιτική περιοχή Kathmandu από Chhetri κ.ά. με άδεια CC BY 4.0.

Κατόπιν, υλοποιήθηκε το μοντέλο της AHP για την χαρτογράφηση των περιοχών εκδήλωσης φωτιάς. Εάν

ένας παράγοντας κινδύνου έχει άμεση σχέση με την πιθανότητα εκδήλωσης φωτιάς τότε λαμβάνει τιμές

μεταξύ 1 έως 9, ειδάλλως εάν έχει αντίθετη συσχέτιση λαμβάνει τιμές από 1/2 έως 1/9. Τα αποτελέσματα για

τους τρεις προαναφερθέντες παράγοντες κινδύνου παρουσιάζονται στο Σχήμα 12.24. Παρατηρείται ότι

υπάρχει αυξημένη πιθανότητα να εκδηλωθεί φωτιά σε κοντινές αποστάσεις από τα πρατήρια υγρών καυσίμων

παρά σε μακρινές αποστάσεις. Επίσης, υπάρχει αυξημένη πιθανότητα να εκδηλωθεί φωτιά σε κατοικήσιμες

περιοχές και γεωργικές εκτάσεις καθώς και σε περιοχές με αυξημένη πυκνότητα πληθυσμού.

Σχήμα 12.24 Αποτελέσματα AHP από Chhetri κ.ά. με άδεια CC BY 4.0.

Έτσι, προκύπτει ο δείκτης δυνητικής εκδήλωσης φωτιάς (Fire Pontetial Index – FPI) ως ένα σταθμισμένο

άθροισμα της απόστασης από τα πρατήρια υγρών καυσίμων, της χρήσης γης και της πυκνότητας του

πληθυσμού. Ο δείκτης αυτός λαμβάνει τιμές μεταξύ 0,05 και 1,03 και όσο αυξάνεται η τιμή του FPI

αυξάνεται και η πιθανότητα για εκδήλωση φωτιάς. Ο χάρτης του FPI παρατίθεται στο Σχήμα 12.25.

Σχήμα 12.25 Χαρτογράφηση του FPI από Chhetri κ.ά. με άδεια CC BY 4.0.

Στη συνέχεια, προκειμένου να χαρτογραφηθούν οι ζώνες εκδήλωσης φωτιάς, ο δείκτης FPI χωρίστηκε σε

τρεις κατηγορίες: μικρή, μέτρια και υψηλή πιθανότητα. Επομένως, προέκυψε ο χάρτης του Σχήματος 12.26

που απεικονίζει τις ζώνες αυτές.

Σχήμα 12.26 Χάρτης ζωνών εκδήλωσης φωτιάς από Chhetri κ.ά. με άδεια CC BY 4.0.

Τα αποτελέσματα έδειξαν ότι το 58,04% της συνολικής περιοχής εμπίπτει στη χαμηλή ζώνη εκδήλωσης

φωτιάς, το 32,92% στη μέτρια ζώνη και μόνο το 9,04% στην υψηλή ζώνη. Επίσης, παρατηρήθηκε ότι μερικές

διοικητικές μονάδες παρόλο που δεν διέθεταν κάποιο πρατήριο υγρών καυσίμων είχαν αυξημένη πιθανότητα

για εκδήλωση πυρκαγιάς καθώς χαρακτηρίζονταν ως κατοικημένες περιοχές με υψηλή πυκνότητα

πληθυσμού.

12.4.2. Χαρτογράφηση Κινδύνου Πλημμυρών Ταχείας Απόκρισης

Οι δορυφορικές εικόνες σε συνδυασμό με τα ΣΓΠ αποτελούν χρήσιμα εργαλεία για τη χαρτογράφηση

περιοχών που παρουσιάζουν αυξημένο κίνδυνο ξαφνικών πλημμυρών (Elkhrachy 2015). Με τον όρο

«Ξαφνικές Πλημμύρες» (flash floods) αναφερόμαστε σε πλημμύρες που οφείλονται σε πολύ έντονες τοπικές

βροχοπτώσεις μικρής διάρκειας, συνήθως έως μιας ώρας. Συχνά συνοδεύονται από κατολισθήσεις, μεταφορά

φερτών υλών και λάσπης, πρόκληση ζημιών σε γέφυρες και κτήρια ακόμα και θανάτους. Ως περιοχή μελέτης

ορίστηκε η πόλη Najran της Σαουδικής Αραβίας, όπως φαίνεται και στο Σχήμα 12.27.

Σχήμα 12.27 Περιοχή μελέτης από Elkhrachy με άδεια CC BY NC ND 4.0.

Η συγκεκριμένη πόλη περιβάλλεται από ψηλά βουνά στο βόρειο, νότιο και δυτικό τμήμα της και λόγω της

μεγάλης υψομετρικής διαφοράς παρουσιάζει αυξημένο κίνδυνο ξαφνικών πλημμυρών. Συγκεκριμένα,

καλύπτει μια έκταση περίπου 1.520χλμ2 και χαρακτηρίζεται από μέτριο και έντονο ανάγλυφο με το υψόμετρο

να κυμαίνεται από 1.080μ. έως 2.252μ., όπως φαίνεται και στο Σχήμα 12.28 όπου οι περιοχές με πιο ανοικτό

χρώμα υποδεικνύουν περιοχές μεγαλύτερου υψομέτρου.

Σχήμα 12.28 Ψηφιακά μοντέλα υψομέτρου (DEM) περιοχής μελέτης από Elkhrachy με άδεια CC BY NC ND 4.0.

Το Ψηφιακό Μοντέλο Υψομέτρων – ΨΜΥ (Digital Elevation Model – DEM) της περιοχής δημιουργήθηκε

μέσω στερεοσκοπικής ερμηνείας επικαλυπτόμενων ζευγών δορυφορικών εικόνων (εικόνες SPOT 5 και

SRTM), χωρικής ανάλυσης 10μ. προκειμένου να οροθετηθεί το δίκτυο αποστράγγισης. Από τους

τοπογραφικούς χάρτες μπορεί να εξαχθεί πληροφορία σχετικά με το δίκτυο αποστράγγισης της εκάστοτε

περιοχής. Ωστόσο, εάν η πληροφορία αυτή προέρχεται από ΨΜΥ, τότε η οριοθέτηση του δικτύου

αποστράγγισης γίνεται με μεγαλύτερη ακρίβεια. Έπειτα, οι δορυφορικές εικόνες χρησιμοποιήθηκαν για την

κατηγοριοποίηση της περιοχής μελέτης και τον καθορισμό ζωνών και κατασκευών ή δρόμων που μπορούν να

επηρεαστούν από τις ξαφνικές πλημμύρες. Όπως προκύπτει και από το Σχήμα 12.29, η περιοχή μελέτης

περιλαμβάνει 75 τομείς.

Σχήμα 12.29 Οριοθέτηση τομέων περιοχής μελέτης από Elkhrachy με άδεια CC BY NC ND 4.0.

Ακολούθως, μέσω βιβλιογραφικής ανασκόπησης προσδιόρισε τους παράγοντες που επηρεάζουν το δείκτη

επικινδυνότητας πλημμύρας (Flood Hazard Index – FHI) και οι οποίοι παρατίθενται στη συνέχεια. Ο πρώτος

παράγοντας είναι η απορροή. Όσο μεγαλύτερη είναι η βροχόπτωση σε μια περιοχή τόσο μεγαλύτερη είναι η

πιθανότητα εκδήλωσης ξαφνικών πλημμυρών. Κατακρημνίσεις υψηλότερης έντασης επιφέρουν μεγαλύτερη

απορροή καθώς το έδαφος δεν μπορεί να απορροφήσει το νερό αρκετά γρήγορα. Το μέγεθος της ετήσιας

μέγιστης κατακρήμνισης υπολογίστηκε με περίοδο επαναφοράς τα 14 έτη.

Ο δεύτερος παράγοντας είναι ο τύπος και η υφή του εδάφους, καθώς καθορίζουν τη ποσότητα

κατακράτησης του νερού. Γενικά, η απορροή λόγω έντονης βροχόπτωσης είναι πιο έντονη σε αργιλικά εδάφη

παρά σε αμμώδη. Ο τρίτος παράγοντας είναι η κλίση και η τραχύτητα του εδάφους, καθώς όσο αυξάνεται η

κλίση του εδάφους αυξάνεται και ο κίνδυνος εκδήλωσης ξαφνικών πλημμυρών. Ο τέταρτος παράγοντας είναι

η πυκνότητα αποστράγγισης και η απόσταση από τον κύριο ποταμό. Στην ουσία, η πυκνότητα αποστράγγισης

προκύπτει από τη διαίρεση του μήκους όλων των ποταμιών της λεκάνης απορροής με τη συνολική έκτασή

της. Περιοχές στις οποίες το δίκτυο αποστράγγισης είναι πυκνό είναι πιο πιθανό να πλημμυρίσουν, όπως

επίσης και περιοχές που βρίσκονται κοντά στον κύριο ποταμό της λεκάνης απορροής. Ο τελευταίος

παράγοντας αφορά την κάλυψη γης καθώς εάν σε μια περιοχή εντοπίζεται πλούσια βλάστηση, η πιθανότητα

εκδήλωσης ξαφνικής πλημμύρας μειώνεται. Στο Σχήμα 12.30 παρατίθενται μερικοί από τους παράγοντες

αυτούς που χρησιμοποιήθηκαν στην παρούσα μελέτη. Με μαύρο χρώμα απεικονίζονται οι μεγαλύτερες τιμές

ενώ με λευκό χρώμα οι μικρότερες τιμές.

Σχήμα 12.30 Παρουσίαση θεματικών επιπέδων από Elkhrachy με άδεια CC BY NC ND 4.0.

Στην παρούσα μελέτη για τον έλεγχο της ακρίβειας χρησιμοποιήθηκαν επίγεια σημεία ελέγχου (Ground

Control Points – GCP) των οποίων το υψόμετρο μετρήθηκε μέσω του Παγκόσμιου Συστήματος Εντοπισμού.

Συγκεκριμένα, η ακρίβεια των ΨΜΥ ελέγχθηκε μέσω 51 σημείων, τα οποία κατανεμήθηκαν στην περιοχή

μελέτης όπως φαίνεται στο Σχήμα 12.31.

Σχήμα 12.31 Κατανομή επίγειων σημείων ελέγχου από Elkhrachy με άδεια CC BY NC ND 4.0.

Ακολούθως, πραγματοποιήθηκε η ψηφιοποίηση του υδρολογικού δικτύου της περιοχής από τα δύο ΨΜΥ, και

το οποίο παρατίθεται στα Σχήματα 12.32 και 12.33 αντίστοιχα. Παρατηρείται πως η πυκνότητα της λεκάνης

απορροής είναι υψηλότερη όταν χρησιμοποιήθηκε το ΨΜΥ που προέκυψε από τις δορυφορικές εικόνες

SPOT παρά από αυτές του SRTM. Από το ΨΜΥ των δορυφορικών εικόνων SPOT προκύπτει επίσης πως στη

λεκάνη απορροής υπάρχουν ποτάμια μέχρι έβδομης τάξης ενώ στο ΨΜΥ από τις δορυφορικές εικόνες SRTM

υπάρχουν μέχρι έκτης τάξης. Σχετικά με την ένταση της αποστράγγισης ο τομέας 64 έχει την μικρότερη τιμή

(0.6 χλμ/χλμ2) και ο τομέας 38 την μεγαλύτερη τιμή (34.6 χλμ/χλμ2) οπότε και είναι πιο επιρρεπής στις

ξαφνικές πλημμύρες.

Σχήμα 12.32 Υδρολογικό δίκτυο με βάση το ΨΜΥ από τις δορυφορικές εικόνες SPOT από Elkhrachy με άδεια CC BY NC

ND 4.0.

Σχήμα 12.33 Υδρολογικό δίκτυο με βάση το ΨΜΥ από τις δορυφορικές εικόνες SRTM από Elkhrachy με άδεια CC BY NC

ND 4.0.

Μετά την ψηφιοποίηση του υδρολογικού δικτύου, πραγματοποιήθηκε η δημιουργία των λεκανών απορροής

της περιοχής μελέτης, χρησιμοποιώντας την επιλογή BASIN στο λογισμικό ArcGIS. Όπως προκύπτει και από

το Σχήμα 12.34 στην περιοχή μελέτης εντοπίζονται πέντε λεκάνες με την τέταρτη να καλύπτει σχεδόν όλη

την κατοικήσιμη έκταση της περιοχής μελέτης.

Σχήμα 12.34 Λεκάνες απορροής από τον Elkhrachy με άδεια CC BY NC ND 4.0.

Κατόπιν, χρησιμοποιήθηκαν δορυφορικές εικόνες Worldview-2 χωρικής ανάλυσης 50εκ. προκειμένου να

πραγματοποιήσει μη επιβλεπόμενη ταξινόμηση για να κατηγοριοποιήσει την κάλυψη γης. Αρχικά

επιλέχθηκαν 25 κατηγορίες οι οποίες στο τέλος συνοψίστηκαν σε τέσσερις: δρόμοι, κτήρια, χώροι πρασίνου

και γυμνό έδαφος, όπως παρουσιάζεται στο Σχήμα 12.35. Ο έλεγχος της ακρίβειας της ταξινόμησης

πραγματοποιήθηκε μέσω της σύγκρισης μερικών εικονοστοιχείων της ταξινομημένης εικόνας και των

αντίστοιχων εικονοστοιχείων αναφοράς που ανήκουν σε μια γνωστή κατηγορία.

Σχήμα 12.35 Κατηγορίες μη επιβλεπόμενης ταξινόμησης από Elkhrachy με άδεια CC BY NC ND 4.0.

Μετέπειτα, ακολούθησε ο υπολογισμός των υπολεκανών απορροής και η μοντελοποίηση του υδρολογικού

μοντέλου χρησιμοποιώντας τo λογισμικό HEC-HMS που αναπτύχθηκε από σώμα του Αμερικάνικου στρατού.

Το λογισμικό αυτό συνδέεται με το λογισμικό ArcGIS μέσω του HEC-GeoHMS, που στην ουσία αποτελεί

μια εργαλειοθήκη περιβάλλοντος του ArcGIS. Ωστόσο, πρώτα προηγήθηκε η προεπεξεργασία των αρχικών

δεδομένων που οδηγεί στη παραγωγή αρχείων που περιέχουν υδρολογικά αλλά και γεωμορφολογικά στοιχεία

της λεκάνης απορροής. Η διαδικασία αυτή διεκπεραιώνεται μέσω του toolbar Arc Hydro για το λογισμικό

ArcGIS, χρησιμοποιώντας ως αρχικό δεδομένο το ΨΜΥ που παράχθηκε από τις δορυφορικές εικόνες SPOT.

Τα στάδια που εκτελούνται διαδοχικά είναι:

διόρθωση τυχόν βυθισμάτων αναγλύφου,

δημιουργία κανάβου διεύθυνσης ροής και συγκεντρωτικής ροής,

σχηματισμός δικτύου ροής και απεικόνιση αποστραγγιστικού δικτύου,

κατηγοριοποίηση του δικτύου ροής,

οριοθέτηση υπολεκανών περιοχής,

διανυσματοποίηση υπολεκανών και υδρογραφικού δικτύου,

άθροιση των άναντη υπολεκανών απορροής σε κάθε συμβολή ποταμού του υδρογραφικού

δικτύου.

Κατά την οριοθέτηση των υπολεκανών υπολογίζονται επίσης και κάποιες παράμετροι όπως για

παράδειγμα το μέγιστο μήκος της υδάτινης διαδρομής της υπολεκάνης μέχρι την έξοδο, το κεντροειδές της

υπολεκάνης, το υψόμετρο του κεντροειδούς της υπολεκάνης και το μήκος της υδάτινης διαδρομής από το

κέντρο βάρους της λεκάνης μέχρι την έξοδο αυτής. Στο Σχήμα 12.36 παρουσιάζονται οι υπολεκάνες της

τέταρτης λεκάνης απορροής.

Σχήμα 12.36 Υπολεκάνες τέταρτης λεκάνης απορροής από Elkhrachy με άδεια CC BY NC ND 4.0.

Για κάθε υπολεκάνη απορροής υπολογίσθηκε επιπλέον και ο αριθμός καμπύλης απορροής (Curve Number –

CN) που στην ουσία εκφράζει τον όγκο της απορροής. Για τον υπολογισμό του λήφθηκαν υπόψη η χρήση γης

και η κάλυψη γης, η στεγανότητα και τα υδρολογικά χαρακτηριστικά του εδάφους. Έπειτα

πραγματοποιήθηκε η παραμετροποίηση του μοντέλου απορροής στο λογισμικό ΗEC-HMS2.

Εν συνεχεία, ο Elkhrachy χρησιμοποίησε το μοντέλο της AHP, προκειμένου να καθορίσει τη σχετική

επίδραση του βάρους των αιτιολογικών παραγόντων πλημμύρας στον FHI. Η διαδικασία αυτή περιλαμβάνει

τρία επίπεδα: το στόχο, τους παράγοντες και τις χωρικές ιδιότητες και σε κάθε παράγοντα αποδίδεται ένα

βάρος. Συγκεκριμένα, στο δεύτερο επίπεδο οι παράγοντες έχουν τοποθετηθεί κατά φθίνουσα σειρά βάρους,

δηλαδή στην απορροή αποδόθηκε βάρος 7 ενώ στη χρήση γης βάρος 1. Στο τρίτο επίπεδο αναφέρονται οι

υποκατηγορίες στην οποίες χωριστήκαν οι παράγοντες καθώς επίσης και το αντίστοιχο βάρος τους. Εφόσον

αποδόθηκαν τα βάρη σε κάθε παράγοντα και στις υποκατηγορίες του, ακολούθησε ο υπολογισμός των

σχετικών βαρών. Έτσι δημιουργήθηκε ο πίνακας σύγκρισης των παραγόντων κατά ζεύγη που παρουσιάζεται

στο Σχήμα 12.37.

Επομένως, ο υπολογισμός του FHI καθίσταται εφικτός μέσω της Εξίσωσης 13.1. Επιπλέον,

χρησιμοποιώντας το λογισμικό ArcGIS οπτικοποιήθηκε ο FHI και χωρίστηκε σε τέσσερις κατηγορίες,

χαμηλός, μέτριος, υψηλός και πολύ υψηλός κίνδυνος μέσω της μεθόδου κατηγοριοποίησης «Natural Breaks».

Ο χάρτης κινδύνου πλημμύρας παρατίθεται στο Σχήμα 12.38. Οι περιοχές οι οποίες ενδέχεται να

πλημμυρίσουν προκύπτουν από την επίθεση του θεματικού επιπέδου του FHI με τα όρια των τομέων.

Συνολικά, το 25% του πληθυσμού κατοικεί σε 17 τομείς που έχουν χαμηλό κίνδυνο να πλημμυρίσουν, το

2 Εάν επιθυμείτε να διαβάσετε σχετικά με την παραμετροποίηση του μοντέλου απορροής ανατρέξτε στην βιβλιογραφία για να εντοπίσετε και να διαβάσετε τη δημοσίευση αυτή.

50% σε 23 τομείς μέτριου κινδύνου, το 9% σε 17 τομείς υψηλού κινδύνου και το 16% σε 11 τομείς πολύ

υψηλού κινδύνου. Οι περιοχές μέτριου και υψηλού κινδύνου εντοπίζονται κυρίως στις μεγαλύτερες λεκάνες

απορροής που έχουν μεγάλο αριθμό καμπύλης απορροής, κλίση εδάφους και πυκνότητας αποστράγγισης.

𝐹𝐻𝐼 = (𝑅𝑓 × 0.355) + (𝑆𝑡 × 0.240) + (𝑆𝑙𝑜 × 0.159) + (𝑅𝑜 × 0.104) + (𝐷𝑑 × 0.068)

+(𝐷𝑖𝑠𝑡 × 0.045) + (𝐿𝑢 × 0.030) (12.1)

Σχήμα 12.37 Σύγκριση παραγόντων κατά ζεύγη από Elkhrachy με άδεια CC BY NC ND 4.0.

Σχήμα 12.38 Χάρτης κινδύνου πλημμύρας (SPOT) από Elkhrachy με άδεια CC BY NC ND 4.0.

Στο σημείο αυτό πρέπει να σημειωθεί πως όλοι οι προαναφερθέντες υπολογισμοί και διαδικασίες

πραγματοποιήθηκαν με βάση το ΨΜΥ που προέκυψε από τις δορυφορικές εικόνες SPOT και είχε χωρική

ανάλυση 10μ. Ο Elkhrachy πραγματοποίησε ξανά όλους τους υπολογισμούς και τις διαδικασίες

χρησιμοποιώντας αυτή τη φορά το ΨΜΥ, που προέκυψε από τις δορυφορικές εικόνες STRM, χωρικής

ανάλυσης 90μ. προκειμένου να εντοπίσει διαφορές κατά τον υπολογισμό του FHI και τη δημιουργία του

αντίστοιχου χάρτη, που παρατίθεται στο Σχήμα 12.39.

Από τη σύγκριση αυτή προκύπτει ότι όταν χρησιμοποιηθεί ΨΜΥ μικρής χωρικής ανάλυσης (STRM)

προκύπτουν μικρότερες κλίσεις εδάφους και μεγαλύτεροι χρόνοι συγκέντρωσης για τις λεκάνες απορροής. Το

γεγονός αυτό εξηγεί γιατί η χρήση ΨΜΥ μεγάλης ανάλυσης (SPOT) έχει σαν αποτέλεσμα περισσότερες

περιοχές να χαρακτηριστούν πολύ υψηλού κινδύνου. Αξιοσημείωτο είναι το γεγονός πως τέσσερις τομείς

είχαν την ίδια τιμή FHI και στα δυο μοντέλα.

Σχήμα 12.39 Χάρτης κινδύνου πλημμύρας (STRM) από Elkhrachy με άδεια CC BY NC ND 4.0.

12.5. Εφαρμογές στις Μεταφορές

12.5.1. Χωροχρονική Ομαδοποίηση Τροχαίων Ατυχημάτων

Τα ΣΓΠ μπορούν να χρησιμοποιηθούν και για την χωροχρονική ομαδοποίηση των τροχαίων ατυχημάτων

προκειμένου να εντοπιστούν οι περιοχές στις οποίες λαμβάνουν χώρα τα περισσότερα ατυχήματα και υπάρχει

αυξημένη κυκλοφοριακή συμφόρηση έτσι ώστε να ληφθούν μέτρα για την ενίσχυση των κυκλοφοριακών

υποδομών (Prasannakumar κ.ά. 2011). Ως περιοχή μελέτης ορίστηκε η πόλη Thiruvananthapuram της Ινδίας,

όπως φαίνεται και στο Σχήμα 12.40.

Σχήμα 12.40 Περιοχή μελέτης από τον Prasannakumar κ.ά. με άδεια CC BY NC ND 3.0.

Η πόλη αυτή χαρακτηρίζεται από ταχείς ρυθμούς ανάπτυξης που έχει σαν αποτέλεσμα την αύξηση του

αριθμού των επιβατικών μέσων. Ωστόσο, η αύξηση των αυτοκινήτων δεν συνοδεύεται και από παράλληλη

ανάπτυξη των οδικών υποδομών. Έτσι, στην πόλη εντοπίζονται στενοί δρόμοι που προκαλούν έντονη

κυκλοφοριακή συμφόρηση και ατυχήματα.

Τα δεδομένα για την παρούσα μελέτη πάρθηκαν από τα κεντρικά της τροχαίας και αφορούσαν 1.468

τροχαία ατυχήματα που καταγράφηκαν το έτος 2008. Στις πληροφορίες για το κάθε ατύχημα αναφερόταν και

η διεύθυνση που έλαβε χώρα, γεγονός το οποίο επέτρεψε την γεωκωδικοποίησή τους και την αναπαράστασή

τους με συντεταγμένες. Άλλες περιγραφικές πληροφορίες που καταγράφηκαν για κάθε ατύχημα ήταν η

ημερομηνία, η ώρα, ο τύπος του επιβατικού μέσου, ο λόγος και εάν υπήρχαν τραυματίες ή θάνατοι. Στο

Σχήμα 12.59, παρουσιάζονται επίσης και τα γεωκωδικοποιημένα ατυχήματα καθώς και το είδος τους. Να

σημειωθεί πως πριν την επεξεργασία των δεδομένων έγινε επικαιροποίηση του οδικού δικτύου με επιτόπια

έρευνα χρησιμοποιώντας GPS.

Η ανάλυση του χρονικού και χωρικού προτύπου των τροχαίων ατυχημάτων επικεντρώθηκε κυρίως σε

ατυχήματα που πραγματοποιήθηκαν κοντά σε θρησκευτικούς και εκπαιδευτικούς χώρους, καλύπτοντας έτσι

τη χωρική διάσταση και σε ατυχήματα που πραγματοποιήθηκαν στην περίοδο των μουσώνων και όταν

τελείωσε η περίοδος αυτή, καλύπτοντας και τη χρονική διάσταση. Οι δυο αυτές περίοδοι θεωρούνται ως

χρονικές μεταβλητές καθώς μπορούν να επηρεάσουν την κυκλοφοριακή κίνηση και να αυξήσουν την

πιθανότητα ατυχημάτων. Αντίστοιχα, τα δυο μεγάλα πανεπιστήμια της περιοχής, οι διάφοροι θρησκευτικοί

και εκπαιδευτικοί χώροι θεωρούνται ως χωρικές μεταβλητές εξαιτίας της συσχέτισης που υπάρχει μεταξύ

μεγάλου αριθμού ανθρώπων και των οντοτήτων αυτών. Συγκεκριμένα, από το σύνολο των 1.468 τροχαίων

ατυχημάτων, τα 702 πραγματοποιήθηκαν κατά την περίοδο των μουσώνων και τα 766 όταν τέλειωσαν, ενώ

τα 820 πραγματοποιήθηκαν κοντά σε εκπαιδευτικούς χώρους και τα 333 κοντά σε θρησκευτικούς χώρους.

Η χαρτογράφηση των τροχαίων ατυχημάτων αποσκοπεί στον εντοπισμό περιοχών που παρουσιάζουν

αυξημένη πυκνότητα τροχαίων ατυχημάτων, γνωστές και ως θερμά σημεία. Για το λόγο αυτό,

χρησιμοποιήθηκε αρχικά ο παγκόσμιος δείκτης Moran’s I προκειμένου να εκτιμηθεί η χωρική αυτοσυσχέτιση

για όλα τα σύνολα δεδομένων, δηλαδή το συνολικό αριθμό ατυχημάτων, τα χωρικά και χρονικά σύνολα

δεδομένων. Έτσι προέκυψε ότι ο συνολικός αριθμός των τροχαίων ατυχημάτων, καθώς και τα ατυχήματα

κοντά σε εκπαιδευτικούς χώρους και αυτά κατά την περίοδο που έχουν τελειώσει οι μουσώνες είναι

ομαδοποιημένα. Το χωρικό πρότυπο των ατυχημάτων κατά την περίοδο των μουσώνων και αυτών που έγιναν

κοντά σε θρησκευτικούς χώρους ήταν τυχαίο. Στο Σχήμα 12.41 παρουσιάζεται ενδεικτικά ένα στιγμιότυπο

που αφορά τον υπολογισμό του παγκόσμιου δείκτη Moran’s I για το σύνολο των ατυχημάτων.

Σχήμα 12.41 Παγκόσμιος δείκτης Moran’s I για το σύνολο των ατυχημάτων από Prasannakumar κ.ά. με άδεια CC BY NC

ND 3.0.

Ακολούθως πραγματοποιήθηκε ο υπολογισμός των επιφανειών εστιών τόσο για το σύνολο των ατυχημάτων

όσο και για τα χρονικά και χωρικά σύνολα δεδομένων, μέσω της λειτουργίας Getis-Ord Gi* προσδιορίζοντας

έτσι χωρικά ομαδοποιημένα σύνολα που έχουν υψηλές τιμές (θερμά σημεία) ή χαμηλές τιμές (ψυχρά σημεία).

Για όλα τα σύνολα δεδομένων υπολογίστηκαν οι τιμές z-score και p-value προκειμένου να εκτιμηθεί η

στατιστική σημαντικότητα. Όσο πιο υψηλή είναι η τιμή του z-score τόσο πιο έντονη είναι η ομαδοποίηση ενώ

τιμές κοντά στο 0 υποδηλώνουν ότι δεν υπάρχει κάποια προφανής χωρική ομαδοποίηση. Η τιμή z-score για

το σύνολο των ατυχημάτων κυμαινόταν μεταξύ -2,093 και 7,781 και η τιμή p-value μεταξύ 0 και 0,998. Αυτό

υποδηλώνει ότι στατιστικά σημαντικές θετικές τιμές z-score (υψηλές τιμές) υποδηλώνουν θερμά σημεία ενώ

στατιστικά σημαντικές αρνητικές τιμές z-score (χαμηλές τιμές) υποδηλώνουν ψυχρά σημεία.

Μετέπειτα, εκτιμήθηκε η πυκνότητα Kernel από τα θερμά σημεία που προέκυψαν για το σύνολο των

ατυχημάτων και τις χρονικές και χωρικές μεταβλητές και με βάση την οποία προκύπτει ότι υπάρχει μια

χωρική μεταβλητότητα στην κατανομή υψηλής και χαμηλής πυκνότητας εστιών. Η χωρική πυκνότητα των

εστιών για το σύνολο των ατυχημάτων παρουσιάζεται στο Σχήμα 12.42, ενώ στο Σχήμα 12.43 παρουσιάζεται

η χωρική κατανομή των ατυχημάτων κατά την περίοδο των μουσώνων και την περίοδο μετά τους μουσώνες.

Από τα δυο επόμενα σχήματα γίνεται αντιληπτό ότι υπάρχει υψηλή μεταβλητότητα των

ομαδοποιημένων χωρικών συνόλων, για το σύνολο των ατυχημάτων αλλά και γι’ αυτών που

πραγματοποιήθηκαν κατά την περίοδο των μουσώνων και την περίοδο που ακολούθησε.

Σχήμα 12.42 Θερμά σημεία για το σύνολο των ατυχημάτων από Prasannakumar κ.ά. με άδεια CC BY NC ND 3.0.

Σχήμα 12.43 Θερμά σημεία (a) κατά την περίοδο των μουσώνων, (b) κατά την περίοδο μετά τους μουσώνες από

Prasannakumar κ.ά. με άδεια CC BY NC ND 3.0.

Αναλύοντας τα χωρικά πρότυπα αναφορικά με τα ατυχήματα που πραγματοποιήθηκαν κοντά σε

εκπαιδευτικούς χώρους, όπως φαίνεται και στην Σχήμα 12.44, τα θερμά σημεία εντοπίζονται στις περιοχές

Kowdiar –Vazhuthacaud, Vattiyoorkavu και Thirumala, ενώ για τους θρησκευτικούς χώρους εντοπίζονται

στις περιοχές Pettah και Thirumala. Και στις δυο περιπτώσεις των χωρικών μεταβλητών εντοπίζονται

απομονωμένα ψυχρά σημεία, τα οποία κατανέμονται ομοιόμορφά στην περιοχή.

Σχήμα 12.44 Θερμά σημεία κοντά σε (a) εκπαιδευτικούς χώρους, (b) θρησκευτικούς χώρους από Prasannakumar κ.ά. με

άδεια CC BY NC ND 3.0.

12.5.2. Εύρεση Συντομότερης Διαδρομής

Μια από τις συνηθέστερες εφαρμογές των ΣΓΠ είναι η εύρεση της συντομότερης διαδρομής, όπως για

παράδειγμα στη μελέτη που παρουσιάζεται παρακάτω και αφορά στον εντοπισμό της συντομότερης

διαδρομής για την παράδοση φρέσκων λαχανικών προσδιορίζοντας όλους εκείνους τους παράγοντες που

επηρεάζουν την επιλογή της από άποψης χρόνου (Abousaeidi κ.ά. 2015). Η εύρεση της χρονικά

συντομότερης διαδρομής θα βοηθήσει στη βελτίωση της ποιότητας παραγωγής καθώς και στην αύξηση της

ζήτησης. Ως περιοχή μελέτης ορίστηκε η Κουάλα Λουμπούρ της Μαλαισίας, όπως φαίνεται και στο Σχήμα

12.45 (επισημαίνεται με γαλάζια απόχρωση).

Σχήμα 12.45 Περιοχή μελέτης από Abousaeidi κ.ά. με άδεια CC BY NC ND 4.0.

Στην ευρύτερη περιοχή εντοπίζονται παραγωγοί φρέσκων λαχανικών καθώς επίσης και πληθώρα από σούπερ-

μάρκετ και υπεραγορές. Επίσης, περίπου μια ώρα από την πόλη υπάρχει μια φάρμα έκτασης πέντε εκταρίων

που παράγει μεγάλο όγκο φρέσκων λαχανικών (η θέση της έχει επισημανθεί με ροζ απόχρωση στο Σχήμα

12.45). Στόχος λοιπόν είναι η μεταφορά των φρέσκων λαχανικών από τη φάρμα στο κέντρο της πόλης, το

συντομότερο δυνατό. Στο Σχήμα 12.46 παρουσιάζονται οι θέσεις όλων των σούπερ-μάρκετ και των

υπεραγορών που συμμετείχαν στην παρούσα μελέτη και αποτέλεσαν τον τελικό αποδέκτη των φρέσκων

λαχανικών.

Σχήμα 12.46 Σούπερ-μάρκετ και υπεραγορές από Abousaeidi κ.ά. με άδεια CC BY NC ND 4.0.

Για την έρευνα αυτή χρησιμοποιήθηκαν τόσο χωρικά όσο και μη χωρικά δεδομένα. Τα χωρικά δεδομένα

αφορούσαν το οδικό δίκτυο της πόλης καθώς επίσης τις χρήσεις γης (κατοικημένες, εμπορικές και

βιομηχανικές περιοχές), τις θέσεις των σούπερ-μάρκετ, των υπεραγορών και των εκπαιδευτικών

εγκαταστάσεων. Τα μη χωρικά δεδομένα περιλάμβαναν πληροφορίες που συμπλήρωναν τα χωρικά δεδομένα,

όπως για παράδειγμα η πυκνότητα του πληθυσμού, το όνομα των σούπερ-μάρκετ και των υπεραγορών, η

απόσταση μεταξύ συγκεκριμένων τοποθεσιών, η κυκλοφοριακή συμφόρηση, το όριο ταχύτητας καθώς και η

μέση ταχύτητα.

Αρχικά, δημιουργήθηκε η χωρική βάση δεδομένων που περιέχει λεπτομερείς πληροφορίες για τους

παράγοντες που επηρεάζουν τη μεταφορά των φρέσκων λαχανικών. Ο πρώτος παράγοντας που καταγράφηκε

ήταν το μήκος για τους δρόμους που θα συμμετείχαν στην μελέτη, και προέκυψε μέσω του εργαλείου

ανάλυσης γεωμετρίας του λογισμικού ArcGIS, εφόσον είχε προηγηθεί η ψηφιοποίηση του οδικού δικτύου. Το

μήκος του δρόμου σε συνδυασμό με τη μέση ταχύτητα του μεταφορικού μέσου επηρεάζουν την απόδοση της

οδήγησης. Ακολούθως εξετάστηκε ο χρόνος οδήγησης, ο οποίος υπολογίζεται με βάση την Εξίσωση 13.2,

όπου το μήκος είναι σε μέτρα και η ταχύτητα σε μέτρα ανά δευτερόλεπτό, οπότε πολλαπλασιάζοντας το

κλάσμα αυτό επί 60, προκύπτει το τελικό αποτέλεσμα σε λεπτά. Στην προκειμένη περίπτωση ωστόσο, ο

χρόνος οδήγησης θεωρείται ως εξαρτημένη μεταβλητή και θα προκύψει από τις υπόλοιπες μεταβλητές που

θεωρούνται ως ανεξάρτητες.

(𝛭ή𝜅𝜊𝜍

𝛭έ𝜎𝜂 𝛵𝛼𝜒ύ𝜏𝜂𝜏𝛼) 𝑥 60 (12.2)

Ένας ακόμα παράγοντας που εξετάστηκε ήταν η κυκλοφοριακή συμφόρηση η οποία αυξάνει σημαντικά το

χρόνο οδήγησης και για το λόγο αυτό υπολογίσθηκε για κάθε δρόμο ο κυκλοφοριακός όγκος Ακόμα,

εξετάστηκε ο πληθυσμός της περιοχής και ο οποίος κατηγοριοποιήθηκε με βάση την πυκνότητα. Να

σημειωθεί ότι θα χρησιμοποιηθεί ο σταθμισμένος μέσος προκειμένου να διαπιστωθεί το κατά πόσο η κάθε

κλάση επηρεάζει το μέσο όρο. Οι χρήσεις γης καθώς και οι θέσεις σχολικών εγκαταστάσεων επηρεάζουν

σημαντικά τον χρόνο οδήγησης καθώς τροποποιούν τα ανώτατα όρια ταχύτητας. Για παράδειγμα, αφού

ψηφιοποιήθηκαν οι θέσεις των σχολείων δημιουργήθηκε περιμετρικά τους μια ζώνη επιρροής στα 100μ.

εντός της οποίας το μέγιστο όριο ταχύτητας είναι 35χλμ. ανά ώρα. Τα δεδομένα που χρησιμοποιήθηκαν

σχετικά με τους παράγοντες αυτούς παραχωρήθηκαν από το Υπουργείο Μεταφορών και Διαχείρισης της

Κυκλοφορίας, τη Στατιστική Υπηρεσία της Μαλαισίας και το τμήμα Κάλυψης Γης και Χαρτογραφίας της

Κουάλα Λουμπούρ.

Ο λόγος που χρησιμοποιήθηκε ένα μοντέλο παλινδρόμησης προκειμένου να εκτιμηθεί ο χρόνος

οδήγησης είναι διότι μέσω του μοντέλου αυτού επιτρέπεται η πρόβλεψη για τωρινά ή μελλοντικά γεγονότα με

βάση τη γνώση που έχει προκύψει από παρελθοντικά ή και τωρινά γεγονότα. Όπως προαναφέρθηκε, ως

εξαρτημένη μεταβλητή θεωρείται ο χρόνος οδήγησης (LTIME) και ως ανεξάρτητες μεταβλητές το μήκος του

κάθε δρόμου του οδικού δικτύου (LLENGTH), ο πληθυσμός (LPOP), ο κυκλοφοριακός όγκος

(CARVOLUME), εάν ο δρόμος είναι διπλής κατεύθυνσης (TWOWAY), η ύπαρξη σχολικών εγκαταστάσεων

(SCHOOL), εάν η περιοχή χαρακτηρίζεται ως κατοικημένη, βιομηχανική ή έχει χώρους πρασίνου

(RESIDENTIAL, INDUSTRIAL και OPENSPACE αντίστοιχα). Όπως προκύπτει οι βιομηχανικές περιοχές

και οι χώροι πρασίνου δεν αποτελούσαν στατιστικά σημαντικούς παράγοντες για το μοντέλο της

παλινδρόμησης και επομένως εξαιρέθηκαν από την τελική εξίσωση.

Τα αποτελέσματα της παλινδρόμησης σχετικά με τον κυκλοφοριακό όγκο ερμηνεύονται ως εξής:

αύξηση του κυκλοφοριακού όγκου της τάξης του 1% επιφέρει αύξηση του χρόνου οδήγησης περίπου κατά

26%. Παρόμοια ερμηνεύονται και τα αποτελέσματα για τις υπόλοιπες ανεξάρτητες μεταβλητές. Την

σημαντικότερη επίδραση στον χρόνο οδήγησης έχει το μήκος (70% αύξηση), ενώ την μικρότερη επίδραση

την έχει ο πληθυσμός της περιοχής καθώς επέφερε αύξηση μόνο κατά 2%.

Για την εύρεση της χρονικά συντομότερης διαδρομής, στα δεδομένα των δρόμων έπρεπε να

προστεθεί ένα ακόμα πεδίο στο περιγραφικά χαρακτηριστικά που αφορά τον χρόνο που απαιτείται

προκειμένου να διασχίσει κάποιος τον εκάστοτε δρόμο του οδικού δικτύου. Στο Σχήμα 12.47 παρατίθενται οι

χρονικά συντομότερες διαδρομές που προέκυψαν από την ανάλυση δικτύου που πραγματοποιήθηκε με το

λογισμικό ArcGIS, ενώ στο Σχήμα 12.48 παρατίθεται ένα στιγμιότυπο με μέρος των οδηγιών για την τρίτη

διαδρομή, το συνολικό χρόνο οδήγησης και τη συνολική απόσταση.

Σχήμα 12.47 Συντομότερες διαδρομές για κάθε σούπερ-μάρκετ και υπεραγορά από Abousaeidi κ.ά. με άδεια CC BY NC

ND 4.0.

Σχήμα 12.48 Μέρος οδηγιών τρίτης διαδρομής από Abousaeidi κ.ά. με άδεια CC BY NC ND 4.0.

12.6. Γενικές Εφαρμογές

12.6.1. Αφαλάτωση Υφάλμυρων Υπόγειων Νερών μέσω Ηλιακής Ενέργειας

Τα ΣΓΠ μπορούν να χρησιμοποιηθούν και σε μελέτες που εξετάζουν την διαδικασία αφαλάτωσης μέσω ΑΠΕ

προκειμένου να δημιουργηθεί ένα υψηλής αξίας προϊόν (επεξεργασμένο νερό) από δυο χαμηλής αξίας πόρους

(υφάλμυρα υπόγεια νερά και ηλιακή ενέργεια) (Kjellsson κ.ά. 2015). Ως περιοχή μελέτης ορίστηκε η πολιτεία

του Τέξας των Ηνωμένων Πολιτειών, καθώς παρουσιάζει αφθονία σε υφάλμυρους πόρους υπόγειων νερών, οι

οποίοι ανέρχονται σε τρία τρισεκατομμύρια κυβικά μέτρα περίπου. Ως υφάλμυρο νερό ορίζεται το νερό του

οποίου η συγκέντρωση των συνολικά διαλυμένων στερεών ουσιών (Total Dissolved Solids – TDS) ή

εναλλακτικά αλατότητα είναι 10.000 mg/L. Για παράδειγμα στο θαλασσινό νερό η συγκέντρωση TDS είναι

35.000 mg/L.

Η πιο συνηθισμένη μέθοδος αφαλάτωσης είναι αυτή της αντίστροφης ώσμωσης. Το νερό διέρχεται

υπό πίεση μέσα από μία ή περισσότερες μεμβράνες οι οποίες κατακρατούν όλες τις ουσίες που βρίσκονται

διαλυμένες στο νερό. Με αυτό τον τρόπο, το νερό απαλλάσσεται από επιβλαβείς παράγοντες, όπως για

παράδειγμα μικροβιακό φορτίο, βαρέα μέταλλα και θαλασσινό αλάτι, αλλά χάνει τα ιχνοστοιχεία του, με

συνέπεια να χρειάζεται εμπλουτισμό, ώστε να ανακτήσει τα ωφέλιμα συστατικά του.

Μέσω των ΣΓΠ καθίσταται δυνατή η αξιολόγηση των περιοχών που συνυπάρχουν υφάλμυροι πόροι

υπόγειων υδάτων και κατάλληλη ποσότητα ηλιακής ακτινοβολίας για την δημιουργία μιας ενοποιημένης

εγκατάστασης αφαλάτωσης και φωτοβολταικών συστημάτων (PhotoVoltaic – PV). Εάν η εγκατάσταση

αφαλάτωσης συνδυαστεί με φωτοβολταικά συστήματα, τότε εξαλείφεται η ανάγκη ενσωμάτωσης της ηλιακής

ενέργειας στο ηλεκτρικό δίκτυο και μεταφοράς στην εγκατάσταση αφαλάτωσης. Ωστόσο ενδέχεται η

εγκατάσταση να μην λειτουργεί συνεχεία λόγω διακοπών στην ηλιακή ακτινοβολία. Η ενέργεια που

χρειάζεται για την αφαλάτωση του υφάλμυρου νερού κυμαίνεται μεταξύ 0,5 και 3 kWh/m3 ανά μονάδα

παραγωγής επεξεργασμένου νερού και εξαρτάται κυρίως από την αλατότητα του νερού και το βάθος στο

οποίο εντοπίζονται τα υπόγεια νερά.

Στο Σχήμα 12.49 παρατίθεται η μέση ετήσια παγκόσμια κλίση της ηλιακής ακτινοβολίας (Global Tilt

Solar Radiation – GTR) για την πολιτεία του Τέξας, η οποία κυμαίνεται μεταξύ 4,76 kWh/m2/ημέρα και 6,58

kWh/m2/ημέρα από ανατολικά προς τα δυτικά. Το ηλιακό δυναμικό της πολιτείας του Τέξας ή διαφορετικά το

ποσό της ηλιακής ακτινοβολίας κυμαίνεται από 872 έως 1.310 kWh/m2/έτος κατά την διάρκεια του χειμώνα

και από 2.150 έως 2.884 kWh/m2/έτος κατά την διάρκεια του καλοκαιριού. Οι μεγαλύτερες τιμές

εμφανίζονται κυρίως στο δυτικό τμήμα της πολιτείας παρά στο ανατολικό.

Στην πολιτεία του Τέξας εντοπίζονται συνολικά 46 εγκαταστάσεις αφαλάτωσης υφάλμυρων υπόγειων

νερών και οι οποίες κατανέμονται σε όλη την πολιτεία, όπως φαίνεται και στο Σχήμα 12.50, εκτός από το

βορειότερο τμήμα.

Τα δεδομένα για την παρούσα έρευνα προήλθαν κυρίως από τρεις πηγές: Texas Water Development

Board’s (TWDB) Groundwater Database, National Renewable Energy Laboratory’s (NREL) και National

Solar Radiation Database (NSRD). Από την βάση δεδομένων TWDB προήλθαν οι πληροφορίες σχετικά με τις

τοποθεσίες, το βάθος και την αλατότητα των σημείων απόληψης υπόγειων υδάτων. Το βάθος κυμαίνεται

μεταξύ 243μ. με 3.657μ. ενώ η αλατότητα μεταξύ 1.000 με 30.000 mg/L. Από τη βάση δεδομένων NREL

προέκυψαν οι πληροφορίες σχετικά με την μηνιαία και μέση ημερήσια ηλιακή ακτινοβολία, χρησιμοποιώντας

ως υπόβαθρο δεδομένα που κάλυπταν τη χρονική περίοδο από το 1998 έως το 2005.

Σχήμα 12.49 Μέση ετήσια παγκόσμια κλίση της ηλιακής ακτινοβολίας από Kjellsson κ.ά. με άδεια CC BY 4.0.

Σχήμα 12.50 Εγκαταστάσεις αφαλάτωσης από τον Kjellsson κ.ά. με άδεια CC BY 4.0.

Αρχικά, μελετήθηκε η χωρική μεταβλητότητα των υφάλμυρων υπόγειων πόρων καθώς και αυτή των σημείων

απόληψης και σε δεύτερη φάση πραγματοποιήθηκε μια ανάλυση για την εκτίμηση των πιθανών

εγκαταστάσεων αφαλάτωσης που λειτουργούν με ηλιακή ενέργεια. Οι παραδοχές που έγιναν κατά την

υλοποίηση του μοντέλου ήταν ότι ο συντελεστής απόδοσης των φωτοβολταικών συστημάτων ήταν 15%, ο

συντελεστής απόδοσης της αντλίας ήταν 65% και το ειδικό βάρος του νερού ήταν 9.81 × 103 N/m3 καθώς

χρειάζεται για την διαδικασία της αφαλάτωσης και τέλος ότι οι εγκαταστάσεις αφαλάτωσης θα είναι σε

σχετικά κοντινές τοποθεσίες από τα σημεία απόληψης ώστε η απαιτούμενη ενέργεια για την μεταφορά των

υφάλμυρών πόρων να είναι μηδαμινή.

Η θέση των σημείων απόληψης μετασχηματίστηκε στο γεωγραφικό σύστημα αναφοράς North

American 1983. Μέσω της σφαιρικής χωρικής παρεμβολής Kriging το βάθος και η αλατότητα των σημείων

απόληψης εκτιμήθηκαν για όλη την πολιτεία του Τέξας και μετατράπηκαν σε ψηφιδωτά αρχεία, στα οποία

προσαρμόστηκαν τα όρια της πολιτείας. Επίσης, τα δεδομένα σχετικά με την ηλιακή ακτινοβολία

μετατράπηκαν και αυτά σε ψηφιδωτά αρχεία. Στα Σχήματα 12.51 και 12.52 παρουσιάζονται οι θέσεις των

σημείων απόληψης και το αποτέλεσμα της χωρικής παρεμβολής (μεγαλύτεροι κύκλοι υποδηλώνουν και

μεγαλύτερο βάθος). Στα Σχήματα 12.53 και 12.54 παρουσιάζεται η αλατότητα των σημείων απόληψης και το

αποτέλεσμα της χωρικής παρεμβολής (μεγαλύτεροι κύκλοι υποδηλώνουν και μεγαλύτερες τιμές αλατότητας).

Τα σημεία απόληψης των υπόγειων υδάτων είναι συγκεντρωμένα κυρίως στο νότιο και βορειοδυτικό τμήμα

της πολιτείας και κατά μήκος της ακτής. Το βάθος και η αλατότητα των σημείων απόληψης είναι ομοιόμορφα

κατανεμημένη σε αυτές τις περιοχές.

Σχήμα 12.51 Θέσεις και βάθος σημείων απόληψης από Kjellsson κ.ά. με άδεια CC BY 4.0.

Σχήμα 12.52 Χωρική παρεμβολή για το βάθος των σημείων απόληψης από Kjellsson κ.ά. με άδεια CC BY 4.0.

Κατόπιν, υπολογίστηκε η ενέργεια που χρειάζεται προκειμένου να πραγματοποιηθεί η διαδικασία της

αφαλάτωσης και διαπιστώθηκε πως εάν το βάθος των σημείων απόληψης είναι μικρό, η τιμή της αλατότητας

είναι επίσης μικρή και η τιμή της ηλιακής ακτινοβολίας υψηλή τότε η ποσότητα του επεξεργασμένου νερού

που παράγεται είναι υψηλότερη από ότι σε περιοχές όπου τα βάθη των σημείων απόληψης είναι μεγαλύτερα,

δεν υπάρχει επαρκής ηλιακή ακτινοβολία και το νερό είναι περισσότερο αλατώδη.

Σχήμα 12.53 Αλατότητα σημείων απόληψης από Kjellsson κ.ά. με άδεια CC BY 4.0.

Σχήμα 12.54 Χωρική παρεμβολή για την αλατότητα των σημείων απόληψης από Kjellsson κ.ά. με άδεια CC BY 4.0.

Οι Εξισώσεις 13.3 και 13.4 περιγράφουν την διαδικασία υπολογισμού της ενέργειας που χρειάζεται για την

αφαλάτωση, η Εξίσωση 13.5 την ενέργεια που προκύπτει από τα φωτοβολταικά συστήματα και λύνοντας την

Εξίσωση 13.4 ως προς ν προκύπτει η ογκομετρική ροή (Εξίσωση 13.6).

𝑊𝛢𝜑𝛼𝜆ά𝜏𝜔𝜎𝜂𝜍 = 𝑊Ώ𝜎𝜇𝜔𝜎𝜂𝜍 + 𝑊Ά𝜈𝜏𝜆𝜂𝜎𝜂𝜍 (12.3)

𝑊𝛢𝜑𝛼𝜆ά𝜏𝜔𝜎𝜂𝜍 = (𝜈 × 𝛾 × 𝑊𝐷

𝑛𝛼𝜈𝜏𝜆ί𝛼𝜍

) + (1000 𝑁 𝐿

𝑚2 𝑚𝑔× 𝜈 × (𝑇𝐷𝑆𝑖𝑛 − 𝑇𝐷𝑆𝑜𝑢𝑡)) (12.4)

όπου:

γ, το ειδικό βάρος του νερού σε N/m3,

WD, το βάθος του σημείου απόληψης,

nαντλίας, ο συντελεστής απόδοσης της αντλίας,

TDSin, η αλατότητα του νερού,

TDSout, η αλατότητα του επεξεργασμένου νερού,

ν, η ογκομετρική ροή.

𝑊𝑃𝑉 = 𝜂𝑃𝑉 × 𝐺𝑇𝑅 × 𝐴𝑃𝑉 ×𝜂𝜇έ𝜌𝛼

24 ℎ (12.5)

όπου:

WPV, η παραγόμενη ηλεκτρική ενέργεια,

ηPV, ο συντελεστής απόδοσης,

GTR, η παγκόσμια κλίσης ηλιακής ακτινοβολίας,

APV, η επιφάνεια του φωτοβολταικού συστήματος.

𝜈 =𝜂𝑃𝑉 × 𝐺𝑇𝑅 × 𝐴𝑃𝑉 ×

𝜂𝜇έ𝜌𝛼24 ℎ

(𝛾 × 𝑊𝐷𝑛𝛼𝜈𝜏𝜆ί𝛼𝜍

) + (1000 𝛮 𝐿

𝑚2 𝑚𝑔× (𝑇𝐷𝑆𝑖𝑛 − 𝑇𝐷𝑆𝑜𝑢𝑡))

(12.6)

Ο τελικός χάρτης που δημιουργήθηκε παρατίθεται στο Σχήμα 12.55 και παρουσιάζει την ρυθμό της

ογκομετρικής ροής που ένα τετραγωνικό μέτρο φωτοβολταικών συστημάτων μπορεί να παράγει. Από τον

χάρτη αυτό εντοπίζονται τα έξι σημεία με την μεγαλύτερη χωρητικότητα.

Σχήμα 12.55 Ρυθμός ογκομετρικής ροής από Kjellsson κ.ά. με άδεια CC BY 4.0.

Βιβλιογραφία

Abousaeidi, M., Fauzi, R., & Muhamad, R. (2015). Geographic Information System (GIS) modeling approach

to determine the fastest delivery routes. Saudi Journal of Biological Sciences.

doi:10.1016/j.sjbs.2015.06.004

Chhetri, S., & Kayastha, P. (2015). Manifestation of an Analytic Hirerachy Process (AHP) Model on Fire

Pontetioal Zonation Mapping in Kathmandu Metropolitan City, Nepal. International Journa of Geo-

Information, 4(1), pp. 400-417. doi:10.3390/ijgi4010400

Elkhrachy, I. (2015). Flash Flood Hazard Mapping Using Satellite Images and GIS Tools: A case study of

Najran City, Kingdom of Saudi Arabia (KSA). The Egyptian Journal of Remote Sensing and Space

Sciences, 18(2), pp. 261-278. doi:10.1016/j.ejrs.2015.06.007

Foote, K., & Lynch, M. (2000). The Geographer's Craft Project. Boulder, Colorado: Department of

Geography, The University of Colorado.

Gorai, A., Tuluri, F., & Tchounwou, P. (2014). A GIS Based Approach for Assesing the Association between

Air Pollution and Asthma in New York State, USA. International Journal of Environmental Research

and Public Health, 11(5), pp. 4845-4869. doi:0.3390/ijerph110504845

Jeefoo, P., Tripathi, N., & Souris, M. (2011). Spatio-Temporal Diffusion Pattern and Hotspot Detection of

Dengue in Chachoengsao Province, Thailand. International Journal of Environmental Research and

Public Health, 8(1), pp. 51-74. doi:10.3390/ijerph8010051

Kjellson, J., & Webber, M. (2015). The Energy-Water Nexus: Spatially-Resolved Analysis of the Potential for

Desalinating Brackish Groundwater by Use of Solar Energy. Resources, 4(3), pp. 476-489.

doi:0.3390/resources4030476

Prasannakumar, V., Vijith, H., Charutha, R., & Geetha, N. (2011). Spatio-Temporal Clustering of Road

Accidents: GIS Based Analysis and Assessment. Procedia Social and Behavioral Sciences, 21, pp.

317-325. doi:10.1016/j.sbspro.2011.07.020

Weijun, F., Zhuojing, F., Hongli, G., Biyong, J., Peikun, J., Yongfu, L., . . . Keli, Z. (2015). Spatial Variation

of Biomass Carbon Density in a Subtropical Region of Southeastern China. Forests, 6(6), pp. 1966-

1981. doi:10.3390/f6061966

Zhou, W., Wang, K., Zhao, C., & Zhang, Q. (2012). Analysis of Spatial Pattern among Grasshopper and

Vegetation in Heihe based on GIS. Physics Procedia, 33, pp. 1261-1268.