Ανάπτυξη συστήματος έγκαιρης ανίχνευσης/προειδοποίησης (Early Warning Systems) ακραίων φαινομένων μέσω δορυφορικών δεδομένων/ δεικτών και μεθόδων μηχανικής μάθησης

Η παρούσα διπλωματική εργασία εστιάζει στην υποστήριξη συστημάτων έγκαιρης ανίχνευσης για ακραία καιρικά και κλιματικά φαινόμενα, με έμφαση στην ανίχνευση καταιγιδοφόρων πυρήνων μέσω δορυφορικών δεδομένων και μεθόδων μηχανικής μάθησης. Η μελέτη βασίζεται σε περιπτώσεις έντονων βροχοπτώσεων που οδήγησαν σε πλημμυρικά φαινόμενα στην Ευρώπη και τη Βόρεια Αφρική κατά το έτος 2025. Σκοπός της μελέτης είναι ο εντοπισμός προγνωστικών δεικτών που συνδέονται με την εκδήλωση έντονης καταιγιδοφόρου δραστηριότητας, καθώς και η χρήση νευρωνικών δικτύων για την εκτίμηση της εξέλιξης αυτών των δεικτών στον χρόνο. Τα δεδομένα που αξιοποιούνται προέρχονται από τον νέο δορυφόρο της EUMETSAT, Meteosat-12. Συγκεκριμένα χρησιμοποιούνται δορυφορικοί δείκτες που σχετίζονται με τη δομή και την κατακόρυφη ανάπτυξη των νεφών. Παράλληλα αξιοποιούνται δεδομένα ηλεκτρικής δραστηριότητας από τον αισθητήρα Lightning Imager (LI), τα οποία παρέχουν συμπληρωματική πληροφορία για την ένταση των καταιγίδων. Στη συνέχεια αναπτύσσεται και εκπαιδεύεται μοντέλο μηχανικής μάθησης με στόχο την εκτίμηση συνθηκών έντονων ανοδικών κινήσεων. Η ανίχνευση τέτοιων συνθηκών μπορεί να αποτελέσει σημαντική ένδειξη για την εκδήλωση έντονων καταιγίδων και ισχυρών βροχοπτώσεων. Στο τελικό στάδιο εφαρμόζεται η μεθοδολογία στο case study της Αθήνας στις 21.01.2026. Τα αποτελέσματα δείχνουν ότι ο συνδυασμός δορυφορικών δεδομένων υψηλής χρονικής και χωρικής ανάλυσης με τεχνικές μηχανικής μάθησης μπορεί να συμβάλει στη βελτίωση της αξιοπιστίας και του χρόνου απόκρισης των συστημάτων έγκαιρης προειδοποίησης για ακραία καιρικά φαινόμενα.

Authors dc:creator

• ΧΑΡΙΣΗ ΕΙΡΗΝΗ
• CHARISI EIRINI

• Θετικές Επιστήμες
• Science

Language dc:language

Ελληνικά, Greek

Identifier

uoadl:5376333

OAI identifier oai:identifier

oai:lib.uoa.gr:uoadl:5376333