Περιστέρα Κουράκλη Δασολόγος Περιβαλλοντολόγος, M.Sc.

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΔΑΣΟΛΟΓΙΑ ΚΑΙ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΟΜΕΑΣ ΔΑΣΟΤΕΧΝΙΚΩΝ ΚΑΙ ΥΔΡΟΜΕΤΡΙΚΩΝ ΕΡΓΩΝ ΕΡΓΑΣΤΗΡΙΟ ΔΙΕΥΘΕΤΗΣΗΣ ΟΡΕΙΝΩΝ ΥΔΑΤΩΝ Διευθυντής: ο Αν. Καθηγητής Παναγιώτης Στεφανίδης Περιστέρα Κουράκλη Δασολόγος Περιβαλλοντολόγος, M.Sc. ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΙΝΔΥΝΟΥ ΠΡΟΣΧΩΣΗΣ ΤΩΝ ΤΑΜΙΕΥΤΗΡΩΝ ΝΕΡΟΥ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ G.I.S. ΚΑΙ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (ΕΦΑΡΜΟΓΗ: ΤΕΧΝΗΤΗ ΛΙΜΝΗ ΠΟΛΥΦΥΤΟΥ Ν. ΚΟΖΑΝΗΣ) ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΘΕΣΣΑΛΟΝΙΚΗ 2010

2 @ ΠΕΡΙΣΤΕΡΑ Α.Π.Θ. Η έγκριση της παρούσας διατριβής από τη Σχολή Δασολογίας και Φυσικού Περιβάλλοντος του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης δεν υποδηλώνει αποδοχή των γνωμών του συγγραφέα (Ν. 534/1932, άρθρο 202).

3 ARISTOTLE UNIVERSITY OF THESSALONIKI FORESTRY AND NATURAL ENVIRONMENT SCHOOL INSTITUTE OF MOUNTAINOUS WATER MANAGEMENT & CONTROL Director: P. Stefanidis, Ass. Professor Peristera Kourakli Forester- Environmentalist, M.Sc. "Assessment of the aggradation risk of reservoirs with the use of GIS and Remote Sensing (Case study: Reservoir Polyfito P. Kozani, West Macedonia, Greece) " DISSERTATION SUBMITTED FOR THE DEGREE OF DOCTORATE TO THE FORESTRY AND NATURAL ENVIRONMENT SCHOOL THESSALONIKI 2010

4 ΠΕΡΙΣΤΕΡΑ ΚΟΥΡΑΚΛΗ ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΙΝΔΥΝΟΥ ΠΡΟΣΧΩΣΗΣ ΤΩΝ ΤΑΜΙΕΥΤΗΡΩΝ ΝΕΡΟΥ ΜΕ ΤΗ ΧΡΗΣΗ ΤΩΝ G.I.S. ΚΑΙ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (ΕΦΑΡΜΟΓΗ: ΤΕΧΝΗΤΗ ΛΙΜΝΗ ΠΟΛΥΦΥΤΟΥ Ν. ΚΟΖΑΝΗΣ) ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ Υποβλήθηκε στη Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Τομέας Δασοτεχνικών και Υδρονομικών Έργων Ημερομηνία Προφορικής Εξέτασης: 9 ΙΟΥΝΙΟΥ 2010 Εξεταστική Επιτροπή Πανωγιώτης Στεφανίδης Μιχάλης Καρτέρης Θεοφάνης Παυλίδης Γεώργιος Δημόπουλος Θεόδωρος Αστάρας Δημήτριος Στάθης, Ιωάννης Γήτας Αν. καθηγητής Σχ. Δασολογίας-Φυσ. Περ/ντος, Α.Π.Θ. ΕΠΙΒΛΕΠΟΝ ΚΑΘΗΓΗΤΗΣ Καθηγητής Σχ. Δασολογίας-Φυσ. Περ/ντος, Α.Π.Θ. ΜΕΛΟΣ ΤΡΙΜΕΛΟΥΣ ΣΥΜΒΟΥΛΕΥΤΙΚΗΣ ΕΠΙΤΡΟΠΗΣ Επικ. καθηγητής Σχ. Δασολογίας-Φυσ. Περ/ντος, Α.Π.Θ. ΜΕΛΟΣ ΤΡΙΜΕΛΟΥΣ ΣΥΜΒΟΥΛΕΥΤΙΚΗΣ ΕΠΙΤΡΟΠΗΣ Καθηγητής Τμ. Γεωλογίας, Α.Π.Θ. ΕΞΕΤΑΣΤΗΣ Καθηγητής Τμ. Γεωλογίας, Α.Π.Θ. ΕΞΕΤΑΣΤΗΣ Επίκ. καθηγητής Σχ. Δασολογίας-Φυσ. Περ/ντος, Α.Π.Θ. ΕΞΕΤΑΣΤΗΣ Επίκ. καθηγητής Σχ. Δασολογίας-Φυσ. Περ/ντος, Α.Π.Θ. ΕΞΕΤΑΣΤΗΣ

5 Στον Δημήτρη

6 Ευχαριστίες Η παρούσα διδακτορική διατριβή αποτελεί το τελικό αποτέλεσμα μιας έρευνας που πραγματοποιήθηκε με ιδίους πόρους για αρκετά χρόνια. Στα χρόνια αυτά, σημαντική ήταν η συνεισφορά κάποιων συναδέλφων και μη, στους οποίους το λιγότερο που οφείλω να αποδώσω είναι ένα «ευχαριστώ». Κατ αρχήν πρέπει να ευχαριστώ την επταμελή εξεταστική επιτροπή, καθώς και την τριμελή συμβουλευτική επιτροπή για το χρόνο που μου έχουν ήδη διαθέσει και ελπίζω να διαθέσουν και στο μέλλον σε παρεμφερείς μου έρευνες. Ένα πιο θερμό και ιδιαίτερο ευχαριστώ οφείλω στον επιβλέποντα καθηγητή μου, τον Παναγιώτη Στεφανίδη, αναπληρωτή καθηγητή της Σχολής Δασολογίας και Φυσικού Περιβάλλοντος, τόσο για το ότι αποδέχθηκε το απαιτητικό αυτό έργο της επίβλεψης, όσο και για το ενδιαφέρον και τη συμπαράστασή του όλα αυτά τα χρόνια. Επίσης, αν και δε συμμετείχε στις επιτροπές του διδακτορικής μου έρευνας, ο κ. Μάριος Σαπουτζής, λέκτορας της Σχολής Δασολογίας και Φυσ. Περιβάλλοντος, αξίζει επίσης ένα θερμό «ευχαριστώ», μιας και είχε πάντα μια γόνιμη τοποθέτηση σε κάθε πρόκληση που κατά καιρούς αντιμετώπιζα στην παρούσα έρευνα. Θα πρέπει επίσης, να ευχαριστήσω τους ανθρώπους που στήριξαν την παρούσα έρευνα παρέχοντας πρωτογενή δεδομένα και συγκεκριμένα την Εθνική Μετεωρολογική Υπηρεσία, το Ινστιτούτο Δασικών Ερευνών, τη ΔΕΗ, τον κ. Μανώλη Παπαϊωάννου, Διευθυντή Συγκράτησης Υδάτων Αλιάκμονα της ΔΕΗ, τους κ. Ιωάννη Καραγιάννη, Κώστα Νικολαϊδη και Τηλέμαχο Σκοτιδάκη από την Αναπτυξιακή Εταιρεία Κοζάνης και τον κ. Σπύρο Μπούσιο από τη Δ/νση Δασών Νομού Κοζάνης. Ευχαριστώ, τέλος, την οικογένειά μου για την υπομονή τους όλα αυτά τα χρόνια, το Διευθυντή μου Ξενοφώντα Κάππα (Ελληνική Ορνιθολογική Εταιρεία) για την κατανόηση και τη στήριξη στην ολοκλήρωση της έρευνας, τη φίλη μου Φανή Τζιαφτάνη για την υπομονή της και τις συμβουλές της, το φίλο μου Δρ. Σταύρο Κολιό για την αμέριστη και σταθερή του συμβολή σε δύσκολες καταστάσεις και φυσικά τον άνδρα της ζωής μου και μόνιμο συμπορευτή κριτή μου, το Δρ. Δημήτρη Χουβαρδά, που ειδικά χωρίς αυτόν, η παρούσα έρευνα πολύ δύσκολα θα είχε φτάσει σε ένα αίσιο τέλος. ΠΕΡΗ ΚΟΥΡΑΚΛΗ ΙΟΥΝΙΟΣ 2010

7 «Εκτίμηση του κινδύνου πρόσχωσης των ταμιευτήρων νερού με τη χρήση των GIS και της Τηλεπισκόπησης (Εφαρμογή: Τεχνητή λίμνη Πολυφύτου Ν. Κοζάνης)» Περιεχόμενα 1 ΠΕΡΙΛΗΨΗ 4 2 SUMMARY 6 3 ΕΙΣΑΓΩΓΗ - ΘΕΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ 8 4 ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ 10 5 ΑΝΑΣΚΟΠΗΣΗ ΒΙΒΛΙΟΓΡΑΦΙΑΣ Διάβρωση - Υποβάθμιση Κλίμα και Γεωστατιστική Τηλεπισκόπηση 34 6 ΠΕΡΙΟΧΗ ΕΡΕΥΝΑΣ Γενικά χαρακτηριστικά Αβιοτικά χαρακτηριστικά Βιοτικά χαρακτηριστικά 48 7 ΜΕΘΟΔΟΣ ΕΡΕΥΝΑΣ Μορφομετρικά και υδρογραφικά χαρακτηριστικά Κλίμα και Γεωστατιστική Γεωλογικό υπόβαθρο Ταξινόμηση δορυφορικής Εικόνας Ανάπτυξη μοντέλου διάβρωσης - υποβάθμισης 75 8 ΑΠΟΤΕΛΕΣΜΑΤΑ Μορφομετρικά και υδρογραφικά χαρακτηριστικά Κλίμα και γεωστατιστική Γεωλογικό υπόβαθρο Ταξινόμηση δορυφορικής εικόνας Ανάπτυξη μοντέλου διάβρωσης - υποβάθμισης Επιβεβαίωση μοντέλου διάβρωσης - υποβάθμισης ΣΥΜΠΕΡΑΣΜΑΤΑ ΠΡΟΤΑΣΕΙΣ ΒΙΒΛΙΟΓΡΑΦΙΑ ΠΑΡΑΡΤΗΜΑ: ΧΑΡΤΕΣ ΚΑΙ ΦΩΤΟΓΡΑΦΙΕΣ 179 1

8 Περιεχόμενα Πινάκων Πίνακας 01. Ταξινόμηση δορυφόρων Landsat. 34 Πίνακας 02. Χαρακτηριστικά διαύλων Landsat. 35 Πίνακας 03. Δείκτες Ευρυζωνικής Βλάστησης 43 Πίνακας 04. Τιμές του συντελεστή x στον τύπο του Gavrilovic. 76 Πίνακας 05. Τιμές του συντελεστή y στον τύπο του Gavrilovic. 77 Πίνακας 06. Τιμές του συντελεστή φ στον τύπο του Gavrilovic. 77 Πίνακας 07. Επίπεδα διάβρωσης βάσει του συντελεστή διάβρωσης z. 79 Πίνακας 08. Ονοματολογία χειμαρρικών ρευμάτων περιοχής έρευνας. 83 Πίνακας 09. Ποιοτικά χαρακτηριστικά των λεκανών απορροής της περιοχής έρευνας._86 Πίνακας 10. Mορφομετρικά και υδρογραφικά χαρακτηριστικά περιοχής έρευνας. 87 Πίνακας 11. Σταθμοί περιοχής έρευνας. 89 Πίνακας 12. Δείγμα κατακρημνισμάτων ανά έτος στην περιοχή έρευνας. 90 Πίνακας 13. Τάσεις των ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. 93 Πίνακας 14. Δείγμα θερμοκρασιών ανά έτος στην περιοχή έρευνας. 95 Πίνακας 15. Τάσεις των ετήσιων θερμοκρασιών στην περιοχή έρευνας. 97 Πίνακας 16. Στατιστικοί δείκτες μοντέλων μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. 103 Πίνακας 17. Στατιστικοί δείκτες μοντέλων μέσης ετήσιας θερμοκρασίας στην περιοχή έρευνας. 106 Πίνακας 18. Χειμαρρικοί πετρολογικοί σχηματισμοί περιοχής έρευνας. 107 Πίνακας 19. Χειμαρρικοί πετρολογικοί σχηματισμοί στις λεκάνες απορροής της περιοχής έρευνας. 110 Πίνακας 20. Εκτάσεις Περιοχών Ενδιαφέροντος. 112 Πίνακας 21. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή Παραλληλεπίπεδου λογαρίθμου (%). 113 Πίνακας 22. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Ελάχιστης απόστασης (%). 114 Πίνακας 23. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Απόστασης Mahalanobis (%). 115 Πίνακας 24. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Μέγιστης πιθανότητας (%). 116 Πίνακας 25. Κατανομή χρήσεων γης στην περιοχή έρευνας. 119 Πίνακας 26. Μέγιστη αναμενόμενη υδατοπαροχή περιοχής έρευνας. 121 Πίνακας 27. Τιμές του συντελεστή x στον τύπο του Gavrilovic. 123 Πίνακας 28. Τιμές του συντελεστή y στον τύπο του Gavrilovic. 123 Πίνακας 29. Τιμές του συντελεστή φ στον τύπο του Gavrilovic. 124 Πίνακας 30. Ετήσια Διάβρωση και υποβάθμιση λεκανών απορροής της περιοχής έρευνας. 131 Πίνακας 31. Κάλυψη γης στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου. 137 Πίνακας 32. Σύγκριση της ετήσιας διάβρωσης της λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου σε σχέση με τις λεκάνες απορροής των υπόλοιπων ελληνικών φυσικών λιμνών

9 Περιεχόμενα Χαρτών Χάρτης 01. Διοικητική διάρθρωση περιοχής έρευνας. 44 Χάρτης 02. Προστατευόμενες περιοχές περιοχής έρευνας. 49 Χάρτης 03. Τρισδιάστατη (3D) απεικόνιση ευρύτερης λεκάνης απορροής τεχνητής λίμνης Πολυφύτου. 81 Χάρτης 04. Παρουσίαση λεκανών απορροής που περικλείονται από τον υδροκρίτη της ευρύτερης λεκάνης απορροής της λίμνης Πολυφύτου. 82 Χάρτης 05. Κατανομή σταθμών στην περιοχή έρευνας. 98 Χάρτης 06. Νέα κατανομή σταθμών στην περιοχή έρευνας. 99 Χάρτης 07. Χάρτης πρόβλεψης μοντέλου Κανονικού Συνδυαστικού Kriging (Ordinary Co- Kriging) μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. _ 101 Χάρτης 08. Χάρτης πρόβλεψης μοντέλου Κανονικού Kriging (Ordinary Kriging) μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. 102 Χάρτη 09. Χάρτης πρόβλεψης μέσης ετήσιας θερμοκρασίας μοντέλου Κανονικού Συνδυαστικού Kriging (Ordinary Co- Kriging) στην περιοχή έρευνας 104 Χάρτης 10. Χάρτης πρόβλεψης μέσης ετήσιας θερμοκρασίας μοντέλου Κανονικού Kriging (Ordinary Kriging) στην περιοχή έρευνας. 105 Χάρτης 11. Χειμαρρικοί πετρολογικοί σχηματισμοί που περικλείονται από τον υδροκρίτη της ευρύτερης λεκάνης απορροής της λίμνης Πολυφύτου. 109 Χάρτης 12. Αποτελέσματα επιβλεπόμενης ταξινόμησης στο σύνολο της δορυφορικής εικόνας. 117 Χάρτης 13. Αποτελέσματα επιβλεπόμενης ταξινόμησης στην περιοχή έρευνας. 118 Χάρτης 14. Συντελεστής θερμοκρασίας T στην περιοχή έρευνας. 125 Χάρτης 15. Μέσα ετήσια κατακρημνίσματα h στην περιοχή έρευνας. 125 Χάρτης 16. Συντελεστής x (παρουσία βλάστησης) στην περιοχή έρευνας. 126 Χάρτης 17. Συντελεστής y (γεωλογικό υπόθεμα) στην περιοχή έρευνας 126 Χάρτης 18. Μέση κλίση J στην περιοχή έρευνας. 127 Χάρτης 19. Συντελεστής διάβρωσης φ στην περιοχή έρευνας. 127 Χάρτης 20. Συντελεστής δυναμικού διάβρωσης z στην περιοχή έρευνας. 128 Χάρτης 21. Δυναμικό διάβρωσης στην περιοχή έρευνας. 129 Χάρτης 22. Μέση ετήσια υποβάθμιση w στην περιοχή έρευνας. 130 Χάρτης 23. Φωτογραφίες ευρύτερης λεκάνης απορροής τεχνητής λίμνης Πολυφύτου

10 1 ΠΕΡΙΛΗΨΗ Βασικό χαρακτηριστικό των χειμάρρων είναι η διακίνηση διαμέσου αυτών φερτών υλικών. Άμεσες συνέπειες αυτής της διεργασίας είναι η διάβρωση και η υποβάθμιση των ορεινών περιοχών που οδηγεί στην πιθανή καταστροφή των πεδινών περιοχών και την προοδευτική πρόσχωση των τεχνητών λιμνών (ταμιευτήρων) περιορίζοντας τη διάρκεια ζωής αυτών. Το είδος και το μέγεθος της υποβάθμισης συνδέεται άμεσα με την ένταση και τη σύνθεση των μεταφερόμενων φερτών υλικών των χειμάρρων. Σκοπός της παρούσας έρευνας ήταν η εκτίμηση των διαβρώσεων και της υποβάθμισης στις ορεινές λεκάνες απορροής των χειμαρρικών ρευμάτων που εκβάλλουν στην τεχνητή λίμνη του Πολυφύτου με σύγχρονα μέσα και εργαλεία, προκειμένου να διαπιστωθεί κατά πόσο η τεχνητή λίμνη απειλείται ή όχι με πρόσχωση. Η ευρύτερη λεκάνη απορροής της τεχνητής λίμνης του Πολυφύτου έχει συνολικό εμβαδό 847,76 km 2 και διαιρέθηκε σε 31 μικρότερες λεκάνες απορροής. Η μεγαλύτερη από αυτές είχε έκταση 120,22 km 2, ενώ η μικρότερη μόλις 1,59 km 2, δηλαδή πρόκειται για πολύ μικρές ως μέτριες λεκάνες απορροής. Υπήρχε έντονη διαφοροποίηση μεταξύ του βόρειου και του νότιου τμήματος της ευρύτερης λεκάνης απορροής που αποδόθηκε στο ιδιαίτερα τραχύ ανάγλυφο του νότιου τμήματος: Οι λεκάνες απορροής στο βόρειο τμήμα (Λεκάνες 1-13) κάλυπταν μεγαλύτερη επιφάνεια σε χαμηλότερα υψόμετρα με υποδιπλάσιες υδατοπαροχές. Ακριβώς τα αντίθετα φαινόμενα και διεργασίες παρατηρήθηκαν στις λεκάνες απορροής του νότιου τμήματος (Λεκάνες 14-31). Το μοντέλο πρόβλεψης διάβρωσης και υποβάθμισης της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου που επιλέχθηκε σύμφωνα με τις ανάγκες της παρούσας έρευνας ήταν το Μοντέλο Δυναμικού Διάβρωσης του Gavrilovic (Gavrilovic Erosion Potential Method). Οι παράγοντες του μοντέλου που συνδυάστηκαν ήταν ψηφιακά αρχεία 4

11 μορφής κανάβου, οπότε προσδιορίστηκαν σε κάθε θέση ευρύτερης λεκάνης απορροής. Οι επιμέρους διαδικασίες έλαβαν χώρα στα Γεωγραφικά Συστήματα Πληροφοριών, υποστηριζόμενες από δεδομένα και διεργασίες τηλεπισκόπησης. Αναλυτικά, συνυπολογίστηκαν οι εξής παράγοντες: τα συνολικά ετήσια κατακρημνίσματα και η μέση ετήσια θερμοκρασία του αέρα που εκτιμήθηκαν για όλη την ευρύτερη περιοχή με την εφαρμογή μεθόδων γεωστατιστικής επεξεργασίας (μέθοδοι Kriging), οι καλύψεις γης που προσδιορίστηκε με ταξινόμηση δορυφορικών εικόνων Landasat7, το γεωλογικό υπόβαθρο που προέκυψε μέσα από ψηφιοποίηση αναλογικών γεωλογικών χαρτών και οι κλίσεις της επιφάνειας του εδάφους όπως αυτές αποδόθηκαν από το ψηφιακό μοντέλο εδάφους. Το μοντέλο έδειξε ότι ο ετήσιος όγκος των φερτών υλών που καταλήγει στην τεχνητή λίμνη ανέρχεται σε ,52 m 3 /y, ενώ αποθέτονται και συγκρατούνται εσωτερικά αυτής σημαντικές ποσότητες σε σχέση με τον αρχικό παραγόμενο όγκο (58,9%). Οι βόρειες λεκάνες απορροής φαίνεται να συγκρατούν το 71% των φερτών υλικών που παράγουν, ενώ οι νότιες λεκάνες δεσμεύουν περίπου το 49% του αρχικού όγκου των μεταφερόμενων υλικών τους. Τα φαινόμενα αυτά που αποδίδονται κατά κύριο λόγο στο ομαλότερο ανάγλυφο των βόρειων λεκανών και στη μεγάλη επιφάνεια που καταλαμβάνεται από δάσος ή πυκνούς θαμνώνες στο νότιο τμήμα. Τα αποτελέσματα του μοντέλου διάβρωσης και υποβάθμισης συγκρίθηκαν με παρόμοιες έρευνες. Προκύπτει ότι οι η εφαρμογή νέων τεχνολογιών στην αρχική εκτίμηση των παραγόντων του μοντέλου περιορίζει τα σφάλματα υπερεκτίμησης. Επιπρόσθετα, τα σφάλματα περιορίζονται και από τον προσδιορισμό των φερτών υλών που παραμένουν στις ορεινές λεκάνες απορροής και δεν καταλήγουν στην τεχνητή λίμνη. Ο κίνδυνος πρόσχωσης της τεχνητής λίμνης του Πολυφύτου είναι ορατός, αλλά όχι άμεσος. 5

12 2 SUMMARY "Assessment of the aggradation risk of reservoirs with the use of GIS and Remote Sensing (Case study: Reservoir Polyfito P. Kozani, West Macedonia, Greece) Basic element of the streams is that along with water, they carry sediments. Direct consequences of this process are the erosion and degradation of mountainous areas which possibly could lead to destruction of the lowland areas and gradual aggradation of reservoirs reducing their lifetime. The type and extent of degradation is directly linked to the intensity and composition of the transported sediment through the streams. The purpose of this research was the assessment of the erosion and degradation in mountainous watersheds of streams that debouching into the artificial lake Polifito in the Prefecture of Kozani, West Macedonia North Greece by implementing modern tools to determine whether the reservoir or not is threatened by aggradation. The catchment basin of Polifitos reservoir covers an area of 847,76km 2 which was divided into 31 smaller watersheds. In average, they extended in 120,22km 2, while the smallest only in 1,59km 2. This is why the watersheds were characterized from extremely small to moderate. There was a differentiation between the northern and the southern part of the catchment mainly because of the very rugged terrain of the southern part. The watersheds in the north (No. 1-13) were wider at lower altitudes and with less water flow comparing to the south s watersheds (No ). The erosion - degradation model which was selected for the purposes of this research was the Gavrilovic Erosion Potential Method. The factors of this model were estimated in the Polifitos catchment level and all the processes have taken place in GIS, supported by remote sensing data and processes. In details, five factors were estimated for calculating the model: the total annual precipitation and mean annual air temperature by applying Geostatistics methods (Kriging methods), the land covers determined by the satellite imagery Landasat7, the geological background 6

13 obtained through the digitization of analog geological maps and the slopes of the surface as attributed by the digital terrain model (DEM). The model showed that the annual volume of sediments reaching the reservoir is ,52 m 3, while a great amount (58,9%) of initial producing sediments are held inside the watersheds. The northern watersheds seem to hold up 71% of the produced sediment, while the southern watersheds restrain the 49% of the initial sediments, mainly because of the large area occupied by forest or dense shrubs in the south part and the smoother relief of the northern watersheds. The results of the soil erosion- degradation model were compared with similar surveys. It resulted that the implementation of new technologies to the initial assessments of the model s factors reduces the overestimation errors. Additionally, the errors were also reduced by the determination of the sediments which lied inside the mountainous watersheds and not inside the artificial lake. The risk of Polyfitos reservoir s aggradation is visible, but not immediate. 7

14 3 ΕΙΣΑΓΩΓΗ - ΘΕΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ Ένα από τα βασικά χαρακτηριστικά των χειμάρρων είναι η διακίνηση διαμέσου αυτών φερτών υλικών. Άμεσες συνέπειες αυτής της διεργασίας είναι η διάβρωση και η υποβάθμιση των ορεινών περιοχών που οδηγεί στην πιθανή καταστροφή των πεδινών περιοχών και την προοδευτική πρόσχωση των τεχνητών λιμνών (ταμιευτήρων), περιορίζοντας τη διάρκεια ζωής αυτών (Lewandowski 1973). Το είδος και το μέγεθος της υποβάθμισης συνδέεται άμεσα με την ένταση των χειμαρρικών φαινόμενων των ορεινών λεκανών απορροής και τη σύνθεση των μεταφερόμενων φερτών υλικών των χειμάρρων στις κεντρικές τους κοίτες. Επομένως, η γνώση των ποιοτικών και ποσοτικών χαρακτηριστικών των φερτών υλικών καθορίζει το κατάλληλο σύστημα ελέγχου της διάβρωσης και διευθέτησης των χειμάρρων, διασφαλίζοντας την απρόσκοπτη και μακροπρόθεσμη λειτουργία ενός ταμιευτήρα. Μάλιστα, η αποτροπή της πρόσχωσης ενός ταμιευτήρα οφείλει να αποτελεί βασικό σκέλος της αρχικής μελέτης κατασκευής του (Gogus and Yalcinkaya 1992, Jiang and Zhang 1992, Vetter 1992, Στάθης και Σαπουτζής 2002, Erskine et al. 2002, Hrissanthou 2006). Γενικά, οι εκτιμήσεις της διακίνησης των φερτών υλών και της συνολικής υποβάθμισης των ορεινών περιοχών μιας τεχνητής λίμνης είναι διαδικασίες πολυδάπανες, δυσχερείς και μακροχρόνιες, με αποτέλεσμα τέτοιες πληροφορίες να μην είναι διαθέσιμες σε επίπεδο χώρας. Ως εκ τούτου, οι εκτιμήσεις οφείλουν να περιορίζονται σε πειραματικές λεκάνες απορροής που όμως, για να είναι αντιπροσωπευτικές για τον ελλαδικό χώρο, οφείλουν να έχουν ιδιαίτερα μεγάλη έκταση και να είναι χαρακτηριστικές όσον αφορά τα ετήσια κατακρημνίσματα που δέχονται, τον ορεινό τους χαρακτήρα, το γεωλογικό τους υπόθεμα, αλλά και τις χρήσεις/ καλύψεις γης τους. Επίσης, οι λεκάνες αυτές έχουν μια σημαντική σπουδαιότητα για την οικολογία, την κοινωνία και την 8

15 οικονομία. Μια τέτοια χαρακτηριστική επιφάνεια, λοιπόν, είναι η ευρύτερη λεκάνη απορροής της τεχνητής λίμνης του Πολυφύτου. Σκοπός της παρούσας έρευνας ήταν η εκτίμηση των διαβρώσεων και της υποβάθμισης στις ορεινές λεκάνες απορροής των χειμαρρικών ρευμάτων που εκβάλλουν στην τεχνητή λίμνη του Πολυφύτου, με σύγχρονα μέσα και εργαλεία, όπως είναι τα Γεωγραφικά Συστήματα Πληροφοριών (Γ.Σ.Π./ G.I.S.) και η τηλεπισκόπηση, προκειμένου να διαπιστωθεί κατά πόσο η τεχνητή λίμνη απειλείται ή όχι με πρόσχωση. Οι επιμέρους στόχοι της έρευνας σχετίζονταν με την ακρίβεια της εκτίμησης της διάβρωσης και υποβάθμισης στις ορεινές λεκάνες απορροής και συγκριμένα με: τον προσδιορισμό των ιδιαίτερων μορφομετρικών, υδρογραφικών και υδρολογικών χαρακτηριστικών της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου, έτσι ώστε να γίνει κατανοητό το χειμαρρικό περιβάλλον της την επιλογή του κατάλληλου μοντέλου διάβρωσης και υποβάθμισης, το οποίο θα πρέπει να είναι προσαρμοσμένο στις ιδιαίτερες μεσογειακές συνθήκες των ορεινών λεκανών απορροής την ανάλυση σε βάθος και με σύγχρονα μέσα και εργαλεία (G.I.S. και τηλεπισκόπηση) όλων των παραγόντων διάβρωσης στην περιοχή έρευνας, έτσι ώστε να αυξηθεί η αξιοπιστία του εφαρμοζόμενου μοντέλου διάβρωσης - υποβάθμισης την έμμεση επιβεβαίωση του μοντέλου διάβρωσης υποβάθμισης 9

16 4 ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ Στην παρούσα έρευνα μελετάται η εκτίμηση του κινδύνου πρόσχωσης των ταμιευτήρων νερού με σύγχρονα τεχνολογικά εργαλεία. Κατά τη διεξαγωγή της έρευνας έγινε χρήση διαφόρων όρων και εννοιών. Επίσης λήφθηκαν υπόψη οι μέθοδοι έρευνας και τα συμπεράσματα από σχετικές εργασίες διαφόρων ερευνητών σε μοντέλα διάβρωσης και στους παράγοντες αυτών. Κρίθηκε λοιπόν, σκόπιμο να διευκρινιστούν αρχικά οι βασικοί όροι και οι έννοιες που χρησιμοποιήθηκαν, όπως αυτές αποδίδονται στη βιβλιογραφία, ώστε να είναι σαφές το εννοιολογικό πρίσμα των ερευνητικών συμπερασμάτων που ακολουθούν στην παρούσα διατριβή. Διάκριση φυσικού υδρογραφικού δικτύου Τα κατακρημνίσματα που πέφτουν στην επιφάνεια της γης είτε διεισδύουν στο εσωτερικό της είτε εξατμίζονται προς την ατμόσφαιρα είτε ρέουν ακολουθώντας την οδό της μέγιστης κλίσης και των μικρότερων εμποδίων. Με τη συγκέντρωση των υδάτων της επιφανειακής απορροής δημιουργούνται, αρχικά, υδάτινα νάματα, τα οποία συνενώνονται και σχηματίζουν υδατοφλέβες που ενώνονται σταδιακά και σχηματίζουν ρυάκια, ρύακες, μεγαλύτερα χειμαρρικά υδάτινα ρεύματα και, τέλος, ποτάμια. Αυτή η διάκριση του φυσικού υδρογραφικού δικτύου μιας περιοχής είναι απαραίτητη στη διαχείριση του υδρογραφικού δικτύου. Οι διάφορες κατηγορίες του και τα χαρακτηριστικά αυτών περιγράφονται στη συνέχεια (Στεφανίδης 1990, Κωτούλας 1998, Στεφανίδης 2008): Χειμαρρικά ή χειμαρρώδη καλούνται τα φυσικά ρεύματα (ορεινοί ποταμοί, χειμαρροπόταμοι, χείμαρροι) με έκταση λεκάνης απορροής έως km 2, τα οποία εμφανίζουν έντονη χειμαρρικότητα, κυρίως λόγω ανθρωπογενών επιδράσεων και άλλων διαταραχών στο φυσικό περιβάλλον του χώρου δράσης τους, η οποία εκφράζεται με τη μεταφορά σημαντικής ποσότητας φερτών υλών και με την ανώμαλη δίαιτα του νερού. Διακρίνονται: 10

17 Χείμαρροι: Μικρά χειμαρρικά ρεύματα με έντονη ανώμαλη δίαιτα νερού και παραπυθμένια μεταφορά αδρομερών φερτών υλών, η οποία κυριαρχεί ως προς τις υπόλοιπες ιδιότητές τους, γι αυτό και καθορίζει τη συμπεριφορά τους. Δημιουργούνται κυρίως στις ορεινές και πολύ ορεινές περιοχές, καθώς και σε χαμηλές ημιορεινές περιοχές με ευπαθές γεωλογικό απόθεμα και χαρακτηρίζονται συνήθως από έντονο διαταραγμένο φυσικό περιβάλλον. Χέραδοι ή χείμαρροι λάβας ή λαβοχείμαρροι: χείμαρροι των ορεινών περιοχών με έντονη κατά μάζες μεταφορά (λαβομεταφορά) πολύ αδρομερών υλικών και ανώμαλη δίαιτα νερού. Ρύακες: Μικρά χειμαρρικά ρεύματα με περιορισμένη μεταφορά λεπτόκοκκων υλών (κυρίως αιωρομεταφορά) και ανώμαλη δίαιτα νερού. Εμφανίζονται συνήθως στις λοφώδεις περιοχές με ανθεκτικό γεωλογικό υπόθεμα και σχετικά καλή φυτοκάλυψη (δάσος). Συνεπώς, οι χείμαρροι, οι χέραδοι και οι ρύακες αποτελούν χαρακτηριστικές φυσικές κατηγορίες των μικρών χειμαρρικών ρευμάτων, οι οποίες διαφέρουν μεταξύ τους μόνο ως προς την ένταση, το είδος και τον τρόπο μεταφοράς των φερτών υλών, ενώ εμφανίζουν το κοινό χαρακτηριστικό γνώρισμα της ανώμαλης δίαιτας του νερού. Συγκρίνοντας τους ποταμούς με τους χειμάρρους προκύπτει ότι: Οι ποταμοί ρέουν κατά κανόνα σε ευρείες κοιλάδες, έχουν μεγάλη λεκάνη απορροής, πλατιά κοίτη, μεγάλη παροχή με σταθερή δίαιτα, μικρή κλίση πυθμένα και δημιουργούν παρατεταμένες πλημμύρες. Στη λεκάνη τους κυριαρχούν τα τμήματα με ημιπεδινή, λοφώδη και ημιορεινή διαμόρφωση. Οι χείμαρροι ρέουν σε πολύ μικρές κοιλάδες και σε χαράδρες, έχουν μικρή λεκάνη απορροής και κλίση σχετικά έντονη, στενή κοίτη με σημαντική κλίση πυθμένα, μικρή σχετικά υδατοπαροχή, ανώμαλη δίαιτα και δημιουργούν αιφνίδιες και σύντομες πλημμύρες. Στις 11

18 λεκάνες τους κυριαρχούν τα τμήματα με ημιορεινή, ορεινή και πολύ ορεινή διαμόρφωση. Οι κοίτες των ποταμών τροφοδοτούνται με υλικά, τα οποία προέρχονται κυρίως από τους χειμάρρους που εκβάλλουν σ αυτές, ενώ οι κοίτες των χειμάρρων εμπλουτίζονται με φερτές ύλες που αποσπώνται από τις γύρω περιοχές, καθώς και από τα πρανή και τον πυθμένα της κοίτης τους. Οι χείμαρροι έχουν μια χαρακτηριστική χειμαρρική ιδιότητα, η οποία εκφράζεται ως εξής: α) εμφανίζουν αιφνίδιες, έντονες, μικρής διάρκειας πλημμύρες, ενώ κατά τον λοιπό χρόνο παρουσιάζουν ελάχιστες (ή και καθόλου) παροχές και β) αποσπούν, μεταφέρουν και αποθέτουν φερτές ύλες (ιδίως αδρομερή υλικά) στο χώρο της δράσης τους. Ως ρύακας ορίζεται κάθε χείμαρρος, ο οποίος δεν παρουσιάζει το χαρακτηριστικό της παράσυρσης, μεταφοράς και απόθεσης φερτών υλών (ιδίως αδρομερών) ή το εμφανίζει σε εντελώς περιορισμένη έκταση (αιωρομεταφορά), ασήμαντη από πρακτική άποψη. Η μορφομετρία των χειμάρρων καθορίζεται τόσο από τα υδρομετρικά χαρακτηριστικά αυτών, όσο και από τις γενικότερες φυσικές συνθήκες (κλίμα, τοπογραφία και γεωλογία) της ορεινής περιοχής και πολύ λιγότερο από την επίδραση του ανέμου (Coroza et al. 1997, Legleiter et al. 2004, Soulis and Dercas 2007). Επιπλέον, και η κάλυψη της γης μπορεί άμεσα να επηρεάσει την επιφανειακή απορροή και ως εκ τούτου τη μορφομετρία των χειμάρρων (Wilcox 2002). Όλα αυτοί οι παράγοντες διαμορφώνουν μέσα από ένα χρονικό και χωρικό πλέγμα μοναδικά φυσικά χαρακτηριστικά βιοτόπων για πολλούς υδρόβιους οργανισμούς (Στεφανίδης 1995, Bhuyan et al. 2002). Τέλος, χαρακτηριστικό των χειμάρρων είναι η συχνότητα ανάπτυξης και η ένταση ακραίων φαινόμενων, τα οποία επηρεάζουν άμεσα και στη διάρκεια του χρόνου τους ταμιευτήρες, καθώς, παράλληλα με το νερό, διακινούνται μεγάλες ποσότητες φερτών υλών (Στεφανίδης Π. 1995). Έχουν αναπτυχθεί 12

19 διάφορες μέθοδοι για την πρόβλεψη τέτοιων φαινόμενων. Σύγχρονο παράδειγμα είναι οι Gavrilovic et al. (2004), οι οποίοι δημιούργησαν μοντέλο πρόβλεψης συμπεριφοράς νεφών από δορυφορικές εικόνες. Λεκάνη απορροής Η επιφάνεια της γης που τροφοδοτεί ένα χειμαρρικό ρεύμα με νερά και φερτά υλικά, αποτελεί την λεκάνη απορροής ή συλλεκτήρια ή υδρολογική λεκάνη του. Η περίμετρός της καθορίζεται από τη γραμμή του υδροκρίτη που την περιβάλλει. Η λεκάνη απορροής ενός ρεύματος από το υψηλότερο σημείο του χειμαρρικού χώρου μέχρι την εκβολή του στον τελικό αποδέκτη, χαρακτηρίζεται ως συνολική. Διακρίνεται σε δυο τμήματα: στην ορεινή λεκάνη απορροής, η οποία περιλαμβάνει την ορεινή περιοχή του χειμαρρικού χώρου και στην πεδινή λεκάνη απορροής, η οποία εκτείνεται από την έξοδο του ρεύματος στην πεδινή περιοχή μέχρι την εκβολή του στον αποδέκτη. Η πεδινή έκταση, την οποία επηρεάζει το χειμαρρικό ρεύμα με τη δράση του και ιδίως με την απόθεση φερτών υλικών, αποτελεί το ριπίδιο. Η επιφάνεια των ριπιδίων είναι κυρίως κυρτή. Τα μικρά ριπίδια με έντονο (απότομο) ανάγλυφο και αδρομερή υλικά απόθεσης, καθώς και οι εκφρασμένες εξάρσεις με χονδρόκοκκη συγκράτηση υλικών στην κορυφή εκτεταμένων ριπιδίων χαρακτηρίζονται ως κώνοι πρόσχωσης ή απόθεσης. Σχηματίζονται από την απόθεση αδρομερών φερτών υλών λόγω στερεομεταφοράς ή λαβομεταφοράς. Αντίθετα, τα ριπίδια με ήπια εξωτερική διαμόρφωση, καθώς και τα τμήματα των ριπιδίων με επιπεδόμορφη όψη στο κατάντη των κώνων πρόσχωσης σχηματίζονται από την απόθεση λεπτόκοκκων υλικών, κυρίως λόγω αιωρομεταφοράς. Ως όριο, δε, για τη διάκριση των ριπιδίων από τους κώνους πρόσχωσης ή απόθεσης θεωρείται συχνά εκτός από την μορφολογία της έκτασης και η 8% κλίση στην επιφάνεια του σχηματισμού (Κωτούλας 1998, Στεφανίδης 2008). 13

20 Ταμιευτήρες Ως ταμίευση νερού εννοείται η συγκράτηση μιας ποσότητας ύδατος σε κατάλληλο χώρο για χρήση του. Ως ταμιευτήρες, δε, χαρακτηρίζονται τα έργα για τη συγκράτηση του νερού. Με την ταμίευση γίνεται μια χρονικά περιορισμένη επίσχεση της απορροής, ώστε να εξισορροπείται η παρεχόμενη ποσότητα υδάτων ως προς τις ανάγκες της κατανάλωσης. Οι ταμιευτήρες χρησιμοποιούνται, όταν οι εκροές για την κάλυψη αναγκών υπερτερούν των εισροών. Η ταμίευση νερού στο χώρο των ρευμάτων προς χρήση για διάφορους σκοπούς μπορεί να γίνεται σ όλα τα τμήματα αυτών, αλλά συνήθως επικεντρώνεται στην ορεινή λεκάνη απορροής. Αποσκοπεί στην καλύτερη δυνατή αξιοποίηση του νερού καθώς και στην βελτίωση της ποιότητάς του, παράλληλα και με την επιδίωξη άλλων σκοπών διευθέτησης (Στεφανίδης 1988). Οι τεχνητές λίμνες αποτελούν τεχνητούς ταμιευτήρες, που δημιουργούνται με την κατάκλιση κοιλάδων ή ευρέων χειμαρρικών χώρων. Ως μέσα για τη δημιουργία τους χρησιμοποιούνται κυρίως τα φράγματα και οι εκχειλιστές. Με τις τεχνητές λίμνες επιδιώκεται κυρίως η συγκράτηση του συνόλου ή του μεγαλύτερου μέρους των απορροϊκών κατακρημνισμάτων. Τα συγκρατούμενα ύδατα χρησιμοποιούνται για διάφορους σκοπούς, π.χ. για άρδευση, ύδρευση, υδροηλεκτρική ενέργεια, τουρισμό κ.λ.π. Με τον τρόπο αυτό επιτυγχάνεται παράλληλα και ο έλεγχος των πλημμυρικών αιχμών. Προσφέρονται κυρίως για τη δημιουργία υδατικών αποθεμάτων σε χώρες που υποφέρουν από λειψυδρία γενικά ή κατά ορισμένες εποχές του έτους (Πατμανίδης 1964). Οι τεχνητές λίμνες ιδρύονται κατά κανόνα σε ευρέα ανοίγματα των κοιτών, στα κατάντη των οποίων υπάρχουν βραχώδεις στενώσεις, όπου κατασκευάζεται το αναγκαίο φράγμα. Προϋποτίθεται, βέβαια, ότι το υποκείμενο έδαφος και τα πετρώματα της δεξαμενής είναι στεγανά, ώστε τα ύδατα να μη διαφεύγουν στο υπέδαφος (όπως συμβαίνει π.χ. στην περίπτωση των ασβεστολιθικών πετρωμάτων). 14

21 5 ΑΝΑΣΚΟΠΗΣΗ ΒΙΒΛΙΟΓΡΑΦΙΑΣ 5.1 Διάβρωση - Υποβάθμιση Γενικά για τη διάβρωση Η διάβρωση του εδάφους είναι ένα πολύ σημαντικό χειμαρρικό φαινόμενο που εξελίσσεται με αρκετά πιο έντονους ρυθμούς στις ορεινές περιοχές σε σχέση με τις πεδινές. Στην Ευρώπη ο κύριος παράγοντας που δημιουργεί τη διάβρωση είναι τα ρέοντα ύδατα, τα οποία στη συνέχεια μεταφέρουν τα υλικά που αποκόπτονται σε άλλες πιο απομακρυσμένες περιοχές. Ο Κωτούλας (1988) προσδιόρισε τις διάφορες διεργασίες της διάβρωσης με τη βοήθεια των ακόλουθων ορισμών: Ως γενική διάβρωση ή απλώς διάβρωση (υπό ευρεία έννοια) ορεινής λεκάνης απορροής ή μιας έκτασης (erosion) χαρακτηρίζεται η διαδικασία της απαγωγής από τα όμβρια ύδατα στερεών υλικών που έχουν παραχθεί με οποιονδήποτε τρόπο (δηλ. με τη δράση κάθε χειμαρρικού φαινόμενου) στην επιφάνειά τους, της μεταφοράς και της απόθεσης των υλικών αυτών εκτός της λεκάνης ή της έκτασης. Το μέγεθος της γενικής διάβρωσης εκφράζεται με την απαγόμενη, λυτή (μη συμπαγή) ποσότητα φερτών υλικών σε ορισμένο χρονικό διάστημα. Συνήθως δίνεται σε t/year ή m 3 /year ή και σε m 3 /km 2, year. Τα χειμαρρικά φαινόμενα παραγωγής φερτών υλών που δημιουργούνται σε αυτή την περίπτωση είναι τα εξής: Διαβρώσεις, αποσαθρώσεις και γεωκαταρρεύσεις, (γεωκατακρημνίσεις και γεωλισθήσεις). Οι επιφάνειες που προκύπτουν στον χειμαρρικό χώρο από την απόσπαση των υλικών λόγω των παραπάνω χειμαρρικών φαινόμενων, αποτελούν τις επιφάνειες ή εστίες παραγωγής φερτών υλών. Υποβάθμιση (degradation) ορεινής λεκάνης ή μιας επιφάνειας είναι το ιδεατό, ισόπαχο, συμπαγές (μη λυτό) γεώστρωμα, που λόγω της γενικής διάβρωσης αποσπάται από την επιφάνεια της ορεινής λεκάνης ή μιας έκτασης και μεταφέρεται προς τα κατάντη με τη μορφή φερτών υλικών. Συνεπώς, η 15

22 υποβάθμιση είναι το αποτέλεσμα της γενικής διάβρωσης. Εκφράζεται με το μέγεθος του απαγόμενου, ισόπαχου, συμπαγούς γεωστρώματος, το οποίο δίνεται είτε ως πάχος (ύψος) γεωστρώματος (mm/year), είτε ως όγκος (ή βάρος) ανά μονάδα έκτασης (m 3 /km 2, year ή t/km 2, year). Διακίνηση φερτών υλών είναι η διαδικασία της παραγωγής, της μεταφοράς και της απόθεσης φερτών υλικών στο χώρο των χειμαρρικών ρευμάτων ή σε μια έκταση. Εφόσον η γενική διάβρωση των ορεινών λεκανών αναφέρεται στην ποσότητα ή στο βάρος των φερτών υλών που μεταφέρονται και αποθέτονται από τα ρέοντα ύδατα εκτός της λεκάνης, δεν συμπεριλαμβάνει τις ενδιάμεσες αποθέσεις φερτών υλών που συμβαίνουν σε κατάλληλες θέσεις του υδρογραφικού δικτύου εντός των λεκανών. Αντίθετα, η υποβάθμιση, η οποία εκφράζει το μέγεθος του ομοιόμορφου στρώματος (όγκος ή βάρος συμπαγούς ύλης) που αποσπάται από την επιφάνεια της ορεινής λεκάνης και παράγει φερτά υλικά, περιλαμβάνει το σύνολο των παραγόμενων υλικών και άρα και τις ενδιάμεσες αποθέσεις. Πρακτικά, ταυτίζεται το μέγεθος της γενικής διάβρωσης με εκείνο της υποβάθμισης (Κωτούλας 1988). Διάβρωση υπό τη στενή έννοια ή ειδική διάβρωση είναι η απόσπαση και μετακίνηση τεμαχιδίων του στερεού φλοιού της γης λόγω της κρουστικής, διαλυτικής, καταθρυπτικής και συρτικής ενέργειας των ομβρίων υδάτων. Υπό την έννοια αυτή, η διάβρωση εμφανίζεται στις ορεινές λεκάνες απορροής και στις κοίτες των χειμαρρικών ρευμάτων αυτοτελώς ή σε συνδυασμό και με άλλα χειμαρρικά φαινόμενα. Η διάβρωση διακρίνεται σε: 1) επίγεια, η οποία εξελίσσεται στην επιφάνεια του εδάφους, 2) ενδόγεια, η οποία αναπτύσσεται μέσα στο έδαφος κατά την κίνηση του διηθούμενου νερού προς τα βαθύτερα στρώματα και 3) υπόγεια, η οποία εκδηλώνεται σε μεγάλο βάθος εδάφους και οφείλεται στα υπόγεια υδάτινα ρεύματα. Η παρούσα έρευνα πραγματεύεται αποκλειστικά την επίγεια διάβρωση, η οποία με τη σειρά της διακρίνεται ανάλογα με την έντασή της σε διάφορες μορφές: 16

23 Επιφανειακή ή φυλλοειδής διάβρωση (Sheet erosion) είναι εκείνη κατά την οποία τα απορρέοντα ύδατα αποσπούν και παρασύρουν βαθμιαία και με ομοιόμορφο τρόπο λεπτά γεωστρώματα από την επιφάνεια του στερεού φλοιού της γης. Αυλακωτή ή αυλακoειδής διάβρωση (Rill erosion) χαρακτηρίζεται η δημιουργία από τα απορρέοντα ύδατα πλήθους μικρών, σχετικά αβαθών μέχρι 1,0 m βάθος αυλάκων στην επιφάνεια του εδάφους κατά τη διεύθυνση της μέγιστης κλίσης, οι οποίοι είναι δυνατόν να εξαφανισθούν με την άροση. Τα αυλάκια ακολουθούν τον άξονα ροής του νερού και έχουν συνήθως τριγωνική διατομή με οξεία γωνία. Χαραδρωτική (Gully erosion) εννοείται η διάβρωση κατά την οποία δημιουργούνται μεγάλες, σχετικά βαθιές χαράδρες (βάθους >1,0 m), κατά τη διεύθυνση ροής του ύδατος, οι οποίες δεν μπορούν να εξαφανισθούν με άροση. Το βάθος της κυμαίνεται συνήθως μεταξύ 5 και 15 m, φθάνει, δε, σπανιότερα τα 30 m. Η διατομή των χαραδρών είναι γενικά τριγωνική με αμβλεία συνήθως γωνία. Η φαραγγωτή διάβρωση αποτελεί χαραδρωτική (αξονική) διάβρωση με μεγάλες διαστάσεις. Σχηματίζεται συνήθως στην κεντρική κοίτη των χειμαρρικών ρευμάτων και ιδίως στο κατώτερο μέρος της. Χαρακτηρίζεται από μεγάλο βάθος, το οποίο κυμαίνεται συνήθως μεταξύ 40 και 100 m, ενίοτε όμως υπερβαίνει και τα 150 m. Λόγω της προσβολής των πρανών της κοίτης στον πόδα τους από τα ρέοντα ύδατα των χειμαρρικών ρευμάτων, αποσπώνται υλικά, τα οποία παρασύρονται και μεταφέρονται προς τα κατάντη. Η μορφή της διάβρωσης που προκύπτει τότε, ονομάζεται πρανική. Το είδος αυτό της διάβρωσης εμφανίζεται ιδιαίτερα έντονο σε ρεύματα με ευπαθές γεωλογικό υπόθεμα (νεογενή πετρώματα, φλύσχης). 17

24 Η υποσκαπτική διάβρωση ή απλώς υποσκαφή είναι το εκβάθυσμα που δημιουργείται στις φυσικές κοίτες των ρευμάτων, όταν ο υδάτινος κορμός του ρέοντος ύδατος προσπίπτει υπό γωνία στον κινητό πυθμένα. Αναπτύσσεται, δε, σε βάθος και κάθετα προς τον άξονα ροής. Ως γεωφραγματική χαρακτηρίζεται η διάβρωση που προκαλούν τα ρέοντα ύδατα με προοδευτική απομάκρυνση υλικών στα φυσικά αυτά γεωφράγματα. Η ανάπτυξη των χαραδρώσεων και των αυλακώσεων στα απώτατα πέρατα των ορεινών λεκανών γίνεται με προοδευτική διαβάθυνση και διεύρυνσή τους προς τα ανάντη, δηλ. με διάβρωση που εξελίσσεται αντίθετα προς την κατεύθυνση του νερού, γι αυτό και χαρακτηρίζεται ως ανταποδοτική. Μοντέλα διάβρωσης Η εκτίμηση της διάβρωσης με εργασίες υπαίθρου είναι μια χρονοβόρα διαδικασία που δύσκολα μπορεί να καλύψει το σύνολο μιας ορεινής λεκάνης απορροής, αλλά περιορίζεται σε συγκεκριμένες πειραματικές επιφάνειες της λεκάνης (Καϊκής κ.α β, Vandaele and Poesen 1995, Sekularac and Stojiljkovic 2003, Strunk 2003, Sapountzis et al. 2004). Παράδειγμα οι Martinez - Casanovas et al. (2002) που ερεύνησαν τη διακίνηση των φερτών υλών και την αντίστοιχη υποβάθμιση των γεωργικών εκτάσεων εξαιτίας έντονων βροχοπτώσεων, εφαρμόζοντας την εξής πρωτότυπη διαδικασία: η εξεταζόμενη επιφάνεια χαρτογραφήθηκε πριν και μετά τις βροχοπτώσεις με τη βοήθεια τοπογραφικών οργάνων υψηλής ακριβείας. Τα δεδομένα μετατράπηκαν σε μεγάλης κλίμακας τρισδιάστατα μοντέλα εδάφους (Digital Elevation Models/ DEM) τα οποία στη συνεχεία συγκρίθηκαν μεταξύ τους. Ένα ακόμη παράδειγμα είναι αυτό των Verstraeten and Poesen (2002) οι οποίοι, προκειμένου να ερευνήσουν την υποβάθμιση μικρών λεκανών απορροής του Βελγίου, εφάρμοσαν την προσέγγιση οι οποίες στηρίζονταν στην εισαγωγή 21 18

25 δεξαμενών συγκράτησης φερτών υλών σε κεντρικές κοίτες που ελέγχονταν ετησίως για τρία χρόνια. Τα αποτελέσματα της έρευνας θεωρήθηκαν αξιόπιστα, αλλά συμπερασματικά οι συγγραφείς δηλώνουν ότι ή έρευνα αυτή ήταν χρονοβόρα και απαιτητική από άποψη ανθρώπινων πόρων και κόστους. Γι αυτούς ακριβώς τους λόγους και η ανάπτυξη μοντέλων σχετικά με την πρόβλεψη της διάβρωσης και της υποβάθμισης του εδάφους είναι πλούσια και συνεχής, ιδιαίτερα τις τελευταίες τέσσερις δεκαετίες. Τα περισσότερα μοντέλα αναφέρονται σε περιοχές γεωργικών καλλιεργειών ή σε μικρές λεκάνες απορροής, στα οποία λαμβάνουν χώρα έντονες διεργασίες κατά τη διάρκεια μιας ραγδαίας βροχόπτωσης (πχ. χειμαρρώδης απορροή υδάτων, απόσπαση εδάφους, επιφανειακή διάβρωση, κλπ.). Σε μια μεγάλη όμως λεκάνη απορροής, τα μοντέλα οφείλουν να συμπεριλάβουν: τη μεταφορά φερτών υλών από τον υδροκρίτη στην κοίτη απόθεσης μέσω της κεντρικής κοίτης και των δευτερευουσών κοιτών, τη μακροχρόνια μεταφορά φερτών υλών από τη λεκάνη απορροής και την κοίτη απόθεσης στο υδρογραφικό δίκτυο, τη διάβρωση της κοίτης του ίδιου του υδρογραφικού δικτύου και τη διαδικασία της μεταφοράς και απόθεσης φερτών υλών, συνήθως για μεγάλες χρονικές περιόδους, μέσα στο υδρογραφικό δίκτυο. Γενικά, τα μοντέλα πρόβλεψης της διάβρωσης που έχουν αναπτυχθεί μέχρι σήμερα δίνουν έμφαση στη φυσική διεργασία της παραγωγής και μεταφοράς φερτών υλών από εσωτερικές περιοχές της λεκάνης απορροής, χωρίς να συνεκτιμούν τη διάβρωση που προέρχεται από ρύακες, χειμάρρους ή ποταμούς (De Vente et al. 2006). Ο Χρυσάνθου (1987) υποστηρίζει ότι το 20% των φερτών υλών προέρχεται από τη διάβρωση κοίτης και πρανών και το 80% από την υπόλοιπη επιφάνεια της λεκάνης απορροής. Επιπρόσθετα, τα περισσότερα μοντέλα ποσοτικοποιούν την παραγωγή φερτών υλών, αλλά δε λαμβάνουν υπόψη το ποσοστό αυτών που αποτίθεται στη λεκάνη απορροής. Οι Osterkamp and Toy (1997) παρατήρησαν ότι, όταν η λεκάνη απορροής έχει έκταση μικρότερη των 20km 2, τα φερτά υλικά αποθέτονται μέσα στους χειμάρρους και ρύακες. Στις μεγαλύτερες λεκάνες απορροής, επιπλέον, 19

26 αποθέτονται στους πρόπoδες των βουνών ή λόφων και στο χαμηλό τμήμα του χειμαρρικού χώρου. Οι περισσότεροι ερευνητές θεωρούν ότι η διάβρωση και η υποβάθμιση των ορεινών λεκανών είναι διεργασίες που εξαρτώνται από το κλίμα, το ανάγλυφο, το γεωλογικό υπόστρωμα, το έδαφος και τη βλάστηση (Κωτούλας 1988, Papanastasis et al. 1993, Lean 1995, Ludwig et al. 1995, Stefanidis 1995, Gatzojannis et al. 1997, Molnar and Julien 1998, Schmidt et al. 1999, Takken 1999, Barrio 2000, D' Angelo et al. 2000, Del Bryan 2000, Uromeihy and Mahdavifar 2000, Yassoglou and Kosmas 2000, Μυρωνίδης κ.α. 2000, Le Bissonnais et al. 2001, Feoli et al. 2002, Montgomery and Brandon 2002, Renschler and Harbor 2002, Φουρνιάδης κ.α. 2002, Kourakly et al. 2003, Fanetti and Vezzoli 2007, Στεφανίδης 2008). Υπάρχουν όμως ερευνητές που δίνουν υψηλότερη βαρύτητα σε κάποιους από τους παραπάνω παράγοντες σε σχέση με τους υπόλοιπους. Αρκετές έρευνες θεωρούν ότι το κλίμα (με έμφαση στα κατακρημνίσματα) και το ανάγλυφο (με έμφαση στις κλίσεις εδάφους) είναι οι παράγοντες κλειδιά στην εκτίμηση της διάβρωσης (Wilson and Gallant 1996, Desmet et al. 1999, Fohrer et al.1999, Lobb and Gary Kachanoski 1999, Harrisson 2000, Morgan and Mngomezulu 2003, Τσώλη 2005). Άλλες πάλι αναφέρουν ότι οι καθοριστικοί παράγοντες είναι η τοπογραφία και το γεωλογικό υπόστρωμα (Kronfellener - Kraus 1985, Kelley 1988, Shu-Quiang and Unwin 1992, Desmet and Govers 1995). Τέλος, υπάρχει και η άποψη ότι η βλάστηση είναι το αποτέλεσμα των υπόλοιπων παραγόντων, οπότε ή την αποκλείουν τελείως από το μοντέλο τους (Abel and Stocking 1987, De Jong et al. 1999, Borga et al. 2002, Linares et al. 2002, Mano et al. 2009) ή αντίθετα ασχολούνται αποκλειστικά με τη κάλυψη γης για να εκτιμήσουν τη διάβρωση (Cyr et al. 1995, Hill and Peart 1998, Hill and Schutt 2000, Dugan and Piotrowski 2003). Σε εκτεταμένη μελέτη της διάβρωσης στη Μεγάλη Βρετανία, στις αρχές της δεκαετίας του 80, με τη χρήση αεροφωτογραφιών που συνδυάστηκαν με εργασίες υπαίθρου, βρέθηκε ότι σε περιοχές που η κάλυψη του εδάφους από βλάστηση δεν περιλάμβανε φυτά με βαθύ ριζικό σύστημα (πχ. 20

27 σε βοσκότοπους και γεωργικές καλλιέργειες), ενώ επιπλέον υπήρχε ασταθές γεωλογικό υπόστρωμα, η διάβρωση ήταν σημαντική (Evans 2002). Ο Harrisson (2000) απέδειξε ότι όταν τα κατακρημνίσματα ξεπερνούν τα 360 mm/year σε μικρές λεκάνες απορροής, περιορίζεται σημαντικά η διάβρωση εξαιτίας της προστατευτικής επίδρασης της βλάστησης. Εντύπωση πάντως προκαλεί η αρνητική συσχέτιση στην Ισπανία όλων των προαναφερόμενων παραγόντων στις διεργασίες της διάβρωσης σε έρευνα των De Vente et al. (2006). Οι συγγραφείς αποδίδουν αυτή την αρνητική συσχέτιση σε κάποιον άλλο (άγνωστο) παράγοντα που χρήζει διερεύνησης. Ίσως αυτός ο καθοριστικός παράγοντας να είναι οι έντονες ή οι λανθασμένες χρήσεις και πρακτικές της γης (Καϊκής κ.α α, Lyrintzis and Papanastasis 1995, Papanastasis 1998, Papanastasis 1999, Sidorchuk 1999, Kosmas 2000, Descroix et al. 2001, Morgan 2001, Jankauskas and Jankauskiene 2002, Kostadinov et al. 2003, Strunk 2003). Τα μοντέλα διάβρωσης ή υποβάθμισης, ανεξάρτητα αν στηρίζονται στο κλίμα, στο γεωλογικό υπόστρωμα, στο ανάγλυφο ή στην κάλυψη γης, διακρίνονται, ανάλογα με τον τύπο των μεταβλητών που συμπεριλαμβάνουν, σε τέσσερις κατηγορίες: 1) στηριζόμενα σε αρχές φυσικής, 2) στοχαστικά (εμπειρικά), 3) προσδιοριστικά (αναλυτικά) και 4) ημι-ποσοτικά. Φυσικά, ο διαχωρισμός των μοντέλων διάβρωσης θα μπορούσε να γίνει και με άλλα κριτήρια, πχ. την κλίμακα μεγέθους της εξεταζόμενης επιφάνειας (Mitasova et al. 1999). Όμως ο διαχωρισμός με βάση τις μεταβλητές επιτρέπει στους χρήστες να σχεδιάσουν γρήγορα και με ακρίβεια τη διαδικασία εφαρμογής του μοντέλου. Η διάκριση αυτή παρουσιάζεται στο διάγραμμα της εικόνας

28 Σχήμα 01. Σύγκριση των ημι- ποσοτικών μοντέλων διάβρωσης σε άλλους τύπους μοντέλων σε σχέση με την κλίμακα, τα απαιτούμενα και τον τύπο των δεδομένων (De Vente and Poesen 2005). Με αφορμή δυο διεθνείς συναντήσεις στην Οξφόρδη το 1995 και 1997 με θέμα «Κλιματικές αλλαγές: μοντελοποιώντας την εδαφική διάβρωση εξαιτίας της επίδρασης του νερού» υπολογίστηκαν όλα τα δημοφιλή μοντέλα της εποχής (USLE, CREAMS, WEPP, EUROSEM, AGNPS, EROSION3D, KINEROS2, MEDRUSH, κλπ.) στις ίδιες περιοχές, ενώ κατόπιν εξετάστηκε η πραγματική διάβρωση στις περιοχές εφαρμογής αυτών με την πραγματοποίηση εργασιών υπαίθρου. Στις συναντήσεις λοιπόν διαπιστώθηκαν ότι: Κατ αρχήν, όσο μεγαλύτερη ακρίβεια υπήρχε στον υπολογισμό των αρχικών παραγόντων των μοντέλων, τόσο καλύτερα τελικά αποτελέσματα έδιναν τα ίδια τα μοντέλα. Αποδείχθηκε ότι η συνολική διακίνηση των υλικών μιας λεκάνης απορροής ήταν ευκολότερο να εκτιμηθεί σε σχέση με τη μέγιστη. Γενικά, όμως, τα μοντέλα που στηρίζονται σε ακραία φαινόμενα μπορούν αντίστοιχα να υπολογίσουν με μεγαλύτερη ακρίβεια τη μέγιστη υποβάθμιση. Επίσης, παρόλο που είναι σημαντικό να απεικονίζονται τα αποτελέσματα πάνω σε χάρτη, φαίνεται ότι η 22

29 κλίμακα αυτού του χάρτη δεν επηρεάζει την ποιότητα του μοντέλου. Τέλος, αν η εφαρμογή ενός μοντέλου είναι εκτός των αρχικών προδιαγραφών του, τότε τα αποτελέσματά του δεν είναι ικανοποιητικά (Jetten et al. 1999). Στο ίδιο συμπέρασμα καταλήγουν ο Evans (2002) και οι De Vente και Poesen (2005) υπογραμμίζοντας ότι η ακρίβεια των μοντέλων καθορίζεται αποκλειστικά από τα διαθέσιμα δεδομένα και ότι οι χρήστες τους θα πρέπει να έχουν ήδη επιλέξει το μοντέλο πριν από τη συλλογή των πρωτογενών τους στοιχείων. Ειδικά για την περίπτωση της Μεσογείου, που είναι ιδιαιτέρα ευάλωτη σε διεργασίες διάβρωσης, οι συγγραφείς υποστηρίζουν ότι τα μοντέλα θα πρέπει να λαμβάνουν υπόψη τους την ακανόνιστη δίαιτα των υδάτων στους χειμάρρους, τις έντονες πλημμυρικές παροχές και την ανισομερή κατανομή των βροχοπτώσεων στη διάρκεια του έτους. Συνοψίζοντας θα μπορούσε να ειπωθεί ότι καθοριστικός παράγοντας στην επιλογή του κατάλληλου μοντέλου πρόβλεψης διάβρωσης και υποβάθμισης είναι εφ ενός να εκφράζει μια ομάδα περίπλοκων γεωμορφολογικών διεργασιών κατά τις οποίες τα φερτά υλικά καθίστανται διαθέσιμα για μεταφορά και εφ ετέρου να προβλέπει την απόθεση των διαβρωμένων υλικών στις πεδινότερες περιοχές της λεκάνης απορροής, στην κεντρική κοίτη, καθώς και στις δευτερεύουσες κοίτες. Οι περιγραφές των σημαντικότερων μοντέλων πρόβλεψης της διάβρωσης και της υποβάθμισης που έχουν αναπτυχθεί παγκοσμίως παρατίθενται παρακάτω: Μοντέλο της Χημικής, Απορροής και Διάβρωσης Γεωργικών Συστημάτων (Chemical, Runoff and Erosion from Agricultural Systems/ CREAM): Αξιολογεί τις γεωργικές πρακτικές αναφορικά με τη μεταφορά ρυπογόνων ουσιών του εδάφους εξαιτίας της επιφανειακής απορροής υδάτων και του εδαφικού ύδατος που διακινείται μέσω του ριζικού συστήματος. Βασίζεται στις αρχές της φυσικής. Παρόλο που το CREAM είναι ένα μοντέλο μεταφοράς ρύπων, 23

30 επειδή αυτοί συνήθως αποθηκεύονται στις φερτές ύλες, θεωρείται και μοντέλο διάβρωσης (Woodward 1999). Πρόγραμμα Πρόβλεψης της Υδατικής Διάβρωσης (Water Erosion Prediction Project/ WEPP): Βασίζεται κυρίως στις αρχές της φυσικής για την επίδραση της σταγόνας κατά τη διάρκεια μιας βροχής, την απόσπαση του εδάφους σε χειμάρρους και στην επιφάνεια ανάμεσά τους. Βασίζεται ακόμη στις αρχές της υδραυλικής πάνω στην επιφανειακή απορροή υδάτων και της στερεομεταφοράς. Οι μεταβλητές που εξετάζει είναι το κλίμα, η υδατική διείσδυση στο έδαφος, η υδατική ισορροπία, η αύξηση φυτών και η αποσύνθεση, οι γεωργικές καλλιέργειες και πρακτικές, η επιφανειακή απορροή υδάτων, η απόθεση και η μεταφορά των φερτών υλών στις διάφορες εποχές του έτους (Schumacher et al.1999, Brazier et al. 2001). Τα μοντέλα CREAM και WEPP συμπεριλαμβάνουν μεταβλητές εκτίμησης της απόθεσης υλικών, όταν η ποσότητα των φερτών υλών που διαβρώνεται ξεπερνά την ικανότητα μεταφοράς στερεών της επιφανειακής απορροής υδάτων. Λόγω της πολυπλοκότητας των πρωτογενών τους δεδομένων, συνήθως εφαρμόζονται ως το επίπεδο των πολύ μικρών λεκανών απορροής (Evans R. 2002, Renschler and Harbor 2002, Kinnell 2008). Ευρωπαϊκό Μοντέλο Εδαφικής Διάβρωσης (European Soil Erosion Model/ EUROSEM): Στηρίζεται στις αρχές της φυσικής και είναι προσαρμοσμένο στις συνθήκες της Κεντρικής Ευρώπης. Υπολογίζεται με τη βοήθεια ακραίων χειμαρρικών φαινόμενων σε μικρές επιφάνειες ή πολύ μικρές λεκάνες απορροής προσομοιώνοντας τον τρόπο που τα ύδατα και οι φερτές ύλες κινούνται πάνω στην επιφάνεια του εδάφους. Θεωρείται αρκετά απαιτητικό μοντέλο αναφορικά με τα πρωτογενή του δεδομένα, που δε δίνει πάντα ικανοποιητικά αποτελέσματα (Folly et al. 1999, Kinnell 2004, De Vente et al. 2006). 24

31 Γεωργικό Μη σημειακό Πρότυπο Μοντέλο (Agricultural Nonpoint Source/ AGNPS): Προσδιοριστικό μοντέλο που έχει ως στόχο την πρόβλεψη της ποσότητας και ποιότητας της επιφανειακής απορροής, αλλά και τη διακίνηση φερτών υλών και χημικών ουσιών ως αποτέλεσμα γεωργικών πρακτικών. Βασίζεται σε ακραία φαινόμενα και έχει εφαρμοστεί σχεδόν αποκλειστικά στις Η.Π.Α., ενώ υπάρχουν λίγα παραδείγματα από άλλες περιοχές της Γης, όπως είναι η Ιταλία και η Γερμανία. Το μοντέλο διαχωρίζει κάθε λεκάνη απορροής σε μικρότερες δοκιμαστικές επιφάνειες και τα πρωτογενή του δεδομένα προέρχονται τόσο από χάρτες, όσο και από εργασίες υπαίθρου καθιστώντας το τελικά δύσχρηστο (Zhang et al. 1996, Lenzi and Luzio 1997, Grunwald and Frede 1999, Rode and Frede 1999). Γενική Εξίσωση της Εδαφικής Διάβρωσης (Universal Soil Loss Equation/ USLE): Πρόκειται για το πιο διαδεδομένο μοντέλο πρόβλεψης, το οποίο αναπτύχθηκε στις Η.Π.Α. με τη βοήθεια δοκιμαστικών επιφανειών σε γεωργικές καλλιέργειες ήπιας κλίσης (ως 9%), από το 1932 ως το 1953, και επομένως κατατάσσεται στα εμπειρικά μοντέλα (Renschler and Harbor 2002, Kinnell 2004). Εξετάζει τη συνεπίδραση του κλίματος, του εδάφους, και του ανάγλυφου με τη βλάστηση (Στάθης και Σαπουτζής 2002, Στεφανίδης κ.α. 2007). Η Αναθεωρημένη Γενική Εξίσωση της Εδαφικής Διάβρωσης (Revised Universal Soil Loss Equation/ RULSE) διατήρησε τη βασική μαθηματική δομή της ULSE, αλλά άλλαξε την τεχνολογία υπολογισμού της κάθε μεταβλητής εισάγοντας νέα δεδομένα για συγκεκριμένες συνθήκες (πχ. για ακανόνιστες κλίσεις και κατάτμηση). Η αλλαγή αυτή μετακίνησε την ULSE από τα στοχαστικά (εμπειρικά) μοντέλα στα πιο προσδιοριστικά (Mongolsawat et al. 1994, Mitasova et al. 2001, Dunn and Hickey 1998, Mitasova and Mitas 1999, Van Remortel et al. 2001, Lufafa et al. 2002, Στάθης και Σαπουτζής 2002, Mohamed et al. 2003, Στεφανίδης κ.α. 2007). Να επισημανθεί ότι συχνή παρεξήγηση στην εκτίμηση της USLE είναι ο υπολογισμός της απόστασης από το εφαλτήριο της επιφανειακής απορροής των υδάτων μέχρι το σημείο που ξεκινά η 25

32 εναπόθεση των φερτών υλών ή μέχρι το σημείο που η επιφανειακή απορροή εισέρχεται σε κανάλι μεγαλύτερο από αυτό της επιφανειακής διάβρωσης (Kinnell 2008). Οι Parson et al. (2006) αναφέρουν ότι η εκτίμηση αυτή αναφέρεται σε δυναμικό διάβρωσης 22:1 επιφάνειας, το οποίο συνεπάγεται ότι, όταν εκτιμώνται η USLE ή η RUSLE σε μια μεγάλη έκταση, θα πρέπει πρώτα να διαχωριστεί αυτή σε 22 μικρότερες επιφάνειες και στη συνέχεια να υπολογιστεί σε καθεμιά ξεχωριστά. Πάντως, και τα δυο είναι υπολογισμένα σε μια συγκεκριμένη επιφάνεια με συγκεκριμένες συνθήκες και δε μπορούν να μεταφερθούν αυτόματα σε μια άλλη περιοχή που διαφέρει στο κλίμα, στην τοπογραφία, στη γεωλογία ή στην κάλυψη γης (Kinnell 2008). Το 1975 εισήχθη η Τροποποιημένη Γενική Εξίσωση της Εδαφικής Διάβρωσης (Modified Universal Soil Loss Equation/ MRUSLE) η οποία μπορεί να προβλέψει την αναμενόμενη διάβρωση μετά την εκδήλωση ακραίων χειμαρρικών φαινόμενων σε λοφώδεις εκτάσεις (Kinnell 2001, Kinnell 2008). Οι ULSE, RUSLE και MRUSLE έχουν εφαρμοστεί κατά κόρον σε διάφορα μέρη της Γης παρά τους περιορισμούς εφαρμογής τους. Ενδεικτικά αναφέρονται οι Η.Π.Α. (Molnar and Julien 1998, Jones 2001, Wang et al. 2001, Siepel et al. 2002, Tran et al. 2002) η Κίνα (Lin et al. 2002,), η Ινδία (Jetten et al. 1999, Mohamed et al. 2003), η Αυστραλία (Zhang et al. 1996, Erskine et al. 2002), η Κένυα (Mati et al. 2000), η Ισπανία (De la Rosa et al. 2000, Martinez - Casanovas and Senchez Bosch 2000), η Σερβία (Braunovic 1997) και η Ελλάδα (Lufafa et al. 2002, Στάθης και Σαπουτζής 2002, Zarris 2004, Hrissanthou 2005, Στεφανίδης κ.α. 2007). Μοντέλο Δυναμικού Διάβρωσης του Gavrilovic (Gavrilovic Erosion Potential Method): Ημι ποσοτικό μοντέλο διάβρωσης και υποβάθμισης, το οποίο αναπτύχθηκε μετά από εργασίες υπαίθρου σε ορεινές λεκάνες απορροής του ποταμού Μαράβα της Σερβίας και οι οποίες ενισχύθηκαν με εργαστηριακές εργασίες, προκειμένου να προσδιορίσει επακριβώς το εύρος τιμών κάθε μεταβλητής (Gavrilovic 1976). Αργότερα το μοντέλο έγινε πιο σύνθετο και συμπεριέλαβε τροποποιήσεις για μικρές και μεγάλες λεκάνες απορροής 26

33 ώστε να συνεκτιμηθούν τα φερτά υλικά που συγκρατούνται μέσα στη λεκάνη (Zemljič 1971, Rafaelli et al. 1998, Kalinderis et al. 2009). Θα μπορούσε κανείς να πει ότι ο Gavrilovic δημιούργησε ένα ολιστικό μοντέλο που συνεκτιμά διάβρωση και υποβάθμιση σε μια ορεινή λεκάνη λαμβάνοντας υπόψη τα υλικά που αποθέτονται στο εσωτερικό της λεκάνης. Έχει ήδη εφαρμοστεί και σε άλλες χώρες πλην της Σερβίας, όπως Κροατία, Σλοβενία, Ελβετία, Γερμανία, Ιταλία, Η.Π.Α., Αργεντινή, Π.Γ.Δ.Μ., Βέλγιο και Ελλάδα. Επίσης εφαρμόστηκε στη Σερβία (Gavrilovic 1988), στη Σλοβενία (Zemljič 1971), στην Κροατία (Petras et al. 2005), στο Βέλγιο (De Vente και Poesen 2005) στην Ελλάδα (Σαπουντζής κ.α. 2009, Emmanouloudis and Filippidis 2002, Μυρωνίδης 2001), στη Γερμανία (De Cesare et al. 1998) και στην Αργεντινή (Rafaelli et al. 1998). Στις ελβετικές και ιταλικές Άλπεις (Vezzoli 2003) το μοντέλο θεωρήθηκε αξιόπιστο με λογικά αποτελέσματα ενώ συνυπολόγιζε τα φερτά υλικά που παράγονται μέσα στο υδρογραφικό δίκτυο και στο σύνολο της ορεινής λεκάνης απορροής (Kostadinov et al. 1997, De Vente και Poesen 2005). Αντίθετα, η επιβεβαίωση της εφαρμογής του Gavrilovic με μεθόδους βαθυμετρίας στη λίμνη Como της Ιταλίας έδειξε ότι το μοντέλο του Gavrilovic υποεκτιμούσε σημαντικά τα φερτά υλικά που είχαν εισέλθει στο εσωτερικό της λίμνης, γεγονός που αποδόθηκε σε κάποιο ακραίο χειμαρρικό φαινόμενο που είχε λάβει χώρα εκατοντάδες χρόνια πίσω (Fanetti and Vezzoli 2007). Από την άλλη, η επιβεβαίωση της εφαρμογής στη Π.Γ.Δ.Μ. με εργασίες υπαίθρου έδειξε ότι η προβλεπόμενη διάβρωση που εκτιμούσε το μοντέλο Δυναμικού Διάβρωσης του Gavrilovic ήταν υπερεκτιμημένη περίπου κατά 5 φορές σε σχέση με την πραγματικότητα (Blinkov et al. 2008). 27

34 Έρευνα στην Ευρώπη Από τα μεγαλύτερα ερευνητικά προγράμματα με αντικείμενο τον κίνδυνο της υποβάθμισης ήταν το CORINE το 1992 σε επίπεδο Ευρώπης και το MEDALUS σε επίπεδο Μεσογείου ( ). Το πρώτο συντονίστηκε από το Ινστιτούτο Εφαρμογών Διαστήματος του Ευρωπαϊκού Ερευνητικού Κέντρου (Space Applications Institute of European Join Research Centre/ JRC) που εδρεύει στο Ispra της Ιταλίας και στηρίχθηκε μεταξύ άλλων σε δορυφορικές εικόνες μικρής ανάλυσης. Τα αποτελέσματα του CORINE θεωρήθηκαν από πολλούς ερευνητές υπερβολικά (De la Rosa et al. 2000, Kirkby et al. 2000). Στο MEDALUS συνεργάστηκαν ερευνητικά ιδρύματα όλης της Ευρώπης μεταξύ των οποίων και το JRC. Για τις ανάγκες του προγράμματος διεξήχθησαν εργασίες υπαίθρου που συνδυάστηκαν με χαρτογραφικά δεδομένα και αεροφωτογραφίες (Brookes et al. 2000, Romero-Diaz et al. 1999, Vacca et al. 2000). Στην Ελλάδα το MEDALUS επέλεξε ως πειραματικές επιφάνειες γεωργικές περιοχές στα Πετράλωνα Θεσσαλονίκης, στα Σπάτα Αθηνών και στη Λέσβο (Kosmas et al. 1997, Marathianou et al. 2000). Τα συμπεράσματα που προέκυψαν από όλες τις πειραματικές επιφάνειες ανάχθηκαν στη συνέχεια σε επίπεδο χώρας (Πορτογαλία, Ισπανία, Γαλλία, Ιταλία, Ελλάδα) δίνοντας μια εικόνα έντονου κινδύνου υποβάθμισης της ευρωπαϊκής Μεσογείου (Kosmas et al. 1997, Marathianou et al. 2000, Τσώλη 2005). 28

35 5.2 Κλίμα και Γεωστατιστική Γεωστατιστική Παρόλο που τα κατακρημνίσματα και η θερμοκρασία είναι μεταβλητές που επηρεάζουν ολόκληρη τη Γη, εντούτοις μετρούνται σε συγκεκριμένους σταθμούς που εκφράζουν τις συγκεκριμένες θέσεις στην επιφάνεια της Γης για λόγους ευκολίας, κόστους και συγκρίσεων. Η αναγωγή αυτών των σημειακών μετρήσεων σε ένα διευρυμένο χώρο είναι μια απαραίτητη, αλλά και ενδιαφέρουσα προσέγγιση της παρακολούθησης των κατακρημνισμάτων και της θερμοκρασίας. Οι πιο συχνές κατά το παρελθόν μέθοδοι αναγωγής βασίζονταν στις διεργασίες της κλασσικής στατιστικής (πχ. μέσω της γραμμικής παλινδρόμησης), η οποία μελετά τις σχέσεις των τιμών του κάθε σταθμού σε δυο διαστάσεις, χωρίς δηλαδή τη συνεκτίμηση των θέσεων των σταθμών. Στον αντίποδα, η γεωστατιστική εκτιμά καλύτερα την κατανομή χωρικών ιδιοτήτων (πχ. κατακρημνισμάτων) σε σχέση με τις κλασσικές μεθόδους στατιστικής (Phillips et al. 1992). Η Γεωστατιστική (Geostatistics) περιλαμβάνει τις στατιστικές εκείνες μεθόδους που αναπτύχθηκαν και εφαρμόστηκαν σε γεωγραφικά δεδομένα. Επιτρέπουν τη χωρική συσχέτιση μεταξύ γειτονικών παρατηρήσεων μιας ιδιότητας, ώστε να προβλεφθούν οι τιμές για αυτή την ιδιότητα σε άλλες «ανεξερεύνητες» περιοχές (Goovaerts 1999). Η ανάπτυξη αυτών των εναλλακτικών στατιστικών μεθόδων ήταν αναγκαία για δυο λόγους. Ο πρώτος είναι ότι συνήθως τα γεωγραφικά δεδομένα δε μπορούν να ερμηνευθούν από την κλασσική στατιστική, εξαιτίας σφαλμάτων που εμφανίζουν τα χωρικά δεδομένα, πχ. το σφάλμα της χωρικής αυτοσυσχέτισης. Ο δεύτερος λόγος είναι ότι τα γεωγραφικά δεδομένα με την κλασσική στατιστική περιγράφονται ως σημειακά, ενώ στην πραγματικότητα αντιπροσωπεύουν ολόκληρες επιφάνειες, οπότε έπρεπε με κάποιον τρόπο να εκφραστούν οι ιδιότητες αυτών των επιφανειών δεν είναι τυχαίο άλλωστε ότι οι μέθοδοι γεωστατιστικής πρωτοεμφαρμόστηκαν σε γεωλογικές έρευνες για την ανεύρεση χρυσού στις Η.Π.Α. τη δεκαετία του 1960 (Goovaerts 1999). 29

36 Ο όρος Γεωστατιστική, λοιπόν, αναφέρεται στην οικογένεια εκείνων των στατιστικών μοντέλων που εφαρμόζονται συνυπολογίζοντας τη χωρική παρεμβολή ή πρόβλεψη (spatial interpolation) σε συνεχόμενα δεδομένα και μέσα από ξεχωριστά στάδια. Χρησιμοποιείται ευρέως στις περιβαλλοντικές επιστήμες (Bolstad et al. 1998, Goodall and Maidment 2001, Gavilan et al. 2005) για διάφορους λόγους, ένας εκ των οποίων είναι ότι φαινόμενα (πχ. βροχόπτωση) που αναπτύσσονται σε ορεινές περιοχές είναι δύσκολο να παρακολουθηθούν εξαιτίας του μεγάλου μεγέθους των σταθμών που απαιτούνται (Prudhomme and Reed 1999). Δε θα πρέπει να συγχέεται με τη Χωρική Στατιστική (Spatial Statistics), η οποία αναφέρεται στη δυσδιάστατη ανάλυση διακριτών αντικειμένων (πχ. σημείων, επιφάνειες) και συνδέεται ιδιαίτερα με τις κοινωνικές επιστήμες και τις επιστήμες της υγείας (Goodall and Maidment 2001). Στη Γεωστατιστική το κάθε μοντέλο εκφράζει την (άγνωστη) πραγματικότητα αναφορικά με μια ιδιότητα z. Παρόλο που η πραγματικότητα είναι μοναδική, έχει πιθανούς αντιπροσώπους ανάλογα με τις διαθέσιμες πληροφορίες και τον εκάστοτε στόχο του μοντέλου (Goovaerts 1997). Οι απαραίτητες οδηγίες για τη δόμηση ενός μοντέλου είναι οι εξής: συμμετοχή όλων των διαθέσιμων πληροφοριών, ευχρηστία και ξεκάθαρος στόχος από την αρχή. Τα μοντέλα ταξινομούνται σε Προσδιοριστικά (Deterministic), όταν η απεικόνιση είναι μοναδική και έχει ήδη κριθεί επακριβώς και Προβλέψεων (Probabilistic), όταν το μοντέλο περιλαμβάνει μια σειρά εναλλακτικών απεικονίσεων που παρουσιάζουν την αβεβαιότητα των άγνωστων περιοχών. Μοντέλα Πρόβλεψης Kriging Τις τελευταίες δεκαετίες έχουν αναπτυχθεί και εφαρμοστεί διάφορα μοντέλα προβλέψεων γεωστατιστικής για τη χωρική απεικόνιση σημειακών παρατηρήσεων, όπως είναι τα κατακρημνίσματα και η επιφανειακή θερμοκρασία. Ενδεικτικά αναφέρονται τα μοντέλα των Πολυγώνων Thyssen (Thyssen Polygons), Σταθμικής Αντίθετης Απόστασης (Inverse Distance Weight) ή των Ισοϋετών (Isohyetals). Τα πιο αξιόπιστα όμως θεωρούνται τα μοντέλα Kriging (Bolstad et al. 1998, Pardo-Iguzquiza 1998, Ceron et al. 2000, Haberlandt 30

37 et al. 2001, Dalezios et al. Bampzelis 2002, Matsuura et al. 2001, Anderson 2004, Chuanyan et al. 2005, Diodato and Ceccarelli 2005, Gavilan et al. 2005, Jolly et al. 2005, Lioyd 2005, Spadavecchia and Williams 2009). Το Kriging είναι μια κατηγορία μοντέλων πρόβλεψης γενικευμένης γραμμικής παλινδρόμησης που στοχεύουν στη διαμόρφωση βέλτιστης πρόβλεψης για μια ιδιότητα με το ελάχιστο δυνατό τετραγωνικό σφάλμα. Τα μοντέλα Kriging είναι τοπικής προσέγγισης που υιοθετούν τη λειτουργία της εκάστοτε ιδιότητας και όχι απαραίτητα ενός προκαθορισμένου πλέγματος. Το όνομα των μοντέλων προέρχεται από το όνομα του μαθηματικού D. G. Krige, ο οποίος εισήγαγε τη χρήση των κινούμενων μέσων για την αποφυγή συστηματικών σφαλμάτων παρεμβολής (Trochu et al. 1999, Lam et al. 2003). Το Kriging αποτελεί πια βασικό εργαλείο στη γεωστατιστική, που συνεχώς χρησιμοποιείται σε νέες εφαρμογές από την εδαφολογία και την υδρολογία μέχρι τη γεωλογία και τη μετεωρολογία (Holawe and Dutter 1999). Η πιο απλή του μορφή είναι αυτή του Απλού Kriging (Simple Kriging), η οποία θεωρεί ότι ο μέρος όρος m μιας ιδιότητας z είναι γνωστός και σταθερός σε ολόκληρη την περιοχή διερεύνησης που περιλαμβάνει n πλήθος σημείων και περιγράφεται από την εξίσωση (Goovaerts 1997): n( u) Z( u) = λα a= 1 ( u)[ Z( u a ) m] + m Το Kriging χρησιμοποιείται είτε στην παραπάνω απλή του μορφή, είτε σε άλλες πολύ πιο περίπλοκες όπως αυτή του Κανονικού Kriging (Ordinary Kriging) όπου ο μέσος όρος μιας ιδιότητας μεταβάλλεται συνεχώς στην περιοχή διερεύνησης ή του Κανονικού Συνδυαστικού Kriging (Ordinary Co-Kriging) όπου κατά την πρόβλεψη συνυπολογίζεται και μια δευτερεύουσα ιδιότητα για την εκτίμηση της πρώτης. Το τελευταίο ίσως να είναι και το μεγαλύτερο πλεονέκτημα των μεθόδων πρόβλεψης Kriging έναντι άλλων γεωστατιστικών μοντέλων: αραιά διάσπαρτες δειγματοληπτικές παρατηρήσεις μιας βασικής ιδιότητας μπορούν να συνδυαστούν με παρατηρήσεις μιας δευτερεύουσας ιδιότητας για τις οποία όμως διατίθενται πυκνές δειγματοληψίες (Goovaerts 1999, Kleijnen and Van Beers 2004). 31

38 Μάλιστα συχνά στη βιβλιογραφία συγκρίνονται διαφορετικά μοντέλα Kriging για την πρόγνωση διαφορετικών περιβαλλοντικών ιδιοτήτων που σχετίζονται με τη μετεωρολογία, όπως είναι τα μέσα ετήσια κατακρημνίσματα και η μέση ετήσια θερμοκρασία (Soderstrom and Magnusson 1995, Atkinson and Lloyd 1998, Holawe and Dutter 1999, Susong et al. 1999, Goovaerts 2000, Rubel and Hantel 2001, Wanf et al. 2001, Hisdal and Tallaksen 2003, St-Hilaire et al. 2003, Lioyd 2005, Pardo-Iguzquiza et al. 2005, Severino and Alpuim 2006, Spadavecchia and Williams 2009). Για παράδειγμα, μια σημαντική και χαμηλού κόστους πηγή επιπρόσθετων πληροφοριών για αρκετές κλιματικές ιδιότητες με κατάλληλη επεξεργασία είναι το ψηφιακό μοντέλο εδάφους (Digital Elevation Model/ DEM). Χαρακτηριστική ήταν η περίπτωση του Martinez-Cob (1996), o οποίος κατά την εφαρμογή του Κανονικού Συνδυαστικού Kriging (Ordinary Co-Kriging) εισήγαγε μοντέλο εδάφους για την πρόβλεψη της εξατμισιοδιαπνοής ή άλλων ερευνητών (Hevesi et al A, Hevesi et al B, Ishida and Kawashima 1993, Amani and Lebel 1997, Boer et al. 2001, Skirvin et al. 2003, Diodato 2005) για τη δημιουργία χαρτών προβλέψεων κατακρημνισμάτων ή άλλων μετεωρολογικών παραμέτρων. Υπάρχει βέβαια και η περίπτωση των Courault and Monestiez (1999), που λόγω μη διαθεσιμότητας μοντέλου εδάφους, ανήγαγαν τις μέσες ετήσιες θερμοκρασίες των 152 μετεωρολογικών σταθμών στη στάθμη της θάλασσας και εφάρμοσαν σε αυτές το Κανονικό Kriging (Ordinary Kriging). Από την άλλη πλευρά, σε μια εκτεταμένη έρευνα 735 μετεωρολογικών σταθμών για 40 έτη παρατηρήσεων οι Xiang et al. (2005) εφάρμοσαν αποκλειστικά το Κανονικό Kriging για τη δημιουργία χαρτών προβλέψεων ετήσιων κατακρημνισμάτων και μέσης ετήσιας θερμοκρασίας, χωρίς να συνυπολογίσουν στο Kriging ούτε το υψόμετρο του κάθε σταθμού ούτε το ψηφιακό μοντέλο εδάφους της περιοχής έρευνας, αφού επέδειξαν ότι υπάρχει πολύ χαμηλή συσχέτιση μεταξύ ετήσιων κατακρημνισμάτων υπερθαλάσσιου υψομέτρου και μηνιαίας θερμοκρασίας υπερθαλάσσιου υψομέτρου στην Κίνα. Για παρόμοιο λόγο, στη δημιουργία χάρτη προβλέψεων ακραίων βροχοπτώσεων για τη Σκωτία οι Prudhomme and Reed (1999) και ετήσιων 32

39 κατακρημνισμάτων για την Ελβετία οι Atkinson και Lloyd (1998) εφάρμοσαν τις μεθόδους του κανονικού Kriging, του υπολειμματικού Kriging (Residuals Kriging) και του Kriging με δείκτη (Indicator Kriging). Γενικά πάντως, εντύπωση προκαλεί η περίπτωση της Κίνας στην οποία έχουν εφαρμοστεί πολλές έρευνες με σύγχρονα εργαλεία (γεωστατιστικής με μεθόδους Kriging, Τηλεπισκόπησης κλπ.) σε επίπεδο χώρας για τα μετεωρολογικά χαρακτηριστικά ή άλλα χαρακτηριστικά που αφορούν φυσικούς και τεχνητούς υγροτόπους (Wanf Y., T. Ma and Z. Luo 2001, Lam et al. 2003, Li et al. 2004, Wang et al. 2004, Chuanyan et al. 2005, Xiang et al. 2005, Gao and Zhang 2009). Ίσως ο λόγος της ανάπτυξης τόσων ερευνών να είναι η κατασκευή πολλών μεγάλων φραγμάτων τις τελευταίες δεκαετίες. 33

40 5.3 Τηλεπισκόπηση Προέλευση και χαρακτηριστικά δορυφορικών δεδομένων Η δορυφορική εικόνα που αναλύθηκε στην παρούσα έρευνα ήταν προϊόν δορυφόρων Landsat, οι οποίοι είναι διαθέσιμα για το κοινό από το 1972 ως παράγωγα του προγράμματος της NASA «Παρατήρηση της Γης». Τα δορυφορικά δεδομένα τύπου Landsat προκύπτουν μέσα από τη λειτουργία έξι δορυφόρων της σειράς Landsat, οι οποίοι και ακολουθούν σχεδόν πολική και ηλιοσύγχρονη τροχιά, δηλαδή ο κάθε δορυφόρος διασχίζει τον ισημερινό την ίδια τοπική ώρα σε κάθε τροχιά, γεγονός που εξασφαλίζει ομοιόμορφες συνθήκες φωτισμού σε μια περιοχή. Οι δορυφόροι της σειράς Landsat ίπτανται σε ύψος 705 km από τη στάθμη της θάλασσας της Γης και πραγματοποιούν επαναδιέλευση της ίδιας περιοχής ανά 16 μέρες. Καλύπτουν μάλιστα σχεδόν ολόκληρη τη Γη, αφού εξαιρούνται μόνο οι δυο πόλοι από τις σκοπεύσεις. Ανάλογα με τους βασικούς αισθητήρες που φέρουν οι δορυφόροι, ταξινομούνται σε τρεις κατηγορίες: πολυφασματικοί σαρωτές (Multi-spectral Scanner/ MSS), θεματικοί χαρτογράφοι (Thematic Mapper/ TM) και ενισχυμένοι θεματικοί χαρτογράφοι συν (Enhanced Thematic Mapper Plus/ ETM+). Επίσης, κάθε Landsat φέρει έναν αριθμό που συνδέεται με τους διάφορους φασματικούς διαύλους (Bands) του ηλεκτρομαγνητικού φάσματος που καταγράφει (Κουκούλας 2002). Δορυφόρος Αισθητήρας Πίνακας 01. Ταξινόμηση δορυφόρων Landsat. Μήκος κύματος (µm) Δίαυλοι Μέγεθος Ανάλυση Εικόνας (σκηνή) εικονοστοιχείου (m) Landsat1-4 MSS 0,50-1,1 1, 2, 3, 4 60 Landsat4-5 TM 0,45-2,35 1, 2, 3, 4, Landsat4-5 TM 10,40-12, X 185 km 1, 2, 3, 4, Landsat7 ETM+ 0,450-2, , 7 Landsat7 ETM+ 10,40 12,50 6.1, Landsat7 Παγχρωματικός 0,52-0,90 8 5,

41 Οι δίαυλοι 1, 2 και 3 καταγράφουν το ορατό τμήμα της ηλεκτρομαγνητικής ακτινοβολίας, ενώ τα 4, 5 και 7 το ανακλώμενο υπέρυθρο τμήμα. Το κανάλι 6 αντιστοιχεί στο θερμικό τμήμα και χρησιμοποιείται για θερμική χαρτογράφηση. Στους δορυφόρους με αισθητήρες τύπου ETM+ υπάρχει ένα επιπλέον κανάλι, το πανγχρωματικό κανάλι. Τα δεδομένα του καναλιού αυτού μπορούν να συνδυαστούν με τα δεδομένα των υπόλοιπων διαύλων (εκτός του 6), οπότε και προκύπτουν τελικά δορυφορικές εικόνες ανάλυσης 15Χ15m. Τα χαρακτηριστικά των διαύλων του Landsat παρουσιάζονται στον Πίνακα 02 (Γήτας και Rishmawi 2003, Κολιός 2005 και Κούτσιας 2005). Δίαυλοι (Bands) Πίνακας 02. Χαρακτηριστικά διαύλων Landsat. Μήκος κύματος (µm) 1 (μπλε) 0,45 0,52 2 (πράσινο) 0,52 0,60 3 (ερυθρό) 0,63 0,69 4 (υπέρυθρο) 0,76 0,90 5 (μέσο υπέρυθρο) 6 (θερμικό υπέρυθρο) 7 (μέσο υπέρυθρο) 1,55 1,75 10,40 12,50 2,08 2,35 Εφαρμογές Χρήσιμο για χαρτογράφηση παράκτιων υδάτων, διάκριση εδάφους & βλάστησης, χαρτογράφηση δασικών τύπων και ανίχνευση ανθρώπινων κατασκευών. Αντιστοιχεί στην πράσινη ανάκλαση της υγιούς βλάστησης. Χρησιμοποιείται για τον καθορισμό ορίων εδαφών και αναγνώριση γεωλογικών μορφών και ανθρώπινων κατασκευών. Χρήσιμο για τη διάκριση διαφορετικών ειδών φυτών. Χρησιμοποιείται για τον καθορισμό ορίων εδαφών και αναγνώριση γεωλογικών μορφών και ανθρώπινων κατασκευών. Ιδιαίτερα ευαίσθητο στο συνολικό ποσοστό βιομάζας μια σκηνής. Χρήσιμο στην αναγνώριση γεωργικών καλλιεργειών και στην ανίχνευση των καμμένων εκτάσεων. Τονίζει τις αντιθέσεις εδάφους- νερού και εδάφους-καλλιεργειών. Ευαίσθητο στην υγρασία των φυτών. Χρησιμεύει στην ανίχνευση της ξηρασίας. Βοηθά στο διαχωρισμό νεφών, χιονιού και πάγων. Χρήσιμο στον εντοπισμό ασθενειών σε φυτά/ ειδικά σε γεωργικές καλλιέργειες. Εντοπίζει τη θερμική ρύπανση, καθώς και τη γεωθερμική δραστηριότητα. Σημαντικό για τη διάκριση διαφορετικών γεωλογικών τύπων εδαφών. Ανιχνεύει την εδαφική υγρασία και την υγρασία των φυτών. 35

42 Προεπεξεργασία δορυφορικών δεδομένων Προκειμένου να εξαχθούν πληροφορίες από μια δορυφορική εικόνα είναι απαραίτητο να διορθωθούν τα σφάλματα λήψης της και να αναδομηθούν οι πληροφορίες της. Οι διεργασίες που λαμβάνουν χώρα είναι οι εξής: απομάκρυνση θορύβου, ραδιομετρική διόρθωση και γεωμετρική διόρθωση (Masek et al. 2006, S Center 2005). Η ραδιομετρική διόρθωση στοχεύει στην απάλειψη ή ελάττωση των ασυμβατοτήτων μεταξύ των ανιχνευτών και των ελαττωματικών λειτουργιών του δορυφόρου, αλλά και των επιδράσεων της ατμόσφαιρας και του ανάγλυφου μιας περιοχής (Wen et al. 1998, Lim et al. 2009). Ανιχνεύονται γενικά δυο είδη ραδιομετρικών παραμορφώσεων μιας δορυφορικής εικόνας: η σχετική τιμή φωτεινότητας ενός εικονοστοιχείου που πιθανόν να παραμορφώνεται από δίαυλο σε δίαυλο ή από ανιχνευτή σε ανιχνευτή η μετρούμενη ακτινοβολία ενός εικονοστοιχείου σε ένα συγκεκριμένο δίαυλο που πιθανό να διαφέρει από την ακτινοβολία του στόχου στη Γη. Το πρώτο είδος ραδιομετρικής παραμόρφωσης αφορά εκείνες τις δορυφορικές εικόνες στις οποίες δεν καταγράφονται συγκεκριμένες γραμμές σάρωσης ή απορρυθμίζονται οι καταγραφές των γραμμών σάρωσης (λωριδοποίηση) τους λόγω κακής λειτουργίας κάποιου από τους αισθητήρες καταγραφής. Η δεύτερη παραμόρφωση προκαλείται κυρίως από την παρουσία της γήινης ατμόσφαιρας. Οι κυριότερες ραδιομετρικές διορθώσεις που εφαρμόζονται κατά τη ραδιομετρική επεξεργασία μιας δορυφορικής εικόνας είναι οι εξής: απολωριδοποίηση, διόρθωση αστοχίας γραμμής, βαθμονόμηση, μείωση θορύβου, μετατροπή ραδιομετρικών τιμών σε τιμές ακτινοβολίας, ατμοσφαιρικές διορθώσεις και φιλτράρισμα εικόνας (Liang et al. 2002, Κολιός 2005). Η μετατροπή ραδιομετρικών τιμών (Digital Numbers/ DN) σε τιμές ακτινοβολίας (reflectance) είναι απαραίτητη, αφού οι ραδιομετρικές τιμές δεν 36

43 παρέχουν αυτόματες πληροφορίες σχετικά με πχ. την κάλυψη γης, την ξηρασία του εδάφους κλπ. (Vogelmann and DeFelice 2003, Wang et al. 2004). Οι ραδιομετρικές τιμές λαμβάνονται και καταγράφονται από το δορυφόρο και εξαρτώνται από τις φυσικές ιδιότητες των φυτών και του εδάφους, τη ζυγοστάθμιση των αισθητήρων, την ηλιακή αζιμούθια κλίση θ, την οπτική γωνιά του αισθητήρα, τη μεταβαλλόμενη απόσταση Γης Ήλιου και φυσικά από τις ατμοσφαιρικές συνθήκες που επικρατούν τη δεδομένη χρονική στιγμή που διέρχεται ο δορυφόρος πάνω από τη συγκεκριμένη θέση. Η σχέση μεταξύ ραδιομετρικών τιμών και ακτινοβολίας είναι γραμμική, όπως παρουσιάζεται και στο παρακάτω διάγραμμα (Moran et al. 2001, Huang et al. 2002, Newcomer 2008): Σχήμα 02. Διάγραμμα σχέσεως ραδιομετρικής τιμής αισθητήρα και ακτινοβολίας επιφάνειας εδάφους. Οι ατμοσφαιρικές διορθώσεις αναφέρονται σε δυο είδη σφαλμάτων: στα σφάλματα που οφείλονται στα ατμοσφαιρικά βοηθητικά δεδομένα και στα σφάλματα που οφείλονται στις ατμοσφαιρικές επιδράσεις (Arino et al. 1997, Vogelmann and DeFelice 2003, Newcomer 2008). Έχουν αναπτυχθεί διάφοροι αλγόριθμοι, προκειμένου να εκτιμηθούν και κατόπιν να διορθωθούν αυτά τα σφάλματα. Οι τιμές της ακτινοβολίας της επιφάνειας του εδάφους στη Γη που ανακλάται και λαμβάνεται από το δορυφόρο συνδέονται με την αζιμούθια κλίση του Ήλιου και την οπτική γωνιά του αισθητήρα (Honda 2009, Ahn et al. 37

44 2004, IDL 2005, Klein 1997, Olthof et al. 2005, Schoeder et al. 2006, Gao and Zhang 2009) Η γεωμετρική διόρθωση μιας δορυφορικής εικόνας περιλαμβάνει τη διαδικασία μετασχηματισμού αυτής, προκειμένου να διαθέτει γεωμετρικές ιδιότητες και σύστημα αναφοράς συντεταγμένων σε μια γνωστή χαρτογραφική προβολή (Κολιός 2005, Gao and Zhang 2009). Διαδικασία ταξινόμησης δορυφορικής εικόνας Ταξινόμηση ονομάζουμε τη διαδικασία εκείνη, η οποία επιδιώκει την κατηγοριοποίηση των εικονοστοιχείων μιας δορυφορικής εικόνας σε διακριτές ομάδες (IDL 2005). Η κάθε ομάδα περιλαμβάνει εκείνα τα εικονοστοιχεία που έχουν παρόμοια φασματική ταυτότητα, δηλαδή παρόμοια τιμή φωτεινότητας ως αποτέλεσμα των κοινών τους φυσικών ιδιοτήτων (π.χ. παρόμοιο ποσοστό υγρασίας, ποσοστό βιομάζας, κλπ.). Υπάρχουν δυο βασικές κατηγορίες μεθόδων ταξινόμησης δορυφορικών εικόνων (IDL 2005). Η πρώτη κατηγορία μεθόδων ταξινόμησης ονομάζεται επιβλεπόμενη ή καθοδηγημένη ταξινόμηση (Supervised classification), η οποία χρησιμοποιεί τις πληροφορίες που απορρέουν από μικρές και γνωστές Περιοχές Ενδιαφέροντος (Regions of interest) προκειμένου να ταξινομήσει τα υπόλοιπα άγνωστα εικονοστοιχεία της εικόνας. Οι πιο δημοφιλείς αλγόριθμοι αυτής της κατηγορίας είναι: Δυαδικής κωδικοποίησης (Binary Encoding). Μια μέθοδος που κωδικοποιεί και μεταφράζει τα δεδομένα στις τιμές μηδέν και ένα, με βάση την απόκλιση της τιμής του κάθε εικονοστοιχείου από το μέσο όρο του διαύλου. Παραλληλεπιπέδου (Parallelepiped). Ο λογάριθμος βασίζεται στη διακύμανση της τυπικής απόκλισης από το μέσο όρο κάθε ομάδας Περιοχής Ενδιαφέροντος. Αν μια τιμή ενός εικονοστοιχείου εμπίπτει στη 38

45 διακύμανση μιας συγκριμένης ομάδας, τότε κατατάσσεται σε αυτή. Διαφορετικά, αν δεν εμπίπτει σε καμία ομάδα, παραμένει αταξινόμητο. Ελάχιστης απόστασης (Minimum Distance). Δημιουργεί ψευδοδιανύσματα με βάση την ευκλείδεια απόσταση της τιμής του καθενός άγνωστου εικονοστοιχείου από την τιμή του μέσου όρου κάθε ομάδας Περιοχής Ενδιαφέροντος. Μέγιστης πιθανοφάνειας (Maximum Likelihood). Τα εικονοστοιχεία ομαδοποιούνται στην ομάδα εκείνη όπου έχουν τη μέγιστη πιθανότητα να ανήκουν, με βάση πληροφορίες από γνωστές περιοχές της εικόνας. Απόσταση Mahalanobis (Mahalanobis Distance). Η απόσταση Mahalanobis είναι ευαίσθητη στη στατιστική κατεύθυνση της ομάδας Περιοχών Ενδιαφέροντος και λειτουργεί με παρόμοιο τρόπο με αυτόν του λογάριθμου της Μέγιστης Πιθανότητας. Γωνιακού φασματικού χαρτογράφου (Spectral Angle Mapper). Πρόκειται για ένα αλγόριθμο που καθορίζει τις φασματικές ομοιότητες μεταξύ δυο φασμάτων υπολογίζοντας τη γωνία μεταξύ τους και θεωρώντας τα ως διανύσματα σε ένα διανυσματικό χώρο που ορίζεται από τον αριθμό των διαφορετικών διαύλων. Η επιβλεπόμενη ταξινόμηση είναι πολύ πιο αποτελεσματική όσον αφορά την ταξινόμηση των φασματικών πληροφοριών κάθε εικόνας σε διακριτές ομάδες, αρκεί ο αναλυτής της εικόνας να προσδιορίσει σωστά τις ομάδες με ομοιογενή φασματικά χαρακτηριστικά (Rokos and Argialas 1993, Κούτσιας 2002, Μαλλίνης κ.α. 2003, Wallace et al. 2003, Μαλλίνης κ.α. 2004). Η κάθε ομάδα αντιστοιχεί σε μια μικρή γνωστή περιοχή και ερμηνεύεται από τον αναλυτή είτε από τις εμπειρίες του είτε από πραγματικά δεδομένα (πχ. σύγκριση με άλλη δορυφορική εικόνα, αεροφωτογραφίες, άλλη χαρτογραφική πηγή κλπ.). Εκτός από το ότι η επιβλεπόμενη ταξινόμηση είναι γενικά πιο αποτελεσματική, βασικά πλεονεκτήματα είναι και η επιλογή της ακρίβειας των αποτελεσμάτων, η προ ερμηνεία κάθε ομάδας (πχ. πυκνό δάσος), αλλά και η ανίχνευση των ενδεχόμενων σφαλμάτων. 39

46 Έχει όμως και μειονεκτήματα, με σημαντικότερα τα εξής (Μερτίκας 1999): Ο αναλυτής επιβάλλει το δικό του τρόπο ταξινόμησης των δεδομένων, με συνέπεια ενδεχόμενη ασυμβατότητα μεταξύ των επιλεγμένων περιοχών και των φυσικών πληροφοριακών ομάδων (πχ. ύδατα, δρόμοι, αστικές περιοχές κλπ.) Οι περιοχές ενδιαφέροντος καθορίζονται κυρίως από τα είδη της πληροφορίας της δορυφορικής εικόνας και λιγότερο από τις φασματικές τους ιδιότητες. Για παράδειγμα, μια περιοχή που ορίζεται ως «δάσος» μπορεί να ποικίλει στην πραγματικότητα φασματικά εξαιτίας διαφορετικής πυκνότητας ή ηλικίας και επομένως είναι τελικά μια ανεπαρκής πληροφορία. Οι περιοχές ενδιαφέροντος που επιλέγονται από τον αναλυτή μπορεί να μην είναι αντιπροσωπευτικές για το σύνολο της εικόνας. Ο αναλυτής μπορεί να εντοπίσει ασυμβατότητες μεταξύ των γνωστών περιοχών της δορυφορικής εικόνας και των δεδομένων από ένα άλλο χάρτη. Πιθανόν να είναι αρκετά δύσκολο να εντοπιστούν περιοχές με παρόμοια φασματικά χαρακτηριστικά στη δορυφορική εικόνα, είτε επειδή ο αναλυτής δε γνωρίζει την περιοχή είτε επειδή καταλαμβάνουν πολύ μικρή έκταση στο σύνολο. Η δεύτερη κατηγορία μεθόδων ταξινόμησης είναι η μη επιβλεπόμενη ή αυτόματη ταξινόμηση (Unsupervised classification). Στην αυτόματη ταξινόμηση γίνεται ταξινόμηση των εικονοστοιχείων μιας δορυφορικής εικόνας σε ομάδες με βάση τα στατιστικά χαρακτηριστικά των πληροφοριών της. Κάθε ομάδα χαρακτηρίζεται από μια τιμή (πχ. φωτεινότητας), η οποία και αποτελεί το μέσο όρο αυτής. Όσο πιο κοντά εντοπίζεται η τιμή ενός τυχαίου εικονοστοιχείου στο μέσο όρο, τόσες περισσότερες πιθανότητες έχει να ταξινομηθεί στη συγκεκριμένη ομάδα. Η μέθοδος είναι αυτοματοποιημένη και προσπαθεί να ανιχνεύσει φυσικές ομάδες ή κλάσεις από εικονοστοιχεία βάσει της φωτεινότητάς τους σε διάφορους φασματικούς δίαυλους. Σε αντίθεση με την 40

47 επιβλεπόμενη ταξινόμηση, δεν προκαθορίζονται γνωστές περιοχές στη δορυφορική εικόνα (IDL 2005). Οι πιο γνωστοί αλγόριθμοι αυτής της κατηγορίας είναι οι: Κ Μέσο (K-Means), Ισοδεδομένων (Isodata). Και οι δυο υπολογίζουν έναν μοναδιαίο μέσο όρο σε κάθε ομάδα (ισοκατανεμημένες στο χώρο) και στη συνέχεια ταξινομούν το κάθε εικονοστοιχείο στην πιο κοντινή του ομάδα εφαρμόζοντας τον αλγόριθμο της ελάχιστης απόστασης. Στην αυτόματη ταξινόμηση γίνεται αυθαίρετη επιλογή του συνόλου των εικονοστοιχείων που θεωρούνται ως κέντρα συγκέντρωσης παρόμοιων τιμών φωτεινότητας. Παρόλο που έτσι εξασφαλίζεται η αμεροληψία του αναλυτή στην ταξινόμηση, αλλά και η αντιπροσωπευτικότητα όλων των τιμών φωτεινότητας που εντοπίζονται στη δορυφορική εικόνα, δεν εξασφαλίζεται το γεγονός οι ομάδες αυτές να προσδιορίζουν αντιπροσωπευτικές συγκεκριμένες κατηγορίες φυσικών ποσοτήτων ή είδους επιφάνειας. Σε αυτή την περίπτωση είναι απαραίτητη η πολύ καλή γνώση του ανάγλυφου και της κάλυψης της γης, ώστε να γίνεται εύκολα η μετάφραση των ομάδων σε πραγματικά δεδομένα. Δείκτες βλάστησης (Vegetation Indexes/ VI) Μελέτες έχουν δείξει ότι η ακρίβεια της ταξινόμησης δεν εξαρτάται μόνο από τη σύνθεση και κατανομή της κάλυψης γης, αλλά και από τη σωστή επιλογή συνδυασμού διαύλων που σχετίζονται με το εξεταζόμενο χαρακτηριστικό, στην προκειμένη περίπτωση της κάλυψης γης (Vidal et al. 1993, Kritikos et al. 1993, Varjo J. 1993, Καρτέρης και Κούτσιας 1996, Honda 2009, Klein 1997, Liang et al. 2002, Καρυδάς και Συλλαίος 2002, Μαλλίνης κ.α. 2004, Κουτρουμπή κ.α. 2007). Ο συνδυασμός των διαύλων σε μαθηματικές εξισώσεις οδηγεί στους Δείκτες Βλάστησης. Οι Δείκτες Βλάστησης (Vegetation Indices/ VIs) είναι οι μαθηματικοί συνδυασμοί της επιφανειακής ανάκλασης δύο ή περισσότερων μηκών κύματος φωτός που εκφράζουν ένα συγκεκριμένο χαρακτηριστικό της βλάστησης. Το χαρακτηριστικό αυτό ταυτίζεται με τις διάφορες ανακλαστικές ιδιότητες της βιομάζας, ως αποτέλεσμα των ποικίλων σχημάτων και χημικών συστάσεων 41

48 αυτής (πχ. νεαρά φύλλα, ώριμες βελόνες, κλπ.). Τα σημαντικότερα στοιχεία που επηρεάζουν την ανακλαστικότητά της είναι οι συγκεντρώσεις χρωστικών, ύδατος, άνθρακα και αζώτου (IDL 2005). Περισσότεροι από 150 Δείκτες Βλάστησης έχουν δημοσιευθεί στην επιστημονική κοινότητα, αλλά μόνο ένα μικρό υποσύνολο έχει δοκιμαστεί συστηματικά. Το λογισμικό ENVI υπολογίζει 27 Δείκτες Βλάστησης, προκειμένου να ανιχνεύσει την παρουσία και σχετική αφθονία χρωστικών, νερού, και άνθρακα, όπως αυτά εκφράζονται και αντικατοπτρίζονται στο οπτικό τμήμα του ηλεκτρομαγνητικού φάσματος (400 nm έως 2500 nm). Οι Δείκτες ομαδοποιούνται σε κατηγορίες που υπολογίζουν παρόμοια γνωρίσματα: Ευρυζωνική Βλάστηση (Broadband Greenness) Στενοζωνική Βλάστηση (Narrowband Greenness) Αποδοτικότητα Ελαφριάς Χρήσης (Light Use Efficiency) Κάλυψη Αζώτου (Canopy Nitrogen) Χρωστική Φύλλων (Leaf Pigments) Κάλυψη Περιεχόμενης Υγρασίας (Canopy Water Content) Καθεμιά από τις παραπάνω κατηγορίες συνήθως εκτιμά με πολλαπλές μεθόδους την απουσία ή παρουσία ενός και μόνο γνωρίσματος της βλάστησης, ενώ μέσα σε κάθε κατηγορία, ανάλογα με τις συνθήκες και τις ιδιότητες της εικόνας, διαφορετικοί δείκτες δίνουν λιγότερο ή περισσότερο αξιόπιστα αποτελέσματα. Όσους περισσότερους φασματικούς διαύλους συγκεντρώνει μια δορυφορική εικόνα, τόσοι περισσότεροι διαφορετικοί Δείκτες Βλάστησης μπορούν να υπολογιστούν. Οι Δείκτες Ευρυζωνικής Βλάστησης είναι οι πιο απλοί δείκτες, αντιπροσωπεύουν την ευρωστία της βλάστησης και είναι ιδιαίτερα ευαίσθητοι στη διαφορετική συγκέντρωση (ποσοτικά και ποιοτικά) χλωροφύλλης στα φυτά. Είναι χρήσιμοι στην κατανόηση της κατάστασης της βλάστησης, αλλά δεν παρέχουν πληροφορίες σχετικά με τους φωτοσυνθετικούς παράγοντες (πχ. 42

49 ένταση). Οι κυριότεροι Δείκτες αυτής της κατηγορίας περιγράφονται στον παρακάτω πίνακα και βασίζονται στο συνδυασμό δορυφορικών μετρήσεων σε διάφορες φασματικές περιοχές: Πίνακας 03. Δείκτες Ευρυζωνικής Βλάστησης Κανονικοποιημένος Δείκτης Βλάστησης (Normalized Difference Vegetation Index/ NDVI) Δείκτης Απλής Αναλογίας (Simple Ratio Index) Ενισχυμένος Δείκτης Βλάστησης (Enhanced Vegetation Index) Δείκτης Βλάστησης Ατμοσφαιρικής Ανθεκτικότητας (Atmospherically Resistant Vegetation Index) Συνολικός Πράσινος Δείκτης (Sum Green Index) Κανονικοποιημένες διαφορές της πράσινης βλάστησης του υπέρυθρου και της περιοχής του κόκκινου Αναλογία των πράσινων φύλλων στο υπέρυθρο και της απορρόφησης της χλωροφύλλης στο κόκκινο Ενισχυμένος NDVI που συνυπολογίζει το εδαφικό υπόβαθρο και τις επιδράσεις της ατμόσφαιρας. Ενισχυμένος NDVI που συνυπολογίζει τις επιδράσεις της ατμόσφαιρας. Δομική διάσπαρτη πράσινη φασματική ακτινοβολία που είναι ευαίσθητη στα διάκενα της κάλυψης της βλάστησης Κάποιοι από τους Δείκτες Βλάστησης στο παρελθόν χρησιμοποιούνταν και σε εκτιμήσεις άλλων παραμέτρων ή διαδικασιών στις δορυφορικές εικόνες πέραν της αξιολόγησης της ποιότητας ή ποσότητας της βλάστησης (Olthof et al. 2005). Για παράδειγμα, ο Κανονικοποιημένος Δείκτης Βλάστησης (NDVI) πριν από το 1982 ήταν πολύ διαδεδομένος ως η κύρια μέθοδος απαλοιφής ατμοσφαιρικών σφαλμάτων (Sharma et al. 2008). 43

50 6 ΠΕΡΙΟΧΗ ΕΡΕΥΝΑΣ 6.1 Γενικά χαρακτηριστικά Η περιοχή έρευνας ανήκει στην Περιφέρεια Δυτικής Μακεδονίας, στο Νομό Κοζάνης και περικλείει έξι Δήμους: Κοζάνης, Ελίμειας, Σερβίων, Ελλησπόντου, Βελβενδού και Αιανής. Ο πιο εκτεταμένος Δήμος στον οποίο υπάγεται και ο μεγαλύτερος οικισμός είναι αυτός της Κοζάνης. Εντοπίζεται στο κεντρικό - νότιο άκρο του Νομού Κοζάνης. Χάρτης 01. Διοικητική διάρθρωση περιοχής έρευνας. Η περιοχή αυτή αποτελεί μόλις το 7% του συνόλου της λεκάνης απορροής του μεγαλύτερου ελληνικού ποταμού, του Ποταμού Αλιάκμονα, ο οποίος έχει μήκος 297 km και μέση ετήσια απορροή 2,03 X 10 9 m. Διαρρέει τη δυτική και κεντρική Μακεδονία και εκβάλλει στο Θερμαϊκό Κόλπο. Η Δ.Ε.Η. έχει αξιοποιήσει το υδροδυναμικό του ποταμού Αλιάκμονα δημιουργώντας τρία φράγματα με αντίστοιχα τρεις τεχνητές λίμνες και 44

51 Υδροηλεκτρικά Εργοστάσια (ΥΗΕ) στις θέσεις: Πολυφύτου (1974), Σφηκιάς (1985) και Ασωμάτων (1985). Τα φράγματα αυτά συνοδεύονται επιπλέον με συμπληρωματικά έργα, πχ. εκσκαφές διεύρυνσης, ταμιευτήρες αναρρύθμισης, φράγμα εκτροπής, συμπληρωματική δεξαμενή αναρρύθμισης κλπ. Ειδικά για το φράγμα του Πολυφύτου θα πρέπει να ειπωθεί ότι είναι λιθόρριπτο με όγκο m 3. Το ύψος του είναι 112m και η στέψη του έχει μήκος 296m και πλάτος 10m. Το πλάτος της βάσης είναι ίσο με 465m. Η ισχύς των τριών υπόγειων εγκατεστημένων μονάδων είναι 120MW έκαστη. Η μέση παραγωγή ενέργειας σε ετήσια βάση είναι 589GWh (Θεοδωρακάκης κ.α. 2000). Σκοπός ίδρυσης της τεχνητής λίμνης μετά την κατασκευή του φράγματος ήταν η αξιοποίηση των υδάτων του ποταμού Αλιάκμονα για την ηλεκτροπαραγωγή στον αντίστοιχο ΥΗΕ, αλλά και η εξασφάλιση των απαιτούμενων ποσοτήτων υδάτων για την απρόσκοπτη λειτουργία των Θερμοηλεκτρικών Εργοστασίων στο λεκανοπέδιο Κοζάνης Πτολεμαΐδας Αμυνταίου. Επιπλέον, σχεδιάστηκε και κατασκευάζεται σήμερα από τη Δ.Ε.Η. ένα τέταρτο φράγμα στη θέση της Ιεράς Μονής του Ιλαρίωνα, ώστε να υποστηριχθεί η λειτουργία ενός νέου Υδροηλεκτρικού Εργοστάσιου, εγκατεστημένης ισχύος 2 Χ 390MW (Θεοδωρακάκης κ.α. 2000). 45

52 6.2 Αβιοτικά χαρακτηριστικά Το ελάχιστο υψόμετρο στην περιοχή έρευνας είναι τα 200m και το μέγιστο τα m, ενώ το μέσο υψόμετρο τα 661 m. Οι ψηλότερες κορυφές από δύση προς ανατολή είναι αυτές του Ντρισινίκου στο Βούρινο (1.863m) και οι Πλάκα (1.903 m), Τούρλα (2.100 m) και Φλάμπουρο (2.187 m) στα Πιέρια. Γεωλογικά η περιοχή ανήκει στην Πελαγονική Ζώνη και ειδικά στο δυτικό της τμήμα. Γενικά θα μπορούσε να ειπωθεί ότι τα μεταμορφωμένα πετρώματα συνιστούν το αλπικό και προαλπικό υπόβαθρο που συγκροτεί τους ορεινούς όγκους και χαρακτηρίζεται από διεύθυνση ανάπτυξης ΒΒΔ ΝΝΑ. Αντίθετα, στα λοφώδη και πεδινά τμήματα αναπτύσσονται κατά βάση τα κάτω μειοκαινικά μολασσικά ιζήματα της μεσοελληνικής αύλακας, καθώς και τα νεότερα νεογενή και τεταρτογενή ιζήματα. Βασικός προμηθευτής με ύδατα της τεχνητής λίμνης του Πολυφύτου είναι ο ποταμός Αλιάκμονας, ενώ παράλληλα εφοδιάζεται με ύδατα από τις επιφανειακές υδάτινες παροχές των γειτονικών περιοχών περιμετρικά αυτής, δηλαδή από τη λεκάνη απορροής της λίμνης. Ως τεχνητή λίμνη, δε θα ήταν συνηθισμένο να συντηρείται με υπόγεια ύδατα, αν και στην ευρύτερη περιοχή εντοπίζονται αρκετές πηγές που χρησιμοποιούνται κατά κόρον για ύδρευση και άρδευση. Ως σημείο αφετηρίας της τεχνητής λίμνης θα μπορούσε να θεωρηθεί το σημείο εξόδου του ποταμού Πολυφύτου από το φαράγγι της Ζάβορδας στη θέση της Ιεράς Μονής του Ιλαρίωνα (νότια του οικισμού του Ρυμνίου) και ως τερματικό σημείο το φράγμα του Πολυφύτου (νότια του οικισμού του Πολυφύτου). (Χάρτης 01). Η μέγιστη στάθμη της επιφάνειας της λίμνης μπορεί να φθάσει τα 291,1 m, ενώ η ελάχιστη στάθμη λειτουργίας του υδροηλεκτρικού έργου είναι τα 270 m και η ελάχιστη στάθμη εκκενώσεως τα 230 m. Αναφορικά με την ποιότητα των υδάτων της λίμνης δεν υπάρχουν συστηματικές αναλύσεις. Ο Χρισταφακόπουλος (2000) αναφέρει ότι το ph κυμαίνεται από 6,8 8,6, εκτός της περιόδου Οκτωβρίου Νοεμβρίου όπου ελαττώνεται στα 5,5-5,7. Τη διαφοροποίηση αυτή την αποδίδει στην έκπλυση θειικών και νιτρικών ιόντων που μεταφέρονται από τα αερολύματα των 46

53 θερμοηλεκτρικών σταθμών. Επίσης, ο ίδιος συγγραφέας αναφέρει ότι οι γεωργικές καλλιέργειες επιβαρύνουν τη λίμνη με 160,6 tn νιτρικών και 9,5 tn νιτρωδών ιόντων. Επιπρόσθετα, η διάβρωση των εδαφών, εκτός από φερτές ύλες, εφοδιάζει τη λίμνη με ποσότητες ολικού αζώτου (προέλευση αυτών η ρύπανση της ατμόσφαιρας) μεγαλύτερες του επιτρεπτού ορίου. Τέλος, ο Χρισταφακόπουλος (2000) παραθέτει τα παρακάτω ακραία πλημμυρικά φαινόμενα που διέσωσε από μαρτυρίες κατοίκων: Αύγουστος 1946: Ραγδαία βροχόπτωση που συνδυάστηκε με χαλαζόπτωση. Τα ύδατα του Αλιάκμονα είχαν ξεπεράσει το ύψος της παλιάς γέφυρας των Σερβίων, ενώ αναφέρθηκαν πλημμυρικά ίχνη των 3 m στο πλατανόδασος της Καισαρειάς. Αύγουστος 1952: Μεγάλη ποσότητα κατακρημνισμάτων που συνδυάστηκε με χαλαζόπτωση. Καταστράφηκε η γέφυρα που είχε κατασκευάσει ένα χρόνο νωρίτερα ο στρατός στη θέση που εντοπίζεται σήμερα η μικρότερη γέφυρα της λίμνης και ενώνει τους οικισμούς Ρύμνιο και Αιανή. Μάρτιος Μεγάλη ποσότητα κατακρημνισμάτων για τουλάχιστον δυο συνεχόμενες μέρες. Η αυξημένη παροχετευτικότητα του ποταμού Αλιάκμονα παρέσυρε γέφυρα τύπου Bailey στη θέση που εντοπίζεται η Ιερά Μονή του Ιλαρίωνα. 47

54 6.3 Βιοτικά χαρακτηριστικά Η λίμνη έχει καταγραφεί ως υγρότοπος από την Εθνική Απογραφή των Υγροτόπων το 1994 με τον κωδικό (ΕΚΒΥ 1994). Παρ όλα αυτά η περιοχή δεν ανήκει στο δίκτυο των προστατευόμενων περιοχών της Ευρώπης, παρά μόνο ένα μικρό τμήμα αυτής. Συγκεκριμένα, η Κοιλάδα του Μεσιανού Νερού (Όρος Βούρινο) και η υπαλπική περιοχή των Πιερίων Ορέων έχουν χαρακτηριστεί ως Τόποι Κοινοτικής Σημασίας (ΤΚΣ) λαμβάνοντας αντίστοιχα τους κωδικούς GR και GR , σύμφωνα με την Οδηγία 92/43/ΕΟΚ «για τη διατήρηση των φυσικών οικοτόπων καθώς και της άγριας πανίδας και χλωρίδας». Επίσης το Όρος Βούρινο ανήκει στον επιστημονικό κατάλογο των Σημαντικών Περιοχών για τα Πουλιά (ΣΠΠ) με τον κωδικό GR051 (Χάρτης 02). Τέλος μέσα στην περιοχή έρευνας, στον οικισμό της Λευκοπηγής εντοπίζεται το υπεραιωνόβιο πλατάνι που έχει χαρακτηριστεί ως Μνημείο της Φύσης και προστατεύεται από την εθνική νομοθεσία. Η ίδια η λίμνη του Πολυφύτου δεν ανήκει σε κανένα επιστημονικό ή εθνικό κατάλογο προστατευόμενων περιοχών. Ο λόγος είναι ότι η λίμνη έχει τεράστιες χρονικές και τοπικές διακυμάνσεις του ύψους της στάθμης. Έτσι δεν είναι δυνατόν να δημιουργηθούν μόνιμες μικροθέσεις που θα μπορούσαν να φιλοξενήσουν σημαντικά είδη πανίδας και χλωρίδας. Παρ όλα αυτά, στη λίμνη παρατηρούνται σημαντικά είδη πανίδας. Ενδεικτικά αναφέρονται η αρκούδα και η αγριόγατα, ο μαυροπελαργός (ο οποίος τα τελευταία 2-3 χρόνια φωλιάζει κιόλας), οι τρεις μεγάλες αποικίες με δεκάδες φωλιές ερωδιών, ο αργυροπελεκάνος κλπ. Στα ορεινά δάση η εμφάνιση των δρυοκολαπτών είναι συχνή, ενώ στις υπαλπικές περιοχές παρατηρούνται αρκετά και διαφορετικά είδη αρπακτικών πουλιών. 48

55 Χάρτης 02. Προστατευόμενες περιοχές περιοχής έρευνας. 49

56 7 ΜΕΘΟΔΟΣ ΕΡΕΥΝΑΣ 7.1 Μορφομετρικά και υδρογραφικά χαρακτηριστικά Τα μορφομετρικά χαρακτηριστικά των ορεινών λεκανών απορροής των χειμαρρικών ρευμάτων είναι ιδιαίτερα κρίσιμα, αφού η μορφομετρία και τα χαρακτηριστικά του υδρογραφικού δικτύου καθορίζουν τη λειτουργία του χειμαρρικού ρεύματος. Για τον υπολογισμό τους χρησιμοποιήθηκαν οι τοπογραφικοί χάρτες της Γεωγραφικής Υπηρεσίας Στρατού, κλίμακας 1: του 1992 και συγκεκριμένα τα φύλλα χαρτών: Βελβενδός, Κνίδη, Κοζάνη, Λιβαδερό, Λιβάδι και Σιάτιστα. Το κάθε φύλλο χάρτη εισήχθη στα γεωγραφικά συστήματα πληροφοριών (λειτουργικό πρόγραμμα ArcGIS 9.2), προκειμένου να τοποθετηθεί σωστά στο χώρο (διαδικασία ορθοαναγωγής). Το προβολικό σύστημα που επιλέχτηκε ήταν το σύστημα ΕΓΣΑ 87 (Ελληνικό Γεωδαιτικό Σύστημα Αναφοράς) που αποτελεί το επίσημο γεωδαιτικό σύστημα αναφοράς του Οργανισμού Κτηματολογίου και Χαρτογράφησης της Ελλάδος (Ο.Κ.Χ.Ε.), αλλά και της πλειονότητας της χώρας, συμβατό με τις απαιτήσεις της σύγχρονης τεχνολογίας (Καρτέρης και Γιαννακόπουλος 1998). Στη συνέχεια ψηφιοποιήθηκαν όλα τα δεδομένα κάθε χάρτη σε μορφή διανύσματος (vector format files): ισοϋψείς καμπύλες με ισοδιάσταση 20 m, υδρογραφικό δίκτυο, οδικό δίκτυο, οικισμοί και τριγωνομετρικά σημεία. Το τελευταίο στάδιο της προετοιμασίας για τον υπολογισμό των σημαντικότερων μορφομετρικών και υδρομετρικών χαρακτηριστικών της ευρύτερης περιοχής έρευνας ήταν η δημιουργία ψηφιακού μοντέλου εδάφους με τη βοήθεια του διανυσματικού αρχείου των ισοϋψών καμπυλών. Τα ψηφιακά μοντέλα εδάφους (digital elevation models/dem) αποτελούν μια ψηφιακή αναπαράσταση της μεταβλητότητας του ανάγλυφου στο χώρο και χρησιμοποιούνται μεταξύ άλλων για την κατασκευή χαρτών και την καταμέτρηση των χαρακτηριστικών των υψόμετρων, των κλίσεων, των εκθέσεων καθώς και του τρισδιάστατου ανάγλυφου (Καρτέρης 1999α, Wilson & Gallant 2000 Thompson et al. 2001). Θα πρέπει να επισημανθεί σε αυτό το σημείο ότι το 50

57 διανυσματικό αρχείο των ισοϋψών καμπυλών δε χρησιμοποιήθηκε αυτούσιο στη δημιουργία του ψηφιακού μοντέλου εδάφους, αλλά μετά την εφαρμογή της εντολής τοπογραφικός κάναβος (topogrid). Η εντολή τοπογραφικός κάναβος είναι μια μέθοδος παρεμβολής που είναι ειδικά σχεδιασμένη να παράγει ένα υδρολογικά σωστό μοντέλο εδάφους από συγκριτικά μικρά, αλλά σωστά σχεδιασμένα υψομετρικά επίπεδα πληροφοριών (ισοϋψείς καμπύλες). Βασίζεται σε πρόγραμμα του λογάριθμου ANUDEM, το οποίο εφαρμόζει τις γνώσεις του επιπέδου πληροφοριών που σχετίζονται με την επιφάνεια του εδάφους, ώστε να καταλήγει σε μια αποστραγγιστική δομή της επιφάνειας που αποτυπώνει σωστά τα ρέματα και τις εξάρσεις του εδάφους. Η όλη διαδικασία στοχεύει στην επίτευξη μεγαλύτερης ακρίβειας στην αποτύπωση του ανάγλυφου με λιγότερα εισαγόμενα δεδομένα (ESRI 1996 α ). Αφού διορθώθηκαν οι ισοϋψείς καμπύλες με την παραπάνω διαδικασία, δημιουργήθηκε το πρώτο ψηφιακό μοντέλο εδάφους/ αρχείο μορφής κανάβου (grid format file) με μέγεθος κάθε εικονοστοιχείου (pixel) ή αλλιώς μάτι κανάβου 30 X 30, το οποίο θεωρείται ικανοποιητικό για έρευνες του ανάγλυφου του εδάφους (Wilson & Gallant 2000). Τέλος, το πρώτο ψηφιακό μοντέλο εδάφους μετατράπηκε σε ένα δεύτερο μοντέλο, τρισδιάστατο όμως αυτή τη φορά, με την εφαρμογή της μεθόδου του ακανόνιστου δικτύου τριγώνων (triangulated irregular network/ TIN) (ESRI 1996 β, ESRI 1997, Wilson & Gallant 2000, ESRI 2001). Όλα τα παραπάνω (διανυσματικά αρχεία και αρχεία μορφής κανάβου) ήταν τα πρωτογενή δεδομένα στην εκτίμηση των σημαντικότερων παραγόντων της μορφολογίας και της υδρολογίας των ορεινών λεκανών απορροής (Στεφανίδης και Μυρωνίδης 2002). Οι παράγοντες που εξετάστηκαν στην παρούσα έρευνα περιγράφονται παρακάτω (Στεφανίδης 1990, Κωτούλας 1998, Τζιαφτάνη 2005, Στεφανίδης 2008): Εμβαδόν ορεινής λεκάνης Οι ορεινές λεκάνες ως προς την έκτασή τους ποικίλουν από πολύ μικρές μέχρι πολύ μεγάλες. Συνήθως στην Ελλάδα πολύ μεγάλες λεκάνες έχουν οι ορεινοί ποταμοί, ενώ αντίθετα τα μικρά χειμαρρικά ρέματα καταλαμβάνουν έκταση το πολύ 300 km 2. Ο Κωτούλας (1998) τα τελευταία τα έχει ταξινομήσει ως εξής: 51

58 Έκταση ορεινών λεκανών (km 2 ) Περίμετρος ορεινής λεκάνης Χαρακτηρισμός λεκάνης < 10 Πολύ μικρή Μικρή Μέτρια Μεγάλη Αρκετά μεγάλη > 250 Πολύ μεγάλη Η περίμετρος (U/ m) μια ορεινής λεκάνης απορροής συμπίπτει με τον υδροκρίτη της λεκάνης απορροής, δηλαδή τη νοητή γραμμή που ορίζει τα εξωτερικά όρια μιας ορεινής λεκάνης απορροής ενός χειμαρρικού ρεύματος. Αρχίζει και τελειώνει στην εκβολή του ρεύματος, επομένως θεωρητικά είναι μια κλειστή γραμμή. Η γραμμή του υδροκρίτη διέρχεται υποχρεωτικά από τις εξάρσεις της επιφάνειας του εδάφους, δηλαδή τις κορυφές, αυχένες και τις κυρτές αλλαγές κλίσεως (Στεφανίδης 2008). Σχήμα ορεινής λεκάνης Το σχήμα της ορεινής λεκάνης επηρεάζει άμεσα την ταχύτητα συγκέντρωσης της επιφανειακής υδατοπαροχής, αφού όσο πιο επιμήκης είναι μια λεκάνη απορροής, τόσο αυξάνεται ο χρόνος που απαιτείται προκειμένου η επιφανειακή απορροή να συγκεντρωθεί σε ένα σημείο της λεκάνης και να εμφανίσει τη μέγιστη υδατοπαροχή. Ο βαθμός στρογγυλομορφίας μιας λεκάνης δίνεται από τη σχέση του εμβαδού (F/ km 2 ) και της περιμέτρου ή υδροκρίτη (U/ km) D = Μάλιστα για τιμές του D μικρότερες από 1 km, η λεκάνη θεωρείται επιμήκης, ενώ για μεγαλύτερες των 2 km στρογγυλόμορφη. Για την εκτίμηση της μορφής του σχήματος των λεκανών απορροής ακολουθήθηκε η κατάταξη κατά Gavrilovic και προβλέπει τους τέσσερις τύπους που δίνονται στο Σχήμα 03: F U 52

59 Α Β Γ Δ Σχήμα 03. Τυπικές μορφές λεκανών απορροής κατά Gavrilovic. Υψομετρία ορεινής λεκάνης Με τον όρο υψομετρία περιγράφονται τα τέσσερα χαρακτηριστικά υψόμετρα της ορεινής λεκάνης απορροής που είναι το μέγιστο, το μέσο και το ελάχιστο υψόμετρο, καθώς και το μέγιστο ανάγλυφο και συνδέονται όλα άμεσα με το ανάγλυφο του εδάφους και τις εξάρσεις του. Το μέγιστο (H max /m) και το ελάχιστο υψόμετρο (H min /m) προκύπτουν άμεσα από το ψηφιακό μοντέλου εδάφους στα γεωγραφικά συστήματα πληροφοριών. Το μέγιστο ανάγλυφο (H r ) εκφράζει τη διαφορά του μέγιστου από το ελάχιστο υψόμετρο. Αντίθετα, ο υπολογισμός του μέσου υψόμετρου (H m /m) μιας ορεινής λεκάνης απορροής απαιτεί την εφαρμογή του τύπου H m Σ( li H i ) = όπου l το μήκος της χωροσταθμικής καμπύλης (km) Σl Μήκος Κεντρικής Κοίτης Η κεντρική κοίτη ενός χειμαρρικού ρεύματος αρχίζει από την εκβολή στο μεγαλύτερο αποδέκτη ποταμό, λίμνη ή θάλασσα (στην παρούσα έρευνα στην τεχνητή λίμνη του Πολυφύτου) και καταλήγει μέχρι τα ψηλότερά της σημεία. Το μήκος της κεντρικής κοίτης (L/m) υπολογίζεται με τη βοήθεια των γεωγραφικών συστημάτων πληροφοριών. Κλίσεις ορεινής λεκάνης και κοίτης Οι ορεινές λεκάνες απορροής εμφανίζουν ποικιλία κλίσεων και εκθέσεων ως αποτέλεσμα του ορεινού τους χαρακτήρα. Λεκάνες με μεγάλες κλίσεις και μικρή 53

60 έκταση είναι πιθανότερο να εμφανίσουν έντονα πλημμυρικά φαινόμενα σε σχέση με άλλες λεκάνες που έχουν ηπιότερες κλίσεις και μεγαλύτερη έκταση. Εξετάστηκαν δυο κλίσεις, η μέση κλίση της ορεινής λεκάνης (J λ / εφαπτομένη γωνίας) και η μέση κλίση της κεντρικής κοίτης (J κ / εφαπτομένη γωνίας), οι οποίες υπολογίζονται από τους ακόλουθους τύπους J λ = ΔH Σl F J κ Σ( L J s ) = ΣL όπου ΔΗ η ισοδιάσταση χωροσταθμικών καμπυλών (km), Σl το άθροισμα των μηκών όλων των χωροσταθμικών καμπυλών (km), F το εμβαδόν της λεκάνης (km), L το οριζόντιο μήκος τμήματος κοίτης με ορισμένη σταθερή κλίση (m), J s η κλίση του παραπάνω τμήματος (εφαπτομένη γωνίας). Πυκνότητα υδρογραφικού δικτύου Η συνολική έκταση και η μορφή τόσο της κυρίας κοίτης της λεκάνης, όσο και των δευτερευόντων χειμαρρικών ρεμάτων σε μια επιφάνεια είναι σημαντικά χαρακτηριστικα τα οποία συνδέονται και αυτά άμεσα με την επιφανειακή απορροή και την εμφάνιση πλημμυρικών φαινόμενων. Η κατάταξη των Σωτηριάδη-Ψιλοβίκου (1975) η οποία παρατίθεται στο Σχήμα 04, χρησιμοποιήθηκε στον προσδιορισμό της μορφής του υδρογραφικού δικτύου. Σχήμα 04. Ταξινόμηση των διαφόρων μορφών των υδρογραφικών δικτύων. 54

61 Η σύνθεση όλων αυτών των χαρακτηριστικών του ανάγλυφου του εδάφους είναι η πυκνότητα του υδρογραφικού δικτύου (D/m), η οποία είναι ανάλογη του συνολικού μήκους των ρευμάτων (κύρια και δευτερεύοντα) στη συνολική έκταση που καταλαμβάνει η λεκάνη απορροής (F/ m) ή Χειμαρρικό χωροδιάστημα D = Σl. F Οι λεκάνες απορροής της περιοχής έρευνας ταξινομήθηκαν ανά χειμαρρικό χωροδιάστημα: Ι: έως 1000m. Το δάσος ασκεί πλήρη επίδραση ΙΙ: από 1001 έως 2000m. Το δάσος ασκεί μερική επίδραση ΙΙΙ: από 2001 έως 3000m. Αλπική ζώνη (δεν υπάρχει δάσος) ΙV: >3000m. Αιώνιο χιόνι (δεν υπάρχει βλάστηση) Στην Ελλάδα αναπτύσσονται τα τρία πρώτα χειμαρρικά χωροδιαστήματα. Μέγιστη Αναμενόμενη Υδατοπαροχή Η μέγιστη αναμενόμενη υδατοπαροχή προσδιορίστηκε με τη βοήθεια εμπειρικών και αναλυτικών τύπων, αφού δεν υπήρχαν υδρομετρήσεις στα χειμαρρικά ρεύματα της περιοχής έρευνας. Η διαφορά μεταξύ των εμπειρικών και αναλυτικών τύπων είναι ότι οι πρώτοι λαμβάνουν υπόψη τους κυρίως τα μορφομετρικά χαρακτηριστικά (πχ. εμβαδόν λεκάνης απορροής, μέση κλίση λεκάνης κ.λ.π.) και τους συντελεστές απορροής των λεκανών απορροής, ενώ οι αναλυτικοί τύποι επιπλέον συμπεριλαμβάνουν και βροχομετρικά δεδομένα. Επειδή η διασπορά των βροχομετρικών δεδομένων στην περιοχή έρευνας δεν ήταν ικανοποιητική, η μέγιστη αναμενόμενη υδατοπαροχή σε κάθε ορεινή λεκάνη απορροής εκτιμήθηκε με τη βοήθεια αποκλειστικά εμπειρικών τύπων. Οι τύποι αυτοί παρουσιάζονται στη συνέχεια. Να σημειωθεί ότι το σύμβολο F αντιστοιχεί στο εμβαδό της λεκάνης (km 2 ), το Q max στη μέγιστη αναμενόμενη υδατοπαροχή εκατονταετίας (m 3 /sec) και το q max στη μέγιστη ειδική υδατοπαροχή εκατονταετίας (m 3 /(sec Χ km 2 )). Τα δυο τελευταία συνδέονται μέσω της σχέσης: Q max 100 = q max 100 * F 55

62 1. Friedrich: Q max = 24,12 * F 0, KIement - WunderIich: Q max = 5,5 * F 5/6 ισχύει για έντονα ορεινές περιοχές με H max > 1000 m 3. Wundt: Q max = 13,8 * F 0,6 4. Coutagne: Q maχ = α * F 1/2 όπου α = 40 σε μικρές λεκάνες απορροής/ α = 20 σε μεγάλες. Κατηγοριοποίηση λεκάνης απορροής σε σχέση με το μέγεθος: F < 10 Κm 2 πολύ μικρές λεκάνες F = Km 2 μικρές F = Km 2 μέτριες F = Km 2 μεγάλες 5. Valentini: 30 q max = F 56

63 6. Κursteiner: A qmax= 3 F όπου A = 9 για μεγάλες λεκάνες και Α = 12 για μικρές 7. Hoffbauer: 8. Μelli: q max =α 30 όπου α = 0,5 για ημιορεινές περιοχές (Hmax < 1000 m) F α = 0,7 για ορεινές περιοχές (H maχ > 1000 m) 40 q max =α ( ) F ισχύει για F < 150 Km 2, όπου α = 0,4 9. Kresnik: 32 q max =α όπου α = 2 για μικρές λεκάνες και α = 0,6 για μεγάλες 0,5 + F 10. Fuller: 2,66 QN = Q1 * (1 + β * log10τ) * F O τύπος δίνει απευθείας τη μέγιστη παροχή ορισμένης περιόδου επαναφοράς, όπου: Q 1 : μέση παροχή των πλημμυρικών υδάτων με περίοδο επανάληψης ενός έτους (m 3 ). Υπολογίζεται συνήθως από τη σχέση: Q 1 = 1,8 * F 0,8 β = 0,8 Τ : η περίοδος επαναφοράς, η οποία υπολογίζεται ως εξής: Συχνότητα (έτη) 1 +0,8 * log 10 Τ 1 1,0 5 1, ,8 20 2, , , , ,6 58

64 7.2 Κλίμα και Γεωστατιστική Συλλογή δεδομένων Στην ευρύτερη περιοχή έρευνας λειτουργούν ή λειτουργούσαν μετεωρολογικούς ή βροχομετρικούς σταθμούς τέσσερις διαφορετικές Υπηρεσίες: Δημόσια Επιχείρηση Ηλεκτρισμού (ΔΕΗ) Εθνική Υπηρεσία Μετεωρολογίας (ΕΜΥ) Ινστιτούτο Δασικών Ερευνών (ΙΔΕ) Υπουργείο Αγροτικής Ανάπτυξης και Τροφίμων (ΥΑΑΤ) Στην παρούσα έρευνα δεν ήταν απαραίτητες όλες οι μετρήσεις των σταθμών, αλλά μόνο τα μέσα μηνιαία κατακρημνίσματα και η μέση μηνιαία θερμοκρασία τους. Να σημειωθεί ότι η πρόσβαση στα δεδομένα αυτά περιελάμβανε αρχικά μια διαδικασία αδειοδότησης από την εκάστοτε Υπηρεσία, η οποία και περιόριζε τη χρήση τους σε ερευνητικούς σκοπούς. Κλασική στατιστική επεξεργασία δεδομένων Στο SPSS ver. 17 εξετάστηκε η στατιστική σχέση των μέσων ετήσιων κατακρημνισμάτων και της μέσης μηνιαίας θερμοκρασίας με το υπερθαλάσσιο υψόμετρο, και σε κάθε σταθμό και μεταξύ των σταθμών στην περιοχή έρευνας. Τα διαθέσιμα δεδομένα τόσο των κατακρημνισμάτων όσο και των θερμοκρασιών των σταθμών (δείγμα) ήταν ανομοιογενή εξαιτίας των διαφορετικών πηγών προέλευσης. Για παράδειγμα, υπήρχαν σταθμοί σαράντα ετών παρατηρήσεων και άλλοι σταθμοί μόλις δεκαέξι. Για να αποφευχθεί κατά τη στατιστική επεξεργασία το σφάλμα που προκύπτει από την επιπλέον βαρύτητα που λαμβάνουν τα έτη με περισσότερες παρατηρήσεις έναντι άλλων με λιγότερες, χρησιμοποιήθηκαν για τις αναλύσεις οι μέσοι όροι των παρατηρήσεων και όχι οι αρχικές παρατηρήσεις. Από τη βιβλιογραφία γνωρίζουμε ότι γενικά τόσο τα μέσα ετήσια κατακρημνίσματα με το υπερθαλάσσιο υψόμετρο μιας περιοχής, όσο και η μέση 59

65 μηνιαία θερμοκρασία με το υπερθαλάσσιο υψόμετρο είναι μεταξύ τους ανάλογα μεγέθη: Όσο αυξάνεται το υψόμετρο, τόσο αυξάνονται τα κατακρημνίσματα και αντίστοιχα τόσο ελαττώνεται η θερμοκρασία (Κωτούλας 1987, Στάθης 1998, Bolstad et al. 1998, Goovaerts 1999, Holawe and Dutter 1999, Xiang Yue et. al 2005). Να σημειωθεί ότι κατακρημνίσματα υψόμετρο και θερμοκρασία - υψόμετρο συνδέονται μεταξύ τους συνήθως γραμμικά, δηλαδή η σχέση τους περιγράφεται από μοντέλο παλινδρόμησης που έχει τη μορφή: Y = α + βx Οι μαθηματικές σχέσεις στη συνέχεια ελέγχθηκαν για την ακρίβειά τους μέσω του ελέγχου Τ στο πρόγραμμα SPSS. Ο έλεγχος Τ ελέγχει τη στατιστική σημαντικότητα της κλίσης της ευθείας του μοντέλου παλινδρόμησης. Αν η κλίση είναι σημαντικά διαφορετική από το μηδέν, τότε το μοντέλο παλινδρόμησης μπορεί να προγνώσει την τιμή της εξαρτημένης μεταβλητής (Υ) από οποιαδήποτε τιμή της ανεξάρτητης (Χ). Αν η κλίση δε διαφέρει σημαντικά από το μηδέν, τότε το μοντέλο δεν ενδείκνυται για πρόβλεψη (Fowler et al. 1998). Η κλίση εξετάζεται από το συντελεστή προσδιορισμού (R 2 ), ο οποίος ισούται με το τετράγωνο του συντελεστή συσχέτισης: R 2 = ( ΣXY ΣXΣY ) [ ΣX ( ΣX ) ] [ ΣY ( ΣY ) ] 2 Ο συντελεστής προσδιορισμού R 2 λαμβάνει τιμές από 0 ως 1. Το μέγεθος της συσχέτισης μεταξύ των παραγόντων X και Y είναι τόσο πιο μεγάλο όσο αντίστοιχα ο συντελεστής συσχέτισης προσεγγίζει τη μονάδα (Φασούλας 1991, Σιάρδος 1999). Έχει το πλεονέκτημα έναντι του συντελεστή συσχέτισης να μπορεί να συνδεθεί απευθείας με ποσοστό της διακύμανσης της εξαρτημένης μεταβλητής (Υ) του μοντέλου παλινδρόμησης. Για παράδειγμα ένα R 2 που ισούται με 0,49 σημαίνει ότι το 49% της διακύμανσης της εξαρτημένης μεταβλητής (Υ) μπορεί να εξηγηθεί από το μοντέλο παλινδρόμησης. Το υπόλοιπο 51% είναι ανεξήγητο. 60

66 Παράλληλα, για να αντιμετωπιστεί το φαινόμενο της υποεκτίμησης του γραμμικού σφάλματος των ετών χωρίς παρατηρήσεις (επίδραση έλλειψης δεδομένων/ missing values effect) αποκλείστηκαν τα έτη των παρατηρήσεων κατά τα οποία δεν υπήρχαν δεδομένα για τους περισσότερους σταθμούς (listwise deletion). (Howell 2009) Το πλήθος των ετών που διαγράφηκε προσδιορίστηκε μέσα από την Εκτίμηση Καμπύλης Παλινδρόμησης (Curve Regression Estimation), το συντελεστή προσδιορισμού και τη σημαντικότητα αυτής. Γεωστατιστική επεξεργασία δεδομένων Το πρώτο στάδιο της γεωστατιστικής επεξεργασίας ήταν η συλλογή των δεδομένων. Για να εφαρμοστεί, όμως, η διαδικασία της γεωστατιστικής, απαιτείται ένα ελάχιστο απαραίτητο μέγεθος δείγματος εννιά σημείων, δηλαδή απαιτείται το πλήθος των σημείων που εκφράζει μια ιδιότητα (πχ. παρατηρήσεις κατακρημνισμάτων ή θερμοκρασίας) να ισούται τουλάχιστον με εννιά. Παρ όλα αυτά, και αυτό το μέγεθος δείγματος θεωρείται οριακό και δε δίνει αξιόπιστα αποτελέσματα. Η γεωστατιστική είναι τόσο πιο έγκυρη όσο αυξάνεται το δείγμα. Για τους σκοπούς της παρούσας έρευνας ικανοποιητικό θεωρήθηκε δείγμα πενήντα σταθμών (Hevesi et al. 1992, Goovaerts 1997, Diodato 2005). Επειδή όμως στην περιοχή έρευνας λειτουργούν σαφώς λιγότεροι από πενήντα σταθμούς και επειδή δε θα ήταν σκόπιμο να γίνει επέκταση της γεωστατιστικής σε ακόμη πιο διευρυμένη περιοχή (πχ. σε επίπεδο περιφέρειας Δυτικής Μακεδονίας) δημιουργήθηκαν με τη βοήθεια της κλασικής στατιστικής νέοι σταθμοί μέσα στην περιοχή έρευνας (Markus et al. 1999, Κολιός κ.α. 2004) έτσι ώστε το τελικό σύνολο του δείγματος να ισούται με πενήντα. Οι θέσεις των νέων σταθμών επιλέχθηκαν τυχαία με την εντολή Δημιουργία Τυχαίων Σημείων (Create Random Points) του λειτουργικού προγράμματος ArcGIS. Η εντολή αυτή δημιουργεί συγκεκριμένο πλήθος τυχαίων σημείων σε μια καθορισμένη περιοχή. Τα τυχαία σημεία επιλέγονται βάσει ενός αλγόριθμου, ο οποίος χωρίζει την 61

67 καθορισμένη περιοχή σε άπειρα σημεία που το καθένα φέρει μια τιμή μεταξύ 0 και 1. Όταν ένα τέτοιο σημείο έχει την ίδια τιμή κατά τον άξονα Χ και κατά τον άξονα Y, επιλέγεται και εμφανίζεται στο τελικό αποτέλεσμα. Η διεργασία αυτή επαναλαμβάνεται μέχρι να συμπληρωθεί το πλήθος των σημείων που έχει ζητηθεί από τη χρήστη. Στη συνέχεια εκτιμήθηκε το υπερθαλάσσιο υψόμετρο του κάθε σταθμού με τη βοήθεια του ψηφιακού μοντέλου εδάφους (DEM), ενώ μέσω των γραμμικών εξισώσεων που συνδέουν τα μέσα ετήσια κατακρημνίσματα με το υψόμετρο και τη μέση μηνιαία θερμοκρασία με το υψόμετρο, υπολογίστηκαν αντίστοιχα τα μέσα ετήσια κατακρημνίσματα και η μέση μηνιαία θερμοκρασία των νέων σταθμών. Να σημειωθεί ότι χρησιμοποιήθηκε ακριβώς το ίδιο δείγμα σταθμών (σημείων) και στις δυο γεωστατιστικές επεξεργασίες (κατακρημνισμάτων και θερμοκρασίας), οπότε δημιουργήθηκαν επιπρόσθετοι νέοι σταθμοί για την επεξεργασία της θερμοκρασίας (δυστυχώς στην περιοχή έρευνας οι σταθμοί στην πλειοψηφία τους ήταν βροχομετρικοί και όχι μετεωρολογικοί). Μετά τη συλλογή των δεδομένων αναφορικά με τα μέσα ετήσια κατακρημνίσματα και τη μέση μηνιαία θερμοκρασία στην περιοχή έρευνας, ακολούθησε η γεωστατική προετοιμασία των δεδομένων στο ArcGIS. Η προετοιμασία περιλάμβανε την Ανάλυση τάσης (Trend Analysis), δηλαδή την εξέταση ενδεχόμενης τάσης των παρατηρήσεων των σημείων μιας ιδιότητας z στο χώρο και τον έλεγχο του διαγράμματος QQ (QQ Plot), που συγκρίνει την κατανομή των παρατηρήσεων των σημείων μιας ιδιότητας z ως προς την κανονική κατανομή. Επιπρόσθετα, εξετάστηκε το διάγραμμα διασπορά (scattergram) των παρατηρήσεων των σημείων, δηλαδή το διάγραμμα που παρουσιάζει όλα τα δυνατά ζεύγη παρατηρήσεων (z(u α ), z(u α +h)) της ίδιας ιδιότητας z σε θέσεις που απέχουν μεταξύ τους προκαθορισμένη απόσταση h προς μια συγκεκριμένη κατεύθυνση θ. Επομένως, βασική προϋπόθεση του παραπάνω διαγράμματος είναι 62

68 η εκτίμηση της προκαθορισμένη απόστασης h (lag size). Η απόσταση αυτή δεν μπορεί να είναι ούτε πολύ μεγάλη ούτε πολύ μικρή και προσδιορίζεται από την ίδια τη φύση της ιδιότητας (Goovaerts 1997). Παράλληλα με το διάγραμμα διασποράς, εξερευνήθηκε και η χωρική αυτοσυσχέτιση (Spatial autocorrelation) των κλιματικών δεδομένων. Η αυτοσυσχέτιση παρουσιάζεται στο διάγραμμα ημι-διακύμανσης (semivariogram), το οποίο εκθέτει τη διαφορά τετραγώνου μεταξύ των τιμών σε συγκεκριμένες θέσεις που απέχουν διάφορες αποστάσεις z. Αν υπάρχει χωρική αυτοσυσχέτιση στο δείγμα των σταθμών, τότε το σύννεφο των ζευγών τιμών των σταθμών εμφανίζεται περιορισμένο και πλησίον της τομής των αξόνων X και Y, ενώ όσο πιο εκτεταμένο είναι αυτό το σύννεφο, τόσο πιο ασυσχέτιστοι εμφανίζονται οι σταθμοί. Στο ίδιο διάγραμμα είναι δυνατόν να εντοπίσουμε αυτοσυσχέτιση που αναπτύσσεται προς μια συγκεκριμένη απόσταση μεταξύ δυο τοποθεσιών στην περιοχή του δείγματος ή ακόμη προς διαφορετικές αποστάσεις z, όταν λαμβάνονται διαφορετικές κατευθύνσεις. Η περίπτωση αυτή ονομάζεται ανισοτροπία (anisotropy). Η επίδραση της ανισοτροπίας στην εφαρμογή των μοντέλων γεωστατιστικής περιορίζεται με την εισαγωγή διορθωτικών τιμών που παρέχονται από τα εμπειρικά διαγράμματα διακύμανσης, χωρίς να είναι απαραίτητη η γνώση της πηγής δημιουργίας της. Επίσης, ενδιαφέρον διάγραμμα είναι το βαριόγραμμα, που είναι ένα διάγραμμα της ημιδιακύμανσης όλων των δυνατών ζευγών παρατηρήσεων των σημείων σε συνάρτηση με τη μεταξύ τους απόσταση. Περιγράφεται από τη σχέση που ακολουθεί και είναι ένα μέτρο εκτίμησης της ανομοιότητας των ζευγών παρατηρήσεων, καθώς η απόσταση μεταξύ τους αυξάνει (Goovaerts 1997, Schafer- Neth et al. 2005, Spadavecchia and Williams 2009): Z( h) = 1 2n n i= 1 ( Z( u ) Z( u i i + h)) 2 63

69 όπου Z(h) η ημιδιακύμανση, n ο αριθμός των ζευγών που απέχουν απόσταση h (numbers of lags), Z u ) η τιμή της παρατήρησης στο σημείο I, h η προκαθορισμένη ( i απόσταση μεταξύ των ζευγών (lag size). Ως μοντέλο πρόβλεψης kriging επιλέχθηκε το Κανονικό Συνδυαστικό Kriging (Ordinary Co-Kriging) εξαιτίας της έντονης επίδρασης σε κατακρημνίσματα και θερμοκρασία του υπερθαλάσσιου υψομέτρου (όπως προέκυψε από την κλασική στατιστική επεξεργασία). Το μοντέλο πρόβλεψης Co-Kriging έχει τη δυνατότητα να μειώνει τη διακύμανση από το σφάλμα εκτίμησης, εκμεταλλευόμενο τη συσχέτιση μεταξύ των μεταβλητών (Μαρκοπούλου 2006). Τα αποτελέσματα του Κανονικού Συνδυαστικού Kriging συγκρίθηκαν με τα αποτελέσματα του Κανονικού Kriging (Ordinary Kriging) Στο μοντέλο πρόβλεψης εξετάστηκαν τα δημοφιλέστερα μοντέλα διακύμανσης των δυνατών ζευγών παρατηρήσεων των σημείων (Ishida and Kawashima 1993, Soderstrom and Magnusson 1995, Atkinson and Lloyd 1998, Holawe and Dutter 1999, Goovaerts 2000, Hisdal and Tallaksen 2003, Chuanyan et al. 2005, Severino and Alpuim 2006), τα οποία σε απόσταση h μεταξύ των ζευγών με διακύμανση α εκφράζονται από τις εξισώσεις: Σφαιρικό h h 1,5 0,5 για α α h z ( h) = Sph = α 1 3 h α Εκθετικό 3h z( h) = 1 exp α Το επόμενο στάδιο ήταν η διάγνωση του μοντέλου, δηλαδή ο έλεγχος ακρίβειας της εκτίμησης των άγνωστων τιμών του μοντέλου πρόβλεψης. Η 64

70 διάγνωση γίνεται οπτικά με λογικά συμπεράσματα μέσω των χαρτών προβλέψεων, αλλά και μέσω των στατιστικών δεικτών της διαδικασίας Διασταυρωμένης Επικύρωσης (Cross Validation) (ESRI 2001): Θα πρέπει οι προβλέψεις των τιμών να είναι αμερόληπτες, δηλαδή να μην τείνουν προς κάποια κατεύθυνση (στο κέντρο εμφανίζονται οι γνωστές τιμές). Αυτό συμβαίνει όταν η προκαθορισμένη απόσταση h λαμβάνει την τιμή 0 και μηδενίζεται αντίστοιχα η ημιδιακύμανση g(0). Όταν g(0) 0, τότε προκύπτουν τα Μέσο Σφάλμα Πρόβλεψης (Mean Error) και Μέσο Τυπικό Σφάλμα Πρόβλεψης (Mean Standard Error), τα οποία εκφράζουν την επίδραση του ψήγματος (nugget effect). Επομένως όσο πιο κοντά είναι στο μηδέν το Μέσο Σφάλμα Πρόβλεψης, τόσο πιο αξιόπιστα είναι τα αποτελέσματα. Το Μέσο Σφάλμα Πρόβλεψης εξαρτάται από την κλίμακα της μεταβλητής, η οποία μπορεί να τυποποιηθεί και να προβλεφθεί με τη βοήθεια άλλων τυποποιημένων σφαλμάτων πρόβλεψης (Μέσο Τετραγωνικό Σφάλμα Πρόβλεψης/ Root Mean Square Prediction Error και Τυπικά Σφάλματα Πρόβλεψης/ Average Standard Errors), των οποίων η μέση τιμή θα πρέπει να είναι κατά το δυνατόν μικρότερη. Ο χάρτης πρόβλεψης των παρατηρήσεων στις άγνωστες περιοχές οφείλει να είναι κοντά στην πραγματικότητα. Οι αποκλίσεις από τις πραγματικές παρατηρήσεις εξαρτώνται τόσο από τα τυποποιημένα σφάλματα πρόβλεψης του μοντέλου, όσο και από τις ίδιες τις προβλέψεις. Όταν τα Τυπικά Σφάλματα Πρόβλεψης είναι κοντά στο Μέσο Τετραγωνικό Σφάλμα Πρόβλεψης (Root Mean Squared Prediction Error), τότε υπάρχει μεγάλη ακρίβεια στη εκτίμηση της πρόβλεψης. Όταν όμως τα Τυπικά Σφάλματα Πρόβλεψης είναι μεγαλύτερα από το Μέσο Τετραγωνικό Σφάλμα Πρόβλεψης, τότε υπερεκτιμούνται οι προβλέψεις. Αντίθετα, υποεκτιμούνται όταν τα Τυπικά Σφάλματα Πρόβλεψης είναι μικρότερα. Για το λόγο αυτό, εξετάζεται και η αναλογία του μέσου Τετραγωνικού Σφάλματος Πρόβλεψης με το Μέσο Τυπικό Σφάλμα Πρόβλεψης. Η 65

71 αναλογία αυτή ονομάζεται Μέσο Τετραγωνικό Σφάλμα Πρόβλεψης (Root Mean Squared Standardized Error) και ιδανικά σε ένα μοντέλο πρόβλεψης θα πρέπει να ισούται με τη μονάδα. Όταν είναι μεγαλύτερο της μονάδας οι προβλέψεις είναι υποεκτιμημένες, ενώ όταν είναι μικρότερο υπερεκτιμημένες. Τα αποτελέσματα του κάθε μοντέλου πρόβλεψης συγκρίνονται μεταξύ τους οπτικά και στατιστικά μέχρι να επιλεγεί αυτό με την πιο αξιόπιστη πρόβλεψη (Goovaerts 1997), το οποίο, όπως ήδη αναφέρθηκε, εξαρτάται καθοριστικά από τις επιλογές: μοντέλου διακύμανσης (module), προκαθορισμένης απόστασης h (lag size) και μεγέθους ομάδων (lag number) ζευγών παρατηρήσεων. Συνοπτικά, η μεθοδολογία της γεωστατιστικής επεξεργασίας περιγράφεται από το Σχήμα 05 (Carlson and Osiensky 1998, Johnston et al. 2001): 66

72 Συλλογή δεδομένων Προετοιμασία δεδομένων Προσαρμογή μοντέλου Διάγνωση μοντέλου Σύγκριση μοντέλων Σχήμα 05. Στάδια γεωστατιστικής επεξεργασίας δεδομένων. 67

73 7.3 Γεωλογικό υπόβαθρο Η γεωλογία στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου προσδιορίστηκε από τους γεωλογικούς χάρτες του Ινστιτούτου Γεωλογικών και Μεταλλευτικών Ερευνών (Ι.Γ.Μ.Ε.), κλίμακας 1: και κλίμακας 1: Συγκεκριμένα, στη μεγάλη κλίμακα των 1: χρησιμοποιήθηκαν τα φύλλα χάρτη του 1970: Βελβενδός, Κνίδη, Κοζάνη, Λιβαδερό, Λιβάδι και Σιάτιστα. Επειδή όμως τα φύλλα χάρτη Λιβαδερό και Κνίδη ήταν πρόχειρα φύλλα, η γεωλογία στην περιοχή έρευνας επαναξιολογήθηκε και διορθώθηκε με τη βοήθεια του μικρής κλίμακας χάρτη. Όλοι οι χάρτες ήταν αναλογικής μορφής και μετατράπηκαν σε ψηφιακούς χάρτες μορφής διανύσματος (GIS vector format files) με παρόμοια διαδικασία με αυτή των τοπογραφικών χαρτών: σάρωση, εισαγωγή στα Γ.Σ.Π. στο λειτουργικό πρόγραμμα ArcGIS 9.2, ορθοαναγωγή και ψηφιοποίηση. Οι πληροφορίες της χωρικής βάσης δεδομένων αναφέρονταν σε περιγραφές διαφόρων κατηγοριών πετρωμάτων. Δυστυχώς, όμως, αυτές οι περιγραφές είναι δύσκολο να χρησιμοποιηθούν απευθείας στη διευθέτηση ορεινών υδάτων. Για το λόγο αυτό, τα πετρώματα ταξινομήθηκαν με βάση τα χειμαρρικά φαινόμενα που εμφανίζουν. Οι ομάδες που προέκυψαν από την ταξινόμηση αυτή αντιστοιχούν σε ευρύτερους πετρολογικούς σχηματισμούς, που καθένας τους εκφράζει την ευπάθεια των πετρωμάτων του σχηματισμού στα ατμοσφαιρικά κατακρημνίσματα και στην παραγωγή φερτών υλών. Αναλυτικά (Κωτούλας 1998, Στεφανίδης 1990, Στεφανίδης 2008): Ασβεστολιθικός σχηματισμός (Κ): περιλαμβάνει τους ασβεστόλιθους, τα μάρμαρα, τους δολομίτες και τους κερατόλιθους. Στον σχηματισμό αυτό εμφανίζεται επίσης και σημαντική επιφανειακή διάβρωση με την οποία παρασύρεται το λεπτόκοκκο υλικό των κλιτών, ενώ το χονδρόκοκκο παραμένει επί τόπου ως λιθόστρωτο διάβρωσης. Αυλακωτή διάβρωση και 68

74 γεωλισθήσεις δεν εμφανίζονται. Υποδιαιρείται σε δυο υποκατηγορίες σύμφωνα με την ένταση των πιθανών χειμαρρικών φαινόμενων: o Κ1: υποσχηματισμός με φαινόμενα αυξημένης έντασης σε σχέση με τον Κ2 (ασβεστόλιθοι, δολομίτες, κερατόλιθοι). o Κ 2 : υποσχηματισμός με φαινόμενα μειωμένης έντασης σε σχέση με τον Κ 1 (μάρμαρα, κρυσταλλικοί ασβεστόλιθοι) Φλυσχικός σχηματισμός (F): περιλαμβάνει τον πετρολογικό σχηματισμό του φλύσχη και εμφανίζει κυρίως ολισθήσεις και κάθε είδους διαβρώσεις (λιγότερο την φαραγγωτή), ενώ απουσιάζουν οι αποσαθρώσεις. Σχιστολιθικός σχηματισμός (G): περιλαμβάνει τα πετρώματα που εμφανίζουν μακροσκοπικά σαφείς σχισμές ή ρωγμές όπως τα διάφορα είδη σχιστόλιθων, και εμφανίζει όλα σχεδόν τα είδη των χειμαρρικών φαινομένων. Νεογενής σχηματισμός (S): περιλαμβάνει κυρίως άμμους, άργιλους, κροκαλοπαγή, ψαμμίτες κλπ. και εμφανίζει έντονες χαραδρωτικές, φαραγγωτές και πρανικές διαβρώσεις. Υποδιαιρείται σε δυο υποκατηγορίες σύμφωνα με την ένταση των πιθανών χειμαρρικών φαινόμενων: o S1: υποσχηματισμός από νεογενείς λιμναίες και χερσαίες αποθέσεις με χειμαρρικά φαινόμενα αυξημένης έντασης σε σχέση με τον S2 (άμμοι, άργιλοι, μάργες, κροκαλοπαγή, λατυποπαγή κλπ.). o S 2 : υποσχηματισμός από νεογενή, μολασσικά ιζήματα με χειμαρρικά φαινόμενα μειωμένης έντασης σε σχέση με τον S1. Κρυσταλοπυριγενής σχηματισμός (Μ): περιλαμβάνει γρανίτες, γνεύσιους, αμφιβολίτες, βασάλτες κ.λ.π. και εμφανίζει όλα τα είδη των χειμαρρικών φαινομένων εκτός από τις γεωλισθήσεις, σε ήπια μορφή. o Μ1: όξινος πυριγενής υποσχηματισμός με φαινόμενα ήπιας έντασης σε σχέση με τον M3 (γρανίτης, γρανοδιορίτης, μονζονίτης κλπ.) 69

75 o M 2 : βασικός πυριγενής υποσχηματισμός με φαινόμενα συνήθους έντασης σε σχέση με τον M 3 (οφειόλιθος, διαβάσης, δοκίτης, περιδοτίτης, σερπεντίνης κλπ.) o Μ3: μεταμορφωμένος πυριγενής υποσχηματισμός με φαινόμενα αυξημένης έντασης σε σχέση με τον M 1 (γνεύσιος, αμφιβολίτης κλπ.) Προσχωσιγενής σχηματισμός (Α): περιλαμβάνει τα προσχωσιγενή καλλιεργούμενα εδάφη, τα οποία εμφανίζουν ήπιας μορφής χειμαρρικά φαινόμενα (αυλακωτή, μικρή χαραδρωτική διάβρωση). 70

76 7.4 Ταξινόμηση δορυφορικής Εικόνας Προέλευση και χαρακτηριστικά δορυφορικών δεδομένων Για τις ανάγκες της έρευνας χρησιμοποιήθηκε δορυφορική εικόνα της Παγκόσμιας Υπηρεσίας Κάλυψης Γης (Global Land Cover Facility/ LCF) της NASA (NASA Landsat program), που ήταν άμεσα διαθέσιμη μέσω της ιστοσελίδας Οι δορυφορικές εικόνες που προσφέρονται από αυτή την ιστοσελίδα είναι δομημένες έτσι ώστε να εκπληρώνεται ο βασικός στόχος της Παγκόσμιας Υπηρεσίας Κάλυψης Γης της NASA, δηλαδή η διάχυση παγκόσμιων, διαχρονικών, πολυφασματικών και διαφορετικών επιπέδων κλίμακας δορυφορικών δεδομένων, κατάλληλων για κάθε ανάλυση της κάλυψης γης (Global Land Cover Facility 2007). Για τις ανάγκες της έρευνας επιλέχτηκε από αυτή την ιστοσελίδα δορυφορική εικόνα τύπου Landsat7, ETM+, με ημερομηνία λήψης 30 Μαΐου Η εικόνα αντιστοιχούσε σε τροχιά του δορυφόρου πορείας (path) 184 και διαδρομής (row) 032. Το μέγεθος των εικονοστοιχείων (pixel) της εικόνας ήταν ίσο με 29,5Χ29,5 m. Προετοιμασία δορυφορικής εικόνας Στη δορυφορική εικόνα είχε ήδη γίνει μια πρώτη επεξεργασία και είχαν ολοκληρωθεί οι κυρίες διεργασίες διόρθωσης και αναδόμησης, δηλαδή είχαν ολοκληρωθεί η ραδιομετρική διόρθωση, η απομάκρυνση του θορύβου και η γεωμετρική διόρθωση. Η δορυφορική εικόνα που χρησιμοποιήθηκε στην παρούσα έρευνα είχε προσαρμοστεί στο Εγκάρσιο Μερκατορικό Προβολικό Σύστημα (Universal Transverse Mercator/ UTM) και ήταν προσανατολισμένη με βάση το Παγκόσμιο Γεωγραφικό Σύστημα Συντεταγμένων του 1984 (World Geographic System 84/ 71

77 WGS84). Το εν λόγω σύστημα συντεταγμένων είναι από τα πιο διαδεδομένα στη δορυφορική τηλεπισκόπηση (Καρτέρης Μ. 1999α, Κουκούλας 2002). Η προετοιμασία της δορυφορικής εικόνας περιελάμβανε τη διαδικασία μετατροπής των ραδιομετρικών τιμών (Digital Number/ DN) των δορυφορικών δεδομένων σε τιμές ακτινοβολίας (reflectance). Η μετατροπή αυτή γίνεται σχεδόν αυτόματα στο λειτουργικό πρόγραμμα ENVI (version 4.2) με πληροφορίες που λαμβάνονται από τα μεταδεδομένα της δορυφορικής εικόνας (Mauz 2004, Newcomer 2008). Τέλος, η δορυφορική εικόνα απαλλάχθηκε από τα σφάλματα που οφείλονται στην ατμόσφαιρα και στις επιδράσεις της μέσω του FLAASH αλγορίθμου του λειτουργικού προγράμματος ENVI (IDL 2005) Διαδικασία ταξινόμησης δορυφορικής εικόνας Για τις ανάγκες της παρούσας έρευνας, επειδή η χωρική ανάλυση της εικόνας ήταν μέτρια προς καλή και η γνώση της περιοχής σε μεγάλο βαθμό ικανοποιητική, επιλέχθηκε η επιβλεπόμενη ταξινόμηση. Το λογισμικό που χρησιμοποιήθηκε ήταν το ENVI, το οποίο διαθέτει τους πιο διαδεδομένους αλγόριθμους, Τα αποτελέσματα κάθε αλγόριθμου εξετάστηκαν ώστε να επιλεγεί ο καλύτερος σε επίπεδο ακρίβειας. Στην επιβλεπόμενη μέθοδο ταξινόμησης πρέπει να εντοπιστούν σωστά γνωστές, αναγνωρίσιμες και ομογενείς ομάδες Περιοχών Ενδιαφέροντος (Regions Of Interest- ROI), που προσδιορίζονται, όπως αναλύθηκε και στο κεφάλαιο της ανασκόπησης, με βάση την εμπειρία του αναλυτή ή με βάση πραγματικά δεδομένα. Τέτοιες περιοχές αποτελούν τυπικά δείγματα φασματικών ιδιοτήτων της ομάδας των εικονοστοιχείων που περικλείουν. Στη διαθέσιμη δορυφορική εικόνα ορίστηκαν οι ομάδες των Περιοχών Ενδιαφέροντος με βάση τα εξής κριτήρια: η κάθε ομάδα να είναι διακριτή, οι 72

78 ομάδες να είναι διαφορετικές μεταξύ τους, άρα να έχουν διαφορετικές φασματικές ιδιότητες και να είναι συμβατές με το θεωρητικό μοντέλο στερεομεταφοράς του Gavrilovic. Οι Περιοχές Ενδιαφέροντος προσδιορίστηκαν μέσα ή περιφερειακά της περιοχής έρευνας με τη βοήθεια ορθο-φωτογραφιών του Υπουργείου Αγροτικής Ανάπτυξης και Τροφίμων (1998) και της πανευρωπαϊκής χαρτογράφησης χρήσης/ κάλυψης γης του Corine το 2000, που προήλθε μετά από επεξεργασία δορυφορικών εικόνων. Δόθηκε ιδιαίτερη προσοχή στο να υπάρχει ισοκατανομή της κάθε ομάδας στην περιοχή έρευνας. Οι διαδικασίες της μελέτης για τον καθορισμό των Περιοχών Ενδιαφέροντος έγιναν στα Γεωγραφικά Συστήματα Πληροφοριών και συγκεκριμένα στο λογισμικό ArcGIS 9.2. Στη συνέχεια μεταφέρθηκαν στο λογισμικό ENVI, προκειμένου να χαρτογραφηθούν οι ομάδες των Περιοχών Ενδιαφέροντος, ώστε να εφαρμοστεί η διαδικασία της ταξινόμησης των δορυφορικών δεδομένων. Η επιβλεπόμενη ταξινόμηση δεν εφαρμόστηκε απευθείας σε ένα δίαυλο, αλλά σε συνδυασμό διαύλων. Ο κατάλληλος συνδυασμός επιλέχθηκε μετά από πειραματισμό. Για να ενισχυθούν τα αποτελέσματα της ταξινόμησης υπολογίστηκε και ένας Δείκτης Ευρυζωνικής Βλάστησης, ο Κανονικοποιημένος Δείκτης Βλάστησης (Normalized Difference Vegetation Index/ NDVI). Ο NDVI είναι ο παλαιότερος, ο πιο γνωστός και ο πλέον χρησιμοποιημένος Δείκτης Βλάστησης (Pereira et al. 1993, Honda 2009, Κολιός 2005, Μαλλίνης και Τσακίρη-Στρατή 2008, Sharma et al. 2009). Λειτουργεί με βάση τη λογική ότι ένα φυτό όσο περισσότερο απορροφά το ορατό τμήμα του ηλιακού φάσματος, τόσο περισσότερο φωτοσυνθέτει και επομένως τόσο πιο εύρωστο είναι. Ή διαφορετικά, θα μπορούσε να ειπωθεί ότι στην περίπτωση που το φυτό είναι εύρωστο υπάρχει έντονη απορρόφηση της χλωροφύλλης στο κόκκινο και μεγάλη ανακλαστικότητα στο 73

79 πράσινο του ορατού φάσματος (γι αυτό και η χλωροφύλλη εμφανίζεται τελικά με πράσινο χρώμα). Ο NDVI προσδιορίζεται από τη μαθηματική εξίσωση: NIR - R NDVI = NIR + R όπου NIR είναι η φασματική περιοχή του υπέρυθρου (δίαυλος 4) και R η περιοχή του κόκκινου στο ορατό φάσμα (δίαυλος 3). Ο Δείκτης λαμβάνει τιμές από -1 ως 1, αλλά συνήθως περιορίζεται μεταξύ 0,2 0,8 (Κολιός 2005). Το επόμενο στάδιο της ταξινόμησης ήταν η εφαρμογή λογαρίθμων που αντιστοιχούν σε διαφορετικές μεθόδους επιβλεπόμενης ταξινόμησης δορυφορικών εικόνων του λειτουργικού προγράμματος ENVI. Τα αποτελέσματα της ταξινόμησης της εφαρμογής του κάθε λογαρίθμου εξετάστηκαν στη συνέχεια για την ακρίβειά τους με τη βοήθεια στατιστικών δεικτών. Οι δείκτες αυτοί ήταν οι εξής: 1. Συνολική ακρίβεια (Overall accuracy) που εκφράζει συνολική εκτίμηση για την ακρίβεια της μεθόδου ταξινόμησης 2. Συντελεστής K (Kappa coefficient), ο οποίος εκφράζει τη μείωση του λάθους της καθοδηγημένης ταξινόμησης σε σχέση με μια άλλη μη καθοδηγημένη ταξινόμηση. Κυμαίνεται από 0 ως 1. Αν για παράδειγμα λάβει την τιμή 0,82, αυτό συνεπάγεται ότι η παρούσα εφαρμοζόμενη καθοδηγημένη ταξινόμηση απέφυγε τα λάθη μιας άλλης μη καθοδηγημένης ταξινόμησης κατά 82%. 3. Αναφορά σωστά ταξινομημένων εικονοστοιχείων (ground truth pixels) σε κάθε ομάδα Περιοχών Ενδιαφέροντος (Region of Interest) σε σχέση με το σύνολο των εικονοστοιχείων των αρχικών ομάδων Περιοχών Ενδιαφέροντος 74

80 7.5 Ανάπτυξη μοντέλου διάβρωσης - υποβάθμισης Περιγραφή μοντέλου διάβρωσης - υποβάθμισης Το μοντέλο που προσδιορίζει τη μέση ετήσια διάβρωση και υποβάθμιση στις ορεινές λεκάνες απορροής των χειμμαρικών ρευμάτων που επιλέχθηκε για την παρούσα έρευνα ήταν το μοντέλο του Gavrilovic. Το μοντέλο αναπτύσσεται με τη βοήθεια της παρακάτω εξίσωσης (Gavrilovic 1976, Κωτούλας 1998, Μυρωνίδης 2001, Στεφανίδης 2008): W = w F 3 w = T h π z F όπου W ο όγκος της μέσης ετήσιας παραγωγής φερτών υλών στην ορεινή λεκάνη απορροής του χειμαρρικού ρεύματος (m 3 /y). Για την αναγωγή του σε φαινόμενο όγκο πολλαπλασιάζεται με το 1,28-1,32 (το πορώδες των φυσικών αποθέσεων καταλαμβάνει τα 0,28-0,32 του φαινόμενου όγκου) w η μέση ετήσια διάβρωση εξαιτίας της διάβρωσης μιας λεκάνης (m 3 / km 2,y) Τ ο συντελεστής θερμοκρασίας ο οποίος παρέχεται από τη σχέση T = to ,1 t o η μέση ετήσια θερμοκρασία στην ορεινή λεκάνη απορροής ( o C) h τα μέσα ετήσια κατακρημνίσματα της λεκάνης (mm) π ο αριθμός 3,14159 F η επιφάνεια της λεκάνης (km 2 ) z ο συντελεστής διάβρωσης, ο οποίος υπολογίζεται από τη σχέση z = x y ( φ + J ) 75

81 x ο συντελεστής που εκφράζει τη μείωση της αντίστασης του γεωλογικού υποθέματος κατά τη διάβρωση ανάλογα με την κατάσταση και την καλλιέργεια της επιφάνειάς του, με βάση την παρουσία της βλάστησης. Δίνεται από τον Πίνακα 04. Κυμαίνεται από 0,05 μέχρι 1,0 Πίνακας 04. Τιμές του συντελεστή x στον τύπο του Gavrilovic. Περιγραφή της ορεινής λεκάνης απορροής και της μορφής του φυτοκαλύμματος της Μέση τιμή συντελεστή x I. Λεκάνες απορροής πριν από την εκτέλεση υδρονομικών έργων Έδαφος πλήρες υποβαθμισμένο, μη καλλιεργήσιμο 1,00 Αγροί καλλιεργούμενοι σε κλιτύες 0,90 Αμπελώνες χωρίς βλάστηση στο έδαφος 0,70 Υποβαθμισμένες δασοσυστάδες και θαμνώνες με υποβαθμισμένο έδαφος 0,60 Λιβάδια, αγροί με τριφύλλι και άλλες παρόμοιες καλλιέργειες 0,40 Εκτεταμένες δασοσυστάδες και θαμνώνες σε καλή κατάσταση 0,05 II. Λεκάνες απορροής μετά την εκτέλεση υδρονομικών έργων Διευθετημένες κοίτες με φράγματα 0,70 Αγροί καλλιεργούμενοι συχνά κατά τις ισοϋψείς 0,63 Αγροί καλά καλλιεργούμενοι 0,54 Αγροί καλλιεργούμενοι κατά λωρίδες οριζόντιες 0,45 Αγροί βαθμιδωμένοι 0,36 Αμπελώνες κατά τις ισοϋψείς 0,32 Υποβαθμισμένα εδάφη μετά από αναχλόαση, βελτιωμένα λιβάδια 0,30 Εδάφη με αγωγούς ανάσχεσης και συγκράτησης υδάτων 0,27 Επιφάνειες λεκανών με αναδασώσεις συνοδευόμενες και από υποβάθμιση του εδάφους 0,10 II. Μορφή του φυτοκαλύμματος Μικτές δασοσυστάδες και πυκνοί θαμνώνες ή δασοσυστάδες αραιές με υπόροφο Δασοσυστάδες κωνοφόρων με υπόροφο ασθενή ή θαμνώνες όχι σύμπυκνοι 0,05-0,20 0,20-0,60 76

82 Δασοσυστάδες κωνοφόρων και θαμνώνες υποβαθμισμένοι, λιβάδια 0,40-0,60 Λιβάδια και εδάφη καλλιεργούμενα, υποβαθμισμένα 0,60-0,80 Επιφάνειες χωρίς φυτοκάλυμμα 0,80-1,00 y ο συντελεστής διαβρωσιμότητας του γεωλογικού υποθέματος, ο οποίος εξαρτάται από την πετρολογική και εδαφολογική σύσταση των λεκανών. Παρέχεται από τον Πίνακα 05 και κυμαίνεται από 0,2 μέχρι 2,0 Πίνακας 05. Τιμές του συντελεστή y στον τύπο του Gavrilovic. Είδος πετρώματος και υπέδαφος Τιμές συντελεστή y Σκληρά πετρώματα, ανθεκτικά στη διάβρωση 0,2-0,6 Πετρώματα μετρίως ανθεκτικά στη διάβρωση 0,6-1,0 Εύθρυπτα πετρώματα (σχίστες, συμπαγείς άργιλοι κλπ) 1,0-1,3 Αποθέσεις, μορένες, άργιλοι, ψαμόλιθοι και άλλα λιγότερο ανθεκτικά πετρώματα 1,3-1,8 Πολύ ευαίσθητα στη διάβρωση πετρώματα και εδάφη 1,8-2,0 φ ο συντελεστής που εκφράζει το είδος και το βαθμό της διάβρωσης των λεκανών απορροής. Παρέχεται από τον Πίνακα 06 και κυμαίνεται μεταξύ 0,10 και 1,0 Πίνακας 06. Τιμές του συντελεστή φ στον τύπο του Gavrilovic. Είδος και βαθμός διάβρωσης των λεκανών Τιμές συντελεστή φ Ασθενής διάβρωση στις λεκάνες απορροής 0,1-0,2 Διάβρωση επιφανειακή στα 25-50% της λεκάνης 0,3-0,5 Επιφανειακή διάβρωση, ολισθήσεις και αποθέσεις, καρστική διάβρωση Τα 50-80% της λεκάνης υποβαθμισμένα από χαραδρώσεις και ολισθήσεις Λεκάνες πλήρως υποβαθμισμένες από έντονες διαβρώσεις και ολισθήσεις 0,6-0,7 0,8-0,9 0,9-1,0 J η μέση κλίση της επιφάνειας της λεκάνης απορροής, ως εφαπτόμενη γωνία 77

83 Προετοιμασία μεταβλητών και εφαρμογή μοντέλου διάβρωσης - υποβάθμισης Η προετοιμασία των μεταβλητών, αλλά και η ανάπτυξη, μετά, του μοντέλου έγινε αποκλειστικά στο ArcGIS, ώστε να αυξηθεί η ακρίβεια των αποτελεσμάτων (Globevnik et al. 1999). Όλες οι μεταβλητές είχαν τη μορφή αρχείου κανάβου (grid format files). Στις πράξεις μεταξύ αρχείων αυτής της μορφής είναι ιδιαίτερα κρίσιμο, για λόγους αμεροληψίας και αποφυγής σφαλμάτων, όλες οι μεταβλητές να έχουν ακριβώς το ίδιο «μάτι κανάβου» (grid cell size) και τα ίδια όρια (extends) (Kourakly et al. 2006). Ως μέγεθος «ματιού» επιλέχθηκαν τα 27,5 m, δηλαδή το μέγεθος της δορυφορικής εικόνας που χρησιμοποιήθηκε για την εκτίμηση της κάλυψης γης. Οι τιμές των μεταβλητών είχαν προκύψει από τις επεξεργασίες των πρωτογενών δεδομένων σε προηγούμενα στάδια της έρευνας και συγκεκριμένα: Το to (μέση ετήσια θερμοκρασία) από την εφαρμογή της γεωστατιστικής στις μέσες ετήσιες θερμοκρασίες όλων των σταθμών της ευρύτερης λεκάνης απορροής Το h (μέσα ετήσια κατακρημνίσματα) από την εφαρμογή της γεωστατιστικής στα μέσα ετήσια κατακρημνίσματα όλων των σταθμών της ευρύτερης λεκάνης απορροής Η F (επιφάνεια) από τη ψηφιοποίηση και την επεξεργασία των αναλογικών τοπογραφικών χαρτών της Γ.Υ.Σ. Ο x (συντελεστής με βάση την παρουσία της βλάστησης) από την ταξινόμηση της δορυφορικής εικόνας Ο y (συντελεστής διαβρωσιμότητας του γεωλογικού υποθέματος) από την ψηφιοποίηση και την επεξεργασία των αναλογικών γεωλογικών χαρτών του Ι.Γ.Μ.Ε. 78

84 Ο J (μέση κλίση της επιφάνειας) ως παράγωγο του ψηφιακού μοντέλου εδάφους (D.E.M.) Θα πρέπει να επισημανθεί ότι οι πράξεις μεταξύ των μεταβλητών έγιναν στο σύνολο της περιοχής της ευρύτερης λεκάνης απορροής. Στη συνέχεια, έγινε αναγωγή αυτών των αποτελεσμάτων σε επίπεδο λεκάνης απορροής και ειδικά του συντελεστή διάβρωσης z. Ο συντελεστής αυτός εκφράζει το δυναμικό διάβρωσης μιας ορεινής λεκάνης απορροής και συνηθίζεται να παρουσιάζεται ταξινομημένος (Zemljič 1971, Gavrilovic et al. 2008, Kalinderis et al. 2009): Πίνακας 07. Επίπεδα διάβρωσης βάσει του συντελεστή διάβρωσης z. Επίπεδα διάβρωσης Δυναμικό διάβρωσης Τιμές συντελεστή Z 1 Μηδαμινό < 0,19 2 Ελάχιστο 0,20 0,40 3 Μέτριο 0,41-0,70 4 Έντονο 0,71 1,0 5 Ιδιαίτερα έντονο > 1,0 Η παραπάνω ταξινόμηση του Πίνακα 07 έχει εκτενώς χρησιμοποιηθεί στη Σερβία ως βάση αναφοράς όλων των τεχνικών έργων της χώρας (από έργα οδοποιίας ως έργα διευθέτησης χειμάρρων) από τη δεκαετία του 80. Τέλος, εξετάστηκαν οι τροποποιήσεις (G) του μοντέλου διάβρωσης - υποβάθμισης και συγκεκριμένα η τροποποίηση του Gavrilovic για μικρές λεκάνες απορροής και η τροποποίηση του Zemljič για μεγάλες λεκάνες απορροής (Zemljič 1971, Rafaelli et al. 1998, Kalinderis et al. 2009). Η τροποποίηση αυτή εκφράζει τις φερτές ύλες που αποσπώνται από τις ορεινές λεκάνες απορροής και καταλήγουν στην πεδινή διαδρομή των χειμάρρων (στην περίπτωση της παρούσα έρευνας στην τεχνητή λίμνη): G = W R όπου O D R Gavrilovic =, 0,25 ( L + 10) R = O D ( L + L ) i Zemljic, D = H r H min F ( L + 10) 79

85 D = Hr H min όπου O είναι η περίμετρος (υδροκρίτης) της λεκάνης απορροής (km), D είναι η μέση διαφορά στο υψόμετρο της λεκάνης (km), H r το μέγιστο ανάγλυφο (km), Η min το ελάχιστο υψόμετρο (km), L είναι το μήκος της κύριας κοίτης της λεκάνης (km), Li είναι το μήκος του δευτερεύοντος υδρογραφικού δικτύου της λεκάνης (km). Όλες οι παραπάνω μεταβλητές (Ο, D, Hr, Ηmin, L και Li) εκτιμήθηκαν από τους ψηφιοποιημένους και επεξεργασμένους τοπογραφικούς χάρτες της Γ.Υ.Σ. της ευρύτερης λεκάνης απορροής. 80

86 8 ΑΠΟΤΕΛΕΣΜΑΤΑ 8.1 Μορφομετρικά και υδρογραφικά χαρακτηριστικά Η περιοχή έρευνας ήταν η ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου, της οποίας ο υδροκρίτης περικλείει μερικά από τα σημαντικότερα βουνά της Δυτικής Μακεδονίας: Βέρμιο, Πιέρια, Καμβούνια και Βούρινο. Το τρισδιάστατο μοντέλο εδάφους ήταν ιδιαίτερα εντυπωσιακό, κυρίως γιατί καταδεικνύει τις διαφορές μεταξύ του βόρειου και νότιου τμήματος της περιοχής έρευνας, αν θεωρήσουμε ότι η λίμνη τέμνει νοητά στα δύο την ευρύτερη λεκάνη απορροής (Χάρτης 03). Χάρτης 03. Τρισδιάστατη (3D) απεικόνιση ευρύτερης λεκάνης απορροής τεχνητής λίμνης Πολυφύτου. Το συνολικό εμβαδόν της ανέρχεται σε 847,76 km 2 και διαιρείται σε 31 μικρότερες λεκάνες απορροής. Η μεγαλύτερη από αυτές έχει έκταση 120,22 km 2 ενώ η μικρότερη μόλις 1,59 km 2. Η ευρύτερη λεκάνη απορροής με τις αντίστοιχες λεκάνες απορροής της παρουσιάζονται στο Χάρτη

87 Χάρτης 04. Παρουσίαση λεκανών απορροής που περικλείονται από τον υδροκρίτη της ευρύτερης λεκάνης απορροής της λίμνης Πολυφύτου. 82

88 Πολλά από τα χειμαρρικά ρεύματα φέρουν κάποιο όνομα, είναι ενδιαφέρον λοιπόν να εξεταστεί η ονοματολογία αυτών. Έτσι, σε συνολικά 31 ορεινές λεκάνες απορροής ταυτοποιήθηκαν τα παρακάτω ονόματα: Πίνακας 08. Ονοματολογία χειμαρρικών ρευμάτων περιοχής έρευνας. Λεκάνη Απορροής Κύρια Κοίτη Δευτερεύουσες κοίτες 1 Ανώνυμο 2 Γαβριά 3 Άγ. Αθανασίου 4 Καρδόλακκας Άγ. Μάρκου, Ιτιά, Κρυοπήγαδο 5 Λευκοπηγής, Φτελιάς Αμπέλια, Αναβρικά, Ζυγόστη, Θανάση, Κουρή Λάκκος, Λιβάδι, Πλατάνια, Τσαμιά, Φοράδα 6 Βρανάς 7 Κιτρινονέρι Βιρούδια, Διαβολόρρεμα, Μικρό Ρέμα, Νερόλακκος, Ξηρόλακκας 8 Ξηρόρρεμα Κιτρινονέρι 9 Ασβεσταριά Βουλιαγμένη 10 Πλάτανος Λευκαριάς 11 Ρέμα 12 Ανώνυμο 13 Ανώνυμο 14 Πλατανόλακκος 15 Ξηρόλακκος 16 Ανώνυμο 17 Καταφυγίου Βαλκανιές, Σκουλαρίτικος, Κρυόβρυση, Λαφόρρεμα 18 Θολόλακκα Καθαρόλακκος 19 Ανώνυμο 20 Αβουζιανή 21 Γρατσάνης 22 Μαυρονέρι 23 Αμμόλακκος 24 Κολτσάκι, Τρανό Βοϊδαλίκι, Μαυρίκου 25 Φαράγγι Αγ. Μηνά, Πλατανούλια 26 Δέμα Αμμούδες, Ξέρασμα 27 Αικατερίνης Λάκκος Αρκουδόλακκας, Ξηρόλακκας 28 Τσάγκακη 29 Ανώνυμο 30 Ανώνυμο 31 Ανώνυμο 83

89 Οι λεκάνες απορροής 1 ως 13 εντοπίζονται στο βόρειο τμήμα της ευρύτερης λεκάνης απορροής της λίμνης και αντίστοιχα οι λεκάνες στο νότιο (βλ. Χάρτη 04). Συνδυάζοντας αυτή την πληροφορία με τον παραπάνω Πίνακα 08, προκύπτει ότι: Τα περισσότερα ονόματα των χειμαρρικών ρευμάτων εντοπίζονται στο βόρειο τμήμα της ευρύτερης λεκάνης απορροής σε ποσοστό 58,5% (ή σε απόλυτους αριθμούς 38 διαφορετικά ονόματα ρευμάτων). Το γεγονός αυτό πιθανόν να οφείλεται στο ότι η βόρεια πλευρά είναι πιο πυκνοκατοικημένη εξαιτίας του λιγότερο ορεινού της χαρακτήρα και υπήρχε εντονότερη ανάγκη για επεξηγήσεις ή οριοθετήσεις περιοχών - τοπωνύμια σε σχέση με τη νότια πλευρά. Επίσης, συνολικά 12 ονόματα από τα 65 (ποσοστό 18,5%) των ρευμάτων αναφέρονται στο χαρακτηριστικό της υδατοπαροχής τους, περιγράφοντας ρεύματα με μεγάλες (7,7%) ή με μικρές/ μηδενικές (10,8%) υδατοπαροχές. Να σημειωθεί ότι και η διαύγεια που σχετίζεται με τη στερεομεταφορά των ρευμάτων, είναι σημείο αναφοράς για την ονοματολογία των ρευμάτων, εκφράζοντας είτε γενικά διαυγή (7,7%) είτε θολά (12,3%) ρεύματα. Όμως τα μορφομετρικά και υδρογραφικά χαρακτηριστικά των ορεινών λεκανών απορροής της περιοχής έρευνας εξετάστηκαν διεξοδικά και πέραν των ονομάτων τους με τις διαδικασίες που περιγράφονται στο αντίστοιχο κεφάλαιο της μεθοδολογίας (υποκεφάλαιο 5.1). Τα αποτελέσματα αυτών των διαδικασιών παρουσιάζονται στους παρακάτω Πίνακες 09, 10 και 11. Από τον Πίνακα 09 είναι φανερό ότι η περιοχή έρευνας στην πλειοψηφία της περικλείει πολύ μικρές ως μέτριες λεκάνες απορροής. Το κυρίαρχο σχήμα τους είναι το Α, δηλαδή στενό στη βάση (κυριαρχεί μόνο η κεντρική κοίτη, ελάχιστες δευτερεύουσες κοίτες) που αυξάνεται το πλάτος του σημαντικά στην κορυφή της λεκάνης απορροής (οι δευτερεύουσες κοίτες είναι κυρίαρχες και σύνθετες). Δεύτερο κυρίαρχο σχήμα είναι το σχήμα Δ, όπου το σχήμα είναι σχεδόν παραλληλόγραμμο από τη βάση μέχρι και την κορυφή της λεκάνης απορροής. Η 84

90 κεντρική κοίτη στο σχήμα Δ δέχεται συνεχώς μικρές εισροές από τις δευτερεύουσες κοίτες και κυριαρχεί σε όλο της το μήκος. Τέλος, η μορφή του υδρογραφικού δικτύου είναι ή δενδριτική ή παράλληλη. Είναι φυσιολογικό, άλλωστε, οι λεκάνες απορροής του σχήματος Δ να παρουσιάζουν υδρογραφικό δίκτυο παράλληλης μορφής και αντίστοιχα οι λεκάνες σχήματος Α υδρογραφικό δίκτυο δενδριτικής μορφής. 85

91 Α/Α Πίνακας 09. Ποιοτικά χαρακτηριστικά των λεκανών απορροής της περιοχής έρευνας. Εμβαδόν F (km 2 ) Χαρακτηρισμός λεκανών απορροής βάσει μεγέθους Μορφή λεκανών απορροής κατά Gavrilovic Μορφή υδρογραφικού δικτύου κατά Σωτηριάδη-Ψιλοβίκου 1 7,68 Πολύ μικρή Β Δενδριτική 2 1,98 Πολύ μικρή Δ Παράλληλη 3 15,61 Μικρή Β Δενδριτική 4 42,92 Μέτρια Α Δενδριτική 5 120,22 Μεγάλη Α Παράλληλη 6 20,30 Μικρή Δ Παράλληλη 7 65,55 Μέτρια Δ Παράλληλη 8 20,65 Μικρή Δ Παράλληλη 9 41,36 Μέτρια Α Δενδριτική 10 51,91 Μέτρια Γ Δενδριτική 11 7,53 Πολύ μικρή Α Παράλληλη 12 3,29 Πολύ μικρή Δ Παράλληλη 13 1,77 Πολύ μικρή Α Παράλληλη 14 3,29 Πολύ μικρή Δ Παράλληλη 15 2,27 Πολύ μικρή Δ Παράλληλη 16 1,59 Πολύ μικρή Δ Παράλληλη 17 31,07 Μέτρια Α Δενδριτική 18 16,19 Μικρή Α Παράλληλη 19 4,65 Πολύ μικρή Δ Παράλληλη 20 12,99 Μικρή Β Δενδριτική 21 13,30 Μικρή Α Δενδριτική 22 9,00 Πολύ μικρή Β Παράλληλη 23 6,12 Πολύ μικρή Δ Δενδριτική 24 25,16 Μικρή Α Παράλληλη 25 28,27 Μικρή Α Δενδριτική 26 30,46 Μέτρια Α Δενδριτική 27 3,30 Πολύ μικρή Α Δενδριτική 28 45,64 Μέτρια Α Δενδριτική 29 12,80 Μικρή Α Δενδριτική 30 4,81 Πολύ μικρή Α Παράλληλη 31 5,64 Πολύ μικρή Α Παράλληλη 86

92 Πίνακας 10. Mορφομετρικά και υδρογραφικά χαρακτηριστικά περιοχής έρευνας. Λεκάνη Εμβαδόν F (km 2 ) Περίμετρος U (km) Βαθμός Στρογγυλομορφίας Ελάχιστο υψόμετρο Η min (m) Μέγιστο υψόμετρο H max (m) Μέσο υψόμετρο Η med (m) Μέγιστο ανάγλυφο Η r (m) Χειμαρρικό χωροδιάστημα Μέση κλίση λεκάνης J λ (%) Κεντρική κοίτη L (km) Μέση κλίση κεντρικής κοίτης J k (%) Συν. μήκος ρευμάτων (km) Πυκνότητα υδρ. δικτύου D (κm -1 ) 1 7,68 11,46 0, Ι 25,66 4,01 9,98 14,95 1,95 2 1,98 6,45 0, Ι 22,99 2,82 5,67 8,06 4, ,61 18,45 0, Ι 25,46 8,18 7,64 48,24 3, ,92 32,72 1, Ι 24,36 15,26 6,56 91,61 2, ,22 72,73 1, Ι 20,24 26,66 4,88 265,52 2, ,30 32,76 0, Ι 10,79 12,83 2,18 25,67 1, ,55 42,94 1, Ι 11,29 15,46 3,04 90,62 1, ,65 25,07 0, Ι 11,28 10,91 3,67 28,95 1, ,36 40,04 1, Ι 24,69 15,90 4,84 66,42 1, ,91 33,31 1, Ι 24,84 12,66 6,16 96,76 1, ,53 14,23 0, Ι 40,39 5,66 12,55 18,55 2, ,29 8,84 0, Ι 43,30 4,03 13,39 9,74 2, ,77 7,16 0, Ι 44,20 3,16 15,82 5,48 3, ,29 7,41 0, Ι 65,51 3,29 36,80 10,73 3, ,27 6,98 0, Ι 56,44 3,22 24,84 6,29 2, ,59 6,68 0, Ι 41,64 2,82 17,73 5,32 3, ,07 6,68 4, Ι 43,14 13,35 11,24 85,98 2, ,19 23,15 0, ΙΙ 48,18 10,57 13,25 34,76 2, ,65 12,27 0, Ι 23,81 5,68 12,33 10,29 2, ,99 19,50 0, Ι 34,58 8,61 14,46 13,23 1, ,30 22,18 0, ΙΙ 38,09 9,89 16,17 14,51 1, ,00 17,19 0, Ι 24,98 8,64 14,76 31,82 3, ,12 21,13 0, Ι 23,63 9,50 11,85 21,94 3, ,16 26,64 0, Ι 31,05 12,37 9,74 72,78 2,89 87

93 Λεκάνη Εμβαδόν F (km 2 ) Περίμετρος U (km) Βαθμός Στρογγυλομορφίας Ελάχιστο υψόμετρο Η min (m) Μέγιστο υψόμετρο H max (m) Μέσο υψόμετρο Η med (m) Μέγιστο ανάγλυφο Η r (m) Χειμαρρικό χωροδιάστημα Μέση κλίση λεκάνης J λ (%) Κεντρική κοίτη L (m) Μέση κλίση κεντρικής κοίτης J k (%) Συν. μήκος ρευμάτων (m) Πυκνότητα υδρογραφικού δικτύου D (κm -1 ) 25 28,27 27,66 1, Ι 34,87 12,63 10,30 79,41 2, ,46 26,46 1, Ι 31,61 13,77 7,59 88,76 2, ,30 9,45 0, Ι 31,12 4,03 11,03 7,64 2, ,64 34,43 1, Ι 31,67 13,49 6,97 172,04 3, ,80 17,32 0, Ι 27,59 7,23 8,29 44,05 3, ,81 11,57 0, Ι 31,57 5,39 8,07 12,90 2, ,64 11,95 0, Ι 29,71 5,14 11,76 10,57 1,87 Μ.Ο , , Ι 25,35 10,58 7,41 59,27 2,27 Μ.Ο ,25 17,16 0, Ι 50,55 8,31 13,32 36,27 2,57 MO. Συνόλου 21,20 21,13 0, I 39,98 9,26 10,84 45,92 2,44 Από τον παραπάνω Πίνακα 10 προκύπτει ότι κατά μέσο όρο οι λεκάνες απορροής του βόρειου τμήματος της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου (λεκάνες 1-13) καλύπτουν μεγαλύτερη επιφάνεια (σχεδόν διπλάσια), εμφανίζοντας μεγαλύτερο υδροκρίτη σε χαμηλότερα όμως υψόμετρα. Αντίθετα, οι νότιες λεκάνες απορροής (λεκάνες 14 31) έχουν μεγαλύτερη κλίση λεκάνης και κεντρικής κοίτης σε αραιότερο υδρογραφικό δίκτυο με αντίστοιχα μικρότερη κεντρική κοίτη. Ενδιαφέρον παρουσιάζει και η μέγιστη αναμενόμενη υδατοπαρόχη της εκατονταετίας στα δυο τμήματα (βόρειο και νότιο) της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου. Παρόμοιος διαχωρισμός, δηλαδή σε βόρειο και νότιο τμήμα, παρατηρείται και σε παλιότερη έρευνα στην τεχνητή λίμνη του Πολυφύτου (Κωτούλας 1992), όπου το βόρειο τμήμα ονομάστηκε λεκάνη χειμαρρικού συγκροτήματος Βερμίου και το νότιο λεκάνη χειμαρρικού συγκροτήματος Πιερίων. 88

94 8.2 Κλίμα και γεωστατιστική Συλλογή δεδομένων Οι σταθμοί και τα χαρακτηριστικά τους παρουσιάζονται στον Πίνακα 11 με αλφαβητική κατάταξη. Όνομα σταθμού Φορέας λειτουργίας Πίνακας 11. Σταθμοί περιοχής έρευνας. Έτη Υψόμετρο (m) Τύπος σταθμού Ποιότητα δεδομένων 1. Αιανή βροχομετρικός 2. Έξαρχος βροχομετρικός 3. Καταφύγιο βροχομετρικός 4. Λεύκαρα ΔΕΗ βροχομετρικός 5. Λευκοπηγή βροχομετρικός 6. Μεταξάς βροχομετρικός μηνιαία 7. Πολύφυτο μετεωρολογικός 8. Κοζάνης ΕΜΥ μετεωρολογικός 9. Βελβενδός ΙΔΕ μετεωρολογικός 10. Σέρβια ΔΕΗ βροχομετρικός 11. Βελβενδός ΙΔΕ μετεωρολογικός ημερήσια Ο σταθμός του Καταφυγίου, με μόλις τέσσαρα έτη παρατηρήσεων, αποκλείστηκε από τη διαδικασία ως μη αντιπροσωπευτικός. Επίσης, απορρίφθηκαν σε όλους τους σταθμούς τα έτη που δεν είχαν συνεχόμενες παρατηρήσεις από Ιανουάριο μέχρι και Δεκέμβριο. Το δείγμα των κατακρημνισμάτων ανά έτος για κάθε σταθμό παρουσιάζεται στον Πίνακα 12: 89

95 Έτος Πίνακας 12. Δείγμα κατακρημνισμάτων ανά έτος στην περιοχή έρευνας. Σταθμοί Αιανή Έξαρχος Κοζάνη Λέυκαρα Λευκοπηγή Μεταξάς Πολύφυτο Σέρβια Βελβενδός , , , , , , , ,6 663,5 762,4 662,2 449, ,4 682, ,9 446, ,4 645,3 641,6 371, ,2 552,4 494,7 641,8 436, ,1 579,4 563,9 598,8 612,8 510,2 596, ,4 619,4 619,5 536,6 759,5 483,3 1245, ,5 718,8 751,8 844,3 808,9 959,1 735,8 595, ,3 653,4 709, ,9 758,1 560,4 522, ,7 550,7 555,1 501,9 775,7 759,0 551,2 528, ,7 565,3 561, ,4 462,2 437, ,8 570,6 447, ,6 375,6 508,6 420, ,3 309,9 489,0 453,3 458,1 433,1 365,9 337,5 250, ,9 577,3 518,4 524,4 621,2 844,6 647,8 598,2 529, ,0 765,7 799,9 788,2 850,1 855,3 657,6 771,3 575, ,4 715,5 706,2 685,7 691,4 655,9 556,5 435, ,3 670,2 518,3 882,7 664,5 1040,4 509,2 413, ,5 622,3 665,8 704,8 818,3 659,0 547,5 542,6 559, ,7 578,7 480,2 621,6 759,6 601,6 388,9 399,2 390, ,3 396,0 413,8 502,5 697,5 262,5 291,8 364, ,4 419,0 606,2 503,9 507,7 447,0 364,7 319, ,4 577,0 485,9 539,3 596,3 810,1 676,2 409,7 353, ,4 740,1 595,8 787,2 798,6 764,8 412,3 486,1 558, ,3 477,1 314,8 569, ,5 289,9 337, , ,6 304, ,0 590,6 506,6 376,5 369,3 394,2 352, ,7 514,2 597,5 559,9 501,6 386, ,5 622,1 633,7 629,5 573,0 531, ,2 415,1 546,7 518,1 438,3 238, ,7 573,5 404, ,1 640,4 265, ,9 583,0 357, ,8 440,7 376,6 290, ,9 526,0 399,4 711, ,3 580,8 249,6 637, , , , ,4 Μ.Ο. 562,5 588,2 574,3 593,5 640,5 667,5 465,8 456,6 497,4 90

96 Κλασική στατιστική επεξεργασία δεδομένων Εφαρμόστηκε η κλασική στατιστική (στατιστική στους δυο άξονες x,y) σε κάθε σταθμό της περιοχής έρευνας. Η στατιστική συμπεριφορά των μέσων μηνιαίων κατακρημνισμάτων στη διάρκεια του έτους παρουσιάζεται στα Σχήματα 06 και Βροχομετρικός Σταθμός Αιανής 80 Βροχομετρικός Σταθμός Εξάρχου κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ κατακρημνίσματα (mm) ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ κατακρημνίσματα (mm) Μετεωρολογικός Σταθμός Κοζάνης ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ 80 Βροχομετρικός Σταθμός Λευκάρων 80 Βροχομετρικός Σταθμός Λευκοπηγής κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ Σχήμα 06. Μέσα μηνιαία κατακρημνίσματα στη διάρκεια του έτους ανά σταθμό στην περιοχή έρευνας (Μέρος 1 ο ). 91 κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ

97 80 Βροχομετρικός Σταθμός Μεταξά 80 Μετεωρολογικός Σταθμός Πολυφύτου κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ Βροχομετρικός Σταθμός Σερβίων 80 κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ Μετεωρολογικός Σταθμός Βελβενδού κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ Σχήμα 07. Μέσα μηνιαία κατακρημνίσματα στη διάρκεια του έτους ανά σταθμό στην περιοχή έρευνας (Μέρος 2 ο ). Είναι φανερό από τα παραπάνω διαγράμματα των Σχημάτων 06 και 07 ότι οι σταθμοί εμφανίζουν δυο ή τρεις μέγιστες τιμές στη διάρκεια του έτους, που τις χωρίζουν 4 ως 9 μήνες, συνήθως μια φθινοπωρινή και μια εαρινή αντιστοιχούν στο Φεβρουάριο, στο Μάιο και στο Νοέμβριο (Esteban- Parra et al. 1998, Στάθης κ.α. 2000, Maheras and Anagnostopoulou 2003, Anagnostopoulou et al. 2008, Karagiannidis et al. 2008, Mano et al. 2009). κατακρημνίσματα (mm) ΙΑΝ ΦΕΒΡ ΜΑΡ ΑΠΡ ΜΙΑ ΙΟΥΝ ΙΟΥΛ ΑΥΓ ΣΕΠΤ ΟΚΤ ΝΟΕ ΔΕΚ 92

98 Αντίστοιχα εξετάστηκε ανά σταθμό και η στατιστική συμπεριφορά των ετήσιων κατακρημνισμάτων διαχρονικά και η οποία παρουσιάζεται στον πίνακα 13. Οι χαμηλοί συντελεστές προσδιορισμού R 2 του Πίνακα 13 είναι αποτέλεσμα της μεγάλης διακύμανσης του ύψους των κατακρημνισμάτων σε σχέση με τη μέση τιμή για όλους τους σταθμούς (Sneyers 1990, Μπαλούτσος κ.α. 2004, Stathis and Mavromatis 2009, Στάθης 2009). Επίσης από τον ίδιο πίνακα φαίνεται ότι τα αποτελέσματα της ανάλυσης της τάσης των χρονοσειρών των παρατηρήσεων παρουσιάζονται με αρνητική συσχέτιση για όλους τους σταθμούς με εξαίρεση το σταθμό του Έξαρχου. Πίνακας 13. Τάσεις των ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. Σταθμός Χρονική περίοδος Μοντέλο παλινδρόμησης R 2 Αιανή y = -8,4698x + 668,73 0,3286 Έξαρχος y = 1,0612 x + 567,39 0,0064 Μεταξάς y = -7,4745 x + 749,68 0,0714 Λεύκαρα y = -2,9154 x + 634,80 0,0316 Λευκοπηγή y = -5,0882 x + 716,79 0,0975 Πολύφυτο y = -2,169 x + 504,48 0,0098 Κοζάνη y = -4,348 x + 610,13 0,2597 Σέρβια y = -10,594 x + 610,25 0,406 Βελβενδός y = -5,5542 x + 591,77 0,0796 Στη συνέχεια διερευνήθηκε η σχέση των μέσων ετήσιων κατακρημνισμάτων με το υπερθαλάσσιο υψόμετρο για την περιοχή έρευνας. Προκειμένου να περιοριστεί το σφάλμα εκτίμησης (επίδραση έλλειψης δεδομένων/ missing values effect) εξαιτίας του διαφορετικού δείγματος ετών παρατηρήσεων ανά σταθμό, αποκλείστηκαν τα έτη που δεν συγκέντρωναν παρατηρήσεις για τους περισσότερους σταθμούς (βλ. κεφάλαιο 5.2). Το ελάχιστο πλήθος των σταθμών ανά έτος προέκυψε μέσα από τις διαδικασίες της Εκτίμηση Καμπύλης Παλινδρόμησης (Curve Regression Estimation) στο SPSS και ισούται με 7. Τα έτη των παρατηρήσεων περιορίστηκαν σε είκοσι ( ), με αποτέλεσμα η ευθεία που ανταποκρίνεται στο μοντέλο παλινδρόμησης να εμφανίζει στατιστικώς σημαντική για το 71,4% των ετήσιων συνολικών κατακρημνισμάτων σε επίπεδο 4% (Σχήμα 8). Η σχέση 93

99 είναι και ανάλογη: αύξηση του υπερθαλάσσιου υψόμετρου κατά 100 m έχει ως αποτέλεσμα την αύξηση των κατακρημνισμάτων περίπου κατά 29 mm. μέσα ετήσια κατακρημνίσματα (mm) y = 0,2885x + 400,31 R 2 = 0, Σχήμα 08. Διάγραμμα σχέσεως μέσων ετήσιων κατακρημνισμάτων με το υπερθαλάσσιο υψόμετρο στην περιοχή έρευνας. Αντίστοιχες διεργασίες έγιναν και για τις μηνιαίες θερμοκρασίες αέρα (Πίνακας 14): Ελέγχθηκε η συμπεριφορά της μέσης μηνιαίας θερμοκρασίας στη διάρκεια του έτους, η οποία παρουσιάζεται στο Σχήμα 9 παράλληλα με τα ομβροθερμκά διαγράμματα της περιοχής έρευνας. Η πορεία της μηνιαίας θερμοκρασίας κάθε σταθμού είναι μονοκόρυφη εμφανίζοντας μέγιστη τιμή τον Ιούλιο και ελάχιστη τον Ιανουάριο (Σχήμα 9). Από τα ομβροθερμικά διαγράμματα προκύπτει ότι η περιοχή του Πολυφύτου και του Βελβενδού έχουν παρόμοιο κλίμα με ξηρή περίοδο που διαρκεί από 14 Ιουνίου μέχρι 29 Αυγούστου (104 μέρες) η πρώτη και από 16 Ιουνίου μέχρι 29 Αυγούστου (105 μέρες) η δεύτερη. Η περιοχή των Σερβίων έχει μικρότερη ξηρή περίοδο που ξεκινά από 9 Ιουνίου και τελειώνει στις 2 Αυγούστου (83 μέρες). υπερθαλάσσιο υψόμετρο (m) 94

100 Πίνακας 14. Δείγμα θερμοκρασιών ανά έτος στην περιοχή έρευνας. Έτος Σταθμοί Σταθμοί Έτος Κοζάνη Πολύφυτο Βελβενδός Κοζάνη Πολύφυτο Βελβενδός , ,1 12, , ,7 13, ,3 14, ,5 13, ,7 14, ,3 13, ,0 12, ,6 13,95 13, ,3 14, ,5 14,39 14, ,7 14, ,9 13, ,4 14, ,1 14,00 13, ,1 13, ,2 14,16 13, ,6 13, ,1 14,12 13, ,8 13, ,8 14,80 14, ,8 14, ,0 8,62 12, ,6 12, ,1 10,66 13, ,1 13, ,6 10,38 13, ,0 13, , ,2 14, ,9 15, ,5 12, ,6 15, ,6 13, ,1 16, ,1 13, ,7 15, ,5 13, , ,8 13, ,0 15, ,1 12, , ,6 13, ,5 12, ,4 12, ,9 Μ.Ο. 13,4 13,8 13,3 Εξετάζοντας την ετήσια θερμοκρασία κάθε σταθμού διαχρονικά στην περιοχή έρευνας στο Σχήμα 12 και στον Πίνακα 15, δεν προκύπτει κάποια στατιστική συσχέτιση. 95

101 80 70 Μετεωρολογικός Σταθμός Κοζάνης κατακρημνίσματα Θερμοκρασία κατακρημνίσματα (mm) Ιαν Φεβρ Μάρ Απρ Μαϊ Ιουν Ιουλ Αυγ Σεπτ 0 Οκτ Νοε Δεκ θερμοκρασία (oc) Μετεωρολογικός Σταθμός Πολυφύτου Κατακρημνίσματα Θερμοκρασία κατακρημνίσματα (mm) θερμοκρασία (oc) Ιαν Φεβρ Μάρ Απρ Μαϊ Ιουν Ιουλ Αυγ Σεπτ Οκτ Νοε Δεκ Μετεωρολογικός Σταθμός Βελβενδού Κατακρημνίσματα Θερμοκρασία Κατακρημνίσματα (mm) Θερμοκρασία (oc) ΙΑΝ ΜΑΡ ΜΙΑ ΙΟΥΛ ΣΕΠΤ ΝΟΕ 0 Σχήμα 09. Μηνιαία θερμοκρασία στη διάρκεια του έτους ανά σταθμό και ομβροθερμικά διαγράμματα στην περιοχή έρευνας. 96

102 Πίνακας 15. Τάσεις των ετήσιων θερμοκρασιών στην περιοχή έρευνας. Σταθμός Χρονική περίοδος Μοντέλο παλινδρόμησης R 2 Πολύφυτο y = 0,1227x+ 12,762 0,069 Κοζάνη y = 0, ,758 0,067 Βελβενδό y = -0, ,285 0,3429 Παράλληλα, διερευνήθηκε η σχέση της ετήσιας μέσης θερμοκρασίας αέρα με το υπερθαλάσσιο υψόμετρο στην περιοχή έρευνας. Το ελάχιστο πλήθος των σταθμών, όπως αυτό υποδείχθηκε από την Εκτίμηση Καμπύλης Παλινδρόμησης ήταν ίσο με δυο, ενώ 44 ήταν τα έτη παρατηρήσεων ( ). Το γραμμικό μοντέλο παλινδρόμησης ερμηνεύει τη μεταβολή της θερμοκρασίας σχεδόν απόλυτα, αφού ανταποκρίνεται στο 99% των θερμοκρασιών σε επίπεδο σημαντικότητας 4,9%. Η σχέση μεταξύ μέσης θερμοκρασίας και υψομέτρου είναι ασθενώς αντιστρόφως ανάλογη (σχεδόν αμετάβλητη): αύξηση του υπερθαλάσσιου υψόμετρου κατά 100 m έχει ως αποτέλεσμα την ελάττωση της θερμοκρασίας περίπου κατά 0,15 o C. μέση ετήσια θερμοκρασία (oc) 14,0 13,8 13,6 13,4 13,2 y = -0,0015x + 14,255 R 2 = 0, , υπερθαλάσσιο υψόμετρο (m) Σχήμα 10. Διάγραμμα σχέσεως μέσης ετήσιας θερμοκρασίας με το υπερθαλάσσιο υψόμετρο στην περιοχή έρευνας. 97

103 Γεωστατιστική επεξεργασία δεδομένων Είναι φανερό από τα διαγράμματα των Σχημάτων 8 και 10 και τους συντελεστές προσδιορισμού αυτών ότι υπάρχει συσχέτιση μεταξύ των μέσων ετήσιων κατακρημνισμάτων και του υπερθαλάσσιου υψομέτρου και μεταξύ της μέσης ετήσιας θερμοκρασίας και του υπερθαλάσσιου υψομέτρου, οπότε είναι ασφαλές να εφαρμοστεί η μέθοδος του Κανονικού Συνδυαστικού Kriging (Ordinary Co Kriging), η οποία μπορεί να εισάγει κατά τη δημιουργία των χαρτών πρόβλεψης παράλληλα και μια δεύτερη μεταβλητή, στην προκειμένη περίπτωση το ψηφιακό μοντέλο εδάφους (Boer et al. 2001). Παρ όλα αυτά, τα τελικά μοντέλα του Κανονικού Συνδυαστικού Kriging (Ordinary Co Kriging) συγκρίθηκαν με τα τελικά μοντέλα του Κανονικού Kriging (Ordinary Kriging), ώστε να εξεταστεί και γεωστατιστικά η επίδραση του υπερθαλάσσιου υψομέτρου τόσο στα κατακρημνίσματα, όσο και στη θερμοκρασία του εδάφους. Η διασπορά των σταθμών στην περιοχή έρευνας ήταν αυτή που παρουσιάζεται στο Χάρτη 05: Χάρτης 05. Κατανομή σταθμών στην περιοχή έρευνας. 98

104 Ακολούθησε η δημιουργία σαράντα νέων σταθμών με τη χρήση της εντολής Δημιουργία Τυχαίων Σημείων (Create Random Points) του λειτουργικού προγράμματος ArcGIS. Έτσι συνολικά για την περιοχή έρευνας υπήρχαν διαθέσιμες παρατηρήσεις από πενήντα διαφορετικούς σταθμούς (Χάρτης 06) Χάρτης 06. Νέα κατανομή σταθμών στην περιοχή έρευνας. Το επόμενο στάδιο ήταν η γεωστατική προετοιμασία των δεδομένων στο ArcGIS, δηλαδή η Ανάλυση τάσης (Trend Analysis) και ο έλεγχος του διαγράμματος QQ (QQ Plot). Η προετοιμασία έδειξε ότι τα δεδομένα δεν εμφανίζουν κάποια χωρική τάση ούτε ήταν απαραίτητος ο μετασχηματισμός αυτών, μιας και ακολουθούσαν την κανονική κατανομή (δείκτης κυρτότητας 1,0583). Επίσης το διάγραμμα ημιδιακύμανσης (semivariogram) έδειξε ότι το δείγμα δεν εμφάνιζε αυτοσυσχέτιση προς κάποια κατεύθυνση. Με βάση την οπτική παρατήρηση και τους στατιστικούς δείκτες της διαδικασίας Διασταυρωμένης Επικύρωσης (Cross Validation) του κάθε μοντέλου πρόβλεψης, επιλέχτηκαν τελικά μετά από αρκετές εφαρμογές και συγκρίσεις: το σφαιρικό μοντέλο διακύμανσης (spherical module), τα 5 km 99

105 (κατακρημνίσματα) και τα 5 km (θερμοκρασία) ως απόσταση h (lag size) και το 10 (κατακρημνίσματα) και το 12 (θερμοκρασία) ως το μέγεθος των ομάδων ζευγών παρατηρήσεων (lag number). Ο χάρτης πρόβλεψης του Κανονικού Συνδυαστικού μοντέλου Kriging για τα κατακρημνίσματα έδωσε το Χάρτη 07, ο οποίος συγκρίθηκε με τον αντίστοιχο χάρτη προβλέψεων του μοντέλου Κανονικού Συνδυαστικού Kriging, τα αποτελέσματα των οποίων παρουσιάζονται στο Χάρτη 08 και στον Πίνακα

106 Χάρτης 07. Χάρτης πρόβλεψης μοντέλου Κανονικού Συνδυαστικού Kriging (Ordinary Co- Kriging) μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. 101

107 Χάρτης 08. Χάρτης πρόβλεψης μοντέλου Κανονικού Kriging (Ordinary Kriging) μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. 102

108 Πίνακας 16. Στατιστικοί δείκτες μοντέλων μέσων ετήσιων κατακρημνισμάτων στην περιοχή έρευνας. Κανονικό Συνδυαστικό Στατιστικοί δείκτες Κανονικό Kriging Τάση δεικτών Kriging (Cross Validation) (Ordinary Kriging) (Ordinary Co Kriging) ME Τείνουν στο 0-1,902-1,905 RMSE Όσο πιο μικρή τιμή 81,97 82,09 ASE Όσο πιο μικρή τιμή 86,7 86,07 MSE Τείνουν στο 0-0, , RMSSE Τείνουν στο 1 0,9054 0,9066 Εξίσωση πρόβλεψης - y = 0,340x + 395,271 y = 0,339x + 395,95 Όπου ME = Μέσο Σφάλμα Πρόβλεψης (Mean Error), RMSE = Τετραγωνικό Σφάλμα Πρόβλεψης (Root Mean Squared Prediction Error), ASE = Τυπικά Σφάλματα Πρόβλεψης (Average Standard Errors), MSE = Μέσο Τυπικό Σφάλμα Πρόβλεψης (Mean Standard Error), RMSSE = Μέσο Τετραγωνικό Σφάλμα Πρόβλεψης (Root Mean Squared Standardized Error). Από τους στατιστικούς δείκτες φαίνεται ότι το Κανονικό Συνδυαστικό Kriging (Co- Kriging) προβλέπει με οριακά μεγαλύτερη ακρίβεια τα μέσα ετήσια κατακρημνίσματα στην περιοχή έρευνας σε σχέση με το Κανονικό Kriging. Η οπτική σύγκριση των δυο μοντέλων Kriging είναι σχεδόν αδύνατη, μιας και δεν παρουσιάζονται ουσιαστικές διαφορές. Επίσης, οποιοδήποτε μοντέλο Kriging έχει την τάση να υποτιμά τα μέσα ετήσια κατακρημνίσματα στις άγνωστες περιοχές, αλλά η υποεκτίμηση αυτή δεν είναι σημαντική (μέχρι και 0,2% στις ακραίες τιμές/ sills). Οι εξισώσεις πρόβλεψης δείχνουν ότι σε καθορισμένη οριζόντια απόσταση ίση με 5 km τα μέσα ετήσια κατακρημνίσματα μεταβάλλονται περίπου κατά 0,3 mm. Ο χάρτης πρόβλεψης του Κανονικού Συνδυαστικού μοντέλου Kriging για την επιφανειακή θερμοκρασία έδωσε τον παρακάτω Χάρτη 09, ο οποίος συγκρίθηκε με τον αντίστοιχο χάρτη προβλέψεων του μοντέλου Κανονικού Συνδυαστικού Kriging, τα αποτελέσματα των οποίων παρουσιάζονται στο χάρτη 10 και στον Πίνακα 17: 103

109 Χάρτη 09. Χάρτης πρόβλεψης μέσης ετήσιας θερμοκρασίας μοντέλου Κανονικού Συνδυαστικού Kriging (Ordinary Co- Kriging) στην περιοχή έρευνας. 104

110 Χάρτης 10. Χάρτης πρόβλεψης μέσης ετήσιας θερμοκρασίας μοντέλου Κανονικού Kriging (Ordinary Kriging) στην περιοχή έρευνας. 105

111 Πίνακας 17. Στατιστικοί δείκτες μοντέλων μέσης ετήσιας θερμοκρασίας στην περιοχή έρευνας. Στατιστικοί δείκτες (Cross Validation) Τάση δεικτών Κανονικό Συνδυαστικό Kriging (Ordinary Co Kriging) Κανονικό Kriging (Ordinary Kriging) ME Τείνουν 0 0, , RMSE Όσο πιο μικρή τιμή 0,3982 0,4637 ASE Όσο πιο μικρή τιμή 0,435 0,4791 MSE Τείνουν 0 0, , RMSSE Τείνουν 1 0,8784 0,9645 Εξίσωση πρόβλεψης - y = 0,464x + 7,086 y = 0,248x + 9,889 Από τους στατιστικούς δείκτες φαίνεται ότι το Κανονικό Kriging προβλέπει με οριακά μεγαλύτερη ακρίβεια τη μέση ετήσια θερμοκρασία στην περιοχή έρευνας σε σχέση με το Κανονικό Συνδυαστικό Kriging. Η οπτική σύγκριση των δυο μοντέλων Kriging επιβεβαιώνει τους στατιστικούς δείκτες, ενώ φαίνεται ότι το Κανονικό Συνδυαστικό Kriging υπερεκτιμά τις υψηλές τιμές θερμοκρασίας. Ενδεχομένως το φαινόμενο αυτό να οφείλεται είτε στην αδυναμία που προκύπτει από τη διασπορά των αρχικών σταθμών (απουσία πραγματικών σταθμών σε υψηλότερα σημεία) είτε στο γεγονός ότι η θερμοκρασία ως φυσικό μέγεθος είναι γενικά ένα σταθερό μέγεθος με μικρές διακυμάνσεις. Οι εξισώσεις πρόβλεψης περιγράφουν ότι σε καθορισμένη οριζόντια απόσταση ίση με 5 km η μέση ετήσια θερμοκρασία μεταβάλλεται περίπου κατά 0,2 o C. 106

112 8.3 Γεωλογικό υπόβαθρο Η δημιουργία της ψηφιακής χωρικής βάσης δεδομένων έδειξε ότι η ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου εμφανίζει πληθώρα διαφορετικών πετρωμάτων, τα οποία και παρουσιάζονται στον Πίνακα 18 και στο Χάρτη 11. Πίνακας 18. Χειμαρρικοί πετρολογικοί σχηματισμοί περιοχής έρευνας. Πετρολογικοί Σχηματισμοί Πετρώματα Έκταση (Km 2 ) Έκταση (%) F Φλύσχης 9,0 1,05 G Κ 1 Μαρμαρυγιακός σχιστόλιθος 2,7 0,32 Σχιστό - κερατόλιθοι 37,9 4,46 Σχιστόλιθοι & ορθογνεύσιοι 16,9 2,00 Σύνολο 57,53 6,77% Κροκαλοπαγή και ασβεστόλιθοι 4,6 0,55 Κρυστάλλινοι ασβεστόλιθοι 50,7 5,97 Ασβεστόλιθοι 88,6 10,43 Κ 2 Μάρμαρα 6,9 0,82 Κ Σύνολο 150,89 17,76% Μ 1 M 2 Μ 3 Γρανίτες 1,0 0,12 Μεταγρανίτης 3,9 0,46 Βασαλτική, Ανδεσιτική, Διαβασική (λάβα) 1,4 0,16 Οφιόλιθοι 0,7 0,09 Σερπεντίνης 0,8 0,10 Υπερβασικά πετρώματα 10,8 1,27 Αμφιβολίτες 4,1 0,48 Κρυσταλλοσχιστώδες αδιαίρετο (γνεύσιοι, γνευσιοσχιστόλιθοι, σχιστόλιθοι, αμφιβολίτες, γρανίτες, γρανοδιορίτες) 1,1 0,13 Γνεύσιοι 35,4 4,17 Γρανιτογνεύσιος 0,1 0,01 Ορθογνεύσιοι 7,0 0,82 Γνευσιοσχιστόλιθοι, γνεύσιοι, σχιστόλιθοι με ενστρώσεις μαρμάρων 21,3 2,51 Μ Σύνολο 66,26 7,80% S 1 Αλλουβιακές αποθέσεις 0,2 0,02 Κώνοι (ριποειδείς) & αλλουβιακά πεδία 14,2 1,67 Κροκαλοπαγή και ασβεστόλιθοι 0,4 0,05 Κροκαλοπαγή, ψαμμίτες, άμμοι & κοκκινόχωμα 0,2 0,02 107

113 S 2 Κροκαλοπαγή, ψαμμίτες, αμμούχων μάργων & αργίλων 0,1 0,01 Αποθέσεις 234,0 27,55 Ποταμοχερσαίες αποθέσεις 7,6 0,89 Λίμνη 18,0 2,12 Ασβεστολιθικοί λατυποπαγείς κώνοι 1,1 0,13 Οφιολιθικά κροκαλοπαγή 1,5 0,17 Ερυθρές άργιλοι με λατυποπαγή 5,4 0,63 Ερυθρές άργιλοι με χαλίκια 11,9 1,40 Κορήματα 1,2 0,15 Κορήματα και κώνοι κορημάτων 77,0 9,06 Ιζήματα 31,9 3,76 Χερσαίες αποθέσεις 38,2 4,50 Μάργες 38,0 4,47 Μάργες, άργιλοι, άμμοι, λιγνίτες 62,7 7,38 Ψαμμίτες και μάργες 1,1 0,13 S Σύνολο 565,85 66,61% Τα παραπάνω σύμβολα των πετρολογικών σχηματισμών αντιστοιχούν ως εξής: F = Φλυσχικός σχηματισμός, G = Σχιστολιθικός σχηματισμός, Κ = Ασβεστολιθικός σχηματισμός, Μ = Κρυσταλοπυριγενής S = Νεογενής σχηματισμός σχηματισμός, Από τον Πίνακα 19 προκύπτει ότι κυρίαρχος σχηματισμός είναι ο νεογενής, καταλαμβάνοντας περίπου τα 2/3 της ευρύτερης λεκάνης απορροής της λίμνης Πολυφύτου. Αντίθετα, ο πετρολογικός σχηματισμός με τη μικρότερη κάλυψη είναι ο φλυσχικός. Η κατανομή των χειμαρρικών πετρολογικών σχηματισμών γίνεται καλύτερα κατανοητή στο Χάρτη 11, που αναφέρεται στο σύνολο της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου. Η ποσοτική και ποιοτική κατανομή των πετρολογικών σχηματισμών ανά ορεινή λεκάνη απορροής της περιοχής έρευνας περιγράφεται στον Πίνακα

114 Χάρτης 11. Χειμαρρικοί πετρολογικοί σχηματισμοί που περικλείονται από τον υδροκρίτη της ευρύτερης λεκάνης απορροής της λίμνης Πολυφύτου. 109

115 Πίνακας 19. Χειμαρρικοί πετρολογικοί σχηματισμοί στις λεκάνες απορροής της περιοχής έρευνας. Λεκάνη απορροής Πετρολογικός χειμαρρικός σχηματισμός (%) G F K1 K2 M1 M2 M3 S1 S , ,0 65, , , ,4 49,0 4-0,2 44, ,2-21,0 26,6 5-3,3 32, ,2-33,2 22, ,9 67,1 7-7,5 2, ,7 64, , ,9 85, , ,2-41,3 25,8 10 0,4-37, ,5 21,4 11 7,4-29, ,3 15,0 32, ,1-43,2 0,2 55, ,9 7,0 41, , ,0-8,9 32, , ,7 19, , ,2 19, , ,4-18,2 27,9 0,4 18 0, ,0 11,2 2, ,3 31,4 28,3 20 3, ,8 21,4 14, ,0 13,3 6, ,0 27,0 18, ,8 31,9 19,3 24 1, ,8-0,9 62,8 23,5 8,6 25 3,1-7,5 22, ,9 34,8 31, ,8-46, ,4 4, ,7-21, ,2 11, ,5-15, ,6 0, ,3-2, ,1-30 3,0-50, , , ,8 - Σύνολο ,2 2,2 25, ,4 0,9 29,7 38,4 Σύνολο ,6-11,9 2,7 1,9 0,1 25,0 23,5 8,3 Σύνολο 10,5 1,4 20,0 1,1 0,7 2,1 10,3 27,3 26,6 Οι βόρειες λεκάνες απορροής (1-13) καταλαμβάνονται κυρίως από νεογενείς σχηματισμούς, σε αντίθεση με τις νότιες λεκάνες (14 31) που εμφανίζουν μεγαλύτερη ποικιλομορφία σχηματισμών. 110

116 8.4 Ταξινόμηση δορυφορικής εικόνας Το πλήθος των διακριτών ομάδων Περιοχών Ενδιαφέροντος (Regions of Interest) που χρησιμοποιήθηκαν στη διαδικασία της ταξινόμησης των δορυφορικών δεδομένων καθορίστηκε από τις απαιτήσεις του μοντέλου στερεομεταφοράς του Gavrilovic, την ανάγνωση των ορθοφωτογραφιών και της χαρτογράφησης του CORINE στα Γεωγραφικά Συστήματα Πληροφοριών, αλλά και την ευκρίνεια της δορυφορικής εικόνας. Συνολικά οι ομάδες ήταν εφτά και αντιπροσώπευε η καθεμιά μια διαφορετική κάλυψη γης. Ονοματίστηκαν με γνώμονα το μοντέλο στερεομεταφοράς και υποβάθμισης ορεινών λεκανών απορροής του Gavrilovic (Κωτούλας 1998). Στη συνέχεια στο λειτουργικό πρόγραμμα ENVI και πάνω στην αταξινόμητη δορυφορική εικόνα, για κάθε ομάδα Περιοχών Ενδιαφέροντος, προσδιορίστηκαν συγκεκριμένες θέσεις των οποίων η κάλυψη γης ήταν γνωστή από τις χωρικές βάσεις πληροφοριών της χαρτογράφησης κάλυψης γης του CORINE αλλά και των αντίστοιχων ορθο-αεροφωτογραφιών. Η επιλογή των γνωστών θέσεων έγινε με τα εξής κριτήρια: να εντοπίζονται αποκλειστικά στην περιοχή έρευνας, να αντιπροσωπεύουν ολόκληρη την περιοχή έρευνας, να υπάρχει βεβαιότητα για την κάλυψη γης της συγκεκριμένης θέσης και η κάθε ομάδα να έχει περίπου παρόμοια αντιπροσώπευση από εικονοστοιχεία (pixel), ώστε να θεωρηθούν ισάξιες αργότερα κατά τη διαδικασία της ταξινόμησης. Οι ομάδες και τα εικονοστοιχεία που περιλαμβάνουν παρουσιάζονται στον Πίνακα 20: 111

117 Πίνακας 20. Εκτάσεις Περιοχών Ενδιαφέροντος. α/α Καλύψεις γης Έκταση (km 2 ) 1 Άγονες εκτάσεις/ αστικές εκτάσεις 3,70 2 Αγροί/ λιβάδια 3,35 3 Αραιοί θαμνώνες 2,21 4 Πυκνοί θαμνώνες 2,45 5 Αραιές δασοσυστάδες 2,22 6 Πυκνές δασοσυστάδες 2,38 7 Υδάτινες επιφάνειες 4,52 Σύνολο 20,83 Η κάθε ομάδα ήταν ισοκατανεμημένη σε ολόκληρη την περιοχή έρευνας, ενώ όλες οι ομάδες συνολικά καταλάμβαναν περίπου το 2,5% της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου. Το επόμενο βήμα της διαδικασίας ήταν η επιλογή του σωστού συνδυασμού διαφορετικών τμημάτων του ηλεκτρομαγνητικού φάσματος (διαύλων). Όπως άλλωστε αναλύθηκε και στο αντίστοιχο κεφάλαιο της ανασκόπησης, κάθε τμήμα του φάσματος επιτρέπει την ανίχνευση διαφορετικών ιδιοτήτων (πχ. κάλυψη γης, εδαφική υγρασία, ρύπανση, γεωλογία κλπ.). Αρχικά εφαρμόστηκαν διάφοροι συνδυασμοί μεταξύ των διαύλων (bands) μπλε (1: 0,45 0,52µm), πράσινου (2: 0,52 0,60 µm), ερυθρού (3: 0,63 0,69 µm) και του υπέρυθρου NIR (4: 0,76 0,90µm). Δυστυχώς τα αποτελέσματα αυτών των συνδυασμών δεν κρίθηκαν ικανοποιητικά και για το λόγο αυτό τελικά αποφασίστηκε να χρησιμοποιηθούν στο συνδυασμό δυο δίαυλοι (ερυθρός/3 και υπέρυθρος/ 4) και ο Κανονικοποιημένος Δείκτης Βλάστησης (NDVI). Ο NDVI προέκυψε μετά την εφαρμογή της εξίσωσης Band 4 - Band 3 NDVI = Band 4 + Band 3 112

118 Στον παραπάνω συνδυασμό διαύλων και δείκτη βλάστησης εξετάστηκαν οι μέθοδοι καθοδηγημένης ταξινόμησης δορυφορικών εικόνων που στηρίζονται στους λογάριθμους: Παραλληλεπιπέδου (Parallelepiped), Ελάχιστης απόστασης (Minimum Distance), Απόσταση Mahalanobis (Mahalanobis Distance) και Μέγιστης πιθανότητας (Maximum Likelihood). Οι στατιστικές παράμετροι του κάθε λογάριθμου παρουσιάζονται στη συνέχεια στους Πίνακες 21-24: α) Παραλληλεπιπέδου(Parallelepiped) Συνολική ακρίβεια ταξινόμησης = 52,9523 % Συντελεστής Κ = 0,4630 Πίνακας 21. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή Παραλληλεπίπεδου λογαρίθμου (%). Καλύψεις γης Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες Σύνολο Αταξινόμητα 1,13 0,07 0,00 0,00 0,00 0,22 0,00 0,23 Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες 98,74 0,07 0,00 0,00 0,00 0,00 0,00 17,06 0,00 97,73 2,07 1,75 45,78 0,00 0,09 18,28 0,12 1,71 96,60 66,35 50,26 0,22 0,62 29,53 0,00 0,21 1,26 31,06 3,26 7,74 7,42 8,11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,21 0,07 0,84 0,67 91,29 91,56 26,66 0,00 0,00 0,00 0,00 0,04 0,54 0,31 0,13 Σύνολο 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 113

119 β) Ελάχιστης απόστασης (Minimum Distance) Συνολική ακρίβεια ταξινόμησης = 76,7642% Συντελεστής Κ = 0,7155 Πίνακας 22. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Ελάχιστης απόστασης (%). Καλύψεις γης Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες Σύνολο Αταξινόμητα 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες 73,69 0,00 0,00 11,32 0,00 0,00 0,00 8,87 0,00 100,00 0,14 0,00 0,00 0,00 0,00 17,29 2,07 0,00 92,75 0,38 0,55 0,00 0,13 9,51 21,29 0,00 1,99 16,33 13,07 1,24 0,93 7,58 2,59 0,00 4,90 62,76 84,41 0,22 1,02 26,47 0,15 0,00 0,21 0,25 0,12 72,42 16,92 12,20 0,22 0,00 0,00 8,98 1,85 26,13 81,00 18,08 Σύνολο 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 114

120 γ) Απόσταση Mahalanobis (Mahalanobis Distance) Συνολική ακρίβεια ταξινόμησης = 78,6134% Συντελεστής Κ = 0,7478 Πίνακας 23. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Απόστασης Mahalanobis (%). Καλύψεις γης Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες Σύνολο Αταξινόμητα 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες 100,00 0,14 0,00 0,00 0,00 0,00 0,00 17,29 0,00 97,09 14,78 0,38 0,98 0,00 0,04 11,20 0,00 0,00 76,05 0,54 0,00 0,00 0,00 7,29 0,00 0,36 4,21 35,49 3,73 1,13 2,03 7,51 0,00 2,20 4,73 59,46 93,60 0,59 0,75 27,50 0,00 0,21 0,22 0,79 0,12 72,53 18,07 12,49 0,00 0,00 0,00 3,34 1,57 25,75 79,10 16,71 Σύνολο 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 115

121 δ) Μέγιστης πιθανότητας (Maximum Likelihood), Συνολική ακρίβεια ταξινόμησης = 88,0229% Συντελεστής Κ = 0,8590 Πίνακας 24. Σωστά Ταξινομημένα Εικονοστοιχεία με εφαρμογή λογαρίθμου Μέγιστης πιθανότητας (%). Καλύψεις γης Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες Σύνολο Αταξινόμητα 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Αστικές περιοχές Υδάτινες επιφάνειες Αγροί/ λιβάδια Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες 93,57 0,00 2,91 2,80 1,10 0,05 0,04 9,82 0,00 100,00 0,07 0,00 0,00 0,00 0,00 17,28 0,52 0,00 93,53 0,00 0,27 0,00 0,00 9,30 3,55 0,00 0,50 80,96 10,33 1,72 3,23 16,52 2,29 0,00 2,77 13,40 86,85 0,05 0,13 18,24 0,00 0,00 0,21 0,50 0,16 82,80 15,29 13,33 0,07 0,00 0,00 2,34 1,30 15,38 81,31 15,50 Σύνολο 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 Ο λογάριθμος αυτής της μεθόδου κρίθηκε ως ο πιο αξιόπιστος, αφού εμφάνιζε τη μέγιστη συνολική ακρίβεια ταξινόμησης και συντελεστή Κ. Επιπλέον, η ακρίβεια της συγκεκριμένης ταξινόμησης επιβεβαιώθηκε έμμεσα με επιτόπιες επισκέψεις στην περιοχή έρευνας, καθώς και με οπτική σύγκριση της παρούσας ταξινόμησης της δορυφορικής εικόνας με τις ορθοαεροφωτογραφίες του Υπουργείου Αγροτικής Ανάπτυξης και Τροφίμων του Τα αποτελέσματα της ταξινόμησης σε 7 κατηγορίες χρήσεων/ κάλυψης γης με το λογάριθμο της μέγιστης πιθανότητας παρουσιάζονται στους Χάρτες 12 και

122 Χάρτης 12. Αποτελέσματα επιβλεπόμενης ταξινόμησης στο σύνολο της δορυφορικής εικόνας. 117

123 Χάρτης 13. Αποτελέσματα επιβλεπόμενης ταξινόμησης στην περιοχή έρευνας. 118

124 Ο Πίνακας 25 περιγράφει την κατανομή των διάφορων κατηγοριών χρήσεων/ κάλυψης γης στις 31 ορεινές λεκάνες απορροής της περιοχής έρευνας. Λεκάνη Αγροί/ λιβάδια Πίνακας 25. Κατανομή χρήσεων γης στην περιοχή έρευνας. Χρήση γης (% ανά λεκάνη) Αραιοί θαμνώνες Πυκνοί θαμνώνες Αραιές δασοσυστάδες Πυκνές δασοσυστάδες Αστικές περιοχές Υδάτινες επιφάνειες 1 1,3 41,7 32,8 0,1 9,6 14,4-2 3,9 22,4 38,6 0,5 14,5 2,0-3 5,5 31,4 36,4 0,8 5,7 20,2-4 10,6 32,5 30,2 1,4 14,7 10,5-5 12,4 33,7 25,1 3,9 15,2 9,8-6 26,3 14,6 25,2 0,8 2,2 30,9-7 24,6 18,8 27,7 0,5 3,5 24,9-8 37,2 12,4 23,9 0,3 2,0 24,3-9 7,8 34,8 41,3 0,2 5,6 10,3-10 8,2 20,4 45,2 1,2 4,5 20,5-11 0,9 53,1 11,2 2,5 21,8 10,5-12 1,4 39,6 24,8 2,6 16,8 14,8-13 0,7 52,7 20,8 2,5 1,0 13,2-14 0,3 27,4 6,9 29,4 34,8 1, ,9 13,1 7,8 32,6 1,6-16 0,1 56,6 22,0 3,2 13,9 4,2-17 0,2 21,4 5,4 38,1 34,1 0,8-18 0,5 11,9 2,5 41,7 40,2 3,2-19 0,1 25,4 5,1 23,3 40,9 4,9 0,2 20 0,5 28,3 6,1 26,5 36,4 2,2-21 0,2 29,1 6,6 25,4 37,5 1,2-22 2,2 39,5 23,2 5,4 25,4 4,3-23 2,2 38,9 17,6 6,6 27,3 7,4-24 0,6 29,2 11,3 18,4 33,4 7,1-25 1,3 39,4 14,3 7,4 24,7 12,9-26 0,5 4,0 11,5 7,8 35,8 4,4-27 3,2 43,1 16,8 6,2 27,2 3,6-28 0,4 43,9 14,3 7,8 28,1 5,5-29 0,6 44,4 8,5 8,4 33,8 4,3-30 1,2 26,8 7,3 5,5 16,9 42,1 0,1 31 0,6 50,4 16,1 2,9 24,3 5,8 - ΜΟ ,2 28,0 30,4 2,0 9,4 16,1 0,0 ΜΟ ,7 34,3 10,9 16,7 31,7 5,7 0,0 Μ.Ο. Συνόλου 9,0 30,4 22,9 7,6 17,9 12,1 - Από τον Πίνακα 25 προκύπτουν άμεσα διαφοροποιήσεις μεταξύ βόρειου και νότιου τμήματος της περιοχής έρευνας: Οι γεωργικές καλλιέργειες και οι αγροί εντοπίστηκαν σχεδόν αποκλειστικά στο βόρειο τμήμα, το υπόλοιπο του οποίου καλύπτεται κατά κύριο λόγο από θαμνώνες. 119

125 Το νότιο τμήμα έχει περισσότερες δασοσυστάδες, οι οποίες μάλιστα εμφανίστηκαν πυκνής συγκόμωσης καλύπτοντας περίπου το 1 / 3 του συνόλου του. Η παραπάνω ταξινόμηση, παράλληλα, υπέδειξε και τα χαρακτηριστικά της τεχνητής λίμνης το Συγκεκριμένα, επιβεβαιώθηκε η μορφή της λίμνης (πολύ επιμήκης με ήπια διαπλάτυνση στο μέσο της), αλλά και τα ποσοτικά χαρακτηριστικά της λίμνης: o Εμβαδόν F: 57,25 km 2 o Λιμναία περίμετρος L: 109,70km o Λιμναίο μήκος l (το μικρότερο διάστημα μεταξύ των πιο απομακρυσμένων σημείων της λίμνης): 29,39km o Λιμναίο πλάτος b (το πλάτος της στη στενότερη θέση και σε διάταξη κάθετη προς το μήκος): 0,28km o Μέσο λιμναίο πλάτος b (όπου b = F l ): 1,95km L o Δείκτης στρογγυλότητας λ L (όπου λl = π F 2 o Ελάχιστο υπερθαλάσσιο υψόμετρο Η min : 200m o Μέσο ύψος στάθμης υδάτων H μ : 289m o Μέγιστο ύψος στάθμης υδάτων Η max : 320m o Μέγιστο λιμναίο βάθος z max : 120m ): 735,42km 2 o Όγκος λιμναίου χώρου V: ,69m 3 V o Μέσο λιμναίο βάθος z (όπου z = ): 42,13m F Επίσης, με τη βοήθεια των μορφομετρικών χαρακτηριστικών και των χρήσεων/ κάλυψη γης που φιλοξενεί κάθε ορεινή λεκάνη απορροής (Χάρτες 04 και 13, Πίνακες 10 και 25) κατέστη δυνατόν να προσδιοριστεί η μέγιστη αναμενόμενη υδατοπαροχή των 31 κύριων χειμάρρων της περιοχής έρευνας που τροφοδοτούν την τεχνητή λίμνη. Η μέγιστη αναμενόμενη υδατοπαροχή σε κάθε λεκάνη προσδιορίστηκε ως μέσος όρος δέκα εμπειρικών τύπων και έχει επίπεδο αναφοράς την εκατονταετία (Πίνακας 26). 120

126 Λεκάνη Εμβαδόν λεκάνης απορροής (Km 2 ) Πίνακας 26. Μέγιστη αναμενόμενη υδατοπαροχή περιοχής έρευνας. Εμπειρικοί τύποι (m 3 /sec) Μήκος κεντρικής κοίτης (Km) Friedrich Klement- Wunderlich Wundt Coutagne Valentini Kursteirner Hoffbauer Melli Kresnik Fuller Μέση τιμή 1 7,68 4,01 69,0 30,1 46,9 55,4 83,1 23,7 83,1 40,6 150,2 58,4 64,04 2 1,98 2,82 34,3 9,7 20,8 28,1 42,2 15,1 42,2 13,1 66,4 25,6 29, ,61 8,18 99,6 54,3 71,8 79,0 118,5 30,0 142,2 73,3 224,5 91,4 98, ,92 15,26 167,8 126,2 131,7 163,8 196,5 38,5 235,8 170,3 292,2 176,3 169, ,22 26,66 285,5 297,6 244,3 438,6 328,9 44,4 394,7 401,9 503,3 352,4 329, ,30 12,83 114,0 67,6 84,0 90,1 135,1 32,7 135,1 91,3 259,5 108,1 111, ,55 15,46 208,8 179,5 169,8 242,9 242,9 42,3 242,9 242,4 366,0 233,7 217, ,65 10,91 115,1 68,6 84,9 90,9 136,3 32,9 136,3 92,6 262,0 109,3 112, ,36 15,90 164,6 122,3 128,8 160,8 192,9 38,0 231,5 165,2 286,4 172,0 166, ,91 12,66 185,1 147,8 147,6 180,1 216,1 41,0 259,4 199,6 323,4 200,0 190, ,53 5,66 68,4 29,6 46,3 54,9 82,3 23,5 98,8 40,0 148,6 57,7 65, ,29 4,03 44,6 14,8 28,2 36,3 54,4 17,8 54,4 20,0 91,0 34,7 39, ,77 3,16 32,4 8,9 19,5 26,6 39,9 14,5 39,9 12,0 61,9 24,0 27, ,29 3,29 44,6 14,8 28,2 36,3 54,4 17,8 65,3 20,0 91,0 34,7 40, ,27 3,22 36,8 10,9 22,6 30,2 45,2 15,8 45,2 14,7 72,5 27,8 32, ,59 2,82 30,6 8,1 18,2 25,2 37,8 14,0 200,7 10,9 57,7 22,5 42, ,07 13,35 142,1 96,4 108,5 139,4 167,2 34,6 200,7 130,2 278,3 142,5 143, ,19 10,57 101,5 56,0 73,4 80,5 120,7 30,4 169,0 75,6 229,1 93,5 102, ,65 5,68 53,3 19,8 34,7 43,1 64,7 20,0 77,6 26,7 112,0 42,8 49, ,99 8,61 90,6 46,6 64,3 72,1 108,1 28,2 129,7 62,9 202,5 81,3 88, ,30 9,89 91,7 47,5 65,2 72,9 109,4 28,4 153,1 64,2 205,2 82,5 92, ,00 8,64 74,9 34,3 51,6 60,0 90,0 25,0 108,0 46,3 164,5 64,5 71, ,12 9,50 61,4 24,9 40,9 49,5 74,2 21,9 103,9 33,6 131,7 50,7 59, ,16 12,37 127,4 80,8 95,6 100,3 150,5 35,2 210,7 109,2 291,9 124,2 132, ,27 12,63 135,3 89,1 102,5 106,3 159,5 36,6 191,4 120,3 311,0 134,0 138, ,46 13,77 140,6 94,8 107,2 138,0 165,6 34,4 198,7 128,0 291,5 140,7 143, ,30 4,03 44,7 14,9 28,2 36,3 54,5 17,9 54,5 20,1 91,2 34,8 39, ,64 13,49 173,2 132,8 136,6 168,9 202,7 39,3 283,7 179,3 301,9 183,6 180, ,80 7,23 89,9 46,0 63,7 71,6 107,3 28,1 128,8 62,2 200,9 80,5 87, ,81 5,39 54,3 20,4 35,4 43,9 65,8 20,3 79,0 27,5 114,3 43,8 50, ,64 5,14 58,9 23,3 39,0 47,5 71,3 21,4 85,5 31,4 125,6 48,3 55,20 ΜΟ ,83 10,58 122,25 89,00 94,18 126,73 143,80 30,36 161,27 120,18 233,50 126,42 124,77 ΜΟ ,25 8,31 86,20 47,85 61,98 73,44 102,72 26,06 138,09 64,61 181,83 79,59 86,24 121

127 Λεκάνη Εμβαδόν λεκάνης απορροής (Km 2 ) Μήκος κεντρικής κοίτης (Km) Friedrich Klement- Wunderlich Wundt Εμπειρικοί τύποι (m 3 /sec) Coutagne Valentini Kursteirner Hoffbauer Melli Kresnik Fuller Μέση τιμή Μ.Ο. Συνόλου 21,20 9,26 101,32 65,11 75,48 95,78 119,95 27,86 147,81 87,91 203,50 99,23 102,39 Από τον πίνακα 26 επίσης διαφαίνονται οι διαφορές μεταξύ του βόρειου και του νότιου τμήματος της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου: Αν και κατά μέσο όρο στο βόρειο τμήμα οι λεκάνες απορροής καταλαμβάνουν σχεδόν διπλάσιο εμβαδόν (διαφορά 100%) σε σχέση με τις λεκάνες απορροής του νότιου τμήματος, η κεντρική τους κοίτη ήταν αυξημένη μόλις κατά 56%, όπως ακριβώς και η μέγιστη αναμενόμενη υδατοπαροχή. 122

128 8.5 Ανάπτυξη μοντέλου διάβρωσης - υποβάθμισης Μεταβλητές μοντέλου διάβρωσης - υποβάθμισης Παρακάτω περιγράφονται οι μεταβλητές t o, h, x, y, J και z του 3 μοντέλου διάβρωσης και υποβάθμισης w = T h π z F (όπου = to T ,1 και z = x y ( φ + J ) ) μέσα από τους αντίστοιχους χάρτες (Χάρτες 14 19). Πρώτα όμως θα πρέπει να διευκρινιστούν οι τιμές που επιλέχθηκαν για τους συντελεστές x, y (Πίνακες 29 και 30) και φ με τη βοήθεια της βιβλιογραφίας (βλ. αντίστοιχο υποκεφάλαιο μεθοδολογίας 5.5) και της γνώσης της περιοχής έρευνας μετά από αρκετές επισκέψεις σε αυτή. Πίνακας 27. Τιμές του συντελεστή x στον τύπο του Gavrilovic. Περιγραφή της ορεινής λεκάνης απορροής και της μορφής του φυτοκαλύμματος της Μέση τιμή συντελεστή x Πυκνές δασοσυστάδες 0,125 Αραιές δασοσυστάδες 0,450 Πυκνοί θαμνώνες 0,250 Αραιοί θαμνώνες 0,700 Αγροί/ λιβάδια 0,800 Πίνακας 28. Τιμές του συντελεστή y στον τύπο του Gavrilovic. Χειμαρρικοί πετρολογικοί σχηματισμοί Τιμές συντελεστή y Φλυσχικός (F) 1,15 Σχιστολιθικός (G) 1,00 Ασβεστολιθικός (Κ) 0,80 Κρυσταλλοπυριγενής, όξινος (Μ 1 ) 0,80 Κρυσταλλοπυριγενής, βασικός (Μ 2 ) 0,9 Κρυσταλλοπυριγενής, μεταμορφωμένος (Μ 3 ) 1,2 Νεογενής,1 (S 1 ) 1,55 Νεογενής,2 (S 2 ) 0,45 123

129 Ο συντελεστής φ που εκφράζει το είδος και το βαθμό της διάβρωσης για το σύνολο της ευρύτερης λεκάνης απορροής εκτιμήθηκε από τον Πίνακα 29: Πίνακας 29. Τιμές του συντελεστή φ στον τύπο του Gavrilovic. Είδος και βαθμός διάβρωσης των λεκανών Τιμές συντελεστή φ Ασθενής διάβρωση στις λεκάνες απορροής 0,1-0,2 Διάβρωση επιφανειακή στα 25-50% της λεκάνης 0,3-0,5 Επιφανειακή διάβρωση, ολισθήσεις και αποθέσεις, καρστική διάβρωση Τα 50-80% της λεκάνης υποβαθμισμένα από χαραδρώσεις και ολισθήσεις Λεκάνες πλήρως υποβαθμισμένες από έντονες διαβρώσεις και ολισθήσεις 0,6-0,7 0,8-0,9 0,9-1,0 Οι παράγοντες του μοντέλου διάβρωσης του Gavrilovic συνδυάστηκαν στα Γεωγραφικά Συστήματα Πληροφοριών με τη μορφή επιπέδου πληροφοριών. Οι παράγοντες παραθέτονται υπό μορφή χάρτη στη συνέχεια, όπου με ανοικτό χρώμα προσδιορίζονται οι μικρότερες τιμές του κάθε παράγοντα και με σκούρο οι μεγαλύτερες (Χάρτες 14-20). 124

130 Χάρτης 14. Συντελεστής θερμοκρασίας T στην περιοχή έρευνας. Χάρτης 15. Μέσα ετήσια κατακρημνίσματα h στην περιοχή έρευνας. 125

131 Χάρτης 16. Συντελεστής x (παρουσία βλάστησης) στην περιοχή έρευνας. Χάρτης 17. Συντελεστής y (γεωλογικό υπόθεμα) στην περιοχή έρευνας. 126

132 Χάρτης 18. Μέση κλίση J στην περιοχή έρευνας. Χάρτης 19. Συντελεστής διάβρωσης φ στην περιοχή έρευνας. 127

133 Χάρτης 20. Συντελεστής δυναμικού διάβρωσης z στην περιοχή έρευνας. Ο συντελεστής διάβρωσης ταξινομήθηκε στις αντίστοιχες ομάδες με τη διαδικασία που περιγράφεται στο κεφαλαίο της μεθοδολογίας. Συνολικά για την περιοχή έρευνας τα αποτελέσματα της ταξινόμησης παρουσιάζονται στο χάρτη 21. Η εφαρμογή του μοντέλου του Gavrilovic συνολικά για όλες τις ορεινές λεκάνες απορροής της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης του Πολυφύτου έδωσε τα αποτελέσματα του Χάρτη 22, ενώ συγκεντρωτικά οι μέσοι όροι δυναμικού διάβρωσης, ετήσιας διάβρωσης και υποβάθμισης ανά λεκάνη απορροής παρουσιάζονται στον Πινάκα

134 Χάρτης 21. Δυναμικό διάβρωσης στην περιοχή έρευνας. 129

135 Χάρτης 22. Μέση ετήσια υποβάθμιση w στην περιοχή έρευνας. 130

136 Α/Α Κύρια Κοίτη Πίνακας 30. Ετήσια Διάβρωση και υποβάθμιση λεκανών απορροής της περιοχής έρευνας. Εμβαδόν (km 2 ) Δυναμικό Διάβρωσης Z Ετήσια ειδική διάβρωση w (m 3 /km 2,y) Ετήσια υποβάθμιση (mm/y) Ετήσια διάβρωση W (m 3 /y) Συντελεστής R Gavrilovic Συντελεστής R Zemljic Ετήσια Διάβρωση G παραγ (m 3 /y) Ετήσια συγκράτηση G λεκάνη (m 3 /y) Ετήσια συγκράτηση G λεκάνη (%) 1 Ανώνυμο 7,68 0,31 516,78 0, ,90 0, , ,60 68,6% 2 Γαβριά 1,98 0,14 150,58 0,15 298,15 0,16 47,93 250,22 83,9% 3 Άγ. Αθανασίου 15,61 0,33 541,68 0, ,55 0, , ,73 64,9% 4 Καρδόλακκας 42,92 0,38 701,15 0, ,27 0, , ,94 72,1% Λευκοπηγής, 5 120,22 842,12 0, , , ,44 63,8% Φτελιάς 0,43 0,36 6 Βρανάς 20,30 0,35 587,69 0, ,15 0, , ,62 75,6% 7 Κιτρινονέρι 65,55 0,31 483,06 0, ,52 0, , ,00 85,6% 8 Ξηρόρρεμα 20,65 0,29 418,73 0, ,71 0, , ,01 72,0% 9 Ασβεσταριά 41,36 0,41 785,67 0, ,27 0, , ,48 80,1% 10 Πλάτανος 51,91 0,38 687,21 0, ,97 0, , ,86 72,3% 11 Ρέμα 7,53 0,47 824,42 0, ,91 0, , ,92 55,1% 12 Ανώνυμο 3,29 0,41 724,85 0, ,74 0,35 832, ,74 65,1% 13 Ανώνυμο 1,77 0, ,68 1, ,35 0,32 624, ,89 67,8% Μ.Ο Συν Πλατανόλακκος 3,29 30,83 0,37 643,05 0, , , ,73 71% 0, ,70 1, , , , ,47 71% 0, , ,64 57,1% 15 Ξηρόλακκος 2,27 0, ,43 1, ,19 0,34 956, ,48 65,6% 16 Ανώνυμο 1,59 0, ,56 1, ,08 0,29 664, ,55 71,0% 131

137 Α/Α Κύρια Κοίτη Εμβαδόν Z w υποβάθμιση W RGavrilovic RZemljic Gπαραγ Gλεκάνη Gλεκάνη 17 Καταφυγίου 31,07 0, ,99 1, ,28 0, , ,32 34,8% 18 Θολόλακκος 16,19 0, ,85 1, ,03 0, , ,09 40,0% 19 Ανώνυμο 4,65 0, ,52 1, ,42 0, , ,29 56,7% 20 Αβουζιανή 12,99 0, ,47 1, ,88 0, , ,88 49,9% 21 Γρατσάνης 13,30 0, ,68 1, ,14 0, , ,83 45,0% 22 Μαυρονέρι 9,00 0, ,51 1, ,59 0, , ,76 61,7% 23 Αμμόλακκος 6,12 0, ,20 1, ,50 0, , ,00 55,5% 24 Κολτσάκι, Τρανό 25,16 0, ,59 1, ,12 0, , ,25 48,8% 25 Φαράγγι 28,27 0, ,96 1, ,71 0, , ,11 56,1% 26 Δέμα 30,46 0, ,55 1, ,75 0, , ,04 55,3% 27 Αικατερίνης Λάκκος 3,30 0, ,61 1, ,61 0, , ,73 67,4% 28 Τσάγκακη 45,64 0, ,33 1, ,62 0, , ,07 36,7% 29 Ανώνυμο 12,80 0, ,02 1, ,86 0, , ,75 63,5% 30 Ανώνυμο 4,81 0,45 851,59 0, ,14 0, , ,28 67,8% 31 Ανώνυμο 5,64 0,48 893,55 0, ,64 0, , ,79 63,4% Μ.Ο Συν M.O. Συνόλου Συν. Συνόλου 14,25 0, ,90 1, , , ,99 48,5% , , ,87 48,5% 21,20 0,49 990,77 0, , , ,20 58,9% , , ,34 58,9% 132

138 Με τη βοήθεια του Πινάκα 30 διακρίνεται η διαφοροποίηση μεταξύ βόρειων και νότιων λεκανών απορροής, αφού κάθε χρόνο οι βόρειες λεκάνες χάνουν κατά μέσο όρο ποσότητα φερτών υλικών ύψους 0,37 mm που αντιστοιχεί σε όγκο ,59 m 3 /km 2,y, ενώ στο νότιο τμήμα κατά μέσο όρο η απώλεια ισούται με ,79 m 3 /km 2,y, που αντιστοιχεί σε υποβάθμιση των ορεινών λεκανών ετησίως κατά 1,24 mm εδάφους. Στο μέσο όρο των ορεινών λεκανών της περιοχής έρευνας αμβλύνονται οι απώλειες του εδάφους σε ,74 m 3 /km 2,y και η υποβάθμιση σε 0,99 mm/y εδάφους. Εξετάζοντας το Χάρτη 22 και τον Πίνακα 30 φαίνεται ότι ισχυρή ετήσια διάβρωση που ενδεχομένως να εμφανίσει ακραία χειμαρρικά φαινόμενα αναμένουμε στο νότιο τμήμα και ειδικά στις λεκάνες 17 ως 21. Στο παρελθόν, άλλωστε, είχαν παρατηρηθεί παρόμοια φαινόμενα (ραγδαίες πλημμύρες που συνοδεύτηκαν από έντονη στερεομεταφορά) και ειδικά στη λεκάνη απορροής Νο18 (Θολόλακκας), που εντοπίζεται πάνω από τον οικισμό του Βελβενδού (Κωτούλας 1998). Μάλιστα, είναι σε εξέλιξη αυτή τη στιγμή από τη Νομαρχία Κοζάνης μελέτη για την αντιμετώπιση ακραίων πλημμυρικών φαινομένων στο Θολόλακκα. Στον ίδιο πίνακα (Πίνακας 30) εξετάστηκε ο ετήσιος όγκος των φερτών υλών που καταλήγει τελικά στην τεχνητή λίμνη μέσω των χειμάρρων (G παραγ ) και ο ετήσιος όγκος των φερτών υλών που παραμένει σε διάφορες θέσεις στις ορεινές λεκάνες απορροής (G λεκάνη ) και συγκρίθηκαν με τον ετήσιο όγκο των φερτών υλών W που διαβρώνονται σε κάθε λεκάνη απορροής: Οι βόρειες λεκάνες απορροής εμφανίζονται να συγκρατούν κάθε χρόνο 71,0% της ποσότητας των φερτών υλών από τον αρχικό παραγόμενο όγκο, ενώ οι νότιες λεκάνες το 48,5% αυτών, γεγονός που αποδίδεται κατά κύριο λόγο στο ομαλότερο ανάγλυφο των βόρειων λεκανών και στη μεγάλη επιφάνεια που καταλαμβάνεται από δάσος ή πυκνούς θαμνώνες στο νότιο τμήμα. Υψηλά ποσοστά συγκράτησης υλικών παρατηρούνται και στο σύνολο της ευρύτερης λεκάνης απορροής της λίμνης του Πολυφύτου, αφού από ,86 m 3 που διαβρώνονται κάθε χρόνο στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου καταλήγουν τελικά στη λίμνη μόλις τα ,52 m 3 εξ 133

139 αυτών, δηλαδή συγκρατείται εσωτερικά στις λεκάνες το 58,9% του αρχικού παραγόμενου όγκου φερτών υλικών. Από τις φερτές ύλες που καταλήγουν στη λίμνη τα ,20 m 3 /y εξ αυτών αντιστοιχούν στο βόρειο τμήμα της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης του Πολυφύτου και τα ,87 m 3 /y στο νότιο τμήμα. Επομένως, η συνεισφορά του νότιου τμήματος είναι σημαντική στη πρόσχωση της λίμνης. 134

140 8.6 Επιβεβαίωση μοντέλου διάβρωσης - υποβάθμισης H επιβεβαίωση του μοντέλου διάβρωσης υποβάθμισης έγινε μέσα από τη σύγκριση της παρούσας έρευνας με έρευνες του παρελθόντος, οι οποίες εφάρμοσαν το ίδιο μοντέλο (μοντέλο Δυναμικό Διάβρωσης Gavrilovic) στην ίδια περιοχή έρευνας, αλλά και σε άλλες περιοχές της Ελλάδας και του εξωτερικού. Το διαφορετικό σε αυτές τις παλιότερες έρευνες ήταν ότι χρησιμοποιήθηκαν κυρίως αναλογικά μέσα στις εκτιμήσεις των παραγόντων του μοντέλου και όχι αμιγώς σύγχρονα εργαλεία (πχ. τηλεπισκόπηση ή Γεωγραφικά Συστήματα Πληροφοριών). Επιπρόσθετα, σε αυτές τις έρευνες, ενώ εκτιμήθηκε ο αρχικός παραγόμενος ετήσιος όγκος των φερτών υλικών, δεν υπολογίστηκε το ποσοστό των υλικών που παραμένει στο εσωτερικό των ορεινών λεκανών απορροής: Σε έρευνα του Εργαστηρίου Διευθέτησης Ορεινών Υδάτων του Α.Π.Θ. (Κωτούλας 1992) βρέθηκε ότι συνολικά στη λεκάνη απορροής του Αλιάκμονα (από το Γράμμο και μέχρι το ύψος του φράγματος του Πολυφύτου) παράγονται ετησίως φερτά υλικά συνολικού όγκου m 3 /y, εκ των οποίων μόνο τα ,69 m 3 /y παράγονται και διακινούνται στην παρούσα περιοχή έρευνας (λεκάνες απορροής 1 31) ή, όπως ονοματίζονται στην έρευνα του 1992, στη λεκάνη του χειμαρρικού συγκροτήματος Βερμίου (βόρειο τμήμα, λεκάνες 1-13) και στη λεκάνη του χειμαρρικού συγκροτήματος Πιερίων (νότιο τμήμα, λεκάνες 14-31). Ο όγκος των φερτών υλικών που αποδίδεται στην περιοχή έρευνας είναι σχεδόν παρόμοιος σε σχέση με την εκτίμηση του αρχικού παραγόμενου όγκου φερτών υλών και διπλάσιος σε σχέση με τον όγκο των φερτών που εκτίμησε η παρούσα έρευνα ότι καταλήγουν στην τεχνητή λίμνη. Το γεγονός αυτό με μια πρώτη αξιολόγηση φαίνεται αντίθετο με αυτά που καταθέτουν άλλοι ερευνητές, ότι δηλαδή η χρήση των νέων τεχνολογιών αποφέρει μεγαλύτερη ακρίβεια και επομένως περιορισμό των σφαλμάτων υπερεκτίμησης. Αυτό το συμπέρασμα αναφέρουν για παράδειγμα οι Petras et. 135

141 al (2005) όταν συνέκριναν τα αποτελέσματα της ανάπτυξης του μοντέλου Gavrilovic (δυο διαφορετικές προσεγγίσεις) με πραγματικές μακροχρόνιες μετρήσεις στερεομεταφοράς και διάβρωσης στην ορεινή λεκάνη απορροής του ταμιευτήρα του Botonega της Κροατίας. Η πρώτη εκτίμηση του μοντέλου Gavrilovic (αμιγώς αναλογικά μέσα) απέδωσε μία συνολική τιμή ετήσιας διάβρωσης στη λεκάνη, η οποία υπερεκτιμούσε την πραγματική περίπου κατά 1100%. Η δεύτερη ανάπτυξη του μοντέλου ήταν συνδυαστική, δηλαδή περιελάμβανε τόσο αναλογικά, όσο και ψηφιακά μέσα (Γεωγραφικά Συστήματα Πληροφοριών), δημιούργησε μια ψηφιακή βάση δεδομένων - χάρτη διάβρωσης (ο οποίος περιέγραφε την αναμενόμενη διάβρωση ανά θέση της λεκάνης) και κατάφερε να περιορίσει το σφάλμα υπερεκτίμησης στο 37% των φερτών υλών που απομακρύνονται από την ορεινή λεκάνη. Αντίστοιχα συμπεράσματα ανέφεραν και έλληνες ερευνητές (Σαπουτζής κ.α. 2009) όταν ανέπτυξαν το μοντέλο του Gavrilovic με συνδυασμό αναλογικών και ψηφιακών μέσων (συγκεκριμένα κατά την εκτίμηση των παραγόντων που σχετίζονται με τη βλάστηση, την κλίση του εδάφους και τη γεωλογία). Σύγκριναν τα αποτελέσματα του μοντέλου τόσο με πραγματικές μετρήσεις, όσο και με τα αποτελέσματα του μοντέλου διάβρωσης USLE στη λεκάνη απορροής του χειμάρρου «Γεραμπίνη», στην περιοχή της Ζαγοράς στο Β.Α. Πηλίο και διαπίστωσαν ότι τα αποτελέσματα του μοντέλου Gavrilovic ήταν πιο κοντά στις πραγματικές τιμές στερεομεταφοράς και μάλιστα εμφάνιζαν μια υπερεκτίμηση της τάξης του 13%. Μια δεύτερη αξιολόγηση όμως των αποτελεσμάτων της παρούσας έρευνας με τα αποτελέσματα της έρευνας του Κωτούλα (1992) αποδεικνύει ότι η παρούσα έρευνα επίσης περιορίζει τα σφάλματα υπερεκτίμησης με τη χρήση σύγχρονων μέσων. Αυτό αποδεικνύεται από δυο διαπιστώσεις: 1. Η γενική τάση των τιμών της ετήσιας διάβρωσης των ορεινών λεκανών (αρχικοί υπολογισμοί) και στις δυο έρευνες ακολουθείται πιστά: το βόρειο τμήμα φαίνεται να παράγει 41% ( ,17 m 3 /y) των φερτών υλών το 1992 και το 46% ( ,67 m 3 /y) των φερτών υλών στην παρούσα έρευνα, ενώ αντίστοιχα το νότιο τμήμα 136

142 φαίνεται να παράγει 59% ( ,52 m 3 /y) το 1992 και το 54% ( ,19 m 3 /y) στην παρούσα έρευνα. 2. Υπάρχει διαφοροποίηση σε έναν παράγοντα του μοντέλου από το 1992 μέχρι σήμερα και συγκεκριμένα στον παράγοντα που εκφράζει την ευεργετική επίδραση της βλάστησης στον περιορισμό της διάβρωσης. Οι υπόλοιποι παράγοντες του μοντέλου έχουν παραμείνει αμετάβλητοι ή σχεδόν αμετάβλητοι. Η βλάστηση την τελευταία περίπου δεκαπενταετία, δηλαδή από τα τέλη της δεκαετίας του 80 (η έρευνα του 1992 άντλησε στοιχεία για τη βλάστηση από διαχειριστικά σχέδια των δασών) μέχρι το 2001 (ημερομηνία λήψης δορυφορικής εικόνας), έχει μεταβληθεί: τα δάση και οι θαμνώνες έχουν πυκνώσει, ενώ περιορίστηκαν οι βοσκότοποι και οι γεωργικές καλλιέργειες (Πίνακες 25 και 31). Πίνακας 31. Κάλυψη γης στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου. έρευνα 1992 έρευνα 2010 Δάση 17,13% 76,34 % Αγροί/ λιβάδια 78,39% 9,99 % Άλλες χρήσεις 4,49% 13,67 % Σύνολο 100,0 % 100,0 % αποτελεσματικότερη κάλυψη του εδάφους από τα φυτά είχε ως συνέπεια τον περιορισμό της διάβρωσης και της υποβάθμισης στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου διαχρονικά. Σε παρόμοια διαπίστωση κατέληξε και ο Σαπουτζής (2000) όταν σύγκρινε την αναμενόμενη ετήσια υποβάθμιση του 1934 και του 1997 στις ίδιες ορεινές λεκάνες απορροής στις περιοχές Σιδηροκάστρου και Σερρών. Η Στην Ελλάδα έχει εφαρμοστεί και σε άλλες περιοχές το μοντέλο του Gavrilovic. Ενδιαφέρον παρουσιάζει η διδακτορική έρευνα του Μάρη (2000), στην οποία είχε υπολογιστεί η μέση ετήσια υποβάθμιση και διάβρωση των 137

143 ορεινών λεκανών όλων των φυσικών λιμνών της χώρας. Στην έρευνα μάλιστα επισημαίνεται και ο άμεσος κίνδυνος στένωσης ή διχοτόμησης των περισσότερων λιμνών, ακόμη και μελλοντικής πρόσχωσης για κάποιες εξαιτίας ακριβώς των χειμαρρικών φαινόμενων. Συγκρίνοντας τα αποτελέσματα της έρευνάς του Μάρη (Πίνακας 32) με τα αποτελέσματα της παρούσας (Πίνακας 30), διαπιστώνουμε ότι η ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου παράγει ετησίως σημαντικά λιγότερες φερτές ύλες από το μέσο όρο των φυσικών λιμνών της χώρας, ενώ η ειδική υποβάθμιση είναι κοντά αλλά χαμηλότερα από το μέσο όρο των φυσικών λιμνών της Ελλάδας. Το φαινόμενο αυτό επίσης αποδίδεται στο γεγονός ότι η παρούσα έρευνα εφάρμοσε αποκλειστικά σύγχρονες μεθόδους (Γεωγραφικά Συστήματα Πληροφοριών και τηλεπισκόπησης) και ότι παράλληλα συνεκτιμήθηκε και η ποσότητα των υλικών που συγκρατείται εσωτερικά στην ευρύτερη λεκάνη απορροής και δεν καταλήγει στην τεχνητή λίμνη του Πολυφύτου. Επίσης από τους ίδιους πίνακες (Πίνακες 30 και 32) φαίνεται ότι οι σύγχρονες μέθοδοι ελαττώνουν τις υπερεκτιμήσεις του μοντέλου διάβρωσης του Gavrilovic που αναφέρθηκαν από άλλους ερευνητές (Blinkov et al. 2008). 138

144 Πίνακας 32. Σύγκριση της ετήσιας διάβρωσης της λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου σε σχέση με τις λεκάνες απορροής των υπόλοιπων ελληνικών φυσικών λιμνών. Ονομασία λίμνης Εμβαδόν λεκάνης F (km 2 ) Μέση ειδική διάβρωση w (m 3 /km 2,y) Μέση διάβρωση W = F X w (m 3 /y) Βιστωνίδα 975,02 708, ,43 Μεγάλη Βόλβη 838,07 494, ,52 Κορώνεια 537,45 923, ,60 Δοϊράνη 137,99 740, ,22 Βεγορίτιδα 417,43 943, ,87 Πετρών 27,93 322, ,21 Χειμαδίτιδα 29,31 845, ,83 Ζάζαρη 67,69 734, ,81 Μικρή Πρέσπα 66,88 885, ,64 Μεγάλη Πρέσπα 94,64 814, ,78 Καστοριάς 138,58 681, ,43 Παμβώτιδα 138,64 973, ,11 Βουλκαρία 56, , ,65 Αμβρακία 20, , ,49 Οζερός 19, , ,43 Λυσιμαχεία 150, , ,53 Τριχωνίδα 168, , ,94 Μ.Ο. 228, , ,03 Πολυφύτου 657,32 990, , ,52 2 Επομένως, είναι ιδιαίτερα κρίσιμοι παράγοντες η μεθοδολογία και η ακρίβεια στον υπολογισμό των παραγόντων του μοντέλου διάβρωσης, όπως άλλωστε και κάθε μοντέλου που επιχειρεί να προσεγγίσει μια πραγματική κατάσταση. Παρ όλα αυτά, οι Σαπουντζής κ.α. (2009) αναφέρουν ότι τα μοντέλα προσδιορισμού της μέσης ετήσιας διάβρωσης θα πρέπει να λαμβάνονται ως ενδείξεις του μεγέθους της διάβρωσης, ενώ σημαντική βαρύτητα θα πρέπει να δίδεται στο στάδιο εξέλιξης των χειμάρρων (στάδιο νεότητας, στάδιο ωριμότητας και στάδιο γήρατος), αφού το στάδιο σχετίζεται με τη δυνατότητα μιας ορεινής λεκάνης απορροής να διαβρώνεται και να παράγει υλικά. 1 Αντιστοιχεί στο γινόμενο εμβαδού (F) και μέσης ειδικής διάβρωσης (w) 2 Αντιστοιχεί στη μέση ετήσια διάβρωση G, εκτιμώμενη με σύγχρονες μεθόδους GIS και τηλεπισκόπησης 139

145 Στους κρίσιμοι παράγοντες, λοιπόν, για την ανάπτυξη ενός αξιόπιστου μοντέλου διάβρωσης και υποβάθμισης σε μια ορεινή λεκάνη απορροής θα πρέπει να προστεθούν η εμπειρία και η διορατικότητα του ερευνητή. 140

146 9 ΣΥΜΠΕΡΑΣΜΑΤΑ Τα συμπεράσματα της παρούσας έρευνας παρουσιάζονται παρακάτω: Πριν από την εφαρμογή του μοντέλου διάβρωσης και υποβάθμισης του Gavrolovic, εξετάστηκαν αρχικά τα μορφολογικά και υδρογραφικά χαρακτηριστικά της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου, προκειμένου να ανιχνευτούν τα ιδιαίτερα γνωρίσματα που μπορούν να οδηγήσουν σε υποβάθμισης της λεκάνης. Έτσι, βρέθηκε ότι η ευρύτερη λεκάνη απορροής έχει συνολικό εμβαδό 847,76 km 2 και διαιρείται σε 31 μικρότερες λεκάνες απορροής. Η μεγαλύτερη από αυτές έχει έκταση 120,22 km 2, ενώ η μικρότερη μόλις 1,59 km 2, δηλαδή περιλαμβάνονταν πολύ μικρές ως μέτριες λεκάνες απορροής. Το κυρίαρχο σχήμα τους είναι το Α, δηλαδή στενό στη βάση με πλάτος που αυξάνεται σημαντικά στην κορυφή της λεκάνης απορροής. Η μορφή του υδρογραφικού δικτύου είναι ή δενδριτική ή παράλληλη. Τα περισσότερα ονόματα των χειμαρρικών ρευμάτων εντοπίζονται στο βόρειο τμήμα της ευρύτερης λεκάνης απορροής. Το γεγονός αυτό πιθανόν να οφείλεται στο ότι η βόρεια πλευρά είναι πιο πυκνοκατοικημένη εξαιτίας του λιγότερο ορεινού της χαρακτήρα και γι αυτό υπήρχε εντονότερη ανάγκη για επεξηγήσεις ή οριοθετήσεις περιοχών - τοπωνύμια σε σχέση με τη νότια πλευρά. Συνολικά 12 ονόματα από τα 65 των ρευμάτων αναφέρονται στην υδατοπαροχή, περιγράφοντας ακραίες κατάστασης αυτής. Επίσης, η διαύγεια που σχετίζεται με τη στερεομεταφορά των ρευμάτων είναι σημείο αναφοράς για την ονοματολογία των ρευμάτων, που εκφράζει διαυγή ή θολά ρεύματα. Επομένως, στην πλειοψηφία της η ονοματολογία των χειμαρρικών ρευμάτων σχετίζεται άμεσα με τα μορφολογικά και υδρογραφικά χαρακτηριστικά. Τα υπόλοιπα ρεύματα προσφωνούνται από άλλες πηγές ονομάτων (πχ. ιδιοκτήτες, δασικά είδη δένδρων, σχήματα, άγιοι κλπ). 141

147 Κατά μέσο όρο οι λεκάνες απορροής του βόρειου τμήματος της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου (λεκάνες 1-13) καλύπτουν μεγαλύτερη επιφάνεια (σχεδόν διπλάσια), εμφανίζοντας μεγαλύτερο υδροκρίτη σε χαμηλότερα όμως υψόμετρα. Αντίθετα, οι νότιες λεκάνες απορροής (λεκάνες 14 31) έχουν μεγαλύτερη κλίση λεκάνης και κεντρικής κοίτης σε αραιότερο υδρογραφικό δίκτυο με αντίστοιχα μικρότερη κεντρική κοίτη. Οι διαφορές οφείλονται στο ιδιαίτερα τραχύ ανάγλυφο του νότιου τμήματος σε σχέση με το ανάγλυφο του βόρειου τμήματος. Ενδιαφέρον παρουσιάζει και η μέγιστη αναμενόμενη υδατοπαρόχη της εκατονταετίας στα δυο τμήματα (βόρειο και νότιο) της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου. Αν και κατά μέσο όρο στο βόρειο τμήμα οι λεκάνες απορροής καταλαμβάνουν σχεδόν διπλάσιο εμβαδόν (διαφορά 100%) σε σχέση με τις λεκάνες απορροής του νότιου τμήματος, η κεντρική τους κοίτη ήταν αυξημένη μόλις κατά 56%, όπως ακριβώς και η μέγιστη αναμενόμενη υδατοπαροχή. Προφανώς και αυτό είναι ένα άμεσο επακόλουθο του ιδιαίτερα τραχέος ανάγλυφου του νότου. Θα πρέπει λοιπόν στο νότιο τμήμα της περιοχής έρευνας όπου εμφανίζονται σημαντικές υδατοπαροχές να δοθεί προσοχή, να γίνει παρακολούθηση και να πραγματοποιηθεί διαχείριση από τις αρμόδιες δημόσιες υπηρεσίες. Στη συνέχεια της έρευνας, προσδιορίστηκαν οι παράγοντες του μοντέλου διάβρωσης και υποβάθμισης στην ευρύτερη λεκάνη απορροής και συγκεκριμένα η κατανομή των μέσων ετησίων κατακρημνισμάτων, η χαρτογράφηση της μέσης ετήσιας θερμοκρασίας, το γεωλογικό υπόβαθρο και οι χρήσεις/ κάλυψη γης,. Ο κάθε παράγοντας εξέφραζε τον κίνδυνο υποβάθμισης της λεκάνης σε κάθε θέση της ευρύτερης λεκάνης απορροής. Παράλληλα, εξετάστηκε η κατάλληλη μεθοδολογία υπολογισμού αυτών των παραγόντων στα Γεωγραφικά Συστήματα Πληροφοριών. Η διαδικασία αυτή ήταν αναγκαία αφού, όπως απέδειξαν και οι Jetten et al. (1999), ο Evans (2002) και οι De Vente και Poesen (2005), προκειμένου να επιτευχθεί ένα αξιόπιστο μοντέλο διάβρωσης και υποβάθμισης μιας περιοχής, 142

148 απαιτείται η μέγιστη δυνατή ακρίβεια απεικόνισης της πραγματικότητας (βλ. αντίστοιχο κεφάλαιο ανασκόπησης 3.1). Ο πρώτος παράγοντας του μοντέλου διάβρωσης και υποβάθμισης που εξετάστηκε ήταν η κατανομή των κατακρημνισμάτων στην ευρύτερη λεκάνη απορροής. Τα κατακρημνίσματα διερευνήθηκαν με την κλασική στατιστική (διερεύνηση σχέσεων σε δυο διαστάσεις), καθώς και μέσα από τη γεωστατιστική (διερεύνηση σχέσεων σε τρεις διαστάσεις). Η κλασική στατιστική υπέδειξε μια ισχυρή ανάλογη σχέση συνολικά των κατακρημνισμάτων με το υψόμετρο (R 2 71,4%). Συγκεκριμένα φάνηκε ότι η αύξηση του υπερθαλάσσιου υψόμετρου κατά 100 m έχει ως αποτέλεσμα την αύξηση των κατακρημνισμάτων περίπου κατά 29 mm. Αντίθετα, η διερεύνηση κάθε βροχομετρικού σταθμού ξεχωριστά υπέδειξε ότι είναι επισφαλές να προβλεφθούν τα μελλοντικά κατακρημνίσματα του κάθε σταθμού με τη χρήση γραμμικών μοντέλων παλινδρόμησης. Ο λόγος είναι ότι εμφανίζεται μεγάλη διακύμανση στο ύψος των κατακρημνισμάτων σε σχέση με τη μέση τιμή σε όλους τους σταθμούς, φαινόμενο που έχει παρατηρηθεί και από άλλους ερευνητές (Sneyers 1990, Μπαλούτσος κ.α. 2004, Stathis and Mavromatis 2009, Στάθης 2009). Αυτό όμως που είναι κοινό σε όλους τους σταθμούς είναι η εμφάνιση δύο ή τριών μέγιστων τιμών στη διάρκεια του έτους, οι οποίες απέχουν μεταξύ τους 4 ως 9 μήνες, συνήθως μιας φθινοπωρινής και μιας εαρινής, που αντιστοιχούν στους μήνες Φεβρουάριο, Μάιο και Νοέμβριο. Το φαινόμενο είναι κοινό σε όλη τη Μεσόγειο (Esteban- Parra et al. 1998, Στάθης κ.α. 2000, Maheras and Anagnostopoulou 2003, Anagnostopoulou et al. 2008, Karagiannidis et al. 2008, Mano et al. 2009). Η διερεύνηση των κατακρημνισμάτων με τη βοήθεια της γεωστατιστικής έδειξε ότι η μεταβολή των κατακρημνισμάτων ακολουθεί τη μεταβολή του υπερθαλάσσιου υψομέτρου και για αυτό επιλέχθηκε τελικά η μέθοδος του Κανονικού Συνδυαστικού Kriging (Co- Kriging), η οποία συνεκτίμησε τις τιμές των παρατηρήσεων των μέσων ετήσιων κατακρημνισμάτων του κάθε σταθμού με τις μεταβολές του ανάγλυφου της 143

149 ευρύτερης λεκάνης απορροής. Οι εξισώσεις πρόβλεψης καταδεικνύουν ότι σε καθορισμένη οριζόντια απόσταση, ίση με 5 km, τα μέσα ετήσια κατακρημνίσματα μεταβάλλονται περίπου κατά 0,3 mm. Δεν υπάρχουν επομένως δραματικές αλλαγές της κατανομής των κατακρημνισμάτων μέσα στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης. Αντίστοιχες διεργασίες εφαρμόστηκαν και για το δεύτερο παράγοντα του μοντέλου διάβρωσης και υποβάθμισης, τη μέση ετήσια θερμοκρασία στην ευρύτερη λεκάνη απορροής: Μεμονωμένα σε κάθε μετεωρολογικό σταθμό δεν μπορεί να χρησιμοποιηθεί το γραμμικό μοντέλο παλινδρόμησης, ώστε να εκτιμηθεί η πορεία της θερμοκρασίας στο χρόνο. Η πορεία όμως της μηνιαίας θερμοκρασίας κάθε σταθμού μέσα στο έτος είναι μονοκόρυφη, εμφανίζοντας μέγιστη τιμή τον Ιούλιο και ελάχιστη τον Ιανουάριο. Η σχέση συνολικά για όλους τους σταθμούς μέσα στην ευρύτερη λεκάνη απορροής με το υψόμετρο ήταν στατιστικώς σημαντική (R 2 99%) και αντιστρόφως ανάλογη: αύξηση του υπερθαλάσσιου υψόμετρου κατά 100 m έχει ως αποτέλεσμα την ελάττωση της θερμοκρασίας περίπου κατά 0,15 o C. Παρατηρείται λοιπόν μια ασθενής πορεία (σχεδόν αμετάβλητη) της θερμοκρασίας στο χώρο, γεγονός που αποδείχθηκε και από τη γεωστατιστική, αφού το Κανονικό Kriging (Ordinary Kriging) θεωρήθηκε το πιο κατάλληλο μοντέλο γεωστατιστικής. Οι εξισώσεις πρόβλεψης δείχνουν ότι σε καθορισμένη οριζόντια απόσταση, ίση με 5 km, η μέση ετήσια θερμοκρασία μεταβάλλεται περίπου κατά 0,2 o C. Ενδεχομένως το φαινόμενο αυτό να οφείλεται είτε στην αδυναμία που προκύπτει από τη διασπορά των αρχικών σταθμών (απουσία πραγματικών σταθμών σε υψηλότερα σημεία), είτε στο γεγονός ότι η θερμοκρασία ως φυσικό μέγεθος είναι γενικά ένα σταθερό μέγεθος με μικρές διακυμάνσεις. Ο επόμενος παράγοντας του μοντέλου διάβρωσης και υποβάθμισης που εκτιμήθηκε ήταν το γεωλογικό υπόβαθρο της ευρύτερης λεκάνης απορροής, που προσδιορίστηκε στα Γεωγραφικά Συστήματα Πληροφοριών. O κυρίαρχος xειμαρρικός πετρολογικός σχηματισμός ήταν ο νεογενής (ιδιαιτέρως ευδιάβρωτος σχηματισμός), καταλαμβάνοντας περίπου τα 2 / 3 της 144

150 ευρύτερης λεκάνης. Αντίθετα, ο πετρολογικός σχηματισμός με τη μικρότερη κάλυψη ήταν ο φλυσχικός, σχηματισμός που ευνοεί τις ολισθήσεις. Επίσης, ένα ακόμη ενδιαφέρον στοιχείο της ευρύτερης λεκάνης ήταν ότι το βόρειο τμήμα (λεκάνες απορροής 1-13) σε μεγαλύτερο ποσοστό καταλαμβάνεται από νεογενείς σχηματισμούς, ενώ αντίθετα στο νότιο τμήμα (λεκάνες απορροής 14 31) εμφανίζεται ποικιλομορφία στους σχηματισμούς. Τέλος, εκτιμήθηκε και ο παράγοντας του μοντέλου διάβρωσης και υποβάθμισης που αντιστοιχεί στη διασπορά των χρήσεων/ κάλυψης γης στην ευρύτερη λεκάνη απορροής με τη βοήθεια της τηλεπισκόπησης. Διαδικασία επιβλεπόμενης ταξινόμησης εφαρμόστηκε σε δορυφορική εικόνα Landsat 7, η οποία έδωσε τα πιο αξιόπιστα αποτελέσματα με τη χρήση του αλγόριθμου της μέγιστης πιθανότητας (συνολική ακρίβεια 88% που θεωρείται υψηλή) μέσα από το συνδυασμό δυο διαύλων - ερυθρό (3: 0,63 0,69 µm) και υπέρυθρο (4: 0,76 0,90µm) και του Κανονικοποιημένου Δείκτη Βλάστησης (NDVI). Η κατανομή των χρήσεων/κάλυψης γης ακολούθησε την κατανομή των πετρολογικών σχηματισμών και του ανάγλυφου του εδάφους, με αποτέλεσμα να παρατηρηθούν οι γεωργικές καλλιέργειες και οι αγροί σχεδόν αποκλειστικά στο βόρειο τμήμα, το υπόλοιπο του οποίου καλύπτεται κατά κύριο λόγο από θαμνώνες. Αντίθετα, στο νότιο τμήμα εντοπίστηκαν περισσότερες δασοσυστάδες, στην πλειοψηφία τους πυκνής συγκόμωσης. Ο προσδιορισμός των τεσσάρων παραγόντων του μοντέλου διάβρωσης και υποβάθμισης σε κάθε θέση της ευρύτερης λεκάνης απορροής έδωσε ικανοποιητικά αποτελέσματα και ήταν το κρίσιμο σημείο στην αξιόπιστη εκτίμηση του κινδύνου υποβάθμισης της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης Πολυφύτου. Συγκεκριμένα, το μοντέλο διάβρωσης και υποβάθμισης υπέδειξε διαφοροποίηση μεταξύ βόρειων και νότιων λεκανών απορροής, αφού, σύμφωνα με το μοντέλο, κάθε χρόνο οι βόρειες λεκάνες χάνουν κατά μέσο όρο ποσότητα φερτών υλικών ύψους 0,37 mm, που αντιστοιχεί σε όγκο ,59 m 3 /km 2,y, ενώ στο νότιο τμήμα η απώλεια περιορίζεται στα 145

151 1,24 mm ή ,79 m 3 /km 2,y. Στο μέσο όρο των ορεινών λεκανών της περιοχής έρευνας αμβλύνονται οι απώλειες του εδάφους σε περίπου 0,99 mm/y ή ,74 m 3 /km 2,y. Φαίνεται ότι ισχυρή ετήσια διάβρωση που ενδεχομένως να εμφανίσει ακραία χειμαρρικά φαινόμενα αναμένουμε από το νότιο τμήμα και ειδικά από τις λεκάνες 17 ως 21, όπως άλλωστε είχε παρατηρηθεί και στο παρελθόν. Η σύγκριση του ετήσιου όγκου G παραγ των φερτών υλών που καταλήγει τελικά στην τεχνητή λίμνη με τον αρχικό ετήσιο όγκο των φερτών υλών W που παράγει η κάθε λεκάνη απορροής έδειξε ότι οι βόρειες λεκάνες απορροής συγκρατούν κάθε χρόνο περίπου το 71% της ποσότητας των φερτών υλών του αρχικού παραγόμενου όγκου, ενώ οι νότιες λεκάνες το 48,5% αυτών, γεγονός που αποδίδεται κατά κύριο λόγο στο ομαλότερο ανάγλυφο των βόρειων λεκανών και στη μεγάλη επιφάνεια που καταλαμβάνεται από δάσος ή πυκνούς θαμνώνες στο νότιο τμήμα. Υψηλά ποσοστά συγκράτησης υλικών παρατηρούνται και στο σύνολο της ευρύτερης λεκάνης απορροής της λίμνης του Πολυφύτου, αφού από ,86 m 3 που διαβρώνονται κάθε χρόνο στην ευρύτερη λεκάνη απορροής της τεχνητής λίμνης Πολυφύτου καταλήγουν τελικά στη λίμνη μόλις τα ,52 m 3 εξ αυτών, δηλαδή συγκρατείται εσωτερικά στις λεκάνες το 58,9% του αρχικού παραγόμενου όγκου φερτών υλικών. Τα σύγχρονα εργαλεία (Γεωγραφικά Συστήματα Πληροφοριών και τηλεπισκόπηση) μέσα από τη σύγκριση της παρούσας έρευνας με άλλες έρευνες στην ίδια περιοχή ή σε άλλες ορεινές λεκάνες απορροής της Ελλάδας και του εξωτερικού αποδείχθηκαν ιδιαίτερα κρίσιμα στον προσδιορισμό της υποβάθμισης των ορεινών λεκανών απορροής, αφού παρέχουν μεγάλης ακρίβειας υπολογισμούς ανά θέση της ορεινής λεκάνης και περιορίζουν τα σφάλματα (υπερεκτιμήσεις ή υποεκτιμήσεις). Φαίνεται επίσης ότι μέσω των Γεωγραφικών Συστημάτων Πληροφοριών είναι δυνατόν να υποστηριχθούν άμεσα οι πρώτες διαχειριστικές προτάσεις, αλλά φυσικά περαιτέρω επιτόπια επιβεβαίωση και έρευνα είναι αναγκαίες. 146

152 10 ΠΡΟΤΑΣΕΙΣ Παρόλο που οι χείμαρροι στην ευρύτερη λεκάνη απορροής δεν έχουν σταθερή παροχή υδάτων καθ όλη τη διάρκεια του έτους, αποδείχθηκε στα προηγούμενα κεφάλαια ότι μεταφέρουν σημαντικές ποσότητες φερτών υλών και, φυσικά, όπως όλοι οι χείμαρροι, είναι δυνατόν κάποια στιγμή να εμφανίσουν τις μέγιστες πλημμυρικές παροχές τους, να διαβρώσουν περαιτέρω την επιφάνεια του εδάφους και να προξενήσουν σοβαρά προβλήματα στην περιοχή και ειδικά στους οικισμούς (Stefanidis 1995, Στεφανίδης 1996). Συνυπολογίζοντας την οικολογική και οικονομική αξία των εδαφών που υποβαθμίζονται εξαιτίας της απομάκρυνσης των φερτών υλών από τις ορεινές λεκάνες απορροής (Loomis et al. 2000), συμπεραίνουμε ότι θα πρέπει άμεσα να εξεταστούν σοβαρά τα έργα διευθέτησης των χειμάρρων που έχουν ήδη κατασκευαστεί κατά το παρελθόν και να προγραμματιστούν νέα έργα ώστε να αποτραπούν τα ακραία φαινόμενα (Στεφανίδης 1995). Τα έργα διευθέτησης των χειμάρρων θα πρέπει να στοχεύουν στην περαιτέρω συγκράτηση φερτών υλικών εσωτερικά των ορεινών λεκανών απορροής και ειδικά στο νότιο τμήμα της ευρύτερης λεκάνης απορροής της τεχνητής λίμνης του Πολυφύτου, όπου η συγκράτηση είναι πιο περιορισμένη. Ενδεικτικά, προτείνονται φράγματα στερέωσης των κοιτών και ειδικά φράγματα αντιπλημμυρικής προστασίας πριν από την είσοδο στους οικισμούς, καθώς και δεξαμενές απόθεσης φερτών υλών (Στεφανίδης 1996). Στο βόρειο τμήμα όπου οι κλίσεις είναι ηπιότερες, θα πρέπει να γίνουν κατάλληλα τεχνικά στραγγιστικά έργα, ώστε να περιοριστεί η επιφανειακή απορροή των υδάτων και επομένως η υποβάθμιση αυτών (Στεφανίδης και Γούλας 1996). Σε καμία περίπτωση δεν ευσταθεί ως δικαιολογία αποφυγής των έργων διευθέτησης η κατασκευή και η λειτουργία εντός του 2010 μεγάλου φράγματος από τη ΔΕΗ στη θέση της Ιεράς Μονής του Ιλαρίωνα. Το εν λόγω 147

153 έργο αναμένεται να περιορίσει σημαντική ποσότητα των φερτών υλών που μεταφέρονται από τον ποταμό Αλιάκμονα και αυτή τη στιγμή συσσωρεύονται στην τεχνητή λίμνη. Έτσι, ναι μεν αναμένεται να ελαττωθούν τα στέρεα υλικά που προέρχονται από τον ποταμό Αλιάκμονα, αλλά φερτά υλικά θα συνεχίσουν να συσσωρεύονται στην τεχνητή λίμνη, που θα προέρχονται από την ευρύτερη λεκάνη απορροής αυτής. Τα φερτά αναμένονται περισσότερα στο κεντρικό σημείο της λίμνης, διαιρώντας τη μελλοντικά σε δυο μικρότερες. Επιτακτική είναι και η ανάγκη απομάκρυνσης της μεγάλης ποσότητας των στερεών αποβλήτων (στην πλειοψηφία τους αστικά απορρίμματα και αδρανή υλικά) που έχουν αλόγιστα αποτεθεί από τους κατοίκους σε ρεύματα και χειμάρρους και περιορίζουν τη ροή των υδάτων, αυξάνοντας τον κίνδυνο εμφάνισης πλημμυρικών φαινόμενων. Επιπρόσθετα, πριν από δυο χρόνια, το 2007, στο νότιο τμήμα και συγκεκριμένα στην περιοχή των Πιερίων Ορέων σημειώθηκε μια εκτεταμένη δασική πυρκαγιά που μείωσε τη δασοκάλυψη και η οποία στα πλαίσια της παρούσας έρευνας δεν κατέστη δυνατόν να χαρτογραφηθεί. Έχει όμως χαρτογραφηθεί από τη Διεύθυνση Δασών Νομού Κοζάνης και η έκταση αυτή είναι γνωστή και προσδιορίσιμη. Προτείνεται στη συγκεκριμένη περιοχή να γίνουν άμεσα οι κατάλληλοι δασοκομικοί χειρισμοί, ώστε να επιταχυνθεί η φυσική αναγέννηση του δάσους (Καϊκής κ.α. 1996). Αν και οι γεωργικές πρακτικές είναι στην πλειοψηφία τους εκτατικές στην περιοχή έρευνας, εντούτοις μπορούν να γίνουν ακόμη πιο φιλικές και να βοηθήσουν ουσιαστικά στην ελάττωση της διάβρωσης και επομένως της υποβάθμισης της ευρύτερης λεκάνης απορροής. Το μέτρο που προτείνεται είναι η μετατροπή των απλών γεωργικών συστημάτων σε σύνθετα, δηλαδή να μετατραπούν σε δασογεωργικά συστήματα. Παράλληλα, η φύτευση φυτοφρακτών στις καλλιέργειες μόνο ευεργετικά μπορεί να δράσει τόσο για το έδαφος, όσο και για την άγρια ζωή, όπως έχει αποδείξει ήδη η γειτονική περιοχή Γαλατινής - Εράτυρας Σισανίου, όπου μέχρι σήμερα δεν έχουν βρεθεί ενδείξεις ακραίων χειμαρρικών φαινόμενων. Επίσης, η φύτευση 148

154 παράλληλα με τις ισοϋψείς καμπύλες μπορεί να περιορίσει τη διάβρωση χωρίς σημαντικό κόστος (Καϊκής κ.α α ). Τέλος, η πολυμορφία του γεωλογικού υποστρώματος της περιοχής είχε ως επακόλουθο τη λειτουργία πολλών λατομείων και ορυχείων με μεγαλύτερα αυτά που διαχειρίζεται η Δ.Ε.Η. Η αποκατάσταση όλων αυτών πρέπει να είναι άμεση, αφού λειτουργούν ως «ανοικτές πληγές» της επιφάνειας του εδάφους και εφοδιάζουν τη λίμνη συνεχώς με νέες φερτές ύλες. Οι αρμόδιοι φορείς (Επιθεωρητές Περιβάλλοντος Βορείου Ελλάδος, Διεύθυνση Περιβάλλοντος και Χωροταξίας Περιφέρειας Δυτικής Μακεδονίας και Διεύθυνση Δασών Νομού Κοζάνης) θα πρέπει να επιτηρούν σχολαστικά τις διαδικασίες επιβάλλοντας μεγάλα πρόστιμα σε αυτούς που αδρανούν και δεν εφαρμόζουν τη σχετική νομοθεσία. 149

155 11 ΒΙΒΛΙΟΓΡΑΦΙΑ Ξενόγλωσση βιβλιογραφία Abel N. and M. Stocking A rapid method for assessing rates of soil erosion from rangelands: an example from Botswana. Journal of Range Management 40: Adinarayana J., K. Gopal Rao, N. Rama Krishna, P. Venkatachalam and J. Suri A rule-based soil erosion model for a hilly catchment. Catena 37: Ahn Y., P. Shanmugan and J. Ryu Atmospheric correction of the Landsat satellite imagery for turbid waters. Gayana (Conception) 68, 2. Amani A. and T. Lebel Lagrangian Kriging for the estimation of Sahelian rainfall at small time steps. Journal of Hydrology 192: Anagnostopoulou C., K. Tolika, P. Maheras, H. Reiser and H. Kutiel Quantifying uncertainties in precipitation: a case study from Greece. Advances in Geosciences 16: Anderson Α An evaluation of spatial interpolation methods on air temperature in Phoenix, AZ. Διαθέσιμο στην ιστοσελίδα anderson.html. Arino O., E. Vermote and V. Spaventa Operational atmospheric correction of landsat TM Imagery. Earth Observation Quarterly Nο Atkinson P. and Lloyd C Mapping precipitation in Switzerland with Ordinary and Indicator Kriging. Journal of Geographic Information and Decision Analysis 2(2) : Blinkov I., I. Mincev, B. Trendafilov, V. Jagev Contemporary approach for thw risk/ disaster management and prevention against natural hazards in mountainous/ forest regions. Brochure of the Risk 150

156 Management/ Disaster Management (RIMADIMA) Project (Interreg III B CADSES). Boer E. P. J., K.M. De Beurs and A.D. Hartkamp Kriging and thin plate splines for mapping climate variables. JAG 3 (2): Bolstad P., L. Swift, F. Collins and J. Regniere Measured and predicted air temperatures at basin to regional scales in the southern Appalachian mountains. Agricultural and Forest Meteorology 91: Borga M., G. Dalla Fontana and F. Cazorzi Analysis of topographic and climatic control on rainfall - triggered shallow landsliding using a quasi - dynamic wetness index. Journal of Hydrology 268: Braunovic S Determination of rainfall factor for the region of Belgrade aiming at the application of USLE method in our conditions. Proceedings of the 3rd International Conference on the Development of Forestry and Wood Science/ Technology, 1. Servia Brazier R., J. Rowan, S. Anthony and P. Quinn "MIRSED" towards an MIR approach to modelling hillslope soil erosion at the national level. Catena 42: Brookes C., J. Hooke and J. Mant Modelling vegetation interactions with channel flow in river valleys of the Mediterranean region. Catena 40: Bryan R Soil erodibility and processes of water erosion on hillslope. Geomorphology 32: Carlson R. and J. Osiensky Geostatistical analysis and simulation of nonpoints groundwater nitr`ate contamination: a case study. Environmental Geosciences 5 (4): Ceron J. C., R. Jimenez-Espinosa and A. Pulido-Bosch Numeric analysis of hydrogeochemical data: a case study (Alto Guadalentin, southeast Spain). Applied Geochemistry 15:

157 Chuanyan Z., N. Zhongren and C. Guodong Methods for modelling of temporal and spatial distribution of air temperature at landscape scale in the southern Qilian mountains, China. Ecological Modelling. Coroza O., D. Evans and I. Bishop Enhancing runoff modeling with GIS. Landscape and Urban Planning 38: Courault D. and P. Monestiez Spatial interpolation of air temperature according to atmospheric circulation patterns in southeast France. International Journal of Climatology 19: Cyr L., F. Bonn and A. Pesant Vegetation indices derived from remote sensing for an estimation of soil protection against water erosion. Ecological Modelling 79: D' Angelo M., G. Enne, S. Madrau, L. Percich, F. Previtali, G. Pulina and C. Zucca Mitigating land degradation in Mediterranean agro-silvopastoral systems: a GIS-based approach. Catena 40: Dalezios N., A. Loukas and D. Bampzelis Spatial variability of reference evapotranspiration in Greece. Physics & Chemistry on Earth 27: De Cesare G., N. Beyer Portner, J. Boillat and A. Scleiss Modelling of erosion and sedimentation based on field investigation in Alpine reservoirs of hydropower schemes. German Coastal Engineering Research Council, parallel session 34. De Jong S., M. Paracchini, F. Bertolo, S. Folving, J. Megier and A. De Roo Regional assessment of soil erosion using the distributed model SEMMED and remotely sensed data. Catena 37: De la Rosa D., J. Moreno, F. Mayol and T. Bonson Assessment of soil erosion vulnerability in Western Europe and potential impact on crop productivity due to loss of soil depth using the ImpelERO model. Agriculture, Ecosystems and Environment 81: De Vente J. and J. Poesen Predicting soil erosion and sediment yield at the basin scale: Scale issue and semi-quantitative models. Earth - Science Reviews 71:

158 De Vente J., J. Poesen, P. Bazzzoffi, A. Van Rompaey and G. Verstraeten Predicting catchment sediment yield in Mediterranean environments: the importance of sediment sources and connectivity in Italian drainage basins. Earth Surface Processes and Landforms 31: Del Barrio G Surmodes: A surveillance system for assessing and monitoring of desertification. Project No. 902 at Expo 2000 Hanover. Available on Descroix L., D. Viramontes, M. Vauclin, J. Gonzalez Barrios and M. Esteves Influence of soil surface and vegetation on runoff and erosion in the Western Sierra Madre (Durango, Northwest Mexico). Catena 43: Desmet P. and G. Govers GIS - based simulation of erosion and deposition patterns in an agricultural landscape: a comparison of model results with soil map information. Catena 25: Desmet P., J. Posse, G. Govers and K. Vandale Importance of slope gradient and contributing area for optimal prediction of the initiation and trajectory of ephemeral gullies. Catena 37: Diodato N The influence of topographic co-va riables on the spatial variability of precipitation over small regions of complex terrain. International Journal of Climatology 25: Diodato N. and M. Ceccarelli Interpolation processes using multivariate geostatistics for mapping of climatological precipitation mean in the Sannio Mountains (Southern Italy). Earth Surface Processes and Landforms 30: Dugan J. and C. Piotrowski Surface current measurements using airbone visible image time series. Remote Sensing of Environment 84: Dunn M. and R. Hickey The effect of slope algorithms on slope estimates withing GIS. Cartography 27: Emmanouloudis D. and E. Filippidis A quantitative estimation model of mountainous watershed degradation. Kick-off workshop on IAHS, 153

159 "Decade of prediction in ungaged basin (PUB)- Hydrological Science on Mission", Brazil. Erskine W., A. Mahmoudzadeh and C. Myers Land use effects on sediment yields and soil loss rates in small basins of Triassic sandstone near Sydney, NSW Australia. Catena 49: ESRI ArcGIS TM the professional G.I.S. for the desktop. New York Street, Redlands, U.S.A. ESRI α. ArcView GIS. The Geographic Information System for Everyone. Environmental Systems Research Institute, Inc. 380 New York Street, Redlands, U.S.A. ESRI β. ArcView Spatial Analyst. Advanced Spatial Analysis Using Raster & Vector Data. Environmental Systems Research Institute, Inc. 380 New York Street, Redlands, U.S.A. ESRI ArcView 3D Analyst. 3D Surface Creation, Visualization, & Analysis. Environmental Systems Research Institute, Inc. 380 New York Street, Redlands, U.S.A. Esteban- Parra M., F. Rodrigo and Y. Castro Diez Spatial and temporal patterns of precipitation in Spain for the period International Journal of Climatology 18: Evans R An alternative way to assess water erosion of cultivated land - field based measurements: and analysis of some results. Applied Geomorphology 22: Evans R Soil loss prediction with three erosion simulation models. Applied geomorphology 22: Fanetti D. and L. Vezzoli Sediment input and evolution of lacustrine deltas: The Breggia and Greggio rivers case study (Lake Como, Italy). Quaternary International : Feoli E., L. G. Vuerich and W. Zerihum Evaluation of environmental degradation in northern Ethiopia using GIS to integrate vegetation, 154

160 geomorphological, erosion and socio- economic factors. Agriculture, Ecosystems and Environment 91: Fohrer N., J. Berkenhagen, J. Martin Hecker and A. Rudolph Changing soil and surface conditions during rainfall. Single rainstorm/ subsequent rainstorms. Catena 37: Folly A., J. Quinton and R. Smith Evaluation of the EUROSEM model using data from the Catsop watershed, The Netherlands. Catena 37: Fowler et al Practical Statistics for Field Biology. 2nd ed., New York: John Wiley and Sons. 259 pp. Gao Y. and W. Zhang LULC Classification and topographic correction of Landsat-7 ETM+ Imagery in the Yangjia River Watershed: the influence of DEM Resolution. Sensors 9: Gatzojannis S., P. Stefanidis and S. Galatsidas An inventory and evaluation method for the water percolation function of forests. Proceedings of the 3 rd International Conference on the Development of Forestry and Wood Science/ Technology, 1. Serbia Gavilan O., I. Lorite, S. Tornero and J. Berengena Regional calibration of Hargreaves equation for estimating reference ET in a semiarid environment. Agricultural Water Management. Gavrilovic S Bujieni tokovi I erozija (Torrents and erosion). Prediction of average annual Gavrilovic in the torrential watershed. Gradevinski kalendar, Beograd Servia. Gavrilovic S The use of an empirical method (Erosion Potential Method) for calculating sediment production and transportation in unstudied or torrential streams. International Conference on River Regime: White W.R. (Ed), Wiley, New York (Chichester, UK). Gavrilovic S Use of an empirical method (erosion potential method) for calculating sediment production and transportation in unstudied or torrential streams. International Conference on River Regime: White W.R. (Ed), Wiley, New York (Chichester, UK). 155

161 Gavrilovic Z., M. Stefanovic and M. Milojevic Application of methodology for the real time-time torrent flood forecasting. 10 o Congresso Interpraevent. Available on i-elenco.asp. Gavrilovic Z., Stefanovic M., Milovanovic I., Cotric J., Milojevic M Torrent classification base of rational management of erosive regions. Proceedings of the XXIVth Conference of the Danubian countries, Bled, Slovenia. Globevnik L., D. Holjev, J. Rubinic, G. Petkov The use of Gavrilovic method in prediction of erosion in ungaged catchments: its application and possible development with new spatial data manipulation techniques. Erosion Prediction of ungauged basins (PUBs): Intergrating Methods and Techniques. Proceedings of Symposium HS01 held during IUGG2003, Sapporo, Italy. IAHS Publication no. 279: Gogus M. and F. Yalcinkaya Reservoir sedimentation in Turkey. 5 th International Symposium on River Sedimentation, Karlsruhe, Germany, Goodall J. and D. Maidment The geostatistical analyst. Center of Research and Water Resources, University of Texas in Austin. Goovaerts P Geostatistics for natural resources evaluation. New York Oxford, Oxford University Press. Goovaerts P Using elevation to aid the geostatistical mapping of rainfall erosivity. Catena, 34: Goovaerts P Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology 228: Grunwald S. and H. Frede Using the modified agricultural non-point source pollution model in German watersheds. Catena 37: Haberlandt U., B. Klocking, V. Krysanova and A. Becker Regionalisation of the base flow index from dynamically simulated flow components-a case study in the Elbe River Basin. Journal of Hydrology 248:

162 Harrisson C What factors control mechanical erosion rates? International Journal Earth Sciences 88: Hevesi J., A. Flint and J. Istok 1992 a. Precipitation estimation in mountainous terrain using multivariate geostatistics. Part I: Structural Analysis. Journal of Applied Meteorology 31 (7): Hevesi J., A. Flint and J. Istok 1992 b. Precipitation estimation in mountainous terrain using multivariate geostatistics. Part II: Isohyetal Maps. Journal of Applied Meteorology 31 (7): Hill J. and B. Schutt Mapping complex patterns of erosion and stability in dry Mediterranean ecosystems. Remote Sensing and Environment 74: Hill R. and M. Peart Land use, runoff, erosion and their control: a review for southern China. Hydrological Processes 12: Hisdal H. and L. Tallaksen Estimation of regional meteorological and hydrological drought characteristics: a case study for Denmark. Journal of Hydrology 281: Holawe F. and R. Dutter Geostatistical study of precipitation series in Austria: time and space. Journal of Hydrology 219: Honda K DN to Reflectance. Materials and relevant references for classes and trainings. Available on Hovel D Treatment of missing data. Statistical Home Page: a/missing.html. Hrissanthou V Estimate of sediment yield in a basin without sediamnt data. CATENA 64: Hrissanthou V Comparative application of two mathematical models to predict sedimentation in Yermasoyia Reservoir, Cyprus. Hydrological Processes 20:

163 Huang C., B. Wulie, L. Yang, C. Homer and G. Zylstra Derivation of tasslled cap transformation based on Landsat 7 at-satellite reflectance. International Journal of Remote Sensing 23 (8): IDL ENVI Users Guide. Research Systems, Inc. ITT Visual Information Solutions. Available on IDL2005. ENVI Tutorials: Atmospherically correcting multispectral data using the FLAASH Module. Research Systems, Inc. ITT Visual Information Solutions. Available on Ishida T. and S. Kawashima Use of Cokriging to estimate air temperature from elevation. Theoretical and Applied Climatology 47 : Jankauskas B. and G. Jankauskiene Erosion - prevent crop rotations for landscape ecological stability in upland regions of Lithuania. Agriculture, Ecosystems and Environment 1986,: Jetten V., A. de Roo, D. Favis-Mortlock Evaluation of field-scale and catchments-scale soil erosion models. Catena 37: Jiang N. and Q. Zhang On headward extension of backwater deposition in reservoir. 5 th International Symposium on River Sedimentation, Karlsruhe, Germany, Johnston K, JM Ver Hoef, K Krivoruchko and N Lucas Using ArcGIS Geostatistical Analysis. ESRI, 380 New York Street, Redlands, CA , USA. Jolly W., J. Graham, A. Michaelis, R. Nemani and S. Running A flexible, integrated system for generating meteorological surfaces derived from point sources across multiple geographic scales. Environmental Modeling & Software 20: Jones C RUSLE applications on Arizona rangelands. Rangeland Management. Kalinderis Ι., M. Sapountzis, D. Stathis, F. Tziaftani, P. Kourakli and P. Stefanidis The risk of sedimentation of artificial lakes, following the soil loss and degradation process in the wider drainage basin. 158

164 Artificial lake of Smokovo case study (Central Greece). International Conference LANDCON 0905 Global Change-Challenges for soil management-from degradation-through soil and water conservation-to sustainable soil management, Tara Mountain, Serbia. Karagiannidis A., A. Bloutsos, P. Maheras and Ch. Sachsamanoglou Some statistical characteristics of precipitation in Europe. Theoretical and Applied Climatology 91: Kelley A Terrain simulation using a model of stream erosion. Computer Graphics 22, Issue 4: Kinnell P Slope length factor for applying the USLE-M to erosion in grid cells. Soil and Tillage Research 58: Kinnell P Sediment delivery ratios: a misaligned approach to determining sediment delivery from hillslopes. Hydrological Processes 18: Kinnell P Sediment delivery from hillslopes and the Universal Soil Loss Equation: some perceptions and misconceptions. Hydrological Processes 22: Kirkby M., Y. Le Bissonais, T. Coulthard, J. Daroussin and M. McMahon The development of land quality indicators for soil degradation by water erosion. Agriculture, Ecosystems and Environment 81: Kleijnen J. and W. Van Beers Robustness of Kriging when interpolating in random simulation with heterogeneous variances: some experiments. European Journal of Operational Research. Klein A GEOG661-Digital Image Processing. PhD. Thesis. Available on Kosmas C Actions taken to combat desertification in Greece. 1 st National Report on the Implementation of the United Nations Convention to Combat Desertification. Available on -eng.pdf. 159

165 Kosmas C., N. Danalatos, L. Cammeraat, M. Chabart, J. Diamantopoulos, R. Farand, L. Gutierrez, A. Jacob, H. Marques, J. Martinez - Fernandez, A. Mizara, N. Moustakas, J. Nicolau, C. Oliveros, G. Pinna, R. Puddu, J. Puigdefabregas, M. Roxo, A. Simao, G. Stamou, N. Tomasi, D. Usai and A. Vacca The effect of landuse on runoff and soil erosion rates under Mediterranean conditions. Catena 29: Kostadinov S., N. Dragovic, M. Popovic and M. Nikoloc The Gavrilovic in the torrential watersheds as a function of the natural conditions and the erosion control works. 3 rd International Conference on the Development of Forestry and Wood Science/ Technology, Belgrade Serbia, 29/09-03/10/1997. Kostadinov S.,M. Zlatic and N. Dragovic Erosion control measures for the reconstruction of degradeted steep lands. Conference Prague II CIRAD on "Recovery of degrated land and improvement of soil productivity in CEECs, SEECs and NIS", Prague, June Kourakly P., A. Sidiropoulou, P. Kostopoulou & I. Ispikoudis Impacts of livestock husbandry on the landscape. Animal production and natural resources utilization in the Mediterranean mountain areas. International Symposium. Ioannina, Epirus, Greece, 5-7 June Kourakly P., I. Tsougrakis and S. Bourdakis Development of a G.I.S. grid for the atlas of breeding birds of prey in Greece. 10 th International Conference of Zoogeography and Ecology of Greece and Adjacent Regions. Patra, Greece, June 26-30, Kritikos G., A. Charalambides, M. Karteris and M. Schroeder Assessment of forest fire damages in Attica using remote sensing and GIS Techniques. International Workshop on Satellite Technology and GIS for Mediterranean forest mapping and fire management, Aristotle University of Thessaloniki, Greece 4-6 November

166 Kronfellener - Kraus G Quantitative estimation of torrent erosion. International Symposium on Erosion, Debris Flow and Disaster Prevention, Tsukuba Japan, 03-05/09/1985. Lam K. Q. Wang and H. Li A novel meshless approach-local Kriging (LoKriging) method with two-dimensional structural analysis. Computational Mechanics. Le Bissonnais Y., C. Montier, M. Jamagne, J. Daroussin and D. King Mapping erosion risk for cultivated soil in France. Catena 46: Lean G Implementation of the United Nations Convention to Combat Desertification in Lebanon. National Secretariat for the Convention to Combat Desertification, Ministry of Agriculture, Republic of Lebanon. Lenzi M. and M. Luzio Surface runoff, soil erosion and water quality modelling in the Alpone watershed using AGNPS integrated with Geographic Information System. European Journal of Agronomy. Lewandowski E Design of small dams. Bureau of Reclamation, Department of the Interior, United States of America. A Water Resources Technical Publication, Second Edition. Liang S., H. Fang, J. Morisette, M. Chen, C. Shuey, C. Walthall and C. Daughtry Atmospheric correction of the Landsat ETM+ Land Surface imagery: II. Validation and applications. IEEE Transactions on Geoscience and Remote Sensing. Lim H., K. Abdullah and N. Saleh Optimal Estimation of surface reflectance from Landsat TM Visible and Mid Infrared data over Penang Island. Proceedings of World Academy of Science and Technology 38: Lin C.Y., Lin W.T. and W.C. Chou Soil erosion prediction and sediment yield estimation: the Taiwan experience. Soil & Tillage Research 68: Linares R. J. Palli and C. Ro Que Afforestation by slope terracing accelerates erosion. A case study in the Barranco de Barcedana (Conca de Temp, NE Spain). International Journal of Earth Science 90:

167 Lioyd C. D Assessing the effect of integrating elevation data into the estimation of monthly precipitation in Great Britain. Journal of Hydrology 308: Lobb D. and R. Gary Kachanoski Modelling tillage erosion in the topographically complex landscapes of southwestern Ontario, Canada. Soil and Tillage Research 51: Loomis J., P. Kent, L. Strange, K. Fausch and A. Covich Measuring the total economic value of restoring ecosystem services in an impaired river basin: results from a contingent valuation survey. Ecological Economics 33: Ludwig B., J. Boiffin, J. Chadoeuf and A. Auzet Hydrological structure and erosion damages caused by concentrated flow in cultivated catchments. Catena 25: Lufafa A., M. Tenywa, M. Isabirye, M. Majaliwa and P. Woomer Prediction of soil erosion in a Lake Victoria basin catchment using a GIS-based Universal Soil Loss Model. Agricultural systems 73: Lyrintzis G. and V. Papanastasis Human activities and their impact on land degradation - Psilorites Mountain in Crete: A historical perspective. Land degradation & Rehabilitation 6: Maheras P. and C. Anagnostopoulou Circulation types and their influence on the interannual variability and precipitation changes in Greece. Mediterranean Climate. Variability and Changes. Edited by Bolle H.Springer Editions. Mano V., J. Nemery, P. Belleudy and A. Poiren Assessment of suspended sediment transport in four alpine watersheds (France): influence of the climatic regime. Hydrological Processes. Marathianou M., C. Kosmas, St. Gerontidis and V. Detsis Land use evolution and degradation in Lesvos (Greece): a historical approach. Land Degradation & Development 11:

168 Markus L., O. Berke, J. Kovacs and W. Urfer Spatial prediction of the intensity of latent effect geoverning hydrogeological phenomena. Environmetrics 10: Martinez - Casanovas J. and I. Senchez Bosch Impact assessment of changes in land use/conservation practices on soil erosion in the Penedes - Anoia vineyard region (NE Spain). Soil and Tillage Research,: Martinez - Casanovas J., M. Ramos and M. Ribes Dasi Soil erosion caused by extreme rainfall events: mapping and quantification in agricultural plots from very detailed digital elevation models. Geoderma 105: Martinez - Cob A Multivariate geostatistical analysis of evapotranspiration and precipitation in mountainous terrain. Journal of Hydrology 174: Masek J, E. Vermote, N. Saleous, R. Wolfe, F. Hall, K. Huemmrich, F. Gao, J. Kutler and T. Lim A Landsat Surface Reflectance Dataset for North America, IEE Geoscience and Remote Sensing Letters 3 (1): Mati B., R. Morgan, F. Gichuki, J. Quinton, T. Brewer and H. Liniger Assessment of erosion hazard with the USLE and GIS: a case study of the Upper Ewaso Ng'iro North basin of Kenya. JAG 2 (1): 1-9. Matsuura T., K. Fukami, M. Kaneki and J. Yoshitani Accuracy evaluation of September 2000 Tokai storm radar observation by arealaveraging. Proceedings of Fifth International Symposium on Hydrological Applications of Weather Radar, November 2001: Mauz K Landsat Vegetation Indices. Arizona Remote Sensing Canter, Office of Arid Lands Studies, U.S.A. Available on Mitasova H. and L. Mitas Modelling soil detachment with RUSLE 3d using GIS. Available on 163

169 Mitasova H., J. Hofierka, M. Zlocha and L. Iverson Modelling topographic potential for erosion and deposition using GIS. International Journal of Geographical Information Systems 10 (5): Mitasova H., W. Brown, Hohnmann and S. Warren Using soil erosion modelling for improved conservation planning: a GIS-based tutorial. Engineering Research and Development Centre. Engineering Research and Development Centre. Available on torial/denix/denixstart.html. Mohamed M., S. Aggarwal and R. de Slva Application of remote sensing and GIS on soil erosion assessment at Bata River Basin, India. Available on Molnar D. and P. Julien Estimation of upland erosion using GIS. Computers and Geosciences 24 (2): Mongolsawat C., P. Thirangoon and S. Sriwongsa Soil erosion mapping with Universal Soil Loss equation and GIS. AARS - ACRS Proceedings. Available on Montgomery D. and M. Brandon Topographic controls on erosion rates in tectonically active mountain ranges. Earth and Science Letters 201: Moran M., R. Bryant, K. Thome, W. Nouvellon, M. Gonzalez-Dugo, J. Qi and T. Clarke A refined empirical line approach for reflectance factor retrieval from Landsat 5 TM and Landsat 7 ETM+. Remote Sensing of Environment 78: Morgan R A simple approach to soil loss prediction: a revised Morgan - Morgan - Finney model. Catena 44: Morgan R. and D. Mngomezulu Threshold conditions for initiation of valley-side gullies in the Middle Veld of Swaziland. Catena 50:

170 Newcomer J Satellite Landsat TM Extr. Data (FIFE). Nasa, Satellite Landsat TM Extr. Data (FIFE). Available on Olthof I., D. Pouliot, R. Fernades and R. Latifovic Landsat-7 ETM+ radiometric normalization comparison for northern mapping applications. Remote Sensing and Environment, 95: Osterkamp W. and T. Toy Geomorphic considerations for erosion prediction. Environmental Geology 27: Papanastasis V Grazing intensity as an index of degradation in seminatural ecosystems: the case of Psilorites Mountain in Crete. Proceedings of the International Seminar "Indicators for assessing desertification in the Mediterranean", Porto Torres Italy, 18-20/09/1998: Papanastasis V Land degradation caused by overgrazing and wildfires and management strategies to prevent and mitigate their effects. Proceedings of the advance study course "Desertification in Europe: mitigating strategies, land - use planning", Sardinia, Italy, 31/05-10/06/1999. Papanastasis V., S. Kyriakakis, G. Kazanis, M. Abid and A. Doulis Plant cover as a tool for monitoring desertification in mountain Mediterranean rangelands. Report of the EU project "Land use systems in the Mediterranean mountains and margin lands". Mediterranean Agronomic Institute of Chania, Crete. Pardo-Iguzquiza E Comparison of geostatistical methods for estimating the areal average climatological rainfall mean using data on precipitation and topography. International Journal of Climatology 18: Pardo-Iguzquiza E., P. Dowd and D. I.F. Grimes An automatic moving window approach for mapping meteorological data. International Journal of Climatology 25:

171 Parson A., J. Wainwright, R. Brazier and D. Powell Is sediment delivery a fallacy? Earth Surface Process 31: Pereira J., T. Oliveira and J. Paul Fuel mapping in a Mediterranean shrubland using Landsat TM Imagery. International Workshop on Satellite Technology and GIS for Mediterranean forest mapping and fire management, Aristotle University of Thessaloniki, Greece 4-6 November Petras J., N. Kuspilic and D. Kunstek Some experience on the prediction of suspended sediment concentrations and fluxes in Croatia. Proceedings of Symposium SI held during the Seventh IAHS Scientific Assembly at Foz do Igacu, Brazil. IAHS, 292: Phillips D., J. Dolph and D. Marks A comparison of geostatistical procedures for spatial analysis of precipitation in mountainous terrain. Water Resources Bulletin 21: Prudhomme C. and D.W. Reed Mapping extreme rainfall in a mountainous region using geostatistical techniques: a case study in Scotland. International Journal of Climatology 25: Rafaelli S., M. Peviani and F. Perez Ayala Estudio de produccion de sedimentos el la cuence Montanosa del Rio Iruya (Argentina). IARH AMH, XVIII Hydraulic LatinAmerican Conference, Oaxaca, Mexico. Renschler C. and J. Harbor Soil erosion assessment tools from point to regional scales - the role of geomorhologists in land management research and implementation. Geomorphology 47: Rode M. and H. Frede Testing AGNPS for soil erosion and water quality modelling in agricultural catchments in Hesse (Germany). Phys. Chem. And Earth 24 (4): Rokos D. and D. Argialas Study of forest vegetation regeneration based upon Landsat TM Images analysis: preliminary results. International Workshop on Satellite Technology and GIS for Mediterranean forest mapping and fire management, Aristotle University of Thessaloniki, Greece 4-6 November

172 Romero-Diaz A., L. Cammeraat, A. Vacca and C. Kosmas Soil erosion at three experimental sites in the Mediterranean. Earth Surface Processes and Landforms 24: Rubel F. and M. Hantel BALTEX Precipitation analysis: results from the BRIDGE preparation phase. Physics & Chemistry on Earth 26, Issues 5-6: S Centre Landsat Beta surface reflectance product. Available on 5.doc. Sapountzis M., G.Efthimiou and P Stefanidis Sheet erosion after fire at the urban forest of Thessaloniki (Northern Greece). Proceedings of the First International Conference on Eco-Engineering Eco-and Ground Bio-Engineering: The Use of Vegetation to Improve Slope Stability September Schafer-Neth C., A. Paul and S. Mulitza Perspectives on mapping the MARGO reconstructions by variogram analysis/ Kriging and objective analysis. Quaternary Science Reviews 24: Schmidt J., M. Werner and A. Michael Application of the EROSION 3D model to the CATSOP watershed, The Netherlands. Catena 37: Schoeder T., W. Cohen, C. Song, M. Cathy, Z. Yang Radiometric correction of multi-temporal Landsat data for characterization of early successional forest patterns in West Oregon. Remote Sensing and Environment, 103: Schumacher T., M. Lindstrom, J. Schrumacher and G. Lemme Modelling spatial variation in productivity due to tillage and water erosion. Soil and Tillage Research 51: Sekularac G. and D. Stojiljkovic Water outflow and erosion losses of the humus-silicate soil. ICGGE Bled. Severino E. and T. Alpuim Spatiotemporal models in the estimation of area precipitation. Environmetrics

173 Sharma A., K. Badarinath and P. Roy Comparison of ground reflectance measurement with satellite derived atmospherically corrected reflectance: A case study over semi-arid landscape. Advances in Space Research 43: Sharma A., K. Badarinath and P. Roy Comparison of ground reflectance measurement with satellite derived atmospherically corrected reflectance: A case study over semi-arid landscape. Advances in Space Research 43: Shu-Quiang W. & Unwin D Modelling landslide distribution on loess soil in China: an investigation. Journal of Geographical Information Systems 6: Sidorchuk A Dynamic and static models of gully erosion. Catena 37: Siepel A., T. Steenhuis, C. Rose, J. Yves - Parlange and G. McIsaak Numeric analysis of hydrogeochemical data: a case study (Alto Guadalentin, southeast Spain). Journal of Hydrology 258: Skirvin S., S. E. Marsh, M.P. Mcclaran and D. Meko Climate spatial variability and data resolution in a semi-arid watershed, south-eastern Arizona. Journal of Arid Environment 54: Sneyers R On the statistical analysis of the series of observations. Tech. Note 143, WMO No 415, Geneva, 192 : Soderstrom M. and B. Magnusson Assessment of local agroclimatological conditions-a methodology. Agricultural and Forest Meteorology 72: Soulis K. and N. Dercas Development of a GIS-based spatially distributed continuous hydrological model and its first application. IWRA, Water International 32 (1): Spadavecchia L. and M. Williams Can spatio-temporal geostatistical methods improve high resolution regionalization of meteorological variables? Agricultural and Forest Meteorology 149:

174 Stathis D. and T. Mavromatis 2009: Characteristics of precipitation in Thessaloniki area, north Greece. Fresenius Environmental Bulletin, 18 (7b): Stefanidis P The cause and the mechanism of the debris flow in Brasna and Asprovalta, North Greece. Scientific Conference with participation of Foreign Specialists "90 years of soil erosion control in Bulgaria". Stefanidis P The torrent problems in Mediterranean areas (example from Greece). Proceedings of IUFRO World Conference in Finland. St-Hilaire A., Ouarda T.B.M.J., Lachance M., Bobee B., Gaudet J. and Gignac C Assessment of the impact of meteorological network density on the estimation of basin precipitation and runoff: a case study. Hydrological Processes 17: Strunk H Soil degradation and overland flow as causes of gully erosion on mountain pastures and in forests. Catena 50: Susong D., D. Marks and D. Garen Methods for developing time-series climate surfaces to drive topographically distributed energy- and water-balance models. Hydrological Processes 13: Takken I., L. Beuselinck, J. Nachtergaele, G. Govers, J. Poesen and G. Degraer Spatial evaluation of a physically-based distributed erosion model (LISEM). Catena 37: Thompson J., J. Bell and C. Butler Digital elevation model resolution: effects on terrain attribute calculation and quantitative soil-landscape modeling. Geoderma 100: Tran L., M. Ridgley and L. Duckstein Application of fuzzy logic-based modelling to improve the performance of the Revised Universal Soil Loss Equation. Catena 47: Trochu F., N. Sacepe, O. Volkov and S. Turenne Characterization of NiTi shape memory alloys using dual Kriging interpolation. Materials Science and Engineering A : Uromeihy A. and M. Mahdavifar Landslide hazard zonation of the Khorshrostam area, Iran. Bull Eng Geol Environment 58:

175 Vacca A., S. Loddo, G. Ollesch, R. Puddu, G. Serra, D. Tomasi and A. Aru Measurement of runoff and soil erosion in three areas under different land use in Sardinia. Catena 40: Van Remortel R., M. Hamilton and R. Hickey Estimating the LS factor for RUSLE through iterative slope length processing of digital data within ArcInfo Grid. Cartography 30 (1): Vandaele K. and J. Poesen Spatial and temporal patterns of soil rates in an agricultural catchment, central Belgium. Catena 25: Varjo J Forest change detection by satellite remote sensing in Eastern Finland. International Workshop on Satellite Technology and GIS for Mediterranean forest mapping and fire management, Aristotle University of Thessaloniki, Greece 4-6 November Verstraeten G. and J. Poesen Using sediment daposits in small ponds to quantify sediment yield from small catchments: possibilities and limitations. Earth Surface Processes and Landforms 27: Vetter M Sediment deposition. 5 th International Symposium on River Sedimentation, Karlsruhe, Germany, Vezzoli G Quantifying relative and absolute sediment yields from petrographic data: The Dora Baltea basin (Western Alps). Geophysical Research Abstracts, 5:00859, European Geophysical Society. Vidal A., C. Devaux-Ros, A. Beaudoin and A. Maillet Forest fire risk monitoring using Landsat TM Thermal IR and ERS-1 SAR data. International Workshop on Satellite Technology and GIS for Mediterranean forest mapping and fire management, Aristotle University of Thessaloniki, Greece 4-6 November Vogelmann J. and T. DeFelice Characterization of intra-annual reflectance properties of land cover classes in southeastern South Dakota using TM and ETM+ data. Canadian Remote Sensing 29 (2):

176 Wallace O., J. Qi, P. Heilma and R. Marsett Remote sensing for cover change assessment in southeast Arizona. Journal of Range Management 56: Wanf Y., T. Ma and Z. Luo Geostatistical and geochemical analysis of surface water leakage into froundwater on a regional scale: a case study in the Liulin karst system, northwest China. Environmental Modeling & Software 20: Wang G., G. Gertner, X. Liu, A. Anderson Uncertainty assessment of soil erodibility factor for revised universal soil loss equation. Catena 46:1-14. Wang Y., H. Xia, J. Fu and G. Sheng Water quality change in reservoirs of Shenzhen, China: detection using Landsat/ TM data. Science of Total Environment 328: Wen G., R. Cahalan and S. Tsay Landsat IOPs: Dissemination of TM and ETM+ data, and atmospheric correction. Proceedings of the 8 th Atmospheric Radiation Measurement (ARM) Science Team Meeting, March Tucson, Arizona. Wilcox B Shrub control and streamflow on rangelands: A process based viewpoint. Journal of Range Management 55: Wilson J. & Gallant J Terrain analysis: Principles and applications. Publications John Wiley & sons, INC. Wilson J. and J. Gallant EROS: a grid- based program for estimating spatially - distributed erosion indices. Computers and Geosciences 22, Issue 7: Woodward D Method to predict cropland ephemeral gully erosion. Catena 37: Xiang T.Y., Z.M. Fan and Y. Liu Changes of major terrestrial ecosystems in China since Hydrological Processes 17: Yassoglou N. and C. Kosmas Desertification in the Mediterranean Europe. A case in Greece. RALA Report No

177 Zarris D The influence of drainage network formation and characteristics on a catchment's sediment yield. River Flow, 1 (8): Zemljic M Calcul du debit solide. Èvaluation de la vegetación comme un facteurs antierosif (Calculation of sediment load. Evaluation of vegetation as anti-erosive factor). Proceedings of the international symposium Interpraevent, Villach (Australia). Zhang L., A. O' Neil and S. Lacey Modelling approaches to the prediction of soil erosion in catchments. Environmental Software 11, Issues 1-3: Ελληνόγλωσση βιβλιογραφία Γήτας Ι. και Rishmawi K Χαρτογράφηση καμένων εκτάσεων με την χρήση δορυφορικών εικόνων χαμηλής, μέσης υψηλής και πολύ υψηλής χωρικής διακριτικής ικανότητας. Γεωτεχνικά Επιστημονικά Θέματα ΙΙ, 19: Ελληνικό Κέντρο Υγροτόπων - Βιοτόπων Απογραφή ελληνικών υγροτόπων ως φυσικός πόρος. Θεοδωρακάκης Μ., Ν. Μάργαρης και Η. Καϊναδά Υγρότοποι της ΔΕΗ. Εκδόσεις Καστανιώτη. Καϊκής Μ., Θ. Παυλίδης και Π. Στεφανίδης 1986 α. Η διάβρωση σαν συνέπεια της μη ορθής χρήσης της γης (ένα συγκεκριμένο παράδειγμα). 3 ο Πανελλήνιο Δασολογικό Συνέδριο, Αθήνα 26-28/05/1986. Καϊκής Μ., Θ. Παυλίδης και Π. Στεφανίδης 1986 β. Η διάβρωση σαν συνέπεια πυρκαγιάς (ένα συγκεκριμένο παράδειγμα). 3 ο Πανελλήνιο Δασολογικό Συνέδριο, Αθήνα 26-28/05/1986. Καϊκής Μ., Θ. Παυλίδης και Π. Στεφανίδης Οι φυσικές ή τεχνητές μεταβολές των κοιτών και οι επιπτώσεις τους στο περιβάλλον. 3 ο Πανελλήνιο Δασολογικό Συνέδριο, Αθήνα 26-28/05/1986. Καρτέρης Μ α. Γεωγραφικά Συστήματα Πληροφοριών Περιβάλλοντος. Πανεπιστημιακό Τυπογραφείο. Θεσσαλονίκη. 172

178 Καρτέρης Μ. 1999α. Γεωγραφικά Συστήματα Πληροφοριών Περιβάλλοντος. Πανεπιστημιακό Τυπογραφείο Θεσσαλονίκη. Καρτέρης Μ. και Β. Γιαννακόπουλος Περιβαλλοντική Χαρτογραφία. Πανεπιστημιακό Τυπογραφείο. Θεσσαλονίκη. Καρτέρης Μ. και Ν. Κούτσιας Αξιολόγηση δεδομένων μεθόδων της τηλεπισκόπησης και Γεωγραφικά Συστήματα Πληροφοριών στη χαρτογράφηση δασικής καύσιμης ύλης. Τελική έκθεση, Πρόγραμμα ΠΕΝΕΔ91ΕΔ332. Εργαστήριο Διαχειριστικής και Τηλεπισκόπησης, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Καρυδάς Χ. και Ν. Συλλαίος Ανάπτυξη φασματικών μοντέλων φυτομάζας και φυτοκάλυψης σίτου, με επίγεια τηλεπισκόπηση. Γεωτεχνικά Επιστημονικά Θέματα Ι, 13: Κολιός Σ Εφαρμογή τεχνικών Γεωγραφικών Συστημάτων Πληροφοριών στην ανάλυση δορυφορικών δεδομένων. Μεταπτυχιακή διατριβή Εργαστηρίου Φυσικής της Ατμόσφαιρας, Τμήμα Φυσικής Σχολή Θετικών Επιστήμων, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Κολιός Σ., Π. Κουράκλη και Α. Μπάης Συμβολή στην ανάλυση και χαρτογράφηση του πεδίου της υπεριώδους ηλιακής ακτινοβολίας στον Ελλαδικό χώρο με τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών. Ελληνική Γεωγραφική Εταιρεία. 7 ο Πανελλήνιο Γεωγραφικό Συνέδριο. Μυτιλήνη, Οκτωβρίου Τόμος Β: Κουκούλας Σ Σημειώσεις μαθήματος Φωτοερμηνείας/ Τηλεπισκόπηση. Πανεπιστήμιο Αιγαίου, Μυτιλήνη. Κουράκλη Π. και Β. Παπαναστάσης Προσδιορισμός και χαρτογράφηση της ποιότητας τόπου στα ελληνικά λιβάδια με τη χρήση των Γεωγραφικών Συστημάτων Πληροφοριών. Γεωτεχνικά Επιστημονικά Θέματα, Γεωτεχνικό Επιστημονικό Επιμελητήριο Ελλάδας:

179 Κουτρουμπή Α., Ι. Γήτας και Μ. Καρτέρης Συγκριτική χαρτογράφηση χρήσεων/ κάλυψης γης με τεχνικές ψηφιακής ανάλυσης δορυφορικών εικόνων. Γεωτεχνικά Επιστημονικά Θέματα ΙΙ, 18: Κωτούλας Η Δυτική Μακεδονία Χθες Σήμερα Αύριο. Πρακτικά 1 ου Πανδυτικομακεδονικού Συνεδρίου. Κωτούλας Δ Ερευνητικό έργο: Αντιμετώπιση φαινόμενων διάβρωσης και πρόσχωσης σε τεχνητές λίμνες. Εργαστήριο Διευθέτησης Ορεινών Υδάτων, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Κωτούλας Δ Ορεινή Υδρονομική. Τόμος Ι. Εκδ. Τμήμα Εκδόσεων Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, 670 σελ. Μαλλίνης Γ. και Μ. Τσακίρη-Στρατή Αξιολόγηση μεθόδων συγχώνευσης δορυφορικών εικόνων πολύ υψηλής χωρικής ευκρίνειας σε δασικές περιοχές. Γεωτεχνικά Επιστημονικά Θέματα ΙΙ, 19: Μαλλίνης Γ., Μ. Βάκκας και Μ. Καρτέρης Αξιολόγηση της διαδικασίας μείωσης των ραδιομετρικών σφαλμάτων λόγω ανάγλυφου σε πολυφασματικές δορυφορικές εικόνες. Γεωτεχνικά Επιστημονικά Θέματα ΙΙ, 14: Μαλλίνης Γ., Ν. Κούτσιας, Α. Μάκρας και Μ. Καρτέρης Αξιολόγηση θεματικής πληροφορίας των διαύλων του Landsat 5 ΤΜ για την εκτίμηση παραμέτρων δασικών συστάδων στη χερσόνησο της Κασσάνδρας. 7 ο Πανελλήνιο Συνέδριο της Ελληνικής Γεωγραφικής Εταιρείας, Μυτιλήνη Οκτώβρη Μαρής Φ Το χειμαρρικό περιβάλλον των φυσικών λιμνών της Ελλάδας. Διδακτορική διατριβή, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Μαρκοπούλου Δ Η χωρική κατανομή των μικρών πελαγικών ειδών στο Θερμαϊκό κόλπο, όπως εκτιμάται από ταυτόχρονες ακουστικές και περιβαλλοντικές μετρήσεις. Μεταπτυχιακή εργασία στο Τμήμα Επιστημών της Θάλασσας του Πανεπιστήμιο Αιγαίου, Μυτιλήνη. 174

180 Μαρκοπούλου Δ., Δ. Κίτσιου και Σ. Γεωργακαράκος Χωρική κατανομή των μικρών πελασγικών ειδών στο Θερμαϊκό Κόλπο βάσει ακουστικών και περιβαλλοντικών μετρήσεων. 13 ο Πανελλήνιο Συνέδριο Ιχθυολόγων, Μυτιλήνη. Μερτίκας Σ Τηλεπισκόπηση και ψηφιακή ανάλυση εικόνας. Εκδόσεις «ΙΩΝ». Μπαλούτσος Γ., Κ. Καούκης, Α. Μπουρλετσίκας και Κ. Τσαγκάρη Τα ατμοσφαιρικά κατακρημνίσματα στην Καρίτσα της Όσσας (Κισσάβου) της περιόδου Δασική Έρευνα, 17: Μυρωνίδης Δ Εκτίμηση του κινδύνου διάβρωσης και της στερεομεταφοράς στις λεκάνες απορροής και στις κοίτες των χειμαρρικών ρευμάτων με τη χρήση των Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Μεταπτυχιακή διατριβή Εργαστηρίου Διευθέτησης Ορεινών Υδάτων, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Μυρωνίδης Δ., Π. Στεφανίδης και Δ. Στάθης Αναγνώριση και περιγραφή των χειμαρρικών μικροπεριβάλλοντων καθώς και των χειμαρρικών μικροτύπων με τη χρήση των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) για τη λεκάνη απορροής του Πορταϊκού. 10 η Συνάντηση Ελλήνων Χρηστών ArcInfo και ArcView. Αθήνα, 9-10/11/2000. Πατμανίδης Ι Λιμνοδεξαμεναί επί λοφωδών εκτάσεων. Μετάφραση της Γεν. Δ/νσεως της Υπηρεσίας Genie Rural του Υπουργείου Γεωργίας της Γαλλίας. Υπηρεσία Εγγείων Βελτιώσεων, Υπουργείο Γεωργίας. Σαπουτζής Μ Η χειμαρρικότητα των περιοχών Σιδηροκάστρου και Σερρών και η αποτελεσματικότητα της λειτουργίας των εφαρμοσθέντων συστημάτων διευθέτησης. Διδακτορική διατριβή Εργαστηρίου Διευθέτησης Ορεινών Υδάτων, Σχολή Γεωτεχνικών Επιστήμων, Τμήμα Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. 175

181 Σαπουντζής Μ., Δ. Μυρωνίδης, Δ. Στάθης και Π. Στεφανίδης Συγκριση των αποτελεσματων εφαρμογης των μεθοδων προβλεψης της διαβρωσης USLE και Gavrilovič με πραγματικες μετρησεις σε λεκανη απορροης. Κοινό Συνέδριο 11 ο της Ελληνικής Υδροτεχνικής Ένωσης και 7 ο της Ελληνικής Επιτροπής Διαχείρισης Υδατικών Πόρων. «Ολοκληρωμένη διαχείριση υδατικών πόρων σε συνθήκες κλιματικών αλλαγών», Τόμος Ι. Βόλος 27-30/05/2009. Σιάρδος Γ Μέθοδοι πολυμεταβλητής στατιστικής ανάλυσης. Μέρος Α. Διερεύνηση σχέσεων μεταξύ μεταβλητών. Εκδόσεις Ζήτη, Θεσσαλονίκη. Στάθης Δ Τα μετεωρολογικά χαρακτηριστικά της Πίνδου από υδρολογική άποψη. Διδακτορική διατριβή, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Στάθης Δ Καιρός, κλίμα και νερό στον 21ο αιώνα. 12 ο Πανελλήνιο Δασολογικό Συνέδριο. Δράμα 2-5 Οκτωβρίου Στάθης Δ. 2009: Τα ατμοσφαιρικά κατακρημνίσματα στο Πανεπιστημιακό Δάσος Περτουλίου Τρικάλων. Αποδοχή για δημοσίευση στο περιοδικό Δασική Έρευνα. Στάθης Δ. και Μ. Σαπουτζής Εκτίμηση του στερεοφορτίου λεκάνης απορροής στη θέση κατασκευής φράγματος ταμίευσης νερού. 10 ο Πανελλήνιο Δασολογικό Συνέδριο, Τρίπολη Μαΐου Στάθης Δ., Π. Στεφανίδης και Κ. Γούλας Τα χαρακτηριστικά των κατακρημνισμάτων της ευρύτερης περιοχής της Θεσσαλονίκης. 9ο Πανελλήνιο Δασολογικό Συνέδριο Οκτωβρίου Στεφανίδης Π Μικρά χωμάτινα φράγματα άρδευσης (Υδρογεωλογική μελέτη, κατασκευή προβλήματα, προοπτικές). 4 ο Πανελλήνιο Δασολογικό Συνέδριο, Λάρισα 5-7 Οκτωβρίου 1988: Στεφανίδης Π Μορφομετρική και υδρογραφική συγκρότηση των χειμαρρικών τύπων στο χώρο της Β. Ελλάδας. Διδακτορική διατριβή, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. 176

182 Στεφανίδης Π Κατασκευή μικροφραγμάτων για την κάλυψη αρδευτικών αναγκών (δυνατότητες, προβλήματα, προοπτικές). Ημερίδα «Διαχείριση Αξιοποίηση υδατικώμ πόρων Ν. Δράμας», Τεχνικό Επιμελητήριο Ελλάδας, Παράρτημα Ανατολικής Μακεδονίας. Στεφανίδης Π Οι πλημμύρες στις περιοχές Βρασνών και Ασπροβάλτας. Τεχνογράφημα, Τεχνικό επιμελητήριο Ελλάδος, 56. Στεφανίδης Π Τα αίτια και ο μηχανισμός λειτουργίας της πλημμύρας στην περιοχή του Μονολόφου - Πετρωτού του Ν. Θεσσαλονίκης στις Πρακτικά Διεθνούς Συνεδρίου του Τεχνικού Επιμελητηρίου Ελλάδος, Λάρισα 13-16/11/1996. Στεφανίδης Π Ορεινή Υδρονομική Ι. (Διευθετήσεις Ορεινών Υδάτων Ι). Πανεπιστημιακές παραδόσεις. Τμήμα Εκδόσεων Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, 160 σελ. Στεφανίδης Π. και Δ. Μυρωνίδης Διαδικασίες και μέθοδοι προσδιορισμού των μορφομετρικών και υδρογραφικών χαρακτηριστικών των λεκανών απορροής με τη χρήση των GIS. 12 η Συνάντηση Ελλήνων Χρηστών των Γεωγραφικών Συστημάτων Πληροφοριών (GIS). Αθήνα, 7-8/11/2002. Στεφανίδης Π. και Κ. Γούλας Τα κατολισθητικά φαινόμενα στο Πανεπιστημιακό Δάσος Περτουλίου (Καταγραφή, ταξινόμηση, αρχές και συστήματα διευθέτησης). Επιστημονική Επετηρίδα του Τμ. Δασολογίας και Φυσικού Περιβάλλοντος, Τόμος Αφιέρωμα προς τιμή του Ομότιμου Καθηγητή Ν. Παπαμίχου: Στεφανίδης Π., Δ. Στάθης και Φ. Τζιαφτάνη Εκτίμηση του στερεοφορτίου λεκάνης απορροής του χειμάρρου Μοδίου με την εξίσωση εδαφικής διάβρωσης και τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών. 13 o Πανελλήνιο Δασολογικό Συνέδριο, Χλόη Καστοριάς, 07-10/10/2007. Σωτηριάδης Λ., Α. Ψιλοβίκος Ασκήσεις γεωμορφολογίας. Θεσσαλονίκη. Εκδόσεις Α.Π.Θ. 177

183 Τζιαφτάνη Φανή Ορθολογική διαχείριση υδάτινων πόρων Όρους Πάϊκο. Μεταπτυχιακή διατριβή Εργαστηρίου Διευθέτησης Ορεινών Υδάτων, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Τσώλη Θ Η έρημος απειλεί την Ελλάδα. Βήμα Science - Γεωγραφία. Κυριακή 13 Φεβρουαρίου 2005: 57. Φασούλας Α Στοιχεία Πειραματικής Στατιστικής. Τμήμα Εκδόσεων Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, 255 σελ. Φουρνιάδης Ι., Δ. Οικονομίδης και Θ. Αστάρας Εντοπισμός περιοχών επιδεικτικών σε διάβρωση, με τη βοήθεια των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) και της τηλεπισκόπησης. Ένα παράδειγμα από την υδρογραφική λεκάνη του Ανθεμούντα. 6ο Πανελληνίο Γεωγραφικό Συνεδρίο της Ελληνικής Γεωγραφικής Εταιρίας, Θεσσαλονίκη 3 6 Οκτωβρίου Τόμος ΙΙ: Χρισταφακόπουλος Ν Διερεύνιση δυνατοτήτων αναβάθμισης του υδροτόπου στη λίμνη Πολυφύτου ως υδροβιοτόπου με παρεμβάσεις μικρής κλίμακας. Διδακτορική Διατριβή Πολυτεχνικής Σχολής, Δημοκρίτειο Πανεπιστήμιο Θράκης. 178

184 12 ΠΑΡΑΡΤΗΜΑ: ΧΑΡΤΕΣ ΚΑΙ ΦΩΤΟΓΡΑΦΙΕΣ 179

185 Χάρτης 23. Φωτογραφίες ευρύτερης λεκάνης απορροής τεχνητής λίμνης Πολυφύτου. 180

186 Σημείο 01. Εστία παραγωγής χειμαρρικών φαινομένων. Σημείο 02. Εστία παραγωγής χειμαρρικών φαινομένων. 181

187 Σημεία 03 (πάνω) και 04 (κάτω). Ιδιαίτερα ομαλό το βόρειο τμήμα της ευρύτερης λεκάνης απορροής καλυπτόμενο κυρίως από καλλιέργειες σε αντίθετο με το νότιο τμήμα. Σημείο 05. Η πρώτηγέφυρα(αιανή Ρύμνιο) που συναντά ο Αλιάκμονας από την έξοδό του από το φαράγγι του Ιλαρίωνα. 182

188 Σημείο 06. Λατομείο αδρανών υλικών για το νέο φράγμα (πάνω) του Ιλαρίωνα (κάτω). Σημείο 07. Το νέο φράγμα του Ιλαρίωνα (πάνω) και ο Αλιάκμονας μετά (κάτω). 183

189 Σημείο 08. Χαρακτηριστική εικόνα του βόρειου τμήματος στη γέφυρα Ρυμνίου-Αλιάκμονα. Σημείο 08.Η εκβολή του ρέματος «Αικατερίνης Λάκκος» (Λεκάνη απορροής 28) στην τεχνητή λίμνη. 184

190 Σημείο 09. Το 2009 η λίμνη, ως αποτέλεσμα των εκτεταμένων βροχοπτώσεων, είχε ιδιαίτερα υψηλή στάθμη με αποτέλεσμα να πλημμυρίσουν οι παραλίμνιες εκτάσεις και να δημιουργηθούν εφήμερες νησίδες. Σημείο 10. Λίγο πριν την εκβολή του ρέματος «Κολτσάκι» (Λεκάνη απορροής 24) στην τεχνητή λίμνη. 185

191 Σημείο 11. Λίγο πριν την εκβολή του ρέματος «Βαλκανιές» (Λεκάνη απορροής 17) στην τεχνητή λίμνη. Σημείο 12. Εστία παραγωγής χειμαρρικών φαινομένων. 186

192 Σημείο 12. Λίγο πριν την είσοδο στο φράγμα Πολυφύτου. Σημείο 16. Το φράγμα Πολυφύτου που δημιούργησε την τεχνητή λίμνη. 187

193 Σημείο 13. Εστία παραγωγής χειμαρρικών φαινομένων. Σημεία 14(πάνω) και 15 (κάτω). Άποψη της τεχνητής λίμνης πριν το φράγμα Πολοφύτου. 188

194 Σημείο 14. Λίγο πριν την εκβολή του ρέματος «Πλατανόλακκος» (Λεκάνη απορροής 14) στην τεχνητή λίμνη. Σημείο 15. Άποψη του Αλιάκμονα πάνω στο φράγμα Πολυφύτου. 189

195 190 Σημείο 17 (πάνω και κάτω). Άποψη της τεχνητής λίμνης.

196 Σημείο 18. Λίγο πριν την εκβολή του ρέματος της λεκάνη απορροής 12 στην τεχνητή λίμνη. Σημείο 19. Το 2009 η λίμνη, ως αποτέλεσμα των εκτεταμένων βροχοπτώσεων, είχε ιδιαίτερα υψηλή στάθμη με αποτέλεσμα να πλημμυρίσουν οι παραλίμνιες εκτάσεις και να δημιουργηθούν εφήμερες νησίδες. 191

197 Σημεία 1 (πάνω), 7 (κέντρο) και 19 (κάτω). Η λίμνη φιλοξενεί άγριας ζωή και λειτουργεί για τα πουλιά με παρόμοιο τρόπο με μια φυσική λίμνη. 192