Το φαράγγι της Σαμαριάς αποτελεί ιδιαίτερα δύσκολη περίπτωση εκτίμησης
θερμοκρασίας αέρος και σχετικής υγρασίας, διότι έχει μεγάλη υψομετρική διακύμανση
(από την επιφάνεια της θάλασσας έως 1200m), δεν παρουσιάζει ομοιομορφία ως προς
την κατεύθυνσή του (από ΒΔ προσανατολίζεται προς ΝΑ και καταλήγει Ν) και
παρουσιάζει έντονη διαφοροποίηση πλάτους και ύψους.
Σκοπός της εργασίας αυτής είναι η διερεύνηση της δυνατότητας εκτίμησης των
συνθηκών θερμοκρασίας αέρος και σχετικής υγρασίας μέσα στο φαράγγι, με χρήση
δεδομένων που συλλέγονται σε σημεία εκτός των ορίων του φαραγγιού.
Για το σκοπό αυτό εγκαταστάθηκαν αυτόνομα καταγραφικά όργανα στην είσοδο και
έξοδο του φαραγγιού καθώς και σε πέντε επιλεγμένες θέσεις εντός αυτού.
Αναπτύχθηκαν δύο μέθοδοι επεξεργασίας δεδομένων. Η πρώτη αντιμετωπίζει τα
δεδομένα με τη λογική των χρονοσειρών, και η δεύτερη ανεξάρτητα χρονικής
συνέχειας. Δημιουργήθηκαν, για κάθε μέθοδο, διάφορα μοντέλα εκτίμησης είτε υπό
τη μορφή εξισώσεων πολλαπλής παλινδρόμησης είτε υπό τη μορφή τεχνητών
νευρωνικών δικτύων. Τα κύρια κριτήρια που χρησιμοποιήθηκαν για να διασφαλίσουν
την ορθότητα της επιλογής του βέλτιστου μοντέλου εκτίμησης είναι ο συντελεστής
προσδιορισμού, το μέσο απόλυτο σφάλμα, τα διαγράμματα διασποράς εκτιμημένων
και μετρημένων τιμών και τα ιστογράμματα κατανομής υπολοίπων.
Μετά την αξιολόγηση των μοντέλων εκτίμησης και των δύο μεθόδων, εντοπίσθηκε η
βέλτιστη μέθοδος η οποία εφαρμόσθηκε στην ερευνώμενη περιοχή για την εκτίμηση
του μετεωρολογικού κινδύνου έναρξης πυρκαγιάς και για την εκτίμηση της θερμικής
αίσθησης του ανθρώπου. Με τον τρόπο αυτό αξιολογείται η αξιοπιστία του
μοντέλου εκτίμησης και από την επιτυχία των εφαρμογών.
Από την αξιολόγηση όλων των μοντέλων που αναπτύχθηκαν διαπιστώθηκε ότι η
χρήση των δεδομένων ενός έτους στην εκτίμηση της θερμοκρασίας και της σχετικής
υγρασίας άλλων ετών, όπως γίνεται στην πρώτη μέθοδο, έδωσε ικανοποιητικά
αποτελέσματα όσον αφορά τη θερμοκρασία αέρος, υστερούσε όμως σημαντικά στην
εκτίμηση της σχετικής υγρασίας. Οι εκτιμήσεις των τιμών θερμοκρασίας και σχετικής
υγρασίας με νευρωνικά δίκτυα, έδειξαν παρόμοια αποτελέσματα με την πολλαπλή
γραμμική παλινδρόμηση, αλλά ελαφρώς βελτιωμένα. Γενικά, η καλύτερη των
εκτιμήσεων με την πρώτη μέθοδο επετεύχθη, για τη θερμοκρασία και τη σχετική υγρασία, με τα μοντέλα εξισώσεων πολλαπλής γραμμικής παλινδρόμησης με
ταυτόχρονη χρήση μετεωρολογικών δεδομένων εισόδου και εξόδου του φαραγγιού.
Η δεύτερη μέθοδος, η οποία δεν χειρίστηκε τα δεδομένα ως χρονοσειρές, έδωσε
γενικά καλύτερα αποτελέσματα από την πρώτη μέθοδο. Η υπεροχή της δεύτερης
μεθόδου έναντι της πρώτης, ήταν σαφής τόσο με τη χρήση νευρωνικών δικτύων όσο
και με τη χρήση εξισώσεων παλινδρόμησης. Οι καλύτερες εκτιμήσεις της
θερμοκρασίας αέρος και της σχετικής υγρασίας προέκυψαν από τα μοντέλα
νευρωνικών δικτύων λαμβάνοντας υπόψη τις τιμές των αντίστοιχων παραμέτρων
των σταθμών εισόδου και εξόδου του φαραγγιού και τις χρονικές στιγμές που αυτές
παρατηρήθηκαν.
Η επιτυχής εκτίμηση της θερμοκρασίας και της σχετικής υγρασίας, με τα μοντέλα
αυτά, δίνει τη δυνατότητα προσδιορισμού τόσο του μετεωρολογικού κινδύνου
έναρξης πυρκαγιάς (επιτυχία εκτίμησης από 73% έως 88%) όσο και του δείκτη
θερμικής αίσθησης (επιτυχία εκτίμησης από 81,8% έως 93,4%) στο φαράγγι της
Σαμαριάς.
Από την εφαρμογή της μεθοδολογίας που αναπτύχθηκε στην παρούσα διατριβή σε
αστικό περιβάλλον, προκύπτει επίσης το συμπέρασμα ότι είναι δυνατή η αξιόπιστη
εκτίμηση της θερμικής αίσθησης σε οδοχαράδρες (επιτυχία εκτίμησης από 83,1% έως
91,9%) από ένα μόνιμα εγκατεστημένο σταθμό που βρίσκεται εκτός των ορίων τους.
Estimating air temperature and relative humidity in Samaria Gorge is a particularly
difficult task, as there is significant altitude variation (ranging from sea level to
1200m), there is no homogeneity regarding its direction (its orientation turns from
NW to SE and ends up S) and presents extensive differentiation in width and
height. The aim of this study is to investigate the potential of estimating air
temperature as well as relative humidity conditions in the gorge with use of data
collected at locations outside the gorge area. For this purpose, autonomous data
loggers have been placed at the entrance and exit of the gorge as well as in five
selected locations within the gorge. Two methods of data processing have been
developed; the first one handles data as time series, while the second one without
regard to time sequence. Many models have been created for each method, either in
the form of multiple regression equations or in the form of artificial neural
networks. The main criteria used to ensure validity and accuracy in choosing the
most appropriate model of estimation is the coefficient of determination, the mean
absolute error, the scatter plots of measured and estimated values, and the residual
distribution histograms.
Having assessed all estimation models of both methods, the best method selected
was applied in the investigated region for the estimation of meteorological fire
danger and for the estimation of the temperature–humidity index (also known as
discomfort index). In this way, the validity of the estimation model is assessed also
through the success of its applications. The assessment of all models developed,
showed that using data of one year in estimating temperature and relative humidity
of other years, as done in the first method, gave satisfactory results regarding air
temperature but failed, however, to provide accuracy in estimating relative
humidity. Temperature and relative humidity values estimated through neural
networks produced results similar to the multiple linear regression, though slightly
improved. In general, the best estimation of air temperature and relative humidity
through the first method was achieved with multiple linear regression models with
simultaneous use of meteorological data from the entrance and exit of the gorge.
The second method, which was not based on the use time series, generally gave
better results than the first method. The fact that the second method is preferable to the first one was obvious both in the application of neural networks and in the use
of multiple linear regression. The most accurate estimations of air temperature and
relative humidity were given by neural network models, having considered the
values of the respective parameters of entrance and exit stations and the time when
these were noted.
The precise estimation of temperature and relative humidity through the
aforementioned models allows the determination of the meteorological fire danger
index (estimation success from 73% to 88%) as well as the temperature–humidity
index (estimation success from 81.8% to 93.4%) in Samaria Gorge.
The application of the methodology developed in the present study in an urban
environment also provides the conclusion that reliable estimation of temperature–
humidity index is possible in street canyons by a meteorological station located
outside their boundaries (estimation success from 83.1% to 91.9%).
