• Ελληνικά
  • English

4.2 Ερευνητική Ομάδα Περιβαλλοντικής Πληροφορικής (ΕΟΠΠ)

    ΓΕΝΙΚΑ

    Η Περιβαλλοντική Πληροφορική (Environmental Informatics) είναι η επιστήμη που παράγει και συνδυάζει γνώσεις, μεθόδους, εργαλεία και τεχνικές Πληροφορικής και Μηχανικής Περιβάλλοντος με στόχο την αποτελεσματική διερεύνηση της περιβαλλοντικής κατάστασης και συμπεριφοράς συστημάτων, και την επίλυση περιβαλλοντικών προβλημάτων. Είναι μία σχετικά νέα επιστημονική περιοχή που άπτεται όλων των δραστηριοτήτων του Μηχανολόγου Μηχανικού και δίνει λύσεις σε προβλήματα όλων των Τομέων εποπτείας και ευθύνης του. Περιλαμβάνει γνώσεις Μηχανολογίας, Μηχανικής Περιβάλλοντος και Πληροφορικής-Επιστήμης των Υπολογιστών με στόχο την υποστήριξη οποιασδήποτε δραστηριότητας περιβαλλοντικής διαχείρισης, ενώ έχει έντονα τα χαρακτηριστικά της διεπιστημονικότητας και της διαθεματικότητας.

    Στο Τμήμα μας η Περιβαλλοντική Πληροφορική εστιάζει ιδιαίτερα σε θέματα ποιότητας αέρα και στο σχεδιασμό και την ανάπτυξη ηλεκτρονικών υπηρεσιών ενημέρωσης με στόχο την προαγωγή της ποιότητας ζωής των πολιτών, αλλά και στην ανάπτυξη δεδομενοκεντρικών υπολογιστικών διαδικασιών ανάλυσης και μοντελοποίησης με χρήση Υπολογιστικής Νοημοσύνης & Μηχανικής Μάθησης για την επίλυση προβλημάτων της βιομηχανίας. Έτσι, η ΕΟΠΠ συνεισφέρει σε ένα από τα νεότερα γνωστικά αντικείμενα του Ενεργειακού Τομέα του Τμήματός μας, αυτό της Υπολογιστικής Νοημοσύνης σε Μηχανολογικά Συστήματα και σε Εφαρμογές Ποιότητας Περιβάλλοντος και Ενέργειας.

    Επικεφαλής:
    Κώστας Καρατζάς

    Διδάκτορες

    Υποψήφιοι διδάκτορες

    • Ευάγγελος Μπαγκής (Dipl. Phys., MSc Comp. Phys.):  Αυτοματοποιημένη υπολογιστική ανάλυση και βελτίωση περιβαλλοντικών αισθητήρων σε πραγματικό χρόνο.
    • Θωμάς Τασιούλης (MEng in Civil Engineering, MSc Env. Prot. & Sust. Dev., MSc in Data Science): Ανάπτυξη υπολογιστικού πλαισίου για την ανάλυση και επεξηγήσιμη μοντελοποίηση περιβαλλοντικών δεδομένων – δεδομένων ποιότητας αέρα

    Εξωτερικοί συνεργάτες

    Φοιτητές με εργασία υπό εκπόνηση

    Έξι προπτυχιακές/οί και τρεις μεταπτυχιακές/οί φοιτήτριες/φοιτητές εκπονούν τη διπλωματική τους εργασία στο πλαίσιο των ακαδημαϊκών και ερευνητικών δραστηριοτήτων της ερευνητικής μας ομάδας, στα ακόλουθα αντικείμενα:

    1. Analysis of air quality data from a network of low-cost sensors and reference stations
    2. Recording, analysis and mapping of air quality levels using low-cost sensors on pedestrian routes in the historical centre of Thessaloniki
    3. Recording, analysis and mapping of air quality levels using a low-cost sensor on pedestrian routes of the new coastal front of Thessaloniki
    4. Automatic detection and categorisation of ships using satellite data and machine learning to estimate their air pollutant emission levels
    5. Spatial reconstruction and optimization in air quality sensor networks using specialized computational libraries in Python
    6. Recording, investigation and modelling of lighting and local microclimate elements in a school unit in the centre of Thessaloniki
    7. Investigation of atmospheric quality parameters withthe aid of computational intelligence methods
    8. Indoor air quality and classroom activity assessment in a school building
    9. Comparative analysis of air quality measurements resulting from a dence low cost sensor network

    Ολοκληρωμένες διδακτορικές διατριβές

    Τομέας: Ενεργειακός 

    Προπτυχιακοί φοιτητές με περατωμένες διπλωματικές εργασίες (έτη 2020-23)

    • Μεταπτυχιακοί φοιτητές με περατωμένες εργασίες (έτη 2019-23)
    ΠΡΟΠΤΥΧΙΑΚΕΣ ΣΠΟΥΔΕΣ

    Μαθήματα που διδάσκονται στο Τμήμα Μηχανολόγων Μηχανικών ΑΠΘ:

    Ώρες συνεργασίας με φοιτητές: διαδικτυακά ή δια ζώσης, μετά από συνεννόηση (μέσω email)

    ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΣΠΟΥΔΕΣ

    Μαθήματα που διδάσκονται στο ΑΠΘ:

     

    ΕΡΕΥΝΗΤΙΚΗ ΔΡΑΣΤΗΡΙΟΤΗΤΑ

    Η Ερευνητική Ομάδα Περιβαλλοντικής Πληροφορικής ξεκίνησε τη δραστηριότητά της από το 2004, εντάσσεται στον Ενεργειακό Τομέα του Τμήματος και έχει τα ακόλουθα κύρια ερευνητικά ενδιαφέροντα:

    Τρέχοντα ερευνητικά προγράμματα & προγράμματα επιστημονικής συνεργασίας

    • FAIR Network of micrometeorological measurements (FAIRNESS). (2021-2025).  The FAIRNESS COST action intends to improve standardization and integration between databases/sets of micrometeorological measurements that are part of research projects or local/regional observational networks established for special purposes (agrometeorology, urban microclimate monitoring).
    • KASTOM: Καινοτόμο σύστημα παρακολούθησης και πρόγνωσης της ποιότητας του αέρα. Συντονιστής Δ. Μελάς, Επιστημονικά υπεύθυνος: Κ. Καρατζάς. Φορέας ανάθεσης: «ΕΡΕΥΝΩ-ΔΗΜΙΟΥΡΓΩ-ΚΑΙΝΟΤΟΜΩ» (2018-2022)

     

    • Creation of an external Machine Learning Service for the FMI-Enfuser modelling system. Φορέας ανάθεσης: Finnish Meteorological Institute (2021-2023). Συνέχεια του έργου Investigation, testing and extending the fusion approach to include Computational Intelligence algorithms (indicatively Artificial Neural Networks) and Employing computational intelligence methods for analyzing, modelling and improving the performance of low cost Air Quality microsensors. Φορέας ανάθεσης: Finnish Meteorological Institute (2018-2019)

     

    • Δημιουργία Κέντρων Επιστήμης Πολιτών σε Ευρωπαϊκούς Ερευνητικούς και Χρηματοδοτικούς Οργανισμούς για την προώθηση θεσμικών αλλαγών και Υπεύθυνης Έρευνας και Καινοτομίας στην κοινωνία- INCENTIVE. Επιστημονικά υπεύθυνος για ΑΠΘ: Ε. Στυλιανίδης, ομάδα υλοποίησης έργου: Καθ. Α. Βακάλη, Καθ. Κ. Καρατζάς, Αν. Καθ. Α. Μάζαρης. HORIZON 2020 (SwafS-23-2020 Grounding RRI in Society with a focus on citizen science), 2021-2023

     

    • Εξέλιξη Υπολογιστικής Νοημοσύνης στην Περιβαλλοντική Μηχανική – Γενίκευση, Βελτίωση, Βέλτιστος Συνδυασμός Μεθοδολογιών σε Προβλήματα Ποιότητας Αέρα και Υδατικών Πόρων (ΕΣΠΑ, ΕΠ:3 – Αξονας:6 – Τίτλος Αξ:ΒΕΛΤΙΩΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΕΚΠΑΙΔΕΥΤΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ – Κωδικός πρόσκλησης: ΕΔΒΜ103 – AA: 3784 link) (2020-22), Μεταδιδάκτορας: Γιάννης Κοντός

     

     

     

    Επιλεγμένες Δημοσιεύσεις (χρονολογικά)

    1. Kassandros T., Bagkis E., Johansson L., Kontos Y., Katsifarakis K.L., Karppinen A., Karatzas K. (2023). Machine learning-assisted dispersion modelling based on genetic algorithm-driven ensembles: An application for road dust in Helsinki, Atmospheric Environment 307, 119818, https://doi.org/10.1016/j.atmosenv.2023.119818 .
    2. Bagkis E., Kassandros Th., Karatzas K., (2022). Learning calibration functions on the fly: Hybrid batch-online stacking ensembles for the calibration of low-cost air quality sensor networks in the presence of concept drifts, Atmosphere, 13(3), 416. https://doi.org/10.3390/atmos13030416
    3. Kontos Y.N., Kassandros T., Perifanos K., Karampasis M., Katsifarakis K.L., Karatzas K. (2022), Machine Learning for Groundwater Pollution Source Identification and Monitoring Network Optimization, Neural Computing and Applications 34, 19515-19545, https://doi.org/10.1007/s00521-022-07507-8
    4. Ródenas García M., Sousa S.I.V., Spinazzé A., Branco PT.B.S., Borghi F., Villena G., Cattaneo A., de Gilio A., Mihucz V.G., Gómez Álvarez E., Ivan Lopes S., Bergmans B., Orłowski C., Karatzas K., Marques G., Saffell J. (2022), Review of Low-Cost Sensors for Indoor Air Quality: Features and Applications, Applied Spectroscopy Reviews 57, Nos9-10, 747-779, https://doi.org/10.1080/05704928.2022.2085734
    5. Bagkis Ε., Kassandros T., Karteris Μ., Karteris Α., Karatzas Κ (2021), Analyzing and Improving the Performance of a Particulate Matter Low Cost Air Quality Monitoring Device. Atmosphere 12(2), 251. https://doi.org/10.3390/atmos12020251
    6. Viana, M.; Karatzas, K.; Arvanitis, T.; Reche, C.; Escribano, M.; Ibarrola-Ulzurrun, E.; Adami, P.E.; Garrandes, F.; Bermon, S (2022), Air Quality Sensors Systems as Tools to Support Guidance in Athletics Stadia for Elite and Recreational Athletes. J. Environ. Res. Public Health 2022, 19(6), 3561; https://doi.org/10.3390/ijerph19063561
    7. Vohland K., Sauermann H., Antoniou V., Balazs B., Göbel C., Karatzas K., Mooney P., Perelló J., Ponti M., Samson R. and Winter S. (2020). Citizen Science and Sustainability Transitions. Research Policy 49(5), https://doi.org/10.1016/j.respol.2020.103978
    8. Borrego C., Costa A.M., Ginja J., Amorim M., Karatzas K., Sioumis Th., Katsifarakis N., Konstantinidis K., De Vito S., Esposito E., Smith P., André N., Gérard P., Francis L.A.,. Castell N., Viana M., Minguillón M.C., Reimringen W., Otjes R.P., v.Sicard O., Pohle R., Elen B., Suriano D., Pfister V., Prato M., Dipinto S., Penza M. (2018), Assessment of air quality microsensors versus reference methods: The EuNetAir joint exercise– part II, Atmospheric Environment 193, pp. 127-142, https://doi.org/10.1016/j.atmosenv.2018.08.028
    9. Karatzas K., Katsifarakis N., Riga M., Werchan B., Werchan M., Berger U., Pfaar O., and Bergmann K.C. (2018). New European Academy of Allergy and Clinical Immunology definition on pollen season mirrors symptom load for grass and birch pollen-induced rhinitis, Allergy 73 (9), 1851-1859, https://doi.org/10.1111/all.13487
    10. Karatzas K. and Katsifarakis N. (2018), Modelling of Household Electricity Consumption with the Aid of Computational Intelligence Methods.  Advances in Building Energy Research 12(1), pp. 84-96, https://doi.org/10.1080/17512549.2017.1314831
    11. Katsifarakis N., Riga M., Voukantsis D. and Karatzas K. (2016), Computational Intelligence methods for rolling bearing fault detection, Journal of the Brazilian Society of Mechanical Sciences and Engineering 38 (6), pp. 1565-1574. doi:10.1007/s40430-015-0458-6
    ΥΠΟΔΟΜΗ
    • Δίκτυο Η/Υ
    • Αισθητήρες ποιότητας αέρα (Air Quality Sensors & Environmental Informatics)
    • Εξειδικευμένο λογισμικό ανάλυσης και μοντελοποίησης δεδομένων
    ΕΠΙΚΟΙΝΩΝΙΑ

    Σας προτείνουμε να στέλνετε πάντα email πριν τηλεφωνήσετε ή επισκεφθείτε το χώρο, για να αποφύγετε καθυστερήσεις όταν δεν μπορείτε να μας βρείτε.

    email: eirg [what you expect to find here] meng.auth.gr

    Εναλλακτικό email: kkara [what you expect to find here] auth.gr

    Τηλ: +30 2310 994176

    Ταχυδρομική Διεύθυνση:

    Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

    Τμήμα Μηχανολόγων Μηχανικών

    54124 Θεσσαλονίκη

    Υπόψη Καθ. Κ. Καρατζά

    Που θα μας βρείτε:

    Κτίριο Ε14 Τμήματος Μηχανολόγων Μηχανικών

    Νησίδα Η/Υ, Ισόγειο (είσοδος από 3ης Σεπτεμβρίου, χάρτης)

     

     

    ΣΥΝΔΕΣΜΟΙ
    ΦΩΤΟΓΡΑΦΙΕΣ
      GENERAL

      Department: Ενεργειακός 

      Προπτυχιακοί φοιτητές με περατωμένες διπλωματικές εργασίες (έτη 2020-23)

      • Μεταπτυχιακοί φοιτητές με περατωμένες εργασίες (έτη 2019-23)
      UNDERGRADUATE STUDIES

      Μαθήματα που διδάσκονται στο Τμήμα Μηχανολόγων Μηχανικών ΑΠΘ:

      Ώρες συνεργασίας με φοιτητές: διαδικτυακά ή δια ζώσης, μετά από συνεννόηση (μέσω email)

      POSTGRADUATE STUDIES

      Μαθήματα που διδάσκονται στο ΑΠΘ:

       

      RESEARCH

      Η Ερευνητική Ομάδα Περιβαλλοντικής Πληροφορικής ξεκίνησε τη δραστηριότητά της από το 2004, εντάσσεται στον Ενεργειακό Τομέα του Τμήματος και έχει τα ακόλουθα κύρια ερευνητικά ενδιαφέροντα:

      Τρέχοντα ερευνητικά προγράμματα & προγράμματα επιστημονικής συνεργασίας

      • FAIR Network of micrometeorological measurements (FAIRNESS). (2021-2025).  The FAIRNESS COST action intends to improve standardization and integration between databases/sets of micrometeorological measurements that are part of research projects or local/regional observational networks established for special purposes (agrometeorology, urban microclimate monitoring).
      • KASTOM: Καινοτόμο σύστημα παρακολούθησης και πρόγνωσης της ποιότητας του αέρα. Συντονιστής Δ. Μελάς, Επιστημονικά υπεύθυνος: Κ. Καρατζάς. Φορέας ανάθεσης: «ΕΡΕΥΝΩ-ΔΗΜΙΟΥΡΓΩ-ΚΑΙΝΟΤΟΜΩ» (2018-2022)

       

      • Creation of an external Machine Learning Service for the FMI-Enfuser modelling system. Φορέας ανάθεσης: Finnish Meteorological Institute (2021-2023). Συνέχεια του έργου Investigation, testing and extending the fusion approach to include Computational Intelligence algorithms (indicatively Artificial Neural Networks) and Employing computational intelligence methods for analyzing, modelling and improving the performance of low cost Air Quality microsensors. Φορέας ανάθεσης: Finnish Meteorological Institute (2018-2019)

       

      • Δημιουργία Κέντρων Επιστήμης Πολιτών σε Ευρωπαϊκούς Ερευνητικούς και Χρηματοδοτικούς Οργανισμούς για την προώθηση θεσμικών αλλαγών και Υπεύθυνης Έρευνας και Καινοτομίας στην κοινωνία- INCENTIVE. Επιστημονικά υπεύθυνος για ΑΠΘ: Ε. Στυλιανίδης, ομάδα υλοποίησης έργου: Καθ. Α. Βακάλη, Καθ. Κ. Καρατζάς, Αν. Καθ. Α. Μάζαρης. HORIZON 2020 (SwafS-23-2020 Grounding RRI in Society with a focus on citizen science), 2021-2023

       

      • Εξέλιξη Υπολογιστικής Νοημοσύνης στην Περιβαλλοντική Μηχανική – Γενίκευση, Βελτίωση, Βέλτιστος Συνδυασμός Μεθοδολογιών σε Προβλήματα Ποιότητας Αέρα και Υδατικών Πόρων (ΕΣΠΑ, ΕΠ:3 – Αξονας:6 – Τίτλος Αξ:ΒΕΛΤΙΩΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΕΚΠΑΙΔΕΥΤΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ – Κωδικός πρόσκλησης: ΕΔΒΜ103 – AA: 3784 link) (2020-22), Μεταδιδάκτορας: Γιάννης Κοντός

       

       

       

      Επιλεγμένες Δημοσιεύσεις (χρονολογικά)

      1. Kassandros T., Bagkis E., Johansson L., Kontos Y., Katsifarakis K.L., Karppinen A., Karatzas K. (2023). Machine learning-assisted dispersion modelling based on genetic algorithm-driven ensembles: An application for road dust in Helsinki, Atmospheric Environment 307, 119818, https://doi.org/10.1016/j.atmosenv.2023.119818 .
      2. Bagkis E., Kassandros Th., Karatzas K., (2022). Learning calibration functions on the fly: Hybrid batch-online stacking ensembles for the calibration of low-cost air quality sensor networks in the presence of concept drifts, Atmosphere, 13(3), 416. https://doi.org/10.3390/atmos13030416
      3. Kontos Y.N., Kassandros T., Perifanos K., Karampasis M., Katsifarakis K.L., Karatzas K. (2022), Machine Learning for Groundwater Pollution Source Identification and Monitoring Network Optimization, Neural Computing and Applications 34, 19515-19545, https://doi.org/10.1007/s00521-022-07507-8
      4. Ródenas García M., Sousa S.I.V., Spinazzé A., Branco PT.B.S., Borghi F., Villena G., Cattaneo A., de Gilio A., Mihucz V.G., Gómez Álvarez E., Ivan Lopes S., Bergmans B., Orłowski C., Karatzas K., Marques G., Saffell J. (2022), Review of Low-Cost Sensors for Indoor Air Quality: Features and Applications, Applied Spectroscopy Reviews 57, Nos9-10, 747-779, https://doi.org/10.1080/05704928.2022.2085734
      5. Bagkis Ε., Kassandros T., Karteris Μ., Karteris Α., Karatzas Κ (2021), Analyzing and Improving the Performance of a Particulate Matter Low Cost Air Quality Monitoring Device. Atmosphere 12(2), 251. https://doi.org/10.3390/atmos12020251
      6. Viana, M.; Karatzas, K.; Arvanitis, T.; Reche, C.; Escribano, M.; Ibarrola-Ulzurrun, E.; Adami, P.E.; Garrandes, F.; Bermon, S (2022), Air Quality Sensors Systems as Tools to Support Guidance in Athletics Stadia for Elite and Recreational Athletes. J. Environ. Res. Public Health 2022, 19(6), 3561; https://doi.org/10.3390/ijerph19063561
      7. Vohland K., Sauermann H., Antoniou V., Balazs B., Göbel C., Karatzas K., Mooney P., Perelló J., Ponti M., Samson R. and Winter S. (2020). Citizen Science and Sustainability Transitions. Research Policy 49(5), https://doi.org/10.1016/j.respol.2020.103978
      8. Borrego C., Costa A.M., Ginja J., Amorim M., Karatzas K., Sioumis Th., Katsifarakis N., Konstantinidis K., De Vito S., Esposito E., Smith P., André N., Gérard P., Francis L.A.,. Castell N., Viana M., Minguillón M.C., Reimringen W., Otjes R.P., v.Sicard O., Pohle R., Elen B., Suriano D., Pfister V., Prato M., Dipinto S., Penza M. (2018), Assessment of air quality microsensors versus reference methods: The EuNetAir joint exercise– part II, Atmospheric Environment 193, pp. 127-142, https://doi.org/10.1016/j.atmosenv.2018.08.028
      9. Karatzas K., Katsifarakis N., Riga M., Werchan B., Werchan M., Berger U., Pfaar O., and Bergmann K.C. (2018). New European Academy of Allergy and Clinical Immunology definition on pollen season mirrors symptom load for grass and birch pollen-induced rhinitis, Allergy 73 (9), 1851-1859, https://doi.org/10.1111/all.13487
      10. Karatzas K. and Katsifarakis N. (2018), Modelling of Household Electricity Consumption with the Aid of Computational Intelligence Methods.  Advances in Building Energy Research 12(1), pp. 84-96, https://doi.org/10.1080/17512549.2017.1314831
      11. Katsifarakis N., Riga M., Voukantsis D. and Karatzas K. (2016), Computational Intelligence methods for rolling bearing fault detection, Journal of the Brazilian Society of Mechanical Sciences and Engineering 38 (6), pp. 1565-1574. doi:10.1007/s40430-015-0458-6
      FACILITIES
      • Δίκτυο Η/Υ
      • Αισθητήρες ποιότητας αέρα (Air Quality Sensors & Environmental Informatics)
      • Εξειδικευμένο λογισμικό ανάλυσης και μοντελοποίησης δεδομένων
      CONTACT INFO

      Σας προτείνουμε να στέλνετε πάντα email πριν τηλεφωνήσετε ή επισκεφθείτε το χώρο, για να αποφύγετε καθυστερήσεις όταν δεν μπορείτε να μας βρείτε.

      email: eirg [what you expect to find here] meng.auth.gr

      Εναλλακτικό email: kkara [what you expect to find here] auth.gr

      Τηλ: +30 2310 994176

      Ταχυδρομική Διεύθυνση:

      Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

      Τμήμα Μηχανολόγων Μηχανικών

      54124 Θεσσαλονίκη

      Υπόψη Καθ. Κ. Καρατζά

      Που θα μας βρείτε:

      Κτίριο Ε14 Τμήματος Μηχανολόγων Μηχανικών

      Νησίδα Η/Υ, Ισόγειο (είσοδος από 3ης Σεπτεμβρίου, χάρτης)

       

       

      LINKS
      PHOTOS