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 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.

• Μάριος Πανουργιάς: Υπολογιστική διερεύνηση και μοντελοποίηση περιβαλλοντικών μετρήσεων
• Αναστασία Αδαμτζίλογλου: Επιστήμη των πολιτών και συσκευές παρακολούθησης ποιότητας αέρα χαμηλού κόστους
• Βασίλειος Σουλτανίδης: Ανάλυση περιβαλλοντικών γεωχωρικών δεδομένων με χρήση υπολογιστικών εργαλείων ανοικτού κώδικα
• Στέλλα Γαλονάκη: Διερεύνηση Περιβαλλοντικών Επιπτώσεων από Ανανεώσιμες Πηγές Ενέργειας
• Παντελής Αποστολίδης: Μοντελοποίηση κινητικότητας και θέσης συρμών μετρό στη Κοπεγχάγη βάσει μετρήσεων περιβαλλοντικών αισθητήρων με μεθόδους μηχανικής μάθησης
• Πάνος Κεφαλάς: Ανάλυση και μοντελοποίησή δεδομένων κόμβων παρακολούθησης ποιότητας αέρα με μεθόδους Υπολογιστικής Νοημοσύνης

• Μεταπτυχιακοί φοιτητές με περατωμένες εργασίες (έτος 2019-22)

• Βαγγέλης Αθανασάκης: Αυτοματοποιημένη διερεύνηση περιβαλλοντικών δεδομένων με μεθόδους Υπολογιστικής Νοημοσύνης σε προβλήματα ποιότητας αέρα
• Ισαάκ -Βασίλειος Γολσουζίδης: Εκτίμηση επιπέδων ρύπανσης σε χώρους άθλησης στίβου βάσει υφιστάμενων στοιχείων μετρήσεων
• Πέτρος Ζημιανίτης: Υπολογιστική βελτίωση μικροαισθητήρων ποιότητας αέρα
• Αριστοτέλης Καραγιάννης: Παραμετροποίηση αλγορίθμου τυχαίων δασών για την βελτιωμένη μοντελοποίηση περιβαλλοντικών δεδομένων
• Τάνια Λιάρτση: Διερεύνηση μεθοδολογιών εκτίμησης εκπομπών από πλοία και χρήση μικροαισθητήρων για την υλοποίηση ελέγχου εν πλω.
• Κώστας Μπιζιούρας: Ανάλυση περιβαλλοντικών δεδομένων με μεθόδους Υπολογιστικής Νοημοσύνης για τη μοντελοποίηση ποιότητας αέρα
• Ευάγγελος Μπαγκής: Υπολογιστική αξιολόγηση συνδυαστικών αλγορίθμων μοντελοποίησης περιβαλλοντικών δεδομένων
• Ζωή Παπαπολυκάρπου: Μελέτη της ατμοσφαιρικής ρύπανσης στη Θεσσαλονίκη με χρήση σωληνίσκων  διάχυσης για την εκτίμηση των μέσων επιπέδων ΝΟ2
• Ευριπίδης Τσακουρίδης: Χρήση φυτών για την βελτίωση της ποιότητας αέρα σε εσωτερικούς χώρους
• Νικόλαος Προσινικλής: Χρήση φυτών για την εκτίμηση και βελτίωση της ποιότητας αέρα σε εσωτερικούς χώρους
• Λαμπρινή Αδαμοπούλου: Χαρτογράφηση τοπικών κλιματικών ζωνών (local climate zones) στην Θεσσαλονίκη με τη βοήθεια μεθοδολογίας και εργαλείων του World Urban Database
• Αλέξανδρος Ελευθεριάδης: Διασύνδεση αισθητήρων διαδικτύου των πραγμάτων σε σύστημα διαχείρισης και οπτικοποίησης μετρήσεων ποιότητας αέρα
• Ευγενία Παπακωνσταντίνου: Μελέτη ποιότητας αέρα συναρτήσει ανθρώπινης δραστηριότητας και αερισμού σε σχολικό περιβάλλον με χρήση αισθητήρων χαμηλού κόστους
• Παρασκευάς Κατσάλης: Ανάλυση δορυφορικών δεδομένων με διαδικασίες μηχανικής μάθησης για την εκτίμηση του δείκτη βλάστησης
• Αθηνά Γρηγοριάδου: Ανάλυση και συγκριτική αποτίμηση της απόδοσης κόμβων παρακολούθησης ποιότητας αέρα στο πεδίο
• Ευανθία Γιαννοπούλου: Εκτίμηση επιπτώσεων της κλιματικής αλλαγής στον Τουρισμό της Ελλάδας

• Πληροφορική (3^ο εξάμηνο)
• Μηχανολογικό Εργαστήριο (6^ο εξάμηνο)
• Περιβαλλοντική Πληροφορική (9^ο εξάμηνο)
• Διερεύνηση Περιβαλλοντικών Επιπτώσεων (10^ο εξάμηνο)

• Υπολογιστικά Πρότυπα Φυσικής του Περιβάλλοντος. ΠΜΣ Υπολογιστικής Φυσικής, Τμήμα Φυσικής ΑΠΘ (κατά το χειμερινό εξάμηνο).
• Μοντελοποίηση περιβαλλοντικών δεδομένων και ανάπτυξη ηλεκτρονικών υπηρεσιών ενημέρωσης. ΠΜΣ Φυσικής Περιβάλλοντος, Τμήμα Φυσικής ΑΠΘ (κατά το χειμερινό εξάμηνο).
• Ατμοσφαιρική Ρύπανση. ΠΜΣ Προστασία περιβάλλοντος και βιώσιμη ανάπτυξη, Τμήμα Πολιτικών Μηχανικών ΑΠΘ (κατά το εαρινό εξάμηνο).
• Biomedical engineering and global (environmental) challenges. MSc in BioMedical Engineering AUTh (spring semester)
• Experimental Methods in Vibrations. Μεταπτυχιακό πρόγραμμα THRUST - Erasmus Mundus Master's Programme in Aeromechanics (κατά το χειμερινό εξάμηνο). Σημείωση: το μεταπτυχιακό πρόγραμμα βρίσκεται σε παύση οπότε το μάθημα δεν διδάσκεται από το ακαδ. έτος 2019-20.

• Περιβαλλοντική Πληροφορική
• Υπολογιστική Νοημοσύνη σε Μηχανολογικά Συστήματα και σε Εφαρμογές Ποιότητας Περιβάλλοντος και Ενέργειας. Ενδεικτικά:
  • Διαχείριση και ποιότητα ατμοσφαιρικού περιβάλλοντος (φυσικός, χημικός και βιολογικός καιρός-αεροβιολογία, ποιότητα αέρα αστικών περιοχών, ποιότητα αέρα εσωτερικών χώρων)
  • Κατανάλωση ενέργειας
  • Διερεύνησης συμπεριφοράς άλλων μηχανολογικών συστημάτων και κατασκευών (καταλύτες οχημάτων, έδρανα κυλίσεως, στροβιλομηχανές κλπ)
  • Ιατρική (αλλεργιολογία, παθολογία κλπ)
• Υπηρεσίες περιβαλλοντικής ενημέρωσης και ποιότητας ζωής
• Περιβαλλοντικοί αισθητήρες/μικροαισθητήρες χαμηλού κόστους
  • Ανάλυση και υπολογιστική βελτίωση συμπεριφοράς τους
• Συμμετοχική Περιβαλλοντική Παρακολούθηση
• Επιστήμη των πολιτών-citizen science
• Τεχνολογίες και πρότυπα Open Geospatial Consortium

Τρέχοντα ερευνητικά προγράμματα & προγράμματα επιστημονικής συνεργασίας

• 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

1. 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
2. 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
3. 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
4. Kontos Y.N., Kassandros T., Katsifarakis K.L., Karatzas K. (2021), Deep Learning Modeling of Groundwater Pollution Sources. In: Iliadis L., Macintyre J., Jayne C., Pimenidis E. (eds) Proceedings of the 22nd Engineering Applications of Neural Networks Conference. EANN 2021. Proceedings of the International Neural Networks Society, vol 3. Springer, Cham. pp. 165-177, https://doi.org/10.1007/978-3-030-80568-5_14
5. Furxhi I., Murphy F., Mullins M., Arvanitis A., Poland C. (2020), Practices and Trends of Machine Learning Application in Nanotoxicology, Nanomaterials 10(1):116; doi:10.3390/nano10010116
6. 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
7. 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
8. Karatzas K., Papamanolis L., Katsifarakis N., Riga M.  B. Werchan, M. Werchan, U. Berger, and K.C. Bergmann (2018), Google Trends reflect allergic rhinitis symptoms related to birch and grass pollen seasons, Aerobiologia 34(4), pp. 437-444, https://doi.org/10.1007/s10453-018-9536-4
9. 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
10. 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

• Δίκτυο Η/Υ
• Αισθητήρες ποιότητας αέρα (Air Quality Sensors & Environmental Informatics)
• Εξειδικευμένο λογισμικό ανάλυσης και μοντελοποίησης δεδομένων

• ΑΠΘ
• Τμήμα Μηχανολόγων Μηχανικών
• Our Air Quality Sensors & Environmental Informatics Research activities