Παρασκευάς Τσαγγαράτος

Σύντομο Βιογραφικό

Ο κ. Παρασκευάς Τσαγγαράτος είναι διπλωματούχος Μηχανικός Μεταλλείων–Μεταλλουργός και Διδάκτορας Μηχανικός του Εθνικού Μετσόβιου Πολυτεχνείου. Είναι Αναπληρωτής Καθηγητής στη Σχολή Μεταλλειολόγων–Μεταλλουργών Μηχανικών του ΕΜΠ, στον Τομέα Γεωλογικών Επιστημών και στο Εργαστήριο Τεχνικής Γεωλογίας–Υδρογεωλογίας, με γνωστικό αντικείμενο «Γεωπληροφορική στις Γεωεπιστήμες με έμφαση στους Γεωκινδύνους». Η διδακτορική του διατριβή αφορούσε τη διερεύνηση της τεχνικογεωλογικής συμπεριφοράς των γεωλογικών σχηματισμών με τη χρήση πληροφοριακών συστημάτων.

Η εκπαιδευτική του δραστηριότητα καλύπτει ένα ευρύ φάσμα γνωστικών αντικειμένων που συνδέουν τις γεωεπιστήμες με τις σύγχρονες υπολογιστικές και γεωχωρικές τεχνολογίες. Διδάσκει, μεταξύ άλλων, τα μαθήματα «Εισαγωγή στον Προγραμματισμό (Python)», «Τεχνητή Νοημοσύνη και Μηχανική Μάθηση», «Συστήματα Γεωγραφικών Πληροφοριών» και «Διαχείριση Φυσικών Καταστροφών», καθώς και εργαστηριακές ασκήσεις στα μαθήματα «Τεχνική Γεωλογία και Γεωκίνδυνοι» και «Τεχνική Γεωλογία Μεταλλευτικών και Τεχνικών Έργων». Σε μεταπτυχιακό επίπεδο, διδάσκει επίσης στο μάθημα «Εφαρμογές Γεωπληροφορικής στη Μεταλλευτική» του Δ.Π.Μ.Σ. «Γεωπληροφορική» του ΕΜΠ. Παράλληλα, επιβλέπει διδακτορικές, μεταδιδακτορικές, μεταπτυχιακές και διπλωματικές εργασίες σε σύγχρονα αντικείμενα των γεωεπιστημών.

Επιλεγμένες Δημοσιεύσεις

• Tsangaratos, P., Vakalas, I., Zanarini, I., 2025. Distinguishing Lithofacies of Flysch Formations Using Deep Learning Models: Integrating Remote Sensing Data with Morphological Indexes. Remote Sensing, 17(3), 422. https://doi.org/10.3390/rs17030422
  Αντιπροσωπεύει τη νεότερη κατεύθυνση του έργου προς Deep Learning, τηλεπισκόπηση και αυτοματοποιημένη γεωλογική χαρτογράφηση.


• Tsangaratos, P., Ilia, I., Chrysafi, A.-A., Matiatos, I., Chen, W., Hong, H., 2023. Applying a 1D Convolutional Neural Network in Flood Susceptibility Assessments—The Case of the Island of Euboea, Greece. Remote Sensing, 15(14), 3471. https://doi.org/10.3390/rs15143471
  Συνδέει βαθιά μάθηση, χωρική ανάλυση και εκτίμηση πλημμυρικής επιδεκτικότητας σε ελληνική περιοχή μελέτης.


• Bui, D.T., Tsangaratos, P., Nguyen, V.-T., Liem, N.V., Trinh, P.T., 2020. Comparing the prediction performance of a Deep Learning Neural Network model with conventional machine learning models in landslide susceptibility assessment. CATENA, 188, 104426.
  Χαρακτηριστική εργασία της μετάβασης από τις κλασικές μεθόδους μηχανικής μάθησης προς Deep Learning για την πρόγνωση κατολισθήσεων.


• Chen, W., Zhao, X., Tsangaratos, P., Shahabi, H., Ilia, I., Xue, W., Wang, X., Ahmad, B.B., 2020. Evaluating the usage of tree-based ensemble methods in groundwater spring potential mapping. Journal of Hydrology, 583, 124602.
  Διευρύνει το ερευνητικό αποτύπωμα προς την υδρογεωλογία και την εφαρμογή ensemble machine-learning μεθόδων.


• Bui, D.T., Tsangaratos, P., Ngo, P.-T.T., Pham, T.D., Pham, B.T., 2019. Flash flood susceptibility modeling using an optimized fuzzy rule based feature selection technique and tree based ensemble methods. Science of the Total Environment, 668, 1038–1054.
  Αντιπροσωπεύει την εφαρμογή προηγμένων υπολογιστικών μεθόδων στην εκτίμηση πλημμυρικού κινδύνου.


• Hong, H., Tsangaratos, P., Ilia, I., Liu, J., Zhu, A-X., Xu, C., 2018. Applying Genetic Algorithms to set the optimal combination of forest fire related variables and model forest fire susceptibility based on data mining models. The case of Dayu County, China. Science of the Total Environment, 630, 1044–1056.
  Αναδεικνύει τη διεύρυνση των εφαρμογών της χωρικής ανάλυσης και της εξόρυξης δεδομένων πέρα από τις κατολισθήσεις, προς τις δασικές πυρκαγιές.


• Tsangaratos, P., Kallioras, A., Pizpikis, T., Vasileiou, E., Ilia, I., Pliakas, F., 2017. Multi-criteria Decision Support System (DSS) for optimal locations of Soil Aquifer Treatment (SAT) facilities. Science of the Total Environment, 603, 472–486.
  Χαρακτηριστική εφαρμογή GIS, πολυκριτηριακής ανάλυσης και συστημάτων υποστήριξης αποφάσεων σε πρόβλημα υδρογεωλογίας και περιβαλλοντικής διαχείρισης.


• Tsangaratos, P., Ilia, I., Hong, H., Chen, W., Xu, C., 2017. Applying Information Theory and GIS-based quantitative methods to produce landslide susceptibility maps in Nancheng County, China. Landslides, 14(3), 1091–1111.
  Κεντρική δημοσίευση του έργου του στη μοντελοποίηση κατολισθητικής επιδεκτικότητας με ποσοτικές και GIS-based μεθόδους.


• Tsangaratos, P., Ilia, I., 2016. Comparison of a logistic regression and Naïve Bayes classifier in landslide susceptibility assessments: The influence of models complexity and training dataset size. CATENA, 145, 164–179.
  Μία από τις πλέον αντιπροσωπευτικές εργασίες του στη σύγκριση αλγορίθμων Μηχανικής Μάθησης για γεωκινδύνους.


• Svigkas, N., Papoutsis, I., Loupasakis, C.,Tsangaratos, P., Kiratzi, A., Kontoes, C., 2016. Land subsidence rebound detected via multi-temporal InSAR and ground truth data in Kalochori and Sindos regions, Northern Greece. Engineering Geology, 209, 175–186.
  Προσθέτει έναν διαφορετικό βασικό άξονα του έργου: παραμορφώσεις εδάφους, τεχνική γεωλογία και αξιοποίηση δορυφορικής συμβολομετρίας InSAR.