Η επιστημονική πρόκληση της έρευνας αυτής ήταν η βαθύτερη κατανόηση της διαδικασίας χαρακτηρισμού μιας έκτασης ως δάσος, δασική έκταση ή μη δασική έκταση. Σκοπός της παρούσας εργασίας ήταν η ανάπτυξη ενός έμπειρου συστήματος βασιζόμενου σε κανόνες παραγωγής που θα υποβοηθά το χρήστη στην απόδοση σε μια υπό εξέταση έκταση χαρακτήρα δάσους, δασικής έκτασης ή μη δασικής έκτασης σύμφωνα με την ισχύουσα ελληνική νομοθεσία. Πηγή γνώσης αποτέλεσε ο Ν. 998/1979 όπως τροποποιήθηκε με τον Ν. 3208/2003. Για την υλοποίηση του έμπειρου συστήματος χρησιμοποιήθηκε το κέλυφος Nexpert Object 2.0.2. H αναπαράσταση της εννοιολογικής γνώσης έγινε σύμφωνα με αντικειμενοστραφές μοντέλο. Έτσι, προέκυψε το δίκτυο αντικειμένων – τάξεων το οποίο περιλαμβάνει 9 τάξεις, 75 αντικείμενα και 42 ιδιότητες. Σε ότι αφορά την αναπαράσταση της διαδικαστικής γνώσης, το δίκτυο κανόνων παραγωγής του Συστήματος περιλαμβάνει 104 κανόνες που κατανέμονται σε 6 βάσεις γνώσης. Οι βάσεις αυτές επικοινωνούν μεταξύ τους αυτόματα. Ακόμα, το σύστημα παρέχει στο χρήστη επιπλέον πληροφορία μέσα από μια ποικιλία από πηγές (εικόνες, κείμενα, ιστοσελίδες και kml αρχεία) όπως και τη δυνατότητα απεικόνισης της υπό εξέταση έκτασης πριν και μετά το χαρακτηρισμό της σε περιβάλλον GoogleEarth. Για την υλοποίηση των παραπάνω, χρησιμοποιήθηκαν τα λογισμικά Windows Explorer, Notepad++, Internet Explorer και GoogleEarth. Το έμπειρο σύστημα που αναπτύχθηκε εκπληρώνει το σκοπό δημιουργίας του ενώ υπάρχει η δυνατότητα μελλοντικών επεκτάσεων.
The scientific endeavour of this research was the deaper understanding of the process characterizing a site as forest or woodland. Towards this endeavour, objective of this project was the development of a rule - based expert system which assists the user in identifying if a site in question is classified as forest, woodland or as neither forest nor woodland, according to the in force greek legislation. Source of knowledge was the Law 998/1979 as it was modified by the Law 3208/2003. For the development of the expert system, the Nexpert Object 2.0.2 was used. The representation of the conceptual knowledge was based on an object – oriented model. The result was an object network composed of 9 classes, 75 objects and 42 properties. As far as the representation of the procedural knowledge, the rule network was composed of 104 rules which were placed into 6 knowledge bases. The knowledge bases communicate automatically. Furthermore, the systems offers to the user additional information through a variety of sources and the ability to represent the site in question before and after the characterization through Google Earth. For the accomplishment of these, the system uses the following software: Windows Explorer, Notepad++, Internet Explorer and GoogleEarth. The developed expert system serves its purpose. Future improvements can be implemente