Αξιολόγηση του φασματικού διαχωρισμού στη διάκριση διαφορετικών τύπων εδάφους

Σπίγγος, Γεώργιος; Spiggos, George

dc.contributor.author	Σπίγγος, Γεώργιος	el
dc.contributor.author	Spiggos, George	en
dc.date.accessioned	2014-10-23T07:35:41Z
dc.date.available	2014-10-23T07:35:41Z
dc.date.issued	2014-10-23
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/39347
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.7681
dc.rights	Default License
dc.subject	Υπερφασματική	el
dc.subject	Τηλεπισκόπηση	el
dc.subject	Φασματικός	el
dc.subject	Διαχωρισμός	el
dc.subject	Έδαφος	el
dc.title	Αξιολόγηση του φασματικού διαχωρισμού στη διάκριση διαφορετικών τύπων εδάφους	el
heal.type	bachelorThesis
heal.classification	Ψηφιακή Τηλεπισκόπηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2014-07-29
heal.abstract	Η διαδικασία του φασματικού διαχωρισμού συντελεί στην ανίχνευση διαφορετικής σύστασης υλικών ή/και αντικειμένων σε επίπεδο εικονοστοιχείου τα οποία συμμετέχουν στη διαμόρφωση της φασματικής υπογραφής του. Αξιοποιώντας αυτή τη δυνατότητα η παρούσα διπλωματική εργασία έχει ως στόχο την αξιολόγηση της διαδικασίας του φασματικού διαχωρισμού ως προς τη δυνατότητα ανίχνευσης και χαρτογράφησης στοιχείων του εδάφους όπως η οργανική ουσία και τα μικρο (ιχνοστοιχεία) και μακρο-στοιχεία του εδάφους που περιέχονται σε αυτό. Για αυτό το σκοπό χρησιμοποιήθηκε η υπερφασματική απεικόνιση της περιοχής του Γαλλικού-Αξιού στη Θεσσαλονίκη η λήψη της οποίας πραγματοποιήθηκε με τον υπερφασματικό αισθητήρα CASI-550 και περιλαμβάνει κατά ένα μεγάλο μέρος της ακαλλιέργητες εκτάσεις. Στη συνέχεια χρησιμοποιώντας το λογισμικό ENVI πραγματοποιήθηκε η προεπεξεργασία της απεικόνισης η οποία ήταν ήδη ραδιομετρικά και γεωμετρικά διορθωμένη και αποτελείται από δύο κύρια στάδια: την αφαίρεση των περιοχών που δεν απεικονίζουν εδάφη και την επιλογή εδαφών με την ίδια περίπου τιμή υγρασίας καταλήγοντας έτσι στην τελική απεικόνιση η οποία χρησιμοποιήθηκε για την εφαρμογή των αλγορίθμων του φασματικού διαχωρισμού. Οι μέθοδοι που εφαρμόστηκαν διαδοχικά στην απεικόνιση ήταν η μέθοδος ODM που υλοποιεί τη μείωση της διάστασης του φασματικού χώρου και εκτιμά τον αριθμό των ‘καθαρών’ στόχων της εικόνας, η μέθοδος SEE που πραγματοποιεί την εξαγωγή των φασματικών υπογραφών των ‘καθαρών’ στόχων και το πρόγραμμα Linear Spectral Unmixing (ENVI) που υπολογίζει τα ποσοστά αφθονίας των ‘καθαρών’ στόχων ανά εικονοστοιχείο. Συγχρόνως εφαρμόστηκε το πρόγραμμα SMACC του λογισμικού ENVI, το οποίο απαιτεί τη γνώση του αριθμού των καθαρών στόχων για να εκτελέσει τη διαδικασία του φασματικού διαχωρισμού. Χρησιμοποιώντας τις εδαφολογικές αναλύσεις δειγμάτων εδάφους που πάρθηκαν από την περιοχή μελέτης σε συνδυασμό με τις φ . υπογραφές από εικονοστοιχεία της εικόνας για τα σημεία από τα οποία πάρθηκαν τα δείγματα για τις εδαφολογικές αναλύσεις, πραγματοποιήθηκε ο χαρακτηρισμός των ‘καθαρών’ στόχων με τη μέθοδο της φασματικής γωνίας. Συγκεκριμένα, αναδείχθηκαν τρεις ‘καθαροί στόχοι από τον κάθε αλγόριθμο εξαγωγής ΄καθαρών’ στόχων (SEE, SMACC) οι οποίοι αντιστοιχούν σε τρείς συγκεκριμένους τύπους εδαφών οι οποίοι όμως διακρίνονται για την αυξημένη περιεκτικότητά τους σε οργανική ουσία, σίδηρο και κάλιο, αντίστοιχα. Παράλληλα εξάχθηκαν χάρτες αφθονίας για τον κάθε ‘καθαρό’ στόχο οι οποίοι είναι ενδεικτικοί για μικρές μεσαίες και μεγάλες συγκεντρώσεις των παραπάνω στοιχείων στους συγκεκριμένους τύπους εδαφών για τους οποίους είναι αντιπροσωπευτικοί οι καθαροί στόχοι. Στο τελευταίο στάδιο πραγματοποιήθηκε η αξιολόγηση των ποσοστών αφθονίας που εξήχθησαν με τον αλγόριθμο SMACC χρησιμοποιώντας τη μέθοδο της πολλαπλής γραμμικής παλινδρόμησης όπου εξάχθηκε μοντέλο χαρτογράφησης με τις τιμές πρόβλεψης για την οργανική ουσία το σίδηρο το κάλιο , το ασβέστιο και το νάτριο. Συμπεράσματα αυτής της εργασίας είναι πως υπάρχει δυνατότητα ανίχνευσης στοιχείων του εδάφους μόνο όταν τα υπόλοιπα στοιχεία στις θέσεις των ‘καθαρών’ στόχων κυμαίνονται γύρω από το μέσο όρο του συνολικού δείγματος για το κάθε στοιχείο. Οσον αφορά την χαρτογράφηση των στοιχείων του εδάφους με το μοντέλο της πολλαπλής γραμμικής παλινδρόμησης, για να εξαχθούν με μεγαλύτερη ασφάλεια και αξιοπιστία τα παραπάνω αποτελέσματα, το εύρος του δείγματος των εξαρτημένων μεταβλητών θα πρέπει να αυξηθεί ώστε να αποφευχθεί ο κίνδυνος της υπερπροσαρμογής (overfitting) του μοντέλου της παλινδρόμησης.	el
heal.abstract	Spectral unmixing process contributes to the detection of different composition materials / objects at pixel level, which participate to the composition of the spectral signature. Based on this concept, the present study aims at evaluating the process of spectral unmixing as to the possibility of detection and mapping soil components, such as organic matter, nutrients, and trace elements which are contained in soil. For this purpose, a CASI-550 hyperspectral image of the area Galikos-Aksios, Greece has been used which presents large parts of bare ground. The image was radiometrically and geometrically corrected. Initially, preprocessing of the image was performed using the ENVI software. Preprocessing aimed at a) the removal of the not bare soil areas, and b) the selection of soil areas which have about the same moisture value. Then, the spectral unmixing procedure was applied. Unmixing comprises three main steps: dimensionality reduction and estimation of the number of endmembers, endmember extraction, and abundance fraction estimation. For this purpose, three algorithms, the ODM, the SEE (in-house software) and the Linear Spectral Unmixing algorithm (ENVI software), respectively. Additionnaly, the SMACC algorithm, which is included in ENVI software, was applied on the hyperspectral image. This algorithm requires the number of endmembers in order to perform the procedure of the spectral unmixing. The extracted endmembers from both algorithms (SEE and SMACC) have been labeled using soil samples analysis of the study area, as well as the SAM criterion. Specifically, from each endmember extraction algorithm, three endmembers have been extracted which correspond to three soil types, each one indicating high concentration in organic matter, iron and potassium, respectively. Furthermore, three abundance maps were created which indicate small, medium and large concentrations of organic matter, iron, and potassium, respectively, for the soil types that were identified as endmembers. Finally, by using the multiple linear regression method, the endmembers’ abundance fractions that were extracted by SMACC algorithm have been related to the soil sample analysis data, and empirical models that predict values for the organic matter, iron potassium, calcium and sodium have been created. These models have been applied on all image data in order to map concentrations of organic matter, iron potassium, calcium and sodium in the study area. In conclusion, soil types that were identified as endmembers present high value in a soil component and an average value in all the other soil components. Using the spectral unmixing procedure it is possible to estimate concentrations of a soil material such as organic matter, macro or micro-elements, for the soil types that were identified as endmembers. Moreover, multiple linear regressions applied on abundance fraction values may produce reliable concentration maps of soil components and avoid overfitting of the model when the range of the sample of dependent variables is large.	en
heal.advisorName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	92 σ.
heal.fullTextAvailability	true