Διερεύνηση και αξιολόγηση ταξινομήσεων για τη χαρτογράφηση χρήσης/κάλυψης γης από διαχρονικά τηλεπισκοπικά δεδομένα υψηλής χωρικής ανάλυσης

Μιχαηλίδου, Αίγλη; Michailidou, Aigli

dc.contributor.author	Μιχαηλίδου, Αίγλη	el
dc.contributor.author	Michailidou, Aigli	en
dc.date.accessioned	2015-09-09T11:19:12Z
dc.date.available	2015-09-09T11:19:12Z
dc.date.issued	2015-09-09
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41237
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.9827
dc.rights	Default License
dc.subject	Υψηλή ανάλυση	el
dc.subject	High resolution	en
dc.subject	Ταξινομήσεις	el
dc.subject	Χάρτες χρήσης γης	el
dc.subject	Κάλυψη γης	el
dc.subject	Διαχρονικές μεταβολές	el
dc.subject	Classifications	en
dc.subject	Land use maps	en
dc.subject	Land cover	en
dc.subject	Multitemporal changes	en
dc.title	Διερεύνηση και αξιολόγηση ταξινομήσεων για τη χαρτογράφηση χρήσης/κάλυψης γης από διαχρονικά τηλεπισκοπικά δεδομένα υψηλής χωρικής ανάλυσης	el
dc.title	Classifications of high resolution multitemporal remote sensing data for land use/cover mapping	en
heal.type	bachelorThesis
heal.classification	Τηλεπισκόπηση	el
heal.classification	Remote sensing	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-08
heal.abstract	Η αυτοματοποιημένη και ακριβής παραγωγή χαρτών χρήσης/κάλυψης γης και η παρακολούθηση των διαχρονικών μεταβολών τους από δορυφορικά τηλεπισκοπικά δεδομένα μεγάλης χωρικής ανάλυσης αποτελεί αντικείμενο μελέτης πολλών επιστημονικών εργασιών και ερευνητικών προγραμμάτων την τελευταία δεκαετία. Η γνώση τέτοιου είδους πληροφοριών είναι εξαιρετικής σημασίας για την κατανόηση της παγκόσμιας περιβαλλοντικής και κλιματικής αλλαγής, εξαιτίας της άμεσης επιρροής που έχουν οι ανθρωπογενείς δραστηριότητεςστην επιφάνεια της γης και στην ατμόσφαιρα. Οι μέχρι τώρα μελέτες και ερευνητικές προσπάθειες έχουν επικεντρωθεί κυρίως στην παραγωγή διαχρονικών χαρτών με παγκόσμια κάλυψη και χωρικήανάλυση στα 300m και 1000m. Παρόλα αυτά, τα δεδομένα αυτά κρίνονται ανεπαρκή για την ανίχνευση μεταβολών σε επίπεδο ανθρωπίνων δραστηριοτήτων και για τον λόγο αυτό την τελευταία πενταετία το ενδιαφέρον έχει επικεντρωθεί στην παρακολούθησηκαι διαχρονική χαρτογράφηση της κάλυψης γης σε χωρική ανάλυση των 30μέτρων ή και μεγαλύτερη. Προς την κατεύθυνση αυτή, στηνπαρούσα διπλωματική εργασία διερευνήθηκαν και αξιολογήθηκαν προηγμένες τηλεπισκοπικές μέθοδοι και τεχνικές ταξινόμησης για την συστηματική χαρτογράφηση των χρήσεων/καλύψεων γης. Ειδικότερα, αξιοποιήθηκαν πολυφασματικά δορυφορικά δεδομένα υψηλής χωρικής ανάλυσης (15mκαι 30m) του δορυφόρου Landsat 8, σε διάφορες χρονικές στιγμές για την περιοχή της Δυτικής Πελοποννήσου, με στόχο τη δημιουργία διαχρονικών χαρτών κάλυψης γης. Επιλέγηκαν εννέα εικόνες για τα έτη 2013 και 2014 για τους μήνες Ιούνιο, Ιούλιο, Αύγουστο, Σεπτέμβριο και Οκτώβριο με περιορισμένη παρουσία σύννεφων. Στην περιοχή αυτή και στα διαχρονικά δεδομένα έγινε με φωτοερμηνεία συλλογή δειγμάτων εκπαίδευσης καθώς και δεδομένων ελέγχου για την ποσοτική αξιολόγηση των αποτελεσμάτων. Επίσης, έγιναν πολλαπλά και σύνθετα πειράματα με ταξινομήσεις που βασίζονταν στην μέθοδοτων μηχανών υποστήριξης διανυσμάτων (supportvectormachines, SVM). Συγκεκριμένα, πραγματοποιήθηκαν πειράματα με ταξινομήσεις στα 30μέτρα και 15 μέτρα, ενώ πραγματοποιήθηκαν και επιμέρους πειράματα με βάσηi)επιβλεπόμενες ταξινομήσεις ανά εικόνα, ii) στατιστικό μοντέλο εκπαίδευσης ανά εποχή,iii)στατιστικό μοντέλο εκπαίδευσης ανά έτοςκαιiv)ενιαίο και διαχρονικό στατιστικό μοντέλο εκπαίδευσης για όλα τα δεδομένα. Ακολούθησε η συγκριτική αξιολόγηση των ταξινομήσεων και των διαχρονικών αλλαγών στην κάλυψη γης. Τα αποτελέσματα και η ποσοτική αξιολόγηση σε όλες τις πειραματικές διατάξεις συμφωνούν σε γενικές γραμμές με τη σχετική βιβλιογραφία και τις ακρίβειες που πετυχαίνουν σημερινές προηγμένες μέθοδοι. Συγκεκριμένα, ποσοτικά οι ακρίβειες των ταξινομήσεων κινήθηκαν στο εύρος 80% με 90% με σχετικά μικρές αποκλίσεις μεταξύ τους. Ειδικότερα, στην πλειοψηφία τους οι ταξινομήσεις με στατιστικά μοντέλα ανά εικόνα έδωσαν, όπως ήταν αναμενόμενο, τις μεγαλύτερες ακρίβειες, ενώ ακολούθησαν οι ταξινομήσεις με στατιστικά μοντέλα ανά εποχή. Οι σχετικά μικρές διαφορές (<10%) που προέκυψαν στις ακρίβειες των παραγόμενων διαχρονικών χαρτών με ένα ενιαίο στατιστικό μοντέλο εκπαίδευσης δίνει ιδιαίτερα ελπιδοφόρα αποτελέσματα για την συστηματική παρακολούθηση σε μικρές χωρικές κλίμακες των χρήσεων/καλύψεων γης και των αλλαγών τους. Τέτοια συστήματα είναι αναγκαία για την αυτοματοποιημένη ταξινόμηση των μεγάλων διαχρονικών τηλεπισκοπικών δεδομένων παρατήρησης γης, για ποικίλες εφαρμογές όπως η παρακολούθηση της παγκόσμιας περιβαλλοντικής και κλιματικής αλλαγής.	el
heal.abstract	The automated and accurate land cover/use mapping and monitoringof land cover changes over time, through high spatial resolution remote sensing data,has gained during the last decade a significant amount of research and development efforts. This information is crucial for the understanding of global environmental and climate change, because of the direct influence of human activities on the Earth’s surface and the atmosphere. Previous global land cover assessments and research efforts have focused on producing multitemporal global land cover maps using spatial resolution in 300m and 1000m. However,such data is considered inadequate to detect changes in the level of human activity, thus effortshas been focused on monitoring and mapping the multitemporal land use in high spatial resolution (30m), given the current availability of Landsat 8 and Sentinel 2 open datasets. To this end, in this diploma thesis remote sensing methods and classification techniques were studied and evaluated for the systematic multitemporal mapping of land cover and land use. In particular, satellite multispectral high spatial resolution data (15m and 30m) from Landsat 8 were used at various time periods for the region of west Peloponnisos, in order to generate multitemporal land cover maps. Multitemporal data were selected for the years 2013 and 2014 and the months of June, July, August, September and October, with limited presence of clouds. Training samples and evaluation data were selected in this region through interpretation of datafor the quantitative evaluation of results. Several extensive experimentswere performed based on a support vector machines (SVM) classification framework.In particular, experiments were performed with various classifications at a spatial resolution of 30m and of 15m based on i)a supervised classifications per image, ii)a statistical training model per season, iii)a statistical training model per year and iv)a single, multitemporal statistical training model for all datasets. Then a comparative assessment of the classifications and the multitemporal land cover changes was performed. The results and the quantitative assessment of all the experiments agree, in general, with similar effort in the literature and the accuracy achieved by the current state-of-the-art methods. In particular, the accuracy of the classifications was in the range of 80% to 90%, with small deviations between them. Furthermore, the majority of the classification results with the statistical models per image achieved the highest accuracy, followed by the classifications performed with the statistical models per season.The relatively small variation (<10%) in the accuracy of the multitemporal maps produced by the single statistical training model,leads to very promising results for the systematic monitoring of land cover, land use and land cover changes in small spatial scales. Such systems are necessary for the automated classification of big multitemporal remote sensing earth observation data for various applications, such as the monitoring of global environmental and climate change.	en
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	179 σ.
heal.fullTextAvailability	true