A study on the distribution of forest tree species and forest biodiversity busing hyperspectral and multispectral imagery in the University Research Forest Taxiarchis in Chalkidiki

Καμπούρη, Μαρία; Kampouri, Maria

dc.contributor.author	Καμπούρη, Μαρία	el
dc.contributor.author	Kampouri, Maria	en
dc.date.accessioned	2015-11-02T09:52:42Z
dc.date.available	2015-11-02T09:52:42Z
dc.date.issued	2015-11-02
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41488
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.4888
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Περιβάλλον και Ανάπτυξη”	el
dc.rights	Default License
dc.subject	Multispectral	en
dc.subject	Hyperspectral	en
dc.subject	OBIA	en
dc.subject	Biodiversity	en
dc.subject	Tree spectral signatures	en
dc.subject	Πολυφασματική εικόνα	el
dc.subject	Υπερφασματική εικόνα	el
dc.subject	Αντικειμενοστρεφής Ταξινόμηση	el
dc.subject	Βιοποικιλότητα	el
dc.subject	Φασματικές υπογραφές δασικών ειδών	el
dc.title	A study on the distribution of forest tree species and forest biodiversity busing hyperspectral and multispectral imagery in the University Research Forest Taxiarchis in Chalkidiki	en
dc.title	Μελέτη πάνω στην κατανομή δασικών ειδών και βιοποικιλότητας με τη βοήθεια υπερφασματικών και πολυφασματικών εικόνων στο Πανεπιστημιακό Δάσος Ταξιάρχη στη Χαλκιδική	el
heal.type	masterThesis
heal.classification	Remote Sensing	en
heal.classification	Ψηφιακή Τηλεπισκόπηση	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-07
heal.abstract	The aim of the study is to show how satellite or aerial imagery can be used to estimate patches of high biodiversity for conservation and management purposes in a Mediterranean forest ecosystem. The present thesis investigates the effectiveness of identifying forest tree species through high spatial resolution multispectral satellite imaging, as well as hyperspectral satellite and aerial imagery. We used Landsat and GeoEye multispectral images, as well as CASI and Hyperion hyperspectral images over Taxiarchis University Forest in Chalkidiki, North Greece. The images were subject to pre-processing for the purpose of reducing noise and the number of spectral bands used, along with file size and processing time, without compromising accuracy. The transforms used for band extraction included the Principal Component Analysis (PCA), the Minimum Noise Fraction (MNF) and for band selection, band selection based on the correlation between the spectral signatures of the trees of interest. Masks were created from field sampling was used for defining tree species’ spectral signatures, as well as consequent accuracy estimation. Classification was object based and aimed mainly on the identification of tree patches, but also tree species in the case of the CASI imagery with resolution up to 2 m. After the best image in terms of classification accuracy and stability, processing time and suitability in incorporating a fuzzy analysis based on physiographic characteristics of tree distribution, was selected, a biodiversity index (Simpson’s Biodiversity Index) was estimated.	en
heal.abstract	Ο στόχος της παρούσας μελέτης είναι η διερεύνηση μεθόδων ανάλυσης δεδομένων ψηφιακής τηλεπισκόπησης για τον προσδιορισμό περιοχών με υψηλή βιοποικιλότητα για την προστασία και τη σωστή διαχείρισή τους σε ένα Μεσσογειακό δασικό οικοσύστημα. Μετά την ανάλυση μίας ποικιλίας δορυφορικών εικόνων και αεροφωτογραφιών, από το Πανεπιστημιακό Δάσος Ταξιάρχη, με τη μέθοδο της αντικειμενοστραφούς ταξινόμησης (OBIA) και με βάση διανυσματικά δεδομένα, που αποκτήθηκαν μετά από δειγματοληψία πεδίου, ήταν δυνατό να επιλεγούν εικόνες που παρείχαν την πιο ακριβή ταξινόμηση δασικών ειδών δένδρου για περαιτέρω ανάλυση. Οι εικόνες που χρησιμοποιήθηκαν περιλαμβαναν δορυφορικές πολυφασματικές, όπως οι Landsat (υψηλή χωρική ανάλυση) και GeoEye (πολύ υψηλή χωρική ανάλυση), καθώς και υπερφασματικές εικόνες όπως η δορυφορική Hyperion (υψηλή χωρική ανάλυση), και οι υπερφασματικές εικόνες του δέκτη CASI (πολύ υψηλή χωρική ανάλυση). Στις υπερφασματικές εικόνες εφαρμόστηκαν τρεις μέθοδοι μετασχηματισμού με σκοπό τη μείωση των καναλιών, του μεγέθους του αρχείου και του χρονου επεξεργασίας. Αυτές είναι: Ανάλυση Κυρίων Συνιστωσών (PCA), Μετασχηματισμός Ελαχιστοποίησης Θορύβου (MNF) και η επιλογή καναλιων βάσει της συσχέτισης των φασματικών υπογραφών των ειδών δέντρου. Οι εικόνες που παρείχαν τα καλύτερα αποτελέσματα ακρίβειας ταξινόμησης, οι οποίες επιλέχθηκαν για περαιτέρω επεξεργασία, ήταν η μετασχηματισμένη με τον Μετασχηματισμό Ελαχιστοποίησης Θορύβου (MNF) CASI με 2m χωρική ανάλυση, η εικόνα Landsat, καθώς και η μετασχηματισμένη με MNF Hyperion εικόνα, η οποία αν και δεν παρουσίασε ιδιαίτερα υψηλή ακρίβεια, ήταν χρήσιμη στη σύγκριση και αξιολόγηση των αποτελεσμάτων. Ανάλυση με χρήση ασαφούς λογικής, βάσει της ταξινόμησης δασικών ειδών κατά υψομετρική διαβάθμιση (λαμβάνοντας υπόψη υψόμετρο, κλίση και προσανατολισμό), χρησιμοποιώντας το ψηφιακό μοντέλο εδάφους Aster GDEM, βοήθησαν στη μείωση των συγκρούσεων ταξινόμησης μεταξύ των κατηγοριών, αλλά όχι στη βελτίωση της συνολικής ακρίβειας. Η διαδικασία της ταξινόμησης με τη βοήθεια ασαφούς λογικής για την κατανομή κάθε κατηγορίας από άποψη υψομέτρου και κλίσης (ο προσανατολισμός αποδείχτηκε αναξιόπιστος) ήταν μια χρονοβόρα διαδικασία που απαίτησε προσεκτική παρατήρηση, αλλά οδήγησε σε βελτιώσεις σε ότι αφορά την ακρίβεια ταξινόμησης ορισμένων κατηγοριών κατά την ταξινόμηση. Ο μετασχηματισμός MNF αποδείχτηκε ένα εξαιρετικά χρήσιμο εργαλείο για τη μείωση των δεδομένων που υποβάλλονται σε επεξεργασία και, κατά συνέπεια, τον χρόνο επεξεργασίας. Επίσης, αποδείχθηκε ότι είναι μια μέθοδος εξαγωγής χρακτηριστικών, η οποία μπορεί να μειώσει με επιτυχία τον θόρυβο, χωρίς απώλεια χρήσιμων πληροφοριών για την ταξινόμηση των δασικών ειδών, χρησιμοποιώντας αντικειμενοστραφή ταξινόμηση (OBIA). Ειδικά στην περίπτωση της εικόνας CASI, μιας εικόνας με 72 κανάλια, ο MNF μετασχηματισμός αύξησε δραματικά την ταχύτητα του χρόνου επεξεργασίας της, δίνοντας ικανοποιητικά αποτελέσματα ακρίβειας ταξινόμησης. Με μια χωρική ανάλυση 2m, η μετασχηματισμένη με MNF εικόνα CASI αποδείχθηκε η πιο αξιόπιστη για την παροχή μίας σταθερής ταξινόμησης των ειδών δέντρων, ενώ η Landsat και η Hyperion έδωσαν υψηλή ακρίβεια, αλλά χαμηλή σταθερότητα και εμπιστοσύνη στα αποτελέσματα μετά την εισαγωγή περιορισμών ασαφούς λογικής. Μπορούμε λοιπόν να συμπεράνουμε ότι η χωρική ανάλυση πρέπει να είναι τουλάχιστον 2 μέτρα για την αποτελεσματική ταυτοποίηση των ειδών δέντρου όταν εφαρμόζεται αντικειμενοστραφής ταξινόμηση. Σε μια μελλοντική μελέτη, μπορεί να είναι χρήσιμο για τα δεδομένα του εδάφους να συλλέγονται βάσει αμιγών κατηγοριών και όχι μεικτών, όταν η μελέτη χρησιμοποιείται για τους σκοπούς της ψηφιακής τηλεπισκόπησης, με σκοπό τον προσδιορισμό συγκεκριμένων φασματικών υπογραφών ανά είδος. Μια άλλη προοπτική για τη βελτίωση των αποτελεσμάτων της παρούσας μελέτης, είναι η αξιοποίηση των φασματικών υπογραφών ανά είδος δέντρου, το οποίο θα μπορούσε στη συνέχεια να χρησιμοποιηθεί για την ανάλυση των τηλεπισκοπικών δεδομένων. Ο Δείκτης Βιοποικιλότητας Simpson υπολογίστηκε και παρουσιάστηκε με τη μορφή ενός χάρτη, που δείχνει περιοχές εντός του δάσους του Ταξιάρχη με υψηλή βιοποικιλότητα. Δασικά δένδρα μπορεί να αποτελούν οικότοπους για μια ποικιλία ζωντανών οργανισμών. Λαμβάνοντας υπόψη τη σημασία που αποδίδεται στη βιοποικιλότητα, από άποψη πολιτικής και νομοθεσίας της ΕΕ, ως κριτήριο για τη προστασία του οικοσυστήματος, η χρήση τηλεπισκόπησης για τον εντοπισμό περιοχών με υψηλή βιοποικιλότητα είναι σημαντική, διότι αυτό θα μπορούσε να αφορά εξαιρετικά μεγάλες δασικές περιοχές ή ακόμα και άλλους τύπους οικοσυστημάτων. Σε περιοχές όπου παρατηρείται μεγάλη βιοποικιλότητα, θα μπορούσαν να ενταθούν οι προσπάθειες περιβαλλοντικής προστασίας παρέχοντας προστασία για ένα ολόκληρο οικοσύστημα. Επιπλέον, ζώνες προστασίας θα μπορούσαν να σχεδιαστούν γύρω από περιοχές που θεωρούνται οικολογικά πολύτιμες δεδομένης της υψηλής βιοποικιλότητας, κάνοντας χρήση εργαλείων ψηφιακής τηλεπισκόπησης.	el
heal.advisorName	Αργιαλάς, Δημήτρης	el
heal.advisorName	Argialas, Demetre	en
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Κολοκούσης, Πολυχρόνης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	200 σ.	el
heal.fullTextAvailability	true