Εντοπισμός αμπελοτεμαχίων, εξαγωγή γραμμών φύτευσης και διαχωρισμός ποικιλιών αμπέλου σε δορυφορικά δεδομένα πολύ υψηλής ανάλυσης

Καρακίζη, Χριστίνα; Karakizi, Christina

dc.contributor.author	Καρακίζη, Χριστίνα	el
dc.contributor.author	Karakizi, Christina	en
dc.date.accessioned	2016-05-31T07:37:13Z
dc.date.available	2016-05-31T07:37:13Z
dc.date.issued	2016-05-31
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42559
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.5301
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Default License
dc.subject	Ταξινόμηση	el
dc.subject	Αμπελουργία ακριβείας	el
dc.subject	Αντικειμενοστραφής ανάλυση εικόνας	el
dc.subject	Classification	en
dc.subject	Object-based image analysis (OBIA)	en
dc.subject	Precision Vvticulture	en
dc.subject	Δορυφορικά τηλεπισκοπικά δεδομένα	el
dc.subject	Satellite remote sensing data	en
dc.title	Εντοπισμός αμπελοτεμαχίων, εξαγωγή γραμμών φύτευσης και διαχωρισμός ποικιλιών αμπέλου σε δορυφορικά δεδομένα πολύ υψηλής ανάλυσης	el
dc.title	Vineyard detection, vine canopy extraction and vine variety discrimination from very high resolution satellite data	en
heal.type	masterThesis
heal.generalDescription	Στην παρούσα εργασία σχεδιάστηκε, αναπτύχθηκε και αξιολογήθηκε ένα αντικειμενοστραφές πλαίσιο ταξινόμησης με στόχο τον εντοπισμό αμπελοτεμαχίων, την εξαγωγή των γραμμών φύτευσης και το διαχωρισμό των διαφορετικών ποικιλιών αμπέλου. Η εφαρμογή της μεθοδολογίας υλοποιήθηκε σε δορυφορικά δεδομένα πολύ υψηλής ανάλυσης (WorldView-2 και Pleiades-1B) σε τέσσερις κατεξοχήν οινοπαραγωγικές περιοχές της Ελλάδας, όπου διενεργήθηκαν ταυτόχρονα και επίγειες μετρήσεις στη φυλλική επιφάνεια των αμπελιών με φασματογράφο χειρός.	el
heal.classification	Τηλεπισκόπηση	el
heal.classification	Remote Sensing	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-23
heal.abstract	Η λειτουργική αξιοποίηση της διαθέσιμης πληθώρας τηλεπισκοπικών δεδομένων για τη γεωργία ακριβείας, απαιτεί το σχεδιασμό και την εφαρμογή αποδοτικών και κατά το δυνατόν αυτόματων μεθόδων και τεχνικών για τον ακριβή εντοπισμό της βλάστησης, των καλλιεργειών και των διαφορετικών ειδών/ποικιλιών τους. Προς αυτή τη κατεύθυνση, στην παρούσα εργασία σχεδιάστηκε, αναπτύχθηκε και αξιολογήθηκε ένα αντικειμενοστραφές πλαίσιο ταξινόμησης με στόχο τον εντοπισμό αμπελοτεμαχίων, την εξαγωγή των γραμμών φύτευσης και το διαχωρισμό των διαφορετικών ποικιλιών αμπέλου. Η εφαρμογή της μεθοδολογίας υλοποιήθηκε σε δορυφορικά δεδομένα πολύ υψηλής ανάλυσης (WorldView-2 και Pleiades-1B) σε τέσσερις κατεξοχήν οινοπαραγωγικές περιοχές της Ελλάδας, όπου διενεργήθηκαν ταυτόχρονα και επίγειες μετρήσεις στη φυλλική επιφάνεια των αμπελιών με φασματογράφο χειρός. Οι βασικές προεπεξεργασίες περιλάμβαναν τις απαραίτητες ραδιομετρικές και ατμοσφαιρικές διορθώσεις στις δορυφορικές εικόνες καθώς και τη συγχώνευση των πολυφασματικών με τις παγχρωματικές εικόνες. Κατά το πρώτο βήμα της μεθοδολογίας για τον εντοπισμό των αμπελοτεμαχίων, εφαρμόστηκε ένα αντικειμενοστραφές σχήμα ταξινόμησης που βασίστηκε σε κανόνες παραγωγής και ασαφή λογική, με αξιοποίηση φασματικών χαρακτηριστικών και χαρακτηριστικών υφής των αντικειμένων. Ακολούθησε ο εντοπισμός και εξαγωγή των γραμμών φύτευσης και ο διαχωρισμός του φυλλώματος από τα ενδιάμεσα υλικά, κυρίως το χώμα, με εφαρμογή αντικειμενοστραφούς επιβλεπόμενης ταξινόμησης, η οποία βασίστηκε στις φασματικές διαφορές της κόμης των αμπελιών και του χώματος. Στο τρίτο και πιο απαιτητικό βήμα εφαρμόστηκε επιβλεπόμενη ταξινόμηση του φυλλώματος με στόχο το διαχωρισμό των διαφορετικών ποικιλιών αμπέλου. Για το διαχωρισμό των ποικιλιών πραγματοποιήθηκαν πειράματα και στα χαμηλότερης χωρικής ανάλυσης πολυφασματικά δεδομένα, για λόγους ελέγχου και σύγκρισης. Η ποσοτική αξιολόγηση επέδειξε ότι η αναπτυχθείσα μεθοδολογία κατάφερε, σε όλες τις εικόνες, να εντοπίσει τα αμπελοτεμάχια με υψηλά ποσοστά πληρότητας (>89%) και ορθότητας (>88%). Αντίστοιχα η διαδικασία εξαγωγής των γραμμών φύτευσης αξιολογήθηκε με ποσοστά ακρίβειας πάνω από 96%. Για το διαχωρισμό ποικιλιών αμπέλου, αν και σε επίπεδο pixel όλες οι πειραματικές ταξινομήσεις κατέληξαν σε σχετικά χαμηλές ακρίβειες (<75%), σε επίπεδο αμπελοτεμαχίου η μεθοδολογία κατάφερε σε όλες τις περιπτώσεις να επιτύχει ποσοστά μεγαλύτερα του 83%. Η συνδυαστική μελέτη των αποτελεσμάτων του διαχωρισμού με τις φασματικές υπογραφές από τα επίγεια δεδομένα ανέδειξε ορισμένες ποικιλίες, όπως το Merlot, που παρουσίασαν διαχωρίσιμη συμπεριφορά τόσο στις ταξινομήσεις όσο και στις φασματικές υπογραφές. Από τη συνολική ποσοτική και ποιοτική αξιολόγηση της μεθοδολογίας και των αποτελεσμάτων επιβεβαιώνεται η αποτελεσματικότητα των προηγμένων τεχνικών ταξινόμησης τηλεπισκοπικών δεδομένων για τον εντοπισμό αμπελοκαλλιεργειών και το διαχωρισμό ποικιλιών αμπέλου και δημιουργούνται προσδοκίες για ανάπτυξη παρόμοιων εφαρμογών στην αμπελουργία αλλά και στη γεωργία ακριβείας γενικότερα.	el
heal.abstract	In order to exploit operationally remote sensing data for precision agriculture applications, efficient and automated methods are required for the accurate detection of vegetation, crops and different crop varieties. To this end, we have designed, developed and evaluated an object-based classification framework towards the detection of vineyards, the vine canopy extraction and the vine variety discrimination. The validation of the developed methodology framework was carried out on very high resolution satellite data (WorldView-2 and Pleiades-1B) at four different viticulture regions in Greece. Concurrent in-situ canopy reflectance observations were acquired from a portable spectroradiometer. The initial preprocessing step included radiometric and atmospheric corrections on the satellite imagery and also the pan-sharpening of the multispectral and panchromatic images. The detection of vineyards was addressed through an object-based image analysis (OBIA) approach based on rules, fuzzy logic, spectral and texture features. Then for the detection of vine rows (canopy), an OBIA supervised classification procedure followed, based mainly on the spectral differences between the vine canopy and the other materials i.e., mainly soil. For the most challenging step of the vine variety discrimination a supervised classification procedure was employed on the detected canopy. This classification step was also applied on the lower resolution multispectral datasets for testing and comparison purposes. The performed quantitative evaluation indicated that the developed approach managed in all cases to detect vineyards with high completeness (>89%) and correctness (>88%) detection rates. Respectively the vine canopy extraction methodology was validated with Overall Accuracy (O.A.) rates of above 96%. The quantitative evaluation results for the vine variety discrimination achieved relatively low rates at pixel level, as they did not exceed 75%. However the validation at plot level (per parcel) resulted to O.A. rates of over 83% in all cases. The combined analysis of the discrimination results with the spectral signatures of the in-situ reflectance data indicated some varieties, like Merlot, that presented distinct behavior both on the classification procedures but also on their spectral signatures. To sum up, the performed quantitative and qualitative evaluation highlighted the effectiveness of advanced classification techniques, for the detection of vineyards and the discrimination of vine varieties, but also raised expectations for the development of similar applications in precision agriculture.	en
heal.sponsor	We gratefully acknowledge support from the "IKY FELLOWSHIPS OF EXCELLENCE FOR POST-GRADUATE STUDIES IN GREECE - SIEMENS PROGRAM".	en
heal.sponsor	Εκφράζονται ευχαριστίες για την οικονομική υποστήριξη από το Ι.Κ.Υ., μέσω του προγράμματος «ΥΠΟΤΡΟΦΙΕΣ ΑΡΙΣΤΕΙΑΣ Ι.Κ.Υ. ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΛΛΑΔΑ - ΠΡΟΓΡΑΜΜΑ SIEMENS».	el
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.advisorName	Karantzalos, Konstantinos	en
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Argialas, Dimitrios	en
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Karantzalos, Konstantinos	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Karathanassi, Vasilia	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	132 σ.	el
heal.fullTextAvailability	true