Αυτόματη εκτίμηση του ποσοστού πράσινου ανά οικοδομικό τετράγωνο σε γεωχωρικά δεδομένα Google Earth

Δημοπούλου, Δάφνη; Dimopoulou, Dafni

dc.contributor.author	Δημοπούλου, Δάφνη	el
dc.contributor.author	Dimopoulou, Dafni	en
dc.date.accessioned	2016-07-01T10:55:45Z
dc.date.available	2016-07-01T10:55:45Z
dc.date.issued	2016-07-01
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42934
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.4824
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Περιβάλλον και Ανάπτυξη”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Αστικό πράσινο	el
dc.subject	Ανοικτά δεδομένα	el
dc.subject	Ανάλυση εικόνας	el
dc.subject	Περιβαλλοντικοί δείκτες	el
dc.subject	Οικοδομικό τετράγωνο	el
dc.subject	Urban green	en
dc.subject	Python	el
dc.subject	Digital image processing	el
dc.subject	Open data	el
dc.subject	Environmental indicator	el
dc.title	Αυτόματη εκτίμηση του ποσοστού πράσινου ανά οικοδομικό τετράγωνο σε γεωχωρικά δεδομένα Google Earth	el
dc.title	Automated assessment of the levels of urban green per city block, with the exploitation of Google Earth geospatial data	en
heal.type	masterThesis
heal.classification	Remote sensing	el
heal.classification	Image processing--Digital techniques--Software	el
heal.classification	Python programming	el
heal.classification	Ψηφιακή τηλαπισκόπηση	el
heal.classification	Γλώσσα προγραμματισμού Python	el
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh85112798
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2008123033
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-23
heal.abstract	Στην παρούσα εργασία βασική επιδίωξη αποτέλεσε η αξιοποίηση των ανοικτών και δωρεάν γεωχωρικών δεδομένων (τύπου Google Earth) για την εκτίμηση και τον υπολογισμό των επιπέδων πρασίνου ανά οικοδομικό τετράγωνο. Συγκεκριμένα επιμέρους στόχοι αποτέλεσαν : (i) η αυτόματη λήψη χαρτών και οπτικών δεδομένων από δεδομένα σε δωρεάν γεωχωρικές βάσεις (πχ Google Earth) (ii) η αυτόματη επεξεργασία χαρτών και εικόνων για την κατάτμηση και ταξινόμηση σε επίπεδο αστικού τετραγώνου (iii) η εκτίμηση του ποσοστού πρασίνου ανά οικοδομικό τετράγωνο (iv) η αξιολόγηση της αναπτυγμένης μεθοδολογίας με ποσοτικά και ποιοτικά κριτήρια. Κίνητρο αποτέλεσε η αξιοποίηση των ανοιχτών και δωρεάν γεωχωρικών δεδομένων για την εκτίμηση διάφορων περιβαλλοντικών δεικτών ποιότητας και η αξιολόγηση μεθόδων κατάτμησης και ταξινόμήσης για την αυτοματοποίηση των διαδικασιών ανάλυσης τηλεπισκοπικών δεδομένων. Για την ανάπτυξη των αλγορίθμων χρησιμοποιήθηκε γλώσσα προγραμματισμού Python 2.7, η οποία παρέχει έναν αρκετά μεγάλο όγκο εργαλείων στην κατεύθυνση ανάλυσης ψηφιακής εικόνας. Οι αλγόριθμοι που αναπτύχθηκαν αποτελούν τμήματα υλοποίησης της μεθοδολογίας που προτείνεται για την ανίχνευση πράσινων επιφανειών ενώ η αξιολόγηση των αποτελεσμάτων τους πραγματοποιήθηκε απο συγκεκριμένο αλγόριθμο αξιολόγησης βάσει δεδομένων ελέγχου. Τέλος, όσον αφορά τα πειραματικά αποτελέσματα, επιλέχθηκαν περιοχές μελέτης, αστικοί χώροι απο τους οποίους ο χρήστης μπορεί να επιλέξει ένα συγκεκριμένο οικοδομικό τετράγωνο για τον υπολογισμό της βλάστησης.	el
heal.abstract	The main objective of this thesis is the use of open and free geospatial data (eg Google Earth) for the assessment and calculation of urban green levels per city block. More specifically our main objectives were: (i) the automated mining of images/ optical data from free geospatial databases (eg Google Earth) (ii) the automated processing of maps and images for the segmentation and the classification procedures on urban city block levels (iii) the estimated percentage of green areas per city block (iv)the evaluation of the developed methodology with quantitative and qualitative criteria. The main motivation for the realization of this project was the exploitation of open and free geospatial data to assess the various environmental quality indicators. Moreover the evaluation of segmentation and classification methods towards the automated analysis of remote sensing data. For the development of the algorithms Python 2.7 was empoyed as a programming language, which provides a sufficiently large volume of tools in the direction of digital image processing techniques. The developed algorithms were designed and implemented for the detection of green surfaces and the evaluation of their results through specific evaluation algorithms based on the groundtruth data. Finally, concerning the experimental results, were selected certain urban spaces from which a user can select a specific urban area for the assessment of urban green.	en
heal.sponsor	Η ολοκλήρωση της διπλωματικής εργασίας συγχρηματοδοτήθηκε μέσω του Έργου «Υποτροφίες ΙΚΥ» από πόρους του ΕΠ «Εκπαίδευση και Δια Βίου Μάθηση», του Ευρωπαϊκού Κοινωνικού Ταμείου (ΕΚΤ) του ΕΣΠΑ, 2007-2013	el
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Κολοκούσης, Πολυχρόνης	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	125 σ.	el.
heal.fullTextAvailability	true