Ημιαυτόματος εντοπισμός πεδίων προσγείωσης ανάγκης για ελαφρά αεροσκάφη με αντικειμενοστρεφή ανάλυση σε δορυφορικές εικόνες και ψηφιακό μοντέλο εδάφους

Τσαφαράς, Σπυρίδων; Tsafaras, Spyridon

dc.contributor.author	Τσαφαράς, Σπυρίδων	el
dc.contributor.author	Tsafaras, Spyridon	en
dc.date.accessioned	2017-03-21T11:49:46Z
dc.date.available	2017-03-21T11:49:46Z
dc.date.issued	2017-03-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44693
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.6857
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.subject	Αντικειμενοστρεφής Ανάλυση Εικόνας	el
dc.subject	Ψηφιακό Μοντέλο Εδάφους (Ψ.Μ.Ε.)	en
dc.subject	Γεωμορφομετρία	el
dc.subject	Καμπυλότητα	el
dc.subject	Προσγείωση ανάγκης	el
dc.subject	Διάδρομος προσγείωσης	el
dc.subject	Ελαφρύ αεροσκάφος	el
dc.subject	Object Based Image Analysis (OBIA)	en
dc.subject	Digital Elevation Model (DEM)	en
dc.subject	Shuttle Radar Topography Mission (SRTM)	en
dc.subject	Geomorphometry	en
dc.subject	Slope	en
dc.subject	Curvature	en
dc.subject	Forced landing	en
dc.subject	Runway	en
dc.subject	Light aircraft	en
dc.title	Ημιαυτόματος εντοπισμός πεδίων προσγείωσης ανάγκης για ελαφρά αεροσκάφη με αντικειμενοστρεφή ανάλυση σε δορυφορικές εικόνες και ψηφιακό μοντέλο εδάφους	el
dc.title	Semi-automatic identification of suitable landing areas for light aircrafts during forced landings through Object Based Image Analysis (OBIA) from high resolution imagery and Digital Elevation Model (DEM)	en
heal.type	masterThesis
heal.classification	ΨΗΦΙΑΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ	el
heal.classification	REMOTE SENSING	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-11-25
heal.abstract	Η παρούσα μελέτη προσπαθεί να διερευνήσει εάν η γεωμορφομετρική και αντικειμενοστρεφής ανάλυση μπορεί να συνεισφέρει στον εντοπισμό πεδίων προσγείωσης, τα οποία θα χρησιμοποιούνται σε περιπτώσεις καταστάσεων ανάγκης από ένα ελαφρού τύπου αεροσκάφος. Τα αρχικά δεδομένα που χρησιμοποιήθηκαν ήταν ένα Ψηφιακό μοντέλο εδάφους (Ψ.Μ.Ε) του SRTM (Shuttle Radar Topography Mission) στην περιοχή Αττικής, Βοιωτίας και Ευβοίας, ανάλυσης 30mX30m. Η γεωμορφομετρική ανάλυση περιέλαβε τους συνήθεις δείκτες έκφρασης του αναγλύφου όπως: κλίση (slope), μέγιστη καμπυλότητα (max-curvature) και ελάχιστη καμπυλότητα (min-curvature). Οι δείκτες αυτοί, οι οποίοι αποτέλεσαν τα θεματικά επίπεδα που εισήχθησαν στο λογισμικό eCognition, υπολογίστηκαν μέσω του ανοιχτού λογισμικού QGIS και συγκεκριμένα από τους γεωαλγορίθμους του SAGA. Επίσης ταυτόχρονα επιπλέον θεματικό επίπεδο αποτέλεσε μια δορυφορική εικόνα υψηλής ανάλυσης 1mX1m, καθώς και ένα shapefile που περιείχε διανυσματικά δεδομένα εμποδίων πτήσεως για την περιοχή ενδιαφέροντος. Όλα τα παραπάνω επεξεργάστηκαν στο περιβάλλον του eCognition και δημιουργήθηκαν συνολικά 5 επίπεδα κατάτμησης και ταξινόμησης, τα οποία είχαν ως στόχο την αυτόματη εξαγωγή πεδίων προσγείωσης ανάγκης, που τελικά είχαν μικρή κλίση (mild_slope), σχετικά μικρό δείκτη τραχύτητας (slightly_rugged) και ήταν μακριά από εμπόδια (όπως καλώδια υψηλής τάσης). Εν συνεχεία, αφού πρώτα τα αποτελέσματα της ταξινόμησης αξιολογήθηκαν με τη βοήθεια κάποιων στατιστικών εργαλείων, τα οποία παρέχονται από το λογισμικό eCognition και αφορούν τη «σταθερότητα της ταξινόμησης» των αντικειμένων στις κλάσεις καθώς και το «βέλτιστο αποτέλεσμα της ταξινόμησης», τα εξαγόμενα πολύγωνα απεικονίστηκαν και επεξεργάστηκαν περαιτέρω στο λογισμικό QGIS με την βοήθεια της PostgreSQL/PostGIS. Τα τελικά προϊόντα ήταν τα πολύγωνα που είναι κατάλληλα για μια προσγείωση ανάγκης καθώς και ένας αντιπροσωπευτικός αριθμός πιθανών διαδρόμων προσγείωσης μέσα στα κατάλληλα πολύγωνα της εικόνας.	el
heal.abstract	Title: “Semi-automatic identification of suitable landing areas for light aircrafts during forced landings through Object Based Image Analysis (OBIA) from high resolution imagery and Digital Elevation Model (DEM).” The initial data which were available for the implementation of this project included a Digital Elevation Model from SRTM with an analysis of 30m×30m, various satellite RGB images with resolution of 1m and lastly a set of multiple layers with various vector data which included flight obstacles (e.g. power lines) from the region of interest. From the SRTM DEM were derived the following geomorphometric parameters: slope, max curvature and min curvature, through the free software QGIS and the algorithms of SAGA. These layers, along with the three channels (RGB) of the satellite image, were introduced in the eCognition Developer 9.0 software in order to develop the Object Based Image Analysis. Additionally, a shapefile with vector data of flight obstacles was created and introduced in the eCognition as thematic layer. In the eCognition environment, five levels of segmentation and classification were created in order to extract objects (areas) with mild slope, not highly rugged and of course, cleared of obstacles. Afterwards, the results of the classification were evaluated through specific statistical indices which are available within the eCognition software such as the “Classification Stability” and the “Best Classification Result”. The final extracted polygons were then introduced to QGIS for further processing with the assistance of PostgreSQL/PostGIS. Final products were both polygons that depict areas suitable for a forced landing and some comprehensive number of runways located within these polygons.	en
heal.advisorName	Αργιαλάς, Δημήτριος	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	el
heal.academicPublisherID	ntua
heal.numberOfPages	110 σ.	el
heal.fullTextAvailability	true