Αμπελουργία ακριβείας:
Αυτόματος εντοπισμός πρέμνων αμπέλου διαμόρφωσης
‘κουλούρα’ Σαντορίνης σε τηλεπισκοπικά δεδομένα πολύ υψηλής χωρικής ανάλυσης

Δεμάγκου, Αικατερίνη; Demagkou, Aikaterini

dc.contributor.author	Δεμάγκου, Αικατερίνη	el
dc.contributor.author	Demagkou, Aikaterini	en
dc.date.accessioned	2020-05-01T16:34:42Z
dc.date.available	2020-05-01T16:34:42Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50316
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18014
dc.rights	Default License
dc.subject	Τηλεπισκόπιση	el
dc.subject	Remote sensing	en
dc.subject	Δορυφορικές απεικονίσεις	el
dc.subject	Ταξινόμηση	el
dc.subject	Αμπελουργία	el
dc.subject	WorldView-3 precision	en
dc.subject	Vticulture	en
dc.subject	Classification	en
dc.title	Αμπελουργία ακριβείας: Αυτόματος εντοπισμός πρέμνων αμπέλου διαμόρφωσης ‘κουλούρα’ Σαντορίνης σε τηλεπισκοπικά δεδομένα πολύ υψηλής χωρικής ανάλυσης	el
dc.title	Precision Viticulture: Automatic extraction of Santorinian “kouloura” vine blobs through very high spatial resolution satellite imagery	en
heal.type	bachelorThesis
heal.classification	Αμπελουργία ακριβείας	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-09
heal.abstract	In recent decades, the ability to extract high spatial resolution satellite data has facilitated the monitoring and study of vegetation and distinct crops, by using remote sensing methods for relatively large areas. Precision Agriculture techniques have been used to increase production while minimizing costs like irrigation or fertilizer use. In the present work, we have explored basic techniques of automating the process of tracking vines in remote sensing data, in order to apply further techniques of Precision Viticulture. In specific, various methodologies have been developed and applied to automatically detect vine blobs in multi-spectral very high spatial resolution images, products of WorldView-3 satellite. The vine blobs in the island of Santorini are traditionally shaped in a non-linear round form and are positioned irregularly within the vineyards, which had to be considered when designing the process. Firstly satellite data was collected and pre- processed, applying atmospheric correction and fusion of multi-spectral channels with higher spatial resolution ones. Basic image analysis techniques and extensive experiments were performed on data referring to thousands of blobs. Furthermore, experiments were implemented using both non-supervised (K-means) and supervised (Random Forest) classification techniques. The evaluation of these methods, which was based on both qualitative and quantitative criteria, showed the superiority of classification over simpler analysis in accuracy and completeness of the results. These results are considered quite satisfying and promising, fulfilling the purpose of the present work.	en
heal.abstract	Τις τελευταίες δεκαετίες η δυνατότητα λήψης δορυφορικών δεδομένων πολύ υψηλής χωρικής ανάλυσης, έχει διευκολύνει κατά πολύ τη δυνατότητα παρακολούθησης και μελέτης της φυσικής βλάστησης και των καλλιεργειών, με κατάλληλη χρήση τηλεπισκοπικών μεθόδων για σχετικά μεγάλες εκτάσεις. Η δυνατότητα αυτή έχει αξιοποιηθεί για την αύξηση της παραγωγής προϊόντων με ταυτόχρονη ελαχιστοποίηση του κόστους εισροών, όπως αυτό της άρδευσης και της χρήσης λιπασμάτων με τεχνικές Γεωργίας Ακριβείας. Προς την κατεύθυνση αυτή, στην παρούσα εργασία διερευνήθηκαν βασικές τεχνικές αυτοματοποίησης των διαδικασιών εντοπισμού φυτών αμπέλου σε τηλεσκοπικά δεδομένα για την περαιτέρω εφαρμογή τεχνικών Αμπελουργίας Ακριβείας. Αναλυτικότερα, υπό το πρίσμα της εγχώριας και διεθνούς βιβλιογραφίας αναπτύχθηκαν και εφαρμόστηκαν διάφορες μεθοδολογίες για τον αυτόματο εντοπισμό πρέμνων αμπέλου σε πολυφασματικές απεικονίσεις πολύ υψηλής χωρικής ανάλυσης από τον δορυφορικό αισθητήρα WorldView-3. Βασική επιδίωξη ήταν ο εντοπισμός μεμονωμένων φυτών αμπέλου σε αμπελώνες με διαμόρφωση «κουλούρα» Σαντορίνης. Συγκεκριμένα, στη Σαντορίνη ανέδειξε την σημαντική υπεροχή των τεχνικών ταξινόμησης σε σχέση με τις πιο απλές τεχνικές ανάλυσης τόσο σε ικανότητα γενίκευσης όσο και ακρίβειας σε πληρότητα και ορθότητα. Διαμορφώνονται τα πρέμνα, παραδοσιακά και με πρωτότυπο μη-γραμμικό τρόπο, σε τύπο «κουλούρα», ενώ χωροθετούνται σχετικά ακανόνιστα εντός των αμπελοτεμαχίων. Επομένως οι τεχνικές που διερευνήθηκαν σχεδιάστηκαν με βάση τη συγκεκριμένη διαμόρφωση. Αρχικά πραγματοποιήθηκε η συλλογή και προεπεξεργασία των δορυφορικών δεδομένων, όπως ατμοσφαιρική διόρθωση και συγχώνευση των πολυφασματικών καναλιών με παγχρωματικά υψηλότερης χωρικής ανάλυσης. Υλοποιήθηκαν βασικές τεχνικές ανάλυσης εικόνας, με μετασχηματισμούς, εξαγωγή δεικτών και εφαρμογή του φίλτρου Laplace και πραγματοποιήθηκαν εκτεταμένα πειράματα σε δεδομένα αναφοράς χιλιάδων πρέμνων. Πειράματα πραγματοποιήθηκαν επίσης με τεχνικές μη-επιβλεπόμενης (K-means) και επιβλεπόμενη ταξινόμησης με τη μέθοδο Τυχαίων Δασών (Random Forest). Η αξιολόγηση των πειραμάτων, η οποία πραγματοποιήθηκε τόσο με ποιοτικά όσο και με ποσοτικά κριτήρια, ανέδειξε την σημαντική υπεροχή των τεχνικών ταξινόμησης σε σχέση με τις πιο απλές τεχνικές ανάλυσης τόσο σε ικανότητα γενίκευσης όσο και ακρίβειας σε πληρότητα και ορθότητα. Τα αποτελέσματα της μεθόδου ταξινόμησης που προτείνεται παρουσιάζουν ακρίβεια της τάξης του 73%, επομένως κρίνονται αρκετά ικανοποιητικά και ελπιδοφόρα πληρώνοντας κατά αυτόν τον τρόπο τον στόχο της παρούσας εργασίας.	el
heal.sponsor	Κωνσταντίνος Καράντζαλος	el
heal.sponsor	Ζαχαρίας Κανδυλάκης	el
heal.sponsor	Χριστίνα Καρακίζη	el
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Παπαδοπούλου, Μαρία	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	82 σ.
heal.fullTextAvailability	false