Χαρτογράφηση καμένων εκτάσεων απο διαχρονικά δορυφορικά 
δεδομένα Sentinel-2 στο περιβάλλον του Google Earth Engine

Ψυχογυιός, Ιωάννης; Psychogyios, Ioannis

dc.contributor.author	Ψυχογυιός, Ιωάννης	el
dc.contributor.author	Psychogyios, Ioannis	en
dc.date.accessioned	2021-09-29T10:16:08Z
dc.date.available	2021-09-29T10:16:08Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53909
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21607
dc.rights	Default License
dc.subject	Ταξινόμηση	el
dc.subject	Τυχαία δάση	el
dc.subject	Πυρκαγιές	el
dc.subject	Αυστραλία	el
dc.title	Χαρτογράφηση καμένων εκτάσεων απο διαχρονικά δορυφορικά δεδομένα Sentinel-2 στο περιβάλλον του Google Earth Engine	el
heal.type	bachelorThesis
heal.secondaryTitle	Burned area mapping from multitemporal Sentinel-2 satellite data in Google Earth Engine	el
heal.classification	Τηλεπισκόπηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-07-19
heal.abstract	Στόχος της παρούσας διπλωματικής εργασίας είναι η δημιουργία ενός αλγορίθμου για χαρτογράφηση καμένων εκτάσεων, χρησιμοποιώντας καινοτόμες μεθόδους αλγορίθμων που μας προσφέρουν οι σύγχρονες τεχνολογίες . Συγκεκριμένα , ο αλγόριθμος προγραμματίστηκε στη διαδικτυακή εφαρμογή Google Earth Engine (GΕE), μια εφαρμογή η οποία έχει πολλές δυνατότητες καθώς προσφέρει στο χρήστη άμεση, εύκολη και γρήγορη πρόσβαση σε πληθώρα μεγάλων δορυφορικών δεδομένων μέσω χρονοσειρών δορυφορικών εικόνων , οι οποίες είναι αποθηκευμένες σε βάσεις δεδομένων. Για τις ανάγκες της παρούσας μελέτης χρησιμοποιήθηκαν ατμοσφαιρικά διορθωμένα δορυφορικά δεδομένα Sentinel–2 . Ο δορυφόρος Sentinel–2 εξυπηρετεί με πολύ ικανοποιητικό βαθμό τις ανάγκες της μελέτης αυτής, λόγω της υψηλής του χωρικής του ανάλυσης (10 m), αλλά και λόγω της συχνότητας παρατήρησης της γήινης επιφάνειας, καθώς προσφέρει δεδομένα ανά 5 η 6 ημέρες για κάθε τμήμα της φυσικής γήινης επιφάνειας . Η χαρτογράφηση επιτεύχθηκε με χρήση επιβλεπόμενης ταξινόμησης. Οι αλγόριθμοι μηχανικής μάθησης που βασίζονται σε δένδρα απόφασης για ταξινόμηση κρίνονται ως σαφώς πιο αποτελεσματικοί από τους συμβατικούς αλγορίθμους ( K-means, minimum distance, κοκ), και για αυτό ο αλγόριθμος που χρησιμοποιήσαμε είναι τα τυχαία δάση. Αναγκαία προϋπόθεση για υψηλήακρίβεια και ικανοποιητικό αποτέλεσμα είναι η συλλογή των κατάλληλων δεδομένων εκπαίδευσης και ελέγχου. Για το σκοπό αυτό, δημιουργήθηκαν ψευδοεικόνες στον Ελλαδικό χώρο, στις περιοχές Κύθηρα , Κινέτα, Μάτι, Γραμματικό και Κοντοδεσπότι. Συγκεκριμένα, ορίστηκαν στο περιβάλλον του GEE πολύγωνα ενδιαφέροντος για τις παραπάνω περιοχές , και οι τιμές φωτεινότητας που τους αντιστοιχούν στα εικονοστοιχεία δεν πάρθηκαν από μια ημερομηνία, αλλά από ένα μεγάλο χρονικό εύρος. Για την πραγματοποίηση των ταξινομήσεων επιλέχθηκαν 6 και 7 κατηγορίες αντίστοιχα για Ελλάδα και Αυστραλία, ικανές να εκφράσουν το σύνολο της μεταβλητότητας των περιοχών μελέτης στο επιθυμητό επίπεδο ανάλυσης, δηλαδή στον εντοπισμό των καμένων εκτάσεων. Συγκεκριμένα, για Ελλάδα οι κατηγορίες αυτές ήταν καμένα, νερό , βλάστηση, αστικός ιστός, καλλιέργειες και γυμνό έδαφος. Για Αυστραλία ήταν έρημος, νερό, καλλιέργειες, καμένα, αστικός ιστός, δάσος 1 και δάσος 2. Τα δεδομένα εκπαίδευσης και ελέγχου ψηφιοποιήθηκαν από το φυσικό έγχρωμο σύνθετο RGB 4-3-2, με εξαίρεση τα καμένα όπου έγινε χρήση του έγχρωμου συνθέτου RGB 12-8-2, στις 4 περιοχές που προαναφέρθηκαν. Πραγματοποιήθηκαν διαφορετικοί συνδυασμοί των παραπάνω περιοχών ως δεδομένα εκπαίδευσης και ελέγχου. Παράλληλα δημιουργήθηκαν διαγράμματα για να ελεγχθεί η φασματική συνεκτικότητα των πολυγώνων που ψηφιοποιήθηκαν για τις κατηγορίες αυτές. Επίσης οι καμένες εκτάσεις εμβαδομετρήθηκαν και έγινε σύγκριση των τιμών με τα δεδομένα που έδωσε η πυροσβεστική για Ελλάδα, και οι τοπικές υπηρεσίες για Αυστραλία αντίστοιχα. Τέλος, έγινε προσπάθεια χαρτογράφησης των καμένων εκτάσεων στην Νέα Νότια Ουαλία της Αυστραλίας, όσο αφορά το μεγάλο κύμα δασικών πυρκαγιών που έπληξε τη χώρα τα έτη 2019 και 2020. Για τις ανάγκες της παρούσας διπλωματικής εργασίας πραγματοποιήθηκε μόνο ποιοτικός έγεγχος με φωτοερμηνεία σε ορισμένες περιοχές , για να εξαχθούν συμπεράσματα όσο αφορά την αποδοτικότητα της διαδικασίας. Λέξεις κλειδιά: Ταξινόμηση , Μηχανική μάθηση, Google Earth Engine, Sentinel-2 , Eλλάδα, Αυστραλία .	el
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Παπαδοπούλου, Μαρία	el
heal.committeeMemberName	Τσιχριτζής, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	63 σ.	el
heal.fullTextAvailability	false