Διερεύνηση της χωρικής διακριτικής ικανότητας για τη διάκριση καλλιεργειών με τη χρήση δορυφορικών εικόνων SPOT-S και Quick Bird

 
see the original item page
in the repository's web site and access all digital files if the item*
share




2008 (EN)
Investigation of the optimum spatial resolution for the discrimination of crop spices in Cyprus using QuickBird and SPOT-S images
Διερεύνηση της χωρικής διακριτικής ικανότητας για τη διάκριση καλλιεργειών με τη χρήση δορυφορικών εικόνων SPOT-S και Quick Bird

Χριστοφόρου, Μηλίτσα Χριστάκου

Ο σκοπός της παρούσας εργασίας ήταν η εύρεση του κατάλληλου μεγέθους εικονοστοιχείου για την αναγνώριση των καλλιεργειών σε περιοχή της Κύπρου, η οποία χαρακτηρίζεται από το μικρό μέγεθος αγροτεμαχίων, με τη χρήση τριών δορυφορικών εικόνων SPOT 5 και μιας QuickBird. Με τη χρήση δεδομένων πεδίου πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση για τη διάκριση των καλλιεργειών σε εικόνες με διαφορετική χωρική διακριτική ικανότητα 2.5μ, 5μ και 10μ που δημιουργήθηκαν μετά από την προεπεξεργασία των αρχικών εικόνων. Ως δεδομένα εισόδου για κάθε μια από τις ταξινομήσεις χρησιμοποιήθηκαν τα αρχικά κανάλια των εικόνων, ο δείκτης βλάστησης NDVI ο μετασχηματισμός Tasseled Cap, που υπολογίστηκαν μετά από την επεξεργασία των δορυφορικών εικόνων για κάθε χωρική διακριτική ικανότητα, το υψομετρικό μοντέλο αναγλύφου (DEM) και ο χάρτης κλίσεων (Slope). Τα αποτελέσματα έδειξαν ότι την καλύτερη ακρίβεια ταξινόμησης έδωσε η εικόνα με 5μ χωρική διακριτική ικανότητα με Ολική ακρίβεια ταξινόμησης 88.92%. Τέλος η εικόνα αυτή χρησιμοποιήθηκε για την εξαγωγή στατιστικών παραμέτρων που αφορούν την κατανομή των καλλιεργειών στη Κύπρο.
This paper outlines the investigation of appropriate pixel size in order to identify and distinguish crops in Cyprus using multi-date remote sensed data with three SPOT 5 and one QuickBird images. Using, ground truth data supervised classification was performed on images with different spatial resolutions; 2.5, 5 and 10m, which were produced by preprocessing the initial images. As input for the classifications were used the initial bands of the images, vegetation indices NDVI, the Tasseled Cap transformation, the digital elevation model and the slope map. The results showed that the best classification performance was achieved with 5m pixel size where overall accuracy exceeded to 88.92%. Final, this image was used for the statistical analysis of crops distribution in Cyprus.

info:eu-repo/semantics/masterThesis
Postgraduate Thesis / Μεταπτυχιακή Εργασία

Δορυφορική εικόνα Quick Bird
Χωρική διακριτική ικανότητα
Επιβλεπόμενη ταξινόμηση
QuickBird
SPOT-S
Δορυφορική εικόνα SPOT-S
Spatial resolution
Διάκριση καλλιεργειών
Image classification
Crop identification

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)

Greek
English

2008
2009-11-05T08:06:55Z


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Γεωπονική Σχολή

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at http://ikee.lib.auth.gr. Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.
info:eu-repo/semantics/openAccess



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)