Στην παρούσα εργασία γίνεται χρήση διαφορετικών μεθόδων επεξεργασίας δορυφορικών εικόνων Landstat TM για την χαρτογράφηση των αλλαγών, μεταξύ 1984 και 2009, του Δέλτα του Αξιού ποταμού, ενός από τους μεγαλύτερους ελληνικούς ποταμούς. Οι χρησιμοποιηθείσες τεχνικές περιλαμβάνουν από τις παραδοσιακές αριθμητικές επεξεργασίες των φασματικών δεδομένων των διαφορετικών καναλιών, έως τις μη επιβλεπόμενες και επιβλεπόμενες μεθόδους ταξινόμησης. Αλλαγές στην μορφολογία της ακτογραμμής καθώς και στη διάβρωση και στην απόθεση υλικών εκτιμήθηκαν επίσης από άμεσες φωτοερμηνευτικές παρατηρήσεις στις TM εικόνες που χρησιμοποιήθηκαν. Η ανάλυση των δεδομένων, που έγινε σε περιβάλλον GIS, έδειξε σημαντικές αλλαγές στην ακτογραμμή της περιοχής μελέτης, με την διάβρωση να κυριαρχεί στα πρώτα χρόνια και στη συνέχεια να ακολουθεί η απόθεση υλικών. Επιπροσθέτως σχετικά ίδιες τάσεις αλλαγής της ακτογραμμής παρατηρήθηκαν σε όλες τις μεθόδους επεξεργασίας των εικόνων, διαφορετικού όμως μεγέθους. Οι διαφορές που παρατηρήθηκαν οφείλονταν κυρίως στην διαφορετική ικανότητα των μεθόδων να χρησιμοποιούν τις φασματικές πληροφορίες των TM δεδομένων, γεγονός στενά συνδεδεμένο με τα πλεονεκτήματα και μειονεκτήματα κάθε μιας μεθόδου. Σημαντικό είναι ότι επιβλεπόμενες ταξινομήσεις, βασισμένες σε αλγορίθμους εκπαίδευσης έδειξαν πιο παραπλήσια προς την φωτοερμηνεία αποτελέσματα, γεγονός που αναδεικνύει μια σημαντική δυνατότητα για την παρακολούθηση των αλλαγών των ακτογραμμών κατά τη διάρκεια μεγάλων χρονικών διαστημάτων με οικονομικό και γρήγορο τρόπο.
(EL)
Our study explores the use of a range of image processing methods combined with Landsat TM imagery for mapping the morphodynamics of the delta of the Axios River, one of the largest rivers of Greece, between 1984 and 2009. The techniques evaluated ranged from the traditional spectral bands arithmetic operations to unsupervised and supervised classification method. Changes in coastline morphology and erosion and deposition magnitudes were also estimated from direct photo-interpretation of the TM images, forming our reference dataset. Our analysis, conducted in a GIS environment, showed noticeable changes in the coastline of the study area, with erosion occurring mostly in the early periods followed by deposition later on. In addition, relatively similar patterns of coastline change were obtained from the different approaches, albeit of different magnitude. The differences observed were largely attributed to the varying ability of the different approaches to utilise the spectral information content of the TM data, strongly linked to the relative strengths and weaknesses underlying the implementation of the different techniques. Notably, supervised classifiers based on machine learning showed the closest results to the photo interpretation of TM, evidencing a promising potential for monitoring shoreline changes over long timescales in a cost-effective and rapid manner.
(EN)
