Geo

Από RemoteSensing Wiki

Αναθεώρηση της 19:17, 9 Ιανουαρίου 2013 (εμφάνιση κώδικα) G.panag (Συζήτηση | Συνεισφορές/Προσθήκες) (→Διαχωρισμός και Χαρτογράφηση Γεωργικών Στατιστικών με Χρήση Υπερχρονικής (hypertemporal) Τηλεπισκόπησης) ← Προηγούμενη επεξεργασία		Παρούσα αναθεώρηση της 19:18, 9 Ιανουαρίου 2013 (εμφάνιση κώδικα) G.panag (Συζήτηση | Συνεισφορές/Προσθήκες) (→Διαχωρισμός και Χαρτογράφηση Γεωργικών Στατιστικών με Χρήση Υπερχρονικής (hypertemporal) Τηλεπισκόπησης)
(Μία ενδιάμεση αναθεώρηση δεν εμφανίζονται.)
Γραμμή 15:		Γραμμή 15:
-	Πηγή: [http://www.sciencedirect.com/science/article/pii/S0303243409000816 www.sciencedirect.com,"Disaggregating and mapping crop statistics using hypertemporal remote sensing"]	+	Πηγή: [http://www.sciencedirect.com/science/article/pii/S0303243409000816 www.sciencedirect.com, "Disaggregating and mapping crop statistics using hypertemporal remote sensing"]
	[[category:Δοκιμές]]		[[category:Δοκιμές]]

---

Παρούσα αναθεώρηση της 19:18, 9 Ιανουαρίου 2013

Διαχωρισμός και Χαρτογράφηση Γεωργικών Στατιστικών με Χρήση Υπερχρονικής (hypertemporal) Τηλεπισκόπησης

Αντικείμενο

Η μέθοδος βασίζεται σε 10-ήμερη χρονική ανάλυση δεδομένων του δορυφόρου SPOT για τον διαχωρισμό βάσεων στατιστικών δεδομένων γεωργικών περιοχών ανά διοικητική μονάδα. Στόχος είναι η συμβολή στην ανάπτυξη των μεθόδων για τον συνδυασμό χωρικών και χρονικών δεδομένων χρήσης γης, χρησιμοποιώντας υπάρχοντες πηγές δεδομένων και την βελτίωση των μεθόδων που βασίζονται στην τηλεπισκόπηση και τα γεωγραφικά συστήματα πληροφοριών.

Μεθοδολογία

Ο δείκτης NDVI συσχετίζεται με τις δηλωμένες εκτάσεις καλλιεργειών στις περιοχές αυτές και το προκύπτον μοντέλο χρησιμοποιείται για την χαρτογράφηση των καλλιεργειών (Εικόνα 1). Αρχικά οι 10-ήμερες (1998-2006) φωτογραφίες του δορυφόρου SPOT (γεωμετρικής ανάλυσης 1km) χρησιμοποιήθηκαν για την ταξινόμηση της περιοχής σε 45 τάξεις μέσω επαναληπτικής μη-επιβλεπόμενης ταξινόμησης (Εικόνα 2). Κάθε τάξη παρουσιάζει έναν δείκτη NDVI που δείχνει την μεταβολή της έντασης της βλάστησης με την πάροδο του χρόνου, η οποία θεωρείται ότι σχετίζεται με τους τύπους κάλυψης γης και την παρούσα χρήση γης. Στη συνέχεια, οι τάξεις και οι δηλωμένες εκτάσεις καλλιεργειών συνδυάστηκαν για τον διαχωρισμό των γεωργικών στατιστικών (Εικόνα 3).

Αποτελέσματα

Η σύγκριση των στατιστικών στοιχείων με τις τάξεις που δημιουργήθηκαν από την ταξινόμηση έδειξε ότι συσχετίζονται σε μεγάλο βαθμό. Μερικές τάξεις που δεν αντιστοιχούσαν σε δηλωμένη καλλιεργητική έκταση, αντιπροσώπευε κάποια άλλη κατηγορία χρήσης γης. Η αξιολόγηση των αποτελεσμάτων με σύγκριση πρωτογενών δεδομένων έδειξε ότι είναι ακριβής.

Συμπεράσματα

Οι χάρτες καλλιεργειών που δημιουργήθηκαν αν και είναι χαμηλής ανάλυσης (1km x 1km), προσφέρουν σαφή διαχωρισμένες τάξεις και δεν φαίνεται να μειώνεται η αξιοπιστία της μεθόδου. Η μελέτη δείχνει ότι τα υπάρχοντα στατιστικά δεδομένα και η τηλεπισκόπησης μπορούν να χρησιμοποιηθούν για την χαρτογράφηση αντικειμένων ενδιαφέροντος.

Πηγή: www.sciencedirect.com, "Disaggregating and mapping crop statistics using hypertemporal remote sensing"