RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Μπλανάς Κωνσταντίνος

2014-04-05T21:03:52Z

Kostas blanas: Νέα σελίδα με 'Add Your Content Here [[Μελέτη της κάλυψης γης με βάση κανόνες με την χρήση εικόνων τηλεπισκόπισης υψη...'

Add Your Content Here

[[Μελέτη της κάλυψης γης με βάση κανόνες με την χρήση εικόνων τηλεπισκόπισης υψηλής ανάλυσης]]

[[25 χρόνια στη γεωργία ακριβείας]]

Μελέτη της κάλυψης γης με βάση κανόνες με την χρήση εικόνων τηλεπισκόπισης υψηλής ανάλυσης

2014-03-24T19:06:47Z

Kostas blanas: Νέα σελίδα με 'Συγγραφέας '''Zhang Rongqun,Zhu Daolin''' Institute of Remote Sensing and Geographic Information Engineering, College of Information and Electrical...'

Συγγραφέας 
'''Zhang Rongqun,Zhu Daolin''' 
Institute of Remote Sensing and Geographic Information Engineering, College of Information and Electrical Engineering, China Agricultural University,
College of Resources and Environmental Science, China Agricultural University USA 

'''Πηγή''' 

Science_direct 

Published by Elsevier 

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Τίτλος:Study of land cover classification based on knowledge rules using
high-resolution remote sensing images

Η παρούσα εργασία δημοσιεύτηκε από την εταιρεία Elsevier το 2010 με τίτλο «Study of land cover classification based on knowledge rules using high-resolution remote sensing images» και ανασύρθηκε από την ιστοσελίδα www. sciencedirect.com. Αντικείμενό της είναι η μελέτη των περιορισμών της οπτικής ερμηνείας από εικόνες υψηλής ανάλυσης και της αυτόματης ταξινόμησης από φασματικά δεδομένα. Προτείνεται μία μέθοδος που εμπεριέχει κάποιους κανόνες, η οποία στηρίζεται εκτός από τα φασματικά χαρακτηριστικά, σε χαρακτηριστικά υφής και σχήματος των αντικειμένων. Για την εργασία χρησιμοποιήθηκαν εικόνες Quickbird σε ζώνη μεταξύ αστικής και περιαστικής περιοχής στο Πεκίνο.

Ένα από τα σημαντικότερα στοιχεία του τοπίου της επιφάνειας της γης, είναι η μελέτη των χρήσεών της, έχοντας αποτελέσει ένα μεγάλο κομμάτι της παγκόσμιας έρευνας τα τελευταία χρόνια. Σήμερα, η τεχνολογία τηλεπισκόπισης είναι μία από τις σημαντικότερες τεχνικές για την απόκτηση πληροφορίας για την κάλυψη γης. Ωστόσο, η σύγχυση μεταξύ των φασματικών ιδιοτήτων των αντικειμένων του εδάφους δυσχεραίνει τις ταξινομήσεις υψηλής ακρίβειας. Τα τελευταία χρόνια έχουν προταθεί αρκετές θεωρίες και αλγόριθμοι αναγνώρισης στοιχείων στο χώρο, χωρίς όμως να έχουν επιτευχθεί καλύτερες ακρίβειες. Όταν η σύνθεση των αντικειμένων του εδάφους είναι περίπλοκη και τα μεγέθη τους είναι μεγαλύτερα από τη χωρική ανάλυση των αισθητήρων, η υφή και η σύνθεση του εδάφους μπορεί να παρατηρηθεί. Όταν όμως υπάρχει ένα χαρακτηριστικό διαφορετικής υφής από εκείνα των αντικειμένων της εικόνας, το αποτέλεσμα εξαγωγής ακριβούς πληροφορίας δεν μπορεί να επιτευχθεί μόνο με την χρήση γνώσεων σχετικά με τα φασματικά χαρακτηριστικά. Είναι απαραίτητο να λαμβάνεται υπόψη η γνώση σχετικά με την υφή και το σχήμα τους. Στην παρούσα εργασία, δημιουργούνται κάποιοι κανόνες γνώσης για την κατάταξη των δεδομένων Quickbird στα αντικείμενα των κτιρίων, εδάφους, δασικών περιοχών και νερού.

[[Αρχείο:Περιοχη μελετης.jpg]]
Εικόνα 1: Περιοχή μελέτης

Ανάλυση δεδομένων: Η ανάλυση των δεδομένων έδειξε κάποια ενδιαφέροντα στοιχεία για τα φασματικά χαρακτηριστικά και τα χαρακτηριστικά υφής και σχήματος. Όσον αφορά τα φασματικά χαρακτηριστικά, οι κατηγορίες που χωρίστηκε η περιοχή είναι τα κτίρια, οι δρόμοι, τα νερά (συνηθισμένες και μη υδάτινες επιφάνειες, έχουν να κάνουν με τη φυτοκάλυψη), δασικές εκτάσεις, χωράφια και σκιές. Το αποτέλεσμα της μελέτης των φασματικών υπογραφών των παραπάνω στοιχείων έδειξε ότι εκτός των δασικών και γεωργικών εκτάσεων, υπάρχει πρόβλημα διαφοροποίησης των υδάτινων επιφανειών με των σκιών, όπως επίσης και των κτιρίων με τους δρόμους (ίδια υλικά κατασκευής, ίδια φασματική υπογραφή). Συνεπώς οι φασματικές καμπύλες κάποιων στοιχείων συμπίπτουν μεταξύ τους και έτσι είναι αδύνατη η διαφοροποίηση με βάση μόνο φασματικά χαρακτηριστικά.

[[Αρχείο:Καμπυλες.jpg]]
Εικόνα 2: Φασματικές καμπύλες των αντικειμένων της περιοχής

Όσον αφορά την υφή των αντικειμένων (χωρική διακύμανση τόνων του γκρί, περιγράφεται από το ιστόγραμμα), στην παρούσα εργασία διαχωρίστηκαν 4 διαφορετικοί δείκτες υφής, η αντίθεση (CON), η εντροπία (ΕΝΤ), η γωνιακή δεύτερη στιγμή (ASM) και η ομοιογένεια (HOMO). Τα αποτελέσματα έδειξαν ότι κάποιες κατηγορίες διαχωρίζονται μεταξύ τους (δρόμοι-κτίρια) αλλά κάποιες άλλες έχουν ακόμη πρόβλημα (μη συνηθισμένες υδάτινες επιφάνειες-σκιές). Συνεπώς, ούτε με βάση την υφή μπορούν να διαχωριστούν όλες οι κατηγορίες.

[[Αρχείο:Δεικτες υφης.jpg]]
Εικόνα 3: Δείκτες υφής για τα αντικείμενα της εικόνας.

Όσον αφορά το σχήμα των αντικειμένων, διαπιστώθηκε ότι με την δημιουργία ενός δείκτη σχήματος με βάση την περιοχή και την περίμετρο, μπορεί να βοηθήσει στην διαφοροποίηση των χαρακτηριστικών που δεν διαφοροποιούνται παραπάνω.

Θέσπιση κανόνων και ταξινόμηση: Σύμφωνα με τις παραπάνω αναλύσεις θεσπίστηκαν κάποιοι κανόνες για τα αντικείμενα της ταξινόμησης με την βοήθεια του KnowledgeEngineer, από το ERDAS:

Δασικές περιοχές και καλλιέργειες: Για τα δάση και τις καλλιέργειες, θεσπίστηκαν τρείς κανόνες. Ο πρώτος έχει να κάνει με την αναγνώριση και των δύο κατηγοριών μαζί, με την χρήση του δείκτη βλάστησης RVI (band4/band3) και οι άλλοι δύο για την αναγνώριση των δασικών περιοχών και των καλλιεργειών αντίστοιχα, σε συνδυασμό πάντα με τον πρώτο:
1. Κανόνας 1: RVI > 1,7
2. Κανόνας 2: 200 < band 4 < 400
3. Κανόνας 3: band 4 > 600

Συνηθισμένες υδάτινες επιφάνειες: Για την κατηγορία αυτή θεσπίστηκαν 3 κανόνες. Οι δύο πρώτοι έχουν να κάνουν με τα φασματικά χαρακτηριστικά και ο τρίτος με την υφή, αφού παρατηρήθηκε σύγχυση μεταξύ της κατηγορίας και των κτιρίων όσον αφορά τις φασματικές ιδιότητες:
1. Κανόνας 1: RVI < 1
2. Κανόνας 2: band 2- band 4 >180
3. Κανόνας 3: HOMO > 140, ENT <120, CON < 30

Ασυνήθιστες υδάτινες επιφάνειες και σκιές: Εδώ θεσπίστηκαν 4 κανόνες. Οι δύο πρώτοι έχουν να κάνουν με τα φασματικά χαρακτηριστικά για την αναγνώριση και των δύο διαφορετικών κατηγοριών ταυτόχρονα. Ο τρίτος κανόνας έχει να κάνει με το εμβαδό των επιφανειών για την αναγνώριση των μεγάλων υδάτινων επιφανειών σε σχέση με τις σκιές, και ο τελευταίος με την χρήση ενός δείκτη k=√(a/p) ( όπου a το εμβαδό και p η περίμετρος) για την διαφοροποίηση των σκιών από την κατηγορία των ασυνήθιστων υδάτινων επιφανειών:
1. Κανόνας 1: band 4 < 200 και band 3 < 180
2. Κανόνας 2: band 2 – band 3 > 150
3. Κανόνας 3 : area > 11,000
4. Κανόνας 4: k > 0.27

Κτίρια και δρόμοι: Για αυτές τις κατηγορίες λαμβάνοντας υπόψη τους παραπάνω φασματικούς κανόνες για τις υπόλοιπες κατηγορίες, δημιουργήθηκαν 2 ακόμα δείκτες. Ο πρώτος έχει να κάνει με την υφή για τον διαχωρισμό τους από τις υπόλοιπες κατηγορίες. Ο δεύτερος έχει να κάνει με τον διαχωρισμό των δρόμων από τα κτίρια, χρησιμοποιώντας έναν δείκτη στρογγυλότητας c=p2/a (περιγραφή του κατά πόσο ένα σχήμα μπορεί να προσεγγιστεί από κύκλο), για να εξαλείψει τα κυκλικά σημεία που δεν ανήκουν σε δρόμο.
1. Κανόνας 1 : HOMO > 90, CON < 70, ASM < 70
2. Κανόνας 2: c < 70
Ταξινόμηση – Αποτελέσματα

Η συγκεκριμένη μέθοδος ταξινόμησης με βάση τους παραπάνω κανόνες, αναμένεται να είναι αρκετά εφαρμόσιμη σε εικόνες υψηλής ανάλυσης για την μελέτη της κάλυψης γης. Η ακρίβειά της ήταν ικανοποιητική (90,91%) με τις δασικές επιφάνειες, καλλιέργειες και κτίρια να ταξινομούνται ικανοποιητικά, ενώ λιγότερη ακρίβεια (πάνω από 80%) είχαν οι δρόμοι και οι σκιές. Αυτό οφείλεται κυρίως στο γεγονός ότι η συγκεκριμένη περιοχή μελέτης είχε υψηλό ποσοστό δασοκάλυψης σε κάποιους δρόμους με αποτέλεσμα να μειώσει την ακρίβεια.

[[Αρχείο:Ταξινομηση.jpg]]
Εικόνα 4: Αποτέλεσμα ταξινόμησης

Αρχείο:Καμπυλες.jpg

2014-03-24T19:05:31Z

Kostas blanas:

Αρχείο:Δεικτες υφης.jpg

2014-03-24T19:03:11Z

Kostas blanas: ανέβασμα νέας έκδοσης του "Αρχείο:Δεικτες υφης.jpg"

Αρχείο:Ταξινομηση.jpg

2014-03-24T19:00:47Z

Kostas blanas:

Αρχείο:Περιοχη μελετης.jpg

2014-03-24T19:00:32Z

Kostas blanas:

Αρχείο:Δεικτες υφης.jpg

2014-03-24T19:00:20Z

Kostas blanas:

25 χρόνια στη γεωργία ακριβείας

2014-03-24T18:50:26Z

Kostas blanas:

Συγγραφέας 
'''David J Mulla''' 
Dept. Soil, Water and Climate, University of Minnesota, USA 

'''Πηγή''' 

Science_direct 

Published by Elsevier 

[[category:Γεωργία]]

Τίτλος: Twenty five years of remote sensing in precision agriculture:
Key advances and remaining knowledge gaps

H παραπάνω εργασία δημοσιεύτηκε τον Σεπτέμβριο του 2012 από την εταιρία Elsevier και ανασύρθηκε από τον ιστότοπο http://www.sciencedirect.com. Στην δημοσίευση αυτή, παρουσιάζεται συνοπτικά η εξέλιξη των τηλεπισκοπικών εργαλειών στον τομέα της γεωργίας ακριβείας. Η γεωργία ακριβείας είναι η νέα αντίληψη για τη γεωργία και ταυτοχρόνως η νέα μέθοδος γεωργικής πρακτικής, η οποία χρησιμοποιεί πληροφορίες προσδιορισμένες ως προς το χώρο και το χρόνο, προκειμένου να μεγιστοποιήσει την αποδοτικότητα και να ελαχιστοποιήσει τις περιβαλλοντικές επιπτώσεις. Αρχικά, γίνεται μία συνοπτική παρουσίαση στις εφαρμογές τηλεπισκόπησης στη γεωργία με βάση την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας με το έδαφος και τα φυτικά υλικά, στην συνέχεια παρουσιάζονται οι καινοτομίες στην τηλεπισκόπιση τα τελευταία 20 χρόνια που αφορούν την γεωργία και τέλος γίνεται αναφορά στα κενά γνώσης που υπάρχουν σήμερα.
Τυπικά, η τηλεπισκόπηση περιλαμβάνει τη μέτρηση από ανακλώμενη ακτινοβολία. Οι πλατφόρμες για την πραγματοποίηση των μετρήσεων περιλαμβάνουν δορυφόρους, αεροπλάνα και μετρήσεις που γίνονται με γεωργικά μηχανήματα ή αισθητήρες χειρός. Οι εφαρμογές της τηλεπισκόπισης στην γεωργία έχουν επικεντρωθεί σε ένα ευρύ φάσμα παρατηρήσεων. Κάποιες από αυτές περιλαμβάνουν την απόδοσή τους σε θρεπτικά συστατικά, τις προσβολές από ασθένειες και τις ιδιότητες του εδάφους (οργανική ύλη, περιεκτικότητα σε υγρασία, αλατότητα). Το ποσό ακτινοβολίας που απορροφάται από χρωστικές ουσίες των φυτών ποικίλει ανάλογα με το μήκος κύμματος (πχ η χλωροφύλλη απορροφά έντονα την ακτινοβολία στο ορατό φάσμα, 400-700 nm). Αντίθετα, το φυτό έχει υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο (700-1300nm). Αυτή η έντονη αντίθεση στην ανακλαστικότητα μεταξύ τμημάτων του φάσματος έχει οδηγήσει στην ανάπτυξη φασματικών δεικτών που αναδικνύουν κάποια συγκεκριμμένα χαρακτηριστικά. Ο πιο διαδεδομένος δείκτης βλάστησης είναι ο NDVI αλλά υπάρχουν αρκετοί δείκτες ακόμα, που χρησιμοποιούνται για την ανάδειξη διαφορετικών χαρακτηριστικών του εδάφους που βοηθούν στην γεωργία ακριβείας.

[[Αρχείο:Φασματικοί δείκτες στη γεωργία ακριβείας.jpg]]
Εικόνα 1:φασματικοί δείκτες στη γεωργία ακριβείας

[[Αρχείο:Diafores.jpg]]
Εικόνα 2: Διαφορές μεταξύ δείκτη NDVI (βλάστηση) και SR8 (περιεκτικότητα αζώτου) σε καλλιέργειες πατάτας

Τα θεμέλια για την αξιοποίηση της τηλεπισκόπησης στην γεωργία τα έχτισε ο Schepers το 1972 ο οποίος μέτρησε τα χαρακτηριστικά του εδάφους του καλαμποκιού με τον μετρητή SPAD (soil plant analysis development) ο οποίος χρησιμοποιήθηκε για την εκτίμηση της περιεκτικότητας του αζώτου σε αυτές. Το SPAD meter αντικαταστάθηκε στην συνέχεια με ραδιόμετρα για την εκτίμηση χωρικών προτύπων σε αρδευόμενες περιοχές, με βάση συγκρίσεις με καλές γονιμοποιημένες εκτάσεις. Το 1996 ο Stone μέτρησε την ανακλαστικότητα στην κόκκινη και υπέρυθρη μπάντα στο σιτάρι με έναν αισθητήρα τοποθετημένο σε ένα κινητό τρακτέρ κοπής γκαζόν. Έτσι εκτιμήθηκε ένας νέος δείκτης περιεκτικότητας αζώτου των φυτών (PNSI). Ακολουθώντας την ίδια διαδικασία εκτιμήθηκαν και νέοι δείκτες, ενώ χρησιμοποιήθηκαν και υπερφασματικοί δέκτες οι οποίοι συλλέγουν δεδομένα ανάκλασης μίας μεγάλης περιοχής φάσματος σε μικρότερα φασματικά διαστήματα (ανά 10 nm) και προσφέρουν την δυνατότητα ανίχνευσης ακριβέστερης πληροφορίας σε μεγάλες χωρικές εκτάσεις.

[[Αρχείο:Καινοτομιες.jpg]]
Εικόνα 3:Καινοτομίες για την μέτρηση και ανίχνευση χαρακτηριστικών των φυτών

Η ταχεία πρόοδος στην τεχνολογία της τηλεπισκόπησης για τη γεωργία ακριβείας σημειώθηκε τα τελευταία 25 χρόνια. Οι δορυφορικές εικόνες έχουν βελτιωθεί σε χωρική ανάλυση και συχνότητα λήψης. Οι υπερφασματικές εικόνες έχουν την δυνατότητα να διακρίνουν πολλαπλά χαρακτηριστικά των φυτών. Οι επίγειες παρατηρήσεις έχουν αναπτυχθεί επίσης για την εκτίμηση περαιτέρω χαρακτηριστικών όπως οι θρεπτικές ουσίες, οι ασθένειες κ.α. Επίσης υπάρχουν πολλά διαθέσιμα αρχεία δεδομένων πολλών ετών. Με γνώμονα τα παραπάνω, οι νέες προκλήσεις για την αξιοποίηση της τηλεπισκόπης στην γεωργία ακριβείας είναι οι εξής:

- Συνέχιση της ανάπτυξης φασματικών μεθόδων ανάλυσης χημικών στοιχείων του εδάφους.
- Ανάπτυξη αισθητήρων για άμεση εκτίμηση έλλειψης θρεπτικών συστατικών.
- Ανάπτυξη δεικτών ταυτόχρονης εκτίμησης πολλαπλών χαρακτηριστικών.
- Ενσωμάτωση ιστορικών αρχείων δορυφορικών εικόνων σε πραγματικού χρόνου διαδικασίες ανίχνευσης δεδομένων.

25 χρόνια στη γεωργία ακριβείας

2014-03-24T18:40:18Z

Kostas blanas: Νέα σελίδα με 'Συγγραφέας '''David J Mulla''' Dept. Soil, Water and Climate, University of Minnesota, USA '''Πηγή''' Science_direct Pu...'

Συγγραφέας 
'''David J Mulla''' 
Dept. Soil, Water and Climate, University of Minnesota, USA 

'''Πηγή''' 

Science_direct 

Published by Elsevier 

[[category:Γεωργία]]

Τίτλος: Twenty five years of remote sensing in precision agriculture:
Key advances and remaining knowledge gaps

H παραπάνω εργασία δημοσιεύτηκε τον Σεπτέμβριο του 2012 από την εταιρία Elsevier και ανασύρθηκε από τον ιστότοπο http://www.sciencedirect.com. Στην δημοσίευση αυτή, παρουσιάζεται συνοπτικά η εξέλιξη των τηλεπισκοπικών εργαλειών στον τομέα της γεωργίας ακριβείας. Η γεωργία ακριβείας είναι η νέα αντίληψη για τη γεωργία και ταυτοχρόνως η νέα μέθοδος γεωργικής πρακτικής, η οποία χρησιμοποιεί πληροφορίες προσδιορισμένες ως προς το χώρο και το χρόνο, προκειμένου να μεγιστοποιήσει την αποδοτικότητα και να ελαχιστοποιήσει τις περιβαλλοντικές επιπτώσεις. Αρχικά, γίνεται μία συνοπτική παρουσίαση στις εφαρμογές τηλεπισκόπησης στη γεωργία με βάση την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας με το έδαφος και τα φυτικά υλικά, στην συνέχεια παρουσιάζονται οι καινοτομίες στην τηλεπισκόπιση τα τελευταία 20 χρόνια που αφορούν την γεωργία και τέλος γίνεται αναφορά στα κενά γνώσης που υπάρχουν σήμερα.
Τυπικά, η τηλεπισκόπηση περιλαμβάνει τη μέτρηση από ανακλώμενη ακτινοβολία. Οι πλατφόρμες για την πραγματοποίηση των μετρήσεων περιλαμβάνουν δορυφόρους, αεροπλάνα και μετρήσεις που γίνονται με γεωργικά μηχανήματα ή αισθητήρες χειρός. Οι εφαρμογές της τηλεπισκόπισης στην γεωργία έχουν επικεντρωθεί σε ένα ευρύ φάσμα παρατηρήσεων. Κάποιες από αυτές περιλαμβάνουν την απόδοσή τους σε θρεπτικά συστατικά, τις προσβολές από ασθένειες και τις ιδιότητες του εδάφους (οργανική ύλη, περιεκτικότητα σε υγρασία, αλατότητα). Το ποσό ακτινοβολίας που απορροφάται από χρωστικές ουσίες των φυτών ποικίλει ανάλογα με το μήκος κύμματος (πχ η χλωροφύλλη απορροφά έντονα την ακτινοβολία στο ορατό φάσμα, 400-700 nm). Αντίθετα, το φυτό έχει υψηλή ανακλαστικότητα στο εγγύς υπέρυθρο (700-1300nm). Αυτή η έντονη αντίθεση στην ανακλαστικότητα μεταξύ τμημάτων του φάσματος έχει οδηγήσει στην ανάπτυξη φασματικών δεικτών που αναδικνύουν κάποια συγκεκριμμένα χαρακτηριστικά. Ο πιο διαδεδομένος δείκτης βλάστησης είναι ο NDVI αλλά υπάρχουν αρκετοί δείκτες ακόμα, που χρησιμοποιούνται για την ανάδειξη διαφορετικών χαρακτηριστικών του εδάφους που βοηθούν στην γεωργία ακριβείας.

[ [ Εικόνα: Φασματικοί_δείκτες_στη_γεωργία_ακριβείας.jpg | thumb | right | Φασματικοί_δείκτες_στη_γεωργία_ακριβείας, πηγή:science_direct ] ]

[ [ Εικόνα: Diafores.jpg | thumb | right | Διαφορές μεταξύ δείκτη NDVI (βλάστηση) και SR8 (περιεκτικότητα αζώτου) σε καλλιέργειες πατάτας, πηγή:science_direct ] ]

Τα θεμέλια για την αξιοποίηση της τηλεπισκόπησης στην γεωργία τα έχτισε ο Schepers το 1972 ο οποίος μέτρησε τα χαρακτηριστικά του εδάφους του καλαμποκιού με τον μετρητή SPAD (soil plant analysis development) ο οποίος χρησιμοποιήθηκε για την εκτίμηση της περιεκτικότητας του αζώτου σε αυτές. Το SPAD meter αντικαταστάθηκε στην συνέχεια με ραδιόμετρα για την εκτίμηση χωρικών προτύπων σε αρδευόμενες περιοχές, με βάση συγκρίσεις με καλές γονιμοποιημένες εκτάσεις. Το 1996 ο Stone μέτρησε την ανακλαστικότητα στην κόκκινη και υπέρυθρη μπάντα στο σιτάρι με έναν αισθητήρα τοποθετημένο σε ένα κινητό τρακτέρ κοπής γκαζόν. Έτσι εκτιμήθηκε ένας νέος δείκτης περιεκτικότητας αζώτου των φυτών (PNSI). Ακολουθώντας την ίδια διαδικασία εκτιμήθηκαν και νέοι δείκτες, ενώ χρησιμοποιήθηκαν και υπερφασματικοί δέκτες οι οποίοι συλλέγουν δεδομένα ανάκλασης μίας μεγάλης περιοχής φάσματος σε μικρότερα φασματικά διαστήματα (ανά 10 nm) και προσφέρουν την δυνατότητα ανίχνευσης ακριβέστερης πληροφορίας σε μεγάλες χωρικές εκτάσεις.

[ [ Εικόνα: Καινοτομιες.jpg | thumb | right | Καινοτομίες για την μέτρηση και ανίχνευση χαρακτηριστικών των φυτών, πηγή:science_direct ] ]

Η ταχεία πρόοδος στην τεχνολογία της τηλεπισκόπησης για τη γεωργία ακριβείας σημειώθηκε τα τελευταία 25 χρόνια. Οι δορυφορικές εικόνες έχουν βελτιωθεί σε χωρική ανάλυση και συχνότητα λήψης. Οι υπερφασματικές εικόνες έχουν την δυνατότητα να διακρίνουν πολλαπλά χαρακτηριστικά των φυτών. Οι επίγειες παρατηρήσεις έχουν αναπτυχθεί επίσης για την εκτίμηση περαιτέρω χαρακτηριστικών όπως οι θρεπτικές ουσίες, οι ασθένειες κ.α. Επίσης υπάρχουν πολλά διαθέσιμα αρχεία δεδομένων πολλών ετών. Με γνώμονα τα παραπάνω, οι νέες προκλήσεις για την αξιοποίηση της τηλεπισκόπης στην γεωργία ακριβείας είναι οι εξής:

- Συνέχιση της ανάπτυξης φασματικών μεθόδων ανάλυσης χημικών στοιχείων του εδάφους.
- Ανάπτυξη αισθητήρων για άμεση εκτίμηση έλλειψης θρεπτικών συστατικών.
- Ανάπτυξη δεικτών ταυτόχρονης εκτίμησης πολλαπλών χαρακτηριστικών.
- Ενσωμάτωση ιστορικών αρχείων δορυφορικών εικόνων σε πραγματικού χρόνου διαδικασίες ανίχνευσης δεδομένων.

Αρχείο:Καινοτομιες.jpg

2014-03-24T18:33:33Z

Kostas blanas: Καινοτομίες για την μέτρηση και ανίχνευση χαρακτηριστικών των φυτών

Καινοτομίες για την μέτρηση και ανίχνευση χαρακτηριστικών των φυτών

Αρχείο:Diafores.jpg

2014-03-24T18:31:28Z

Kostas blanas: Διαφορές μεταξύ δείκτη NDVI (βλάστηση) και SR8 (περιεκτικότητα αζώτου) σε καλλιέργειες πατάτας

Διαφορές μεταξύ δείκτη NDVI (βλάστηση) και SR8 (περιεκτικότητα αζώτου) σε καλλιέργειες πατάτας

Αρχείο:Φασματικοί δείκτες στη γεωργία ακριβείας.jpg

2014-03-24T18:27:24Z

Kostas blanas: Φασματικοί_δείκτες_στη_γεωργία_ακριβείας

Φασματικοί_δείκτες_στη_γεωργία_ακριβείας