Ταξινόμηση τύπων εδαφοκάλυψης διαχρονικών πολυφασματικών εικόνων Sentinel με τη μέθοδο SVM

Abstract

Τα υλικά τα οποία καλύπτουν την επιφάνεια της γης, από της απαρχές της ανθρώπινης ύπαρξης είχαν καθοριστικό ρόλο για την επιβίωση του ίδιου του ανθρώπου, την ανάπτυξη της κοινωνίας και την άνθιση των πολιτισμών. Η κάλυψη των διαφόρων υλικών ορίζεται από την επιστημονική κοινότητα ως εδαφοκάλυψη και οι κατηγορίες ή οι τύποι εδαφοκάλυψης έχουν οριστεί και αποτελούν ένα κοινό σύστημα ταξινόμησης των τύπων εδαφοκάλυψης των διάφορων περιοχών ανά τον κόσμο. Όσον αφορά την ανάλυση των δορυφορικών εικόνων, θα μπορούσε να χαρακτηριστεί ως υψίστης σημασίας καθώς μας επιτρέπει την άντληση πολλών πληροφοριών. Στην τηλεπισκόπηση, έναν κλάδο που εφαρμόζεται σε τομείς όπως η γεωργία, η δασοπονία, η παρακολούθηση του οικιστικού ιστού, η ρομποτική πλοήγηση και πολλά άλλα, έχει καίριο ρόλο. Ακόμα η εξέλιξη της τεχνολογίας μας επιτρέπει πλέον να έχουμε εικόνες υψηλής χωρικής, χρονικής, ραδιομετρικής και φασματικής ικανότητας, που μας βοηθούν στην παραγωγή υψηλής ποιότητας δεδομένων. Στην παρούσα πτυχιακή εργασία πραγματοποιείται ταξινόμηση των τύπων εδαφοκάλυψης της νήσου Λέσβου με την χρήση μηχανών διανυσματικής υποστήριξης. Η ταξινόμηση θα γίνει με βάση την ανάλυση πολυφασματικών διαχρονικών δορυφορικών εικόνων Sentinel – 2 . Η ταξινόμηση έγινε χρήση της μεθόδου SVM και πραγματοποιείται σε διαχρονικές εικόνες για τον καλύτερο διαχωρισμό των ειδών βλάστησης, καθώς υπάρχουν φαινολογικές μεταβολές μεταξύ των εποχών οι οποίες έχουν ως αποτέλεσμα τις διαφορετικές τιμές ανακλαστικότητας ανά εικόνα για τον ίδιο στόχο. Οι εικόνες αφορούν την εποχή της άνοιξης, του καλοκαιριού και του φθινοπώρου του έτους 2018. Ακόμα, με την βοήθεια υπάρχοντος χάρτη τύπων εδαφοκάλυψης της Λέσβου, έγινε επιλογή των δεδομένων εκπαίδευσης για 13 διαφορετικούς τύπους εδαφοκάλυψης. Τέλος, ο διαχωρισμός των εκπαιδευτικών πεδίων σε πεδία εκπαίδευσης και πεδία επαλήθευσης ήταν τυχαίος για την εκπαίδευση του μοντέλου. Ένα από τα βασικά αποτελέσματα της εκπαίδευσης είναι ο πίνακας ενδεχομένων (Confusion matrix) των δεδομένων εκπαίδευσης, ο οποίος και παρουσιάζεται. Σύμφωνα με τα αποτελέσματα η συνολική ακρίβεια της ταξινόμησης είναι 91,8% και συντελεστής kappa 0,9047.