Εκτίμηση πυκνότητας της διαθέσιμης βιομάζας αξιοποιώντας την τηλεπισκόπηση με χρήση μηχανικής μάθησης
Estimating the density of available biomass using remote sensing with machine learning
![Thumbnail](/xmlui/bitstream/handle/11400/7351/Ntontis_2003.pdf.jpg?sequence=4&isAllowed=y)
Μεταπτυχιακή διπλωματική εργασία
Author
Ντόντης, Παντελεήμων
Date
2024-07-30Advisor
Οικονόμου, ΕμμανουήλKeywords
Βιομάζα ; Τηλεπισκόπηση ; Εκτίμηση πυκνότητας ; Σύντηξη δεδομένων ; Κατηγοροποίηση ; Ανανεώσιμες πηγές ; Καλλιέργειες ; Δείκτες βλάστησης ; Μηχανική μάθηση ; Ανάλυση δεδομένων ; Δορυφορικές εικόνες ; Χαρτογράφηση ; Αγροτική τεχνολογίαAbstract
Η παρούσα διπλωματική εργασία εστιάζει στην μελέτη της διαθέσιμης βιομάζας σε αγροτικές καλλιέργειες, με έμφαση στις καλλιέργειες καλαμποκιού, βαμβακιού, κριθαριού και σιτηρών, χρησιμοποιώντας δορυφορικά δεδομένα και τεχνικές Τηλεπισκόπησης. Η μελέτη πραγματοποιήθηκε στη περιοχή της Καρδίτσας λόγω έλλειψη άλλων ανανεώσιμων πηγών ενέργειας και λόγω του μεγέθους των διαθέσιμων αγροτικών εκτάσεων.
Η μελέτη εξετάζει την διαθεσιμότητα βιομάζας για την περίοδο από το 2018 έως το 2022 με απομακρυσμένη καταγραφή- κατηγοριοποίηση των καλλιεργειών με μεθόδους δειγματοληψίας. Χρησιμοποιήθηκαν δεδομένα από τον δορυφόρο Sentinel-2A, με ανάλυση 10mx 10m, για να υπολογιστούν οι εκτάσεις των καλλιεργειών με βάση τα φασματικά τους προφίλ.
Οι τεχνικές που προσφέρει η Τηλεπισκόπηση μας επέτρεψε να προσαρμόσουμε τα δεδομένα μας στις κατάλληλες συνθήκες χωρικής ανάλυσης για να πραγματοποιηθεί η εφαρμογή του υπολογισμού της διαθέσιμης βιομάζας, όπως η σύντηξη δεδομένων και η απομόνωση της περιοχής μελέτης. Η κατηγοριοποίηση των καλλιεργειών έγινε με βάση τα φασματικά προφίλ και τις πανοραμικές εικόνες, ενώ η εφαρμογή μάσκας για την απομόνωση της μελετώμενης περιοχής και η αφαίρεση των υδάτινων επιφανειών συνέβαλαν στην ακρίβεια των αποτελεσμάτων.
Εφαρμόστηκε υπολογισμός φασματικών δεικτών βλάστησης, υγρασίας και άλλοι που κρίθηκαν απαραίτητοι προς εξέταση για την συγκριτική προσέγγιση των αποτελεσμάτων κατηγοριοποίησης και αποδίδοντας την τάση της υγείας των καλλιεργειών στην πάροδο των ετών. Οι δείκτες βλάστησης επιβεβαίωσαν τα στατιστικά ποσοστά, παρουσιάζοντας ανάλογη μείωση της βλάστησης στις περιοχές των καλλιεργειών.
Επιπλέον σημαντικές κρίθηκαν οι τιμές του Κανονικοποιημένου Δείκτη Διαφοράς Υγρασίας NDMI (Normalized Difference Moisture Index) σε σχέση με τους χάρτες κατηγοριοποίησης καλλιεργειών, ώστε να εξαχθούν τα ποσοστά υγρασίας για κάθε καλλιέργεια σε ετήσια βάση τα οποία χρησιμοποιήθηκαν για τον υπολογισμό της καθαρής βιομάζας ανά στρέμμα.
Τα αποτελέσματα αυτών των υπολογισμών εφαρμόστηκαν στα δεδομένα κατηγοριοποίησης ανά έτος, με στόχο την εκτίμηση της διαθέσιμης βιομάζας σε βάθος πενταετίας.
Abstract
This thesis focuses on the study of available biomass in agricultural crops, with emphasis on corn, cotton, barley and cereal crops, using satellite data and remote sensing techniques. The study was carried out in the region of Karditsa due to the lack of other renewable energy sources and due to the size of the available agricultural land.
The study examines the availability of biomass for the period from 2018 to 2022 by remote sensing - categorization of crops using sampling methods. Data from the Sentinel-2A satellite, with 10mx 10m resolution, were used to calculate crop areas based on their spectral profiles.
The techniques offered by remote sensing allowed us to adapt our data to the appropriate spatial resolution conditions to carry out the application of the available biomass calculation, such as data fusion and isolation of the study area. Crop categorization was based on spectral profiles and panoramic images, while the application of masks to isolate the study area and the removal of water surfaces contributed to the accuracy of the results.
A calculation of spectral indices of germination, moisture and others considered necessary for the comparative approach of the categorization results and attributing the trend of crop health over the years was applied. The vegetation indicators confirmed the statistical percentages, showing a proportional decrease in vegetation in the crop areas.
In addition, the Normalized Difference Moisture Index (NDMI) values were considered important in relation to the crop categorization maps to derive the moisture percentages for each crop on an annual basis which were used to calculate net biomass per acre.
The results of these calculations were applied to the categorisation data by year, with the aim of estimating the available biomass over a five-year period.