Το αγροτικό περιβάλλον αποτελεί ένα σημαντικό κομμάτι για την εξέλιξη του ανθρώπου, το οποίο χρήζει παρακολούθησης μέσα από καινοτόμα μέσα και τεχνολογίες, όπως είναι η Τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Συστήματα Πληροφοριών.
Η παρούσα εργασία πραγματεύεται την ταξινόμηση των καλλιεργειών της καλλιεργητικής περιόδου 2010-2011 συγκεκριμένης περιοχής του Νομού Κιλκίς, με χρήση Δορυφορικής Εικόνας Landsat 5 TM, την εξαγωγή στατιστικών στοιχείων από διανυσματικά δεδομένα στα οποία βασίστηκε η ταξινόμηση αυτή και σύγκριση τους με τα στατιστικά στοιχεία που προέκυψαν από τα μεταδεδομένα της ταξινόμησης.
Στα διανυσματικά πρωτογενή δεδομένα κατόπιν επεξεργασίας τους για την αφαίρεση των διπλών εγγραφών, πραγματοποιήθηκε η εφαρμογή δύο κριτηρίων καταλληλότητας, αυτό της ελάχιστης έκτασης και της συχνότητας εμφάνισης. Η δορυφορική εικόνα, αφού πραγματοποιήθηκε η ένωση των έξι φασματικών ζωνών, περιορίστηκε στα όρια της περιοχής μελέτης. Συνδυάζοντας την Τηλεπισκόπηση με τα Γεωγραφικά Συστήματα Πληροφοριών, πραγματοποιήθηκε η λήψη των φασματικών υπογραφών και ολοκληρώθηκε η ταξινόμηση χρησιμοποιώντας τον αλγόριθμο της μέγιστης πιθανοφάνειας. Επίσης πραγματοποιήθηκε η εξαγωγή στατιστικών στοιχείων, με βάση την έκταση που καταλαμβάνει κάθε καλλιέργεια ανά δημοτικό διαμέρισμα και στο σύνολο της περιοχής μελέτης από τα ψηφιδωτά και τα διανυσματικά δεδομένα.
Η εκτίμηση της ακρίβειας της ταξινόμησης έφτασε στο 64%. Οι παράγοντες που επηρέασαν το παραπάνω αποτέλεσμα ήταν το μεγάλο μέγεθος των εικονοστοιχείων σε σχέση με τα μικρά αγροτεμάχια, η αδυναμία ελέγχου των διανυσματικών δεδομένων μέσω της αυτοψίας κ.α. Επίσης υπάρχουν αποκλίσεις στη σύγκριση των στατιστικών διαγραμμάτων που δημιουργήθηκαν από τα ψηφιδωτά και τα διανυσματικά δεδομένα.
The agricurtural environment is an important part of human evolution, which requires monitoring through innovative tools and technologies such as remote sensing combined with GIS.
This paper deals with the classification of crops of a particular region of Kilkis, from growing season 2010-2011, using satellite image Landsat 5 TM, then export statistics from vector data which this classification was based and compare them to the statistics obtained from the metadata classification.
There was a pre-process stage for both, vector and raster data. After removing duplicate records from primary vector data, there was conducted an implementation of two eligibility criteria that of the minimum extent and that of occurrence frequency. Six layers of the satellite image were stacked. After that the stacked image was limited to the boundaries of the study area. Combining Remote Sensing and GIS, spectral signatures were obtained and the classification was completed, using the maximum likelihood method. Also, statistics were created, based on the area occupied by each crop per district and throughout the study area by the raster and vector data.
The accuracy assessment reached 64%. The factors that affected the above result was the spatial resolution of the image combined with the small parcels, the inability to check the vector data through autopsy etc. Major differences also appear by comparing the statistical diagrams created by the raster and vector data.