Vol. 2 No. 2 (2011): Φυσικός και Ανθρωπογενής χώρος
Articles

Συνδυασμός δορυφορικών εικόνων IKONOS υψηλής χωρικής ανάλυσης και ΓΣΠ στην εκτίμηση του αριθμού των δένδρων του παραποτάμιου δάσους της λίμνης Κερκίνης

PDF
  • Τσολακίδης Ιωάννης,
  • Δαβής Μιχάλης,
  • Κατσέλας Νικόλαος
Categories

Published 2025-09-18

Keywords

  • Δασικό οικοσύστημα,
  • IKONOS,
  • ταξινόμηση,
  • χωρική ανάλυση

Copyright (c) 2011 Τσολακίδης Ιωάννης, Δαβής Μιχάλης, Κατσέλας Νικόλαος

Creative Commons License

This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.

How to Cite

Τσολακίδης Ιωάννης, Δαβής Μιχάλης, & Κατσέλας Νικόλαος. (2025). Συνδυασμός δορυφορικών εικόνων IKONOS υψηλής χωρικής ανάλυσης και ΓΣΠ στην εκτίμηση του αριθμού των δένδρων του παραποτάμιου δάσους της λίμνης Κερκίνης. CHORO-grafies, 2(2), 55-61. https://doi.org/10.5281/1034mh72

Abstract

Η χρήση δορυφόρων υψηλής χωρικής και φασματικής ανάλυσης, όπως ο IKONOS, στη διαχείριση δασικών οικοσυστημάτων, γίνεται όλο και εντονότερη τα τελευταία χρόνια. Ο λόγος οφείλεται στο εύρος πληροφοριών που προκύπτουν μέσα από την αλγοριθμική επεξεργασία των υψηλής ανάλυσης δορυφορικών εικόνων. Στην παρούσα εργασία διερευνάται η συμβολή των εικόνων του δορυφόρου IKONOS στη μελέτη διαχείρισης του παραποτάμιου δάσους της λίμνης Κερκίνης. Αρχικά στα πλαίσια της εργασίας επιχειρείται μια προσπάθεια εκτίμησης του αριθμού των κορμών των δένδρων, με τη χρήση της σκιάς τους και εργαλείων όπως τον αλγόριθμο μη-επιβλεπόμενης ταξινόμησης ISODATΑ, της επιβλεπόμενης ταξινόμησης της μεγίστης πιθανοφάνειας (maximum likelihood), καθώς και εργαλείων χωρικής ανάλυσης. Στη συνέχεια ακολουθεί η επαλήθευση των αποτελεσμάτων βάση αεροφωτογραφιών της περιοχής και επίγειων σημείων ελέγχου.

PDF

Downloads

Download data is not yet available.

References

  1. Bussios, N., Tsolakidis, Y., Tsakiri-Strati, M., Georgoula, O., “Integrated Hight Resolution Satellite Image, GPS and Cartographic Data in Urban Studies. Municipality of Thessaloniki”, ISPRS Youth Forum, Istabul, June 2004, pp. 215-220.
  2. Chan, J. C., K. Chan, and A.G. Yeh, ”Detecting the Nature of Change in an Urban Environment: A comparison of Machine Learning Algorithms”, Photogrammetric Engineering and Remote Sensing, 67(2) pp. 213-225.
  3. ERDAS, Inc. 2010. ERDAS Field Guide http://www.erdas.com/Resources/ERDASFieldGuide.aspx, Accessed April 1, 2011.
  4. Greenberga, A. J., Dobrowskib, Z. S., Ustinb, L. S., “Shadow Allometry: Estimating Tree Structural Parameters Using Hyperspatial Image Analysis”, Remote Sensing of Environment, 2005 (97) pp. 15 – 25.
  5. Lennartz, P. S., Congalton, G.R., “Classifying and Mapping Forest Cover Types Using Ikonos Imagery in the Northeastern United States”, ASPRS Annual Conference Proceedings, Denver, Colorado, May 2004.
  6. Carle, M.V., Sasser, C., Wang, L., and Twilley, R., “ Mapping Deltaic Wetland Vegetation at the Species-Level Using WorldView-2 Multispectral Imagery”, Louisiana State University, Baton Rouge, LA.
  7. Ruiliang, P., “Mapping Forest Tree Species Using IKONOS Imagery: Preliminary Results”, Environmental Monitoring Assess, 2011, 172 pp. 199-214.
  8. Soudani, K., François, C., Guerric le, M., Dantec, L.V., Dufrêne, E.,”Comparative analysis of IKONOS, SPOT, and ETM+ Data for Leaf Area Index Estimation in Temperate Coniferous and Deciduous Forest Stands”, Remote Sensing of Environment, 102 (2006) pp. 161–175
  9. Wang, F., “Fuzzy Supervised Classification of Remotely Sensing Imagers” Geoscience and Remote Sensing, IEEE Transactions on, 1990, pp. 194-201
  10. Zhang, J. and G. M. Foody, “A Fuzzy Classification of SubUrban Land Cover From Remotely Sensed Imagery”, International Journal of Remote Sensing, 1998, 19 pp. 2721-2738.