Συμβολή της τηλεπισκόπησης στην εκτίμηση της εδαφικής υγρασίαςΣυμβολή της τηλεπισκόπησης στην εκτίμηση της εδαφικής υγρασίας Διπλωματική Εργασία Diploma Work 2015-10-152015elΣτην παρούσα διπλωματική εργασία έγινε προσπάθεια ανάλυσης και ερμηνείας των μετρήσεων του προσφάτως εκτοξευμένου δορυφόρου Sentinel 1 τεχνολογίας Radar και ανάδειξη των δυνατοτήτων που προσφέρει στην εκτίμηση της υγρασίας του εδάφους. Η ανάλυση έλαβε χώρα μέσω της παλινδρόμησης επίγειων μετρήσεων πεδίου και των αντίστοιχων δορυφορικών δεδομένων με την εφαρμογή κλασσικών μεθόδων στατιστικής παλινδρόμησης (απλή και πολλαπλή γραμμική παλινδρόμηση) αλλά και με την χρήση νευρωνικών δικτύων προσαρμογής συνάρτησης. Για την εκτενέστερη ανάλυση των δεδομένων συνδυάστηκαν επίσης δεδομένα του δορυφόρου Landsat 8 που ανήκει στην κατηγορία της παθητικής Τηλεπισκόπησης. Με τη χρήση των δεδομένων του Landsat 8 δημιουργήθηκαν χάρτες δεικτών βλάστησης για την περιοχή μελέτης, οι τιμές των οποίων εντάχθηκαν στα δεδομένα παλινδρόμησης για την βελτίωση των αποτελεσμάτων. Μεγάλο κομμάτι της εργασίας αποτελεί η προεπεξεργασία των δορυφορικών δεδομένων τόσο του Sentinel 1, όσο και του Landsat 8. Η προεπεξεργασία είναι απαραίτητη και συνίσταται στην διενέργεια απαραίτητων γεωμετρικών, ατμοσφαιρικών και ραδιομετρικών διορθώσεων έτσι ώστε οι εικόνες να καθίστανται κατάλληλες για την λήψη των τιμών των εικονοστοιχείων που θα χρησιμοποιηθούν στην παλινδρόμηση. Η ευρύτερη περιοχή μελέτης βρίσκεται εντός του νομού Χανιών και αποτελείται από 4 επιμέρους σημεία στα οποία τοποθετήθηκαν ψηφιακοί αισθητήρες μέτρησης της εδαφικής υγρασίας. Η θέση των σημείων καταγράφηκε με την χρήση GPS για λόγους ακρίβειας κατά την συσχέτισή τους με τα δορυφορικά δεδομένα. Οι μετρήσεις λαμβάνονταν σε σταθερή βάση καταγράφοντας την εδαφική υγρασία σε χρονοσειρές με την βοήθεια καταγραφικών συστημάτων σε κάθε σημείο. Τέλος, έγινε προσπάθεια ερμηνείας των αποτελεσμάτων και διερευνήθηκαν οι λόγοι για τους οποίους παρουσιάζεται μέτρια συσχέτιση των δορυφορικών δεδομένων με τις επίγειες μετρήσεις. Παράλληλα προτάθηκαν τρόποι και ιδέες για περαιτέρω μελέτη του αντικειμένου και την εύρεση του βέλτιστου τρόπου συσχέτισης για την ασφαλή και έγκυρη εκτίμηση της εδαφικής υγρασία με τη χρήση της δορυφορικής Τηλεπισκόπησης.Soil moisture is a key variable to environments natural cycle, farming, soil quality and, as well, it is related to climate change and meteorological phenomena. Though, the majority of the datasets acquired and available to the scientific community depend on ground measurements which are expensive and time consuming. As a result, soil moisture time series datasets have a low spatial and temporal resolution making it difficult to actualize extensive environmental researches and studies. Remote sensing has the potential to overcome the limits of ground measurement and to contribute to the almost real time and accurate soil moisture content satellite measurements. There is a plethora of studies on passive remote sensing that accomplishes accurate soil moisture content measurements at global scale, but when it comes to microwave active remote sensing there is a need for further research and optimization. In this pre-graduate thesis it is held an effort to relate ground measurements of soil moisture content in the area of Chania to satellite backscatter measurement of the active remote sensing Sentinel 1 mission. This was accomplished using classical single and multiple linear regression methods and nonlinear function fitting neural networks. Moreover in the methods described above it was integrated an vegetation index (NDVI) produced by the images of the passive remote sensing Landsat 8 satellite, as it is known that vegetation is one of the major factors that interpolate the microwave signal, when it comes to soil moisture content measurements. Once the regression was completed and the neural network was trained a validation followed, utilizing measurements that where not integrated in the methods in the first place. Last, the conclusions were discussed and future outlook was given.Διπλωματική εργασίαhttp://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών ΠεριβάλλοντοςMexis_Filippos-Dimitrios_Dip_2015.pdfChania [Greece]Library of TUC2015-10-15application/pdf6.2 MBfree Mexis Filippos-Dimitrios Μεξης Φιλιππος-Δημητριος Tsanis Giannis Τσανης Γιαννης Alexakis Dimitrios Αλεξακης Δημητριος Karatzas Giorgos Καρατζας Γιωργος Πολυτεχνείο Κρήτης Technical University of Crete Earth (Planet)--Remote sensing earth sciences remote sensing earth planet remote sensing Remote-sensing imagery Remote sensing systems Remote terrain sensing Sensing, Remote Terrain sensing, Remote remote sensing remote sensing imagery remote sensing systems remote terrain sensing sensing remote terrain sensing remote Images, Remote-sensing Multispectral scanning images Satellite images Side-looking airborne radar images SLAR (Side-looking airborne radar) remote sensing images images remote sensing multispectral scanning images satellite images side looking airborne radar images slar side looking airborne radar Satelite products pre-processing Potential, Soil moisture soil moisture potential potential soil moisture