Τηλεπισκόπηση και Μηχανική Μάθηση
Μαθησιακά αποτελάσματα μαθήματος
Μετά το τέλος του μαθήματος οι σπουδαστές θα έχουν κατανοήσει τα εξής:
- Βασικές έννοιες της Ηλεκτρο-Μαγνητικής ακτινοβολίας και των μηχανισμών αλληλοεπίδρασης της με την ύλη και την διάδοση της μέσω της ατμόσφαιρας
- Περιγραφή και ανάλυση ψηφιακών δεδομένων Τηλεπισκόπησης: πολύ- και υπερ-φασματικά δεδομένα και εικόνες ραντάρ
- Είδη δορυφορικών συστημάτων και προγραμμάτων παρακολούθησης της Γης
- Διαδικασίες αναγνώρισης, προ-επεξεργασίας και βελτίωσης-διόρθωσης ψηφιακών εικόνων: ραδιομετρική και ατμοσφαιρική διόρθωση
- Είδη και τεχνικές Ταξινόμησης δορυφορικών εικόνων
- Περιγραφή αλγορίθμων μηχανικής μάθησης στην Τηλεπισκόπηση
- Εφαρμογές μηχανικής μάθησης στην Τηλεπισκόπηση: Παρακολούθηση αλλαγών αστικού και αγροτικού περιβάλλοντος, Χρήσεις γης, Γεωργία, Γεωμορφολογία, Έργα υποδομών και παρακολούθηση καταστροφών
- Παρουσίαση εξειδικευμένου λογισμικού ανάλυσης δορυφορικών εικόνων
Περίεχόμενο μαθήματος
Βασικές αρχές της Ηλεκτρο/Μαγνητικής (Η/Μ) ακτινοβολίας (νόμοι, αλληλεπιδράσεις της Η/Μ ακτινοβολίας με την ατμόσφαιρα και την επιφάνεια της Γης, φασματικές υπογραφές). Επεξεργασία δορυφορικών εικόνων (Γεωμετρικές παραμορφώσεις, γεω-αναφορά, ατμοσφαιρική και ραδιομετρική διόρθωση). Φίλτρα και δείκτες. Παρουσίαση και περιγραφή ψηφιακών δεδομένων τηλεπισκόπησης (πολύ- και υπερ-φασματικοί αισθητήρες, ορατό/υπέρυθρο, θερμικό υπέρυθρο, Ραντάρ, Lidar). Κίνηση/γεωμετρία δορυφορικών συστημάτων διαστημικών προγραμμάτων παρακολούθησης της Γης (Landsat, Worldview, Sentinel, πρόγραμμα Copernicus). Ταξινόμηση δορυφορικών εικόνων (μη επιβλεπόμενη, επιβλεπόμενη, αντικειμενοστραφής). Μηχανική μάθηση και Τηλεπισκόπηση: εξέλιξη, εφαρμογές και μελλοντικές προοπτικές. Παραδείγματα εφαρμογών Μηχανικής Μάθησης και Τηλεπισκόπησης: Παρακολούθηση αλλαγών αστικού και αγροτικού περιβάλλοντος, Χρήσεις γης, Γεωργία, Γεωμορφολογία, Παράκτιο περιβάλλον, Έργα υποδομών και παρακολούθηση καταστροφών.
Παρουσίαση χρήσης εξειδικευμένου λογισμικού Τηλεπισκόπησης (ENVI & SNAP). Ανάγνωση και περιγραφή πολύ- και υπερ-φασματικών δεδομένων. Ιστόγραμμα, γεωμετρική, ραδιομετρική και ατμοσφαιρική διόρθωση. Μέθοδοι βελτίωσης και είδη ταξινόμησης εικόνας.
Συνιστώμενη βιβλιογραφία
Ελληνική / Greek:
- Σκιάνης Αιμ. Γ., Νικολακόπουλος Γ. Κ., Βαϊόπουλος Α. Δ. 2012. «Τηλεπισκόπηση» Εκδόσεις ΙΩΝ 336σελ.
- Καρτάλης Κ., Χ., 2007, Φειδάς, «Αρχές & Εφαρμογές Δορυφορικής Τηλεπισκόπισης», Β. Γκιούρδας Εκδοτική, Αθήνα.
- Μερτίκας Σ.Π., 2006, «Τηλεπισκόπιση και Ψηφιακή ανάλυση εικόνας», Εκδόσεις ΙΩΝ
- Μηλιαρέσης, Γ. Χ., 2003, Φωτοερμηνεία– Τηλεπισκόπηση, Εκδόσεις Ίων, Αθήνα.
Ξενόγλωσση / English:
- Campbell J.B., 2006. Introduction to Remote Sensing, The Guilford Press, New York.
- Cracknell A.P., L. Hayes, 2007. Introduction to Remote Sensing, CRC Press.
- Aaron E. Maxwell, Timothy A. Warner & Fang Fang(2018)Implementation of machine-learning classification in remote sensing: an applied review,International Journal of Remote Sensing,39:9,2784-2817,DOI: 1080/01431161.2018.1433343
- David J. Lary, Amir H. Alavi, Amir H. Gandomi, Annette L. Walker. 2016. Machine learning in geosciences and remote sensing. Geoscience Frontiers, Volume 7, Issue 1, Pages 3-10, https://doi.org/10.1016/j.gsf.2015.07.003