• Rural Digital Europe
• Other research productsclose
• 2022-2022close
• CY close
• Rural Digital Europe close

Initially, the author in the dissertation below refers to the field of Topography, which mainly processes the Earth. Topography deals with agriculture, archeology, plot separation, etc. Then, Remote Sensing is a part of Topography and helps with land uses. From the satellites that exist in space, satellite images are taken in very short intervals, in a large area, without human contact and currently present. Also, satellite data take various data on land use, such as the type of vegetation, the color of the vegetation, the burned area and what was burned in case of fire. Note that a satellite image contains errors and must first be processed by radiometric or geometric correction. In addition, from the spectral signatures that a corrected satellite image has for example, of a vegetation area, it can be understood from its levels and values, the areas are not healthy, dead or healthy vegetation. Today, there are several satellites in active state and with very good digital features. Finally, it is mentioned how with the help of Remote Sensing several iterations can be done to measure data Αρχικά, ο συγγραφέας στην πιο κάτω πτυχιακή αναφέρεται στον κλάδο της Τοπογραφίας, η οποία επεξεργάζεται κυρίως την Γη. Η Τοπογραφία ασχολείται με την γεωργία, την αρχαιολογία, την διαχώριση οικοπέδων κτλ. Έπειτα, η Τηλεπισκόπηση είναι ένα μέρος της Τοπογραφίας και βοήθα στις χρήσεις γης. Από τους δορυφόρους που υπάρχουν στο διάστημα, λαμβάνονται δορυφορικές εικόνες σε πολύ μικρά χρονικά διαστήματα, σε μεγάλη έκταση, χωρίς ανθρώπινη επαφή και επί παρόντος παρουσία. Επίσης, από τις δορυφορικές λήψης παίρνονται διάφορα δεδομένα για τις χρήσης της γης, όπως για παράδειγμα το είδος της βλάστησης, το χρώμα της βλάστησης, την καμένη έκταση και το τι κάηκε σε περίπτωση πυρκαγιάς. Να σημειωθεί, πως μια δορυφορική εικόνα περιέχει σφάλματα και πρέπει να επεξεργαστεί πρώτα με ραδιομετρική ή γεωμετρική διόρθωση. Επιπλέον, από τις φασματικές υπογραφές που έχει μια διορθωμένη δορυφορική εικόνα για παράδειγμα, μιας περιοχής βλάστησης, μπορεί να κατανοηθεί από τα επίπεδα της και τις τιμές της, τις περιοχές δεν είναι υγιές, νεκρή ή υγιές η βλάστηση. Σήμερα, υπάρχουν αρκετοί δορυφόροί σε ενεργή κατάσταση και με πολύ καλά ψηφιακά χαρακτηριστικά. Τέλος, αναφέρεται πώς με την βοήθεια της Τηλεπισκόπησης μπορούν να γίνουν αρκετές επανάληψής για την μέτρηση δεδομένων κ.α. Completed

The topic I chose for my dissertation is the Sentinel-2 satellite image classification for the disaster that occurred on 4/8/20 in the port of Beirut after an explosion. In the dissertation we used the SNAP program, and two Sentinel-2 satellite images. Through the thesis we could elaborate the steps on how to properly perform a supervised classification using the appropriate software. The classification is done to identify the categories of all terrestrial objects where they can consist of lakes, rivers, dams, sea, mountains, land, vegetation and urban areas. The initial classification process was done in the image before the disaster in the port of Beirut, in which the categories of objects were made as follows: soil, sea, vegetation and urban area. The Random Forest Classifier, Maximum Likelihood Classifier and Minimum Distance Classifier were then classified. Based on these results, the best classification was made based on the Random Forest Classifier. We then placed the classes in the second Sentinel 2 image after the disaster occurred and created the disaster class. Finally, we repeated the classification only in the category Random Forest Classifier for the second image which was the best classification before and the classification based on the disaster that has taken place in the port of Beirut came out. Το θέμα που επιλέχτηκε στην πτυχιακή εργασία είναι η ταξινόμηση δορυφορικής εικόνας Sentinel-2 για την καταστροφή που έγινε στις 4/8/20 στο λιμάνι της Βηρυτού μετά από έκρηξη. Στην πτυχιακή εργασία χρησιμοποιήσαμε το πρόγραμμα SNAP και δύο δορυφορικές εικόνες Sentinel-2. Αρχικά γίνεται σύγκριση με βάση της εικόνες που πάρθηκαν πριν και μετά την έκρηξη. Παράλληλα μπορούμε να εφαρμόσουμε τα βήματα επιβλεπόμενης ταξινόμησης χρησιμοποιώντας κατάλληλα λογισμικά. Η αρχική διαδικασία της ταξινόμησης έγινε στην εικόνα πριν την καταστροφή στο λιμάνι της Βηρυτού, στην οποία επιλέγηκαν ως κατηγορίες των αντικείμενων οι εξής: χώμα, θάλασσα, βλάστηση και αστική περιοχή. Στην συνέχεια έγινε ταξινόμηση με βάση τις τεχνικές Random Forest Classifier, Maximum Likelihood Classifier και Minimum Distance Classifier. Βάση των αποτελεσμάτων αυτών, η καλύτερη ταξινόμηση έγινε βάση της Random Forest Classifier. Στην συνέχεια τοποθετήσαμε τις ίδιες κλάσεις στην δεύτερη εικόνα Sentinel 2 μετά που έγινε η καταστροφή και δημιουργήσαμε μια επιπρόσθετη κλάση. Τέλος επαναλάβαμε την ταξινόμηση μόνο στην κατηγόρια τις Random Forest Classifier για την δεύτερη εικόνα η οποία ήταν η καλύτερη ταξινόμηση από πριν και βγήκε η ταξινόμηση βάση της καταστροφής που έχει γίνει στο λιμάνι της Βηρυτού. Completed