ΑΞΙΟΛΟΓΗΣΗ TOY ΔΕΙΚΤΗ ΒΛΑΣΤΗΣΗΣ TVI ME ΤΗ ΣΥΝΔΡΟΜΗ ΤΗΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

PDF (English)
Publiée : янв. 1, 2004
DOI : https://doi.org/10.12681/bgsg.16478
Γ. Αιμ. Σκιάνης
Εργαστήριο Τηλεανίχνευσης, Τμήμα Γεωλογίας και Γεωπεριβάλλοντος, Πανεπιστήμιο Αθηνών
Δ. Βαϊόπουλος
Εργαστήριο Τηλεανίχνευσης, Τμήμα Γεωλογίας και Γεωπεριβάλλοντος, Πανεπιστήμιο Αθηνών
Κ. Νικολακόπουλος
IGD GROUP
Résumé

Στην παρούσα εργασία μελετάται, με τη βοήθεια της θεωρίας πιθανοτήτων, η συμπεριφορά του μετασχηματισμένου δείκτη βλάστησης TVI, καθώς και της παραλλαγμένης μορφής αυτού, ΤΛ/Γ. Εισάγοντας μια κατάλληλη κατανομή για την περιγραφή των ιστογραμμάτων των καναλιών της εικόνας, και αξιοποιώντας θεωρήματα της στατιστικής, συνάγονται οι μαθηματικές σχέσεις που περιγράφουν τις κατανομές τιμών των δεικτών βλάστησης TVI και ΤνΤ. Από τη μελέτη των κατανομών αυτών συμπεραίνεται ότι όταν η τυπική απόκλιση της εικόνας της ζώνης του υπερύθρου είναι μεγαλύτερη από αυτήν της ζώνης του ερυθρού, στο ιστόγραμμα TVI' η επικρατούσα τιμή είναι μετατοπισμένη προς τα δεξιά, ως προς την επικρατούσα τιμή του ιστογράμματος TVI. Από την άλλη πλευρά, το ιστόγραμμα TVI έχει μια επικρατούσα τιμή προς το μέσον της κλίμακας τονικότητας, καθώς και μια μεγαλύτερη διασπορά. Επομένως η εικόνα TVI έχει μια καλύτερη αντίθεση φωτεινότητας από την εικόνα TVÏ. Βρέθηκε επίσης ότι η εικόνα TVI έχει μεγαλύτερη διασπορά και από την εικόνα του συχνά εφαρμοζόμενου δείκτη βλάστησης NDVI. Οι θεωρητικές αυτές προβλέψεις συμφωνούν με παρατηρήσεις σε δορυφορική εικόνα Landsat από τη Νήσο Ζάκυνθο. Τα πορίσματα αυτής της εργασίας μπορούν να αξιοποιηθούν σε γεωλογικές και περιβαλλοντικές έρευνες, με αντικείμενο τη χαρτογράφηση περιοχών διαφοροποιημένης πυκνότητας βλάστησης, οι οποίες πιθανόν να έχουν σχέση με διάφορους τύπους εδαφών και γεωλογικών ενοτήτων

Article Details
  • Rubrique
  • GIS-Geoinformatics
Creative Commons License

Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale 4.0 International.

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution Non-Commercial License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g. post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal. Authors are permitted and encouraged to post their work online (preferably in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.

Téléchargements
Les données relatives au téléchargement ne sont pas encore disponibles.
Références
Baret, F., and Guyot, G., 1991. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment 35,161-173
Boyd, D. S., Phipps, P. C, Foody, G. M., and Walsh, R. P. D., 2002. Exploring the utility of NOAA AVHRR middle infrared reflectance to monitor the impacts of ENSO-induced drought stress on Sabah rainforests. Internationa/Journal of Remote Sensing, 23(2), 5141-5147
Burgan, R. E., 1996. Use of Remotely Sensed Data for Fire Danger Estimation. Earsel Advances in Remote Sensing. Remote Sensing and GIS applications for Forest Fire Management, 4(4), 1-8
Chuvieco, E., Martin, M. P., and Palacios, Α., 2002. Assessment of different spectral indices in the red-nearinfrared spectral domain for burned land discrimination. International Journal of Remote Sensing 23(23), 5103-5110
Deering, D. W., Rouse, J. W., Haas, R. H., and Schell, J. Α., 1975. Measuring Forage Production of Grazing Units from Landsat MSS Data. 10th Internatonal Symposium on Remote Sensing of Environment 2, 1169-1178
Faust, N. L, 1989. Image Enhancement. In: Allen Kent and James G. Williams (editors), Encyclopedia of Computer Science and Technology, Vol. 20, Supplement 5. Marcel Dekker Inc.
Huete, A. R., 1978. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment 25, 295-309
Jensen, R. J., 1995. Introductory Digital Image Processing: A Remote Sensing Perspective. Prentice Hall, 316PP
Peterson, D. L, Price, K. P., and Martinko, Ε. Α., 2002. Discriminating between cool season and warm season grassland cover types in northeastern Kansas. International Journal ofRemote Sensing 23(23), 5015-5130
Qi, J., Chehbouni, Α., Huete, A. R., Kerr, Y. H., and Sorooshian, S., 1994. A modified soil adjusted vegetation index. Remote Sensing of Environment 48(2), 119-126
Rouse, J. W., Haas, R. H., Schell, J. Α., and Deering, D. W., 1973. Monitoring vegetation systems in the Great Plains with ERTS. 3rd ERTS Symposium, Vol. 1, 48-62
Schowengerdt, R. Α., 1997. Remote Sensing. Models and Methods for Image Processing. Academic Press, 515 PP
Spiegel, M. R., 1977. Πιθανότητες και Στατιστική. McGraw-Hill, ΕΣΠΙ, 384 σελ.
Stroppiana, D., Pinnock, S., Pereira, J. M. C, and Grégoire, J. M., 2002. Radiometrie analysis of SPOTVEGETATION images for burnt area detection in Northern Australia. Remote Sensing of Environment 82, 21-37
Vaiopoulos, D., Skianis, G. Aim., and Nikolakopoulos, K., 2004. The contribution of probability theory in assessing the efficiency of two frequently used vegetation indices. International Journal of Remote Sensing 25(20), 4219-4236.
Articles les plus lus par le même auteur ou la même autrice