Ενσωμάτωση Μηχανικής Μάθησης σε Γεωγραφικά Συστήματα Πληροφοριών για την Ανάλυση και Πρόβλεψη Γεωχωρικών Δεδομένων

Abstract

Η παρούσα διπλωματική εργασία διερευνά τη συνδυαστική εφαρμογή τεχνικών μηχανικής μάθησης και γεωγραφικών συστημάτων πληροφοριών (GIS) για την ανάλυση και πρόβλεψη γεωχωρικών δεδομένων, με στόχο την ενίσχυση της αποτελεσματικότητας και της ακρίβειας στην επεξεργασία τηλεπισκοπικών πληροφοριών. Στην εποχή της πληθωρικής γεωχωρικής πληροφορίας και της αυξανόμενης ανάγκης για άμεση λήψη τεκμηριωμένων αποφάσεων, η ανάπτυξη μεθοδολογιών που συνδυάζουν την επεξεργαστική ισχύ της μηχανικής μάθησης με τις δομημένες γεωγραφικές βάσεις των GIS αποτελεί πρόκληση και συνάμα ευκαιρία. Η εργασία αναπτύσσει ένα θεωρητικό υπόβαθρο σχετικά με τα είδη γεωχωρικών δεδομένων, τη δομή και τις λειτουργίες των GIS, και τις βασικές αρχές της επιβλεπόμενης και μη επιβλεπόμενης μάθησης, εστιάζοντας ιδιαίτερα σε τεχνικές ταξινόμησης χρήσεων γης. Παράλληλα, αναδεικνύονται οι προκλήσεις που ενυπάρχουν στη χρήση τηλεπισκοπικών δεδομένων και εξετάζονται οι δυνατότητες και οι περιορισμοί της μηχανικής μάθησης όταν εφαρμόζεται σε γεωχωρικές αναλύσεις. Για τη μελέτη περίπτωσης, χρησιμοποιήθηκαν δορυφορικά δεδομένα Sentinel-2 για την περιοχή της Κορινθίας. Μέσα από διαδικασίες επαναδειγματοληψίας, επιλογής κατάλληλων καναλιών, δημιουργίας δεδομένων εκπαίδευσης και εφαρμογής αλγορίθμων ταξινόμησης (Μέγιστης Πιθανοφάνειας, Φασματικής Γωνίας και Ελάχιστης Απόστασης), αξιολογήθηκαν τα αποτελέσματα τόσο ποσοτικά μέσω πινάκων σύγχυσης όσο και ποιοτικά μέσω οπτικής ανάλυσης. Τα ευρήματα αποδεικνύουν ότι η χρήση τεχνικών μηχανικής μάθησης σε GIS βελτιώνει σημαντικά την ποιότητα και τη διακριτική ικανότητα της ταξινόμησης χρήσεων γης. Ωστόσο, η επιτυχία της διαδικασίας εξαρτάται σε μεγάλο βαθμό από τη σωστή επιλογή δεδομένων εκπαίδευσης, την ποιότητα της φασματικής πληροφορίας και την κατανόηση των ιδιαιτεροτήτων κάθε αλγορίθμου. Η εργασία καταλήγει στο συμπέρασμα ότι η ενσωμάτωση μηχανικής μάθησης σε γεωγραφικά συστήματα πληροφοριών δεν αποτελεί μόνο τεχνική καινοτομία αλλά καθίσταται αναγκαίο εργαλείο για τη μελλοντική εξέλιξη της γεωχωρικής επιστήμης και εφαρμοσμένης χαρτογράφησης.