{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2925641"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2925641","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Regression techniques for aggregate predictions of crop progress stages with Remote Sensing: An application to USA croplands","abstract":"Η Γεωργία Ακριβείας (ΓΑ) είναι ένα σχέδιο διαχείρισης καλλιεργειών που στοχεύει στην βελτιστοποίηση της αποδοτικότητας και τη μείωση των αρνητικών επιπτώσεων στο περιβάλλον χρησιμοποιώντας συστήματα τηλεπισκόπησης, όπως μετεωρολογικούς σταθμούς και δορυφόρους. Προκειμένου να επιτευχθεί ακριβής παρακολούθηση και πρόβλεψη των καλλιεργειών, ο συνδυασμός εξελιγμένης τεχνολογίας και αναπτυγμένων στατιστικών μεθόδων κρίνεται απαραίτητος. Το πρώτο μέρος αυτής της διπλωματικής εργασίας αποσκοπεί στην βιβλιογραφική αναδρομή των στατιστικών μεθόδων που έχουν αναπτυχθεί για την χωροχρονική εκτίμηση και πρόβλεψη των φαινολογικών σταδίων στα σημαντικότερα είδη καλλιεργειών, με τη χρήση τηλεπισκοπικών δεδομένων, σε διαφορετικές κλίμακες (μικρές και μεγάλες καλλιεργήσιμες εκτάσεις). Στο δεύτερο μέρος αναπτύσσεται το θεωρητικό υπόβαθρο της πολυδιάστατης γραμμικής και πολυδιάστατης λογιστικής παλινδρόμησης και δίνονται εφαρμογές στην εκτίμηση ποσοστών σταδίων καλλιεργειών των Η.Π.Α.. Συγκεκριμένα, η εφαρμογή αφορά δεδομένα από το 2002 μέχρι το 2019 καλλιεργειών καλαμποκιών για την πολιτεία της Νεμπράσκα. Οι εβδομαδιαίες Αναφορές Εξέλιξης Καλλιεργειών (ΑΕΚ) για τα διαφορετικά φαινολογικά στάδια του καλαμποκιού λειτουργούν ως εξαρτημένες μεταβλητές και δύο χαρακτηριστικά τηλεπισκόπησης, ο κανονικοποιημένος δείκτης βλάστησης και ο θερμικός χρόνος, ως ανεξάρτητες μεταβλητές. Όλα τα μοντέλα που αναπτύσσονται, συγκρίνονται με βάση την προβλεπτική τους ικανότητα.","abstract_html":"Η Γεωργία Ακριβείας (ΓΑ) είναι ένα σχέδιο διαχείρισης καλλιεργειών που στοχεύει στην βελτιστοποίηση της αποδοτικότητας και τη μείωση των αρνητικών επιπτώσεων στο περιβάλλον χρησιμοποιώντας συστήματα τηλεπισκόπησης, όπως μετεωρολογικούς σταθμούς και δορυφόρους. Προκειμένου να επιτευχθεί ακριβής παρακολούθηση και πρόβλεψη των καλλιεργειών, ο συνδυασμός εξελιγμένης τεχνολογίας και αναπτυγμένων στατιστικών μεθόδων κρίνεται απαραίτητος. Το πρώτο μέρος αυτής της διπλωματικής εργασίας αποσκοπεί στην βιβλιογραφική αναδρομή των στατιστικών μεθόδων που έχουν αναπτυχθεί για την χωροχρονική εκτίμηση και πρόβλεψη των φαινολογικών σταδίων στα σημαντικότερα είδη καλλιεργειών, με τη χρήση τηλεπισκοπικών δεδομένων, σε διαφορετικές κλίμακες (μικρές και μεγάλες καλλιεργήσιμες εκτάσεις). Στο δεύτερο μέρος αναπτύσσεται το θεωρητικό υπόβαθρο της πολυδιάστατης γραμμικής και πολυδιάστατης λογιστικής παλινδρόμησης και δίνονται εφαρμογές στην εκτίμηση ποσοστών σταδίων καλλιεργειών των Η.Π.Α.. Συγκεκριμένα, η εφαρμογή αφορά δεδομένα από το 2002 μέχρι το 2019 καλλιεργειών καλαμποκιών για την πολιτεία της Νεμπράσκα. Οι εβδομαδιαίες Αναφορές Εξέλιξης Καλλιεργειών (ΑΕΚ) για τα διαφορετικά φαινολογικά στάδια του καλαμποκιού λειτουργούν ως εξαρτημένες μεταβλητές και δύο χαρακτηριστικά τηλεπισκόπησης, ο κανονικοποιημένος δείκτης βλάστησης και ο θερμικός χρόνος, ως ανεξάρτητες μεταβλητές. Όλα τα μοντέλα που αναπτύσσονται, συγκρίνονται με βάση την προβλεπτική τους ικανότητα.","abstract_has_math":false,"creators":["Οικονομίδης Ιωάννης","Oikonomidis Ioannis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:40:47Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2925641"],"render_values":[{"text":"uoadl:2925641","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2925641","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2925641","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2925641","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Οικονομίδης Ιωάννης","Oikonomidis Ioannis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2925641","https://pergamos.lib.uoa.gr/uoa/dl/object/2925641"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η Γεωργία Ακριβείας (ΓΑ) είναι ένα σχέδιο διαχείρισης καλλιεργειών που στοχεύει στην βελτιστοποίηση της αποδοτικότητας και τη μείωση των αρνητικών επιπτώσεων στο περιβάλλον χρησιμοποιώντας συστήματα τηλεπισκόπησης, όπως μετεωρολογικούς σταθμούς και δορυφόρους. Προκειμένου να επιτευχθεί ακριβής παρακολούθηση και πρόβλεψη των καλλιεργειών, ο συνδυασμός εξελιγμένης τεχνολογίας και αναπτυγμένων στατιστικών μεθόδων κρίνεται απαραίτητος. Το πρώτο μέρος αυτής της διπλωματικής εργασίας αποσκοπεί στην βιβλιογραφική αναδρομή των στατιστικών μεθόδων που έχουν αναπτυχθεί για την χωροχρονική εκτίμηση και πρόβλεψη των φαινολογικών σταδίων στα σημαντικότερα είδη καλλιεργειών, με τη χρήση τηλεπισκοπικών δεδομένων, σε διαφορετικές κλίμακες (μικρές και μεγάλες καλλιεργήσιμες εκτάσεις). Στο δεύτερο μέρος αναπτύσσεται το θεωρητικό υπόβαθρο της πολυδιάστατης γραμμικής και πολυδιάστατης λογιστικής παλινδρόμησης και δίνονται εφαρμογές στην εκτίμηση ποσοστών σταδίων καλλιεργειών των Η.Π.Α.. Συγκεκριμένα, η εφαρμογή αφορά δεδομένα από το 2002 μέχρι το 2019 καλλιεργειών καλαμποκιών για την πολιτεία της Νεμπράσκα. Οι εβδομαδιαίες Αναφορές Εξέλιξης Καλλιεργειών (ΑΕΚ) για τα διαφορετικά φαινολογικά στάδια του καλαμποκιού λειτουργούν ως εξαρτημένες μεταβλητές και δύο χαρακτηριστικά τηλεπισκόπησης, ο κανονικοποιημένος δείκτης βλάστησης και ο θερμικός χρόνος, ως ανεξάρτητες μεταβλητές. Όλα τα μοντέλα που αναπτύσσονται, συγκρίνονται με βάση την προβλεπτική τους ικανότητα.","Precision Agriculture (PA) is a farm management plan aiming at optimizing returns on inputs whilst potentially reducing environmental impacts by using information technology, such us meteorological stations and satellites, namely Remote Sensing (RS). In order to achieve precise agricultural monitoring and prediction, a combination of advanced technology and powerful statistical methodology is considered necessary. The first part of this master thesis aims in the development of a state-of-the-art statistical methodology for assessing and predicting spatiotemporally the phenological state of major crop species, from remote sensing data, at different scales of description (small and large agricultural areas). In the second part, some elements from the theory of multivariate linear and multivariate logistic regression are presented, as well as an application to the problem of crop stage percentage estimation of USA croplands. In particular, the application concerns data from 2002 to 2019 for the corn fields of the Nebraska state. %Multivariate linear models using ordinary least %squares (OLS) as well as generalized least squares %(GLS) are constructed, The weekly Crop Progress Reports (CPRs) of the different corn phenological stages serve as the dependent variables and two remote sensing features, the Normalized Difference Vegetation Index (NDVI) and the Accumulated Growing Degree Days (AGDDs) as the independent variables. All the proposed models are tested and compared in terms of their predictive capacity."]},{"key":"dc:title","label":"Title","values":["Regression techniques for aggregate predictions of crop progress stages with Remote Sensing: An application to USA croplands"]}]}],"canonical_facts":{"dc:creator":["Οικονομίδης Ιωάννης","Oikonomidis Ioannis"],"dc:date":["2020"],"dc:description":["Η Γεωργία Ακριβείας (ΓΑ) είναι ένα σχέδιο διαχείρισης καλλιεργειών που στοχεύει στην βελτιστοποίηση της αποδοτικότητας και τη μείωση των αρνητικών επιπτώσεων στο περιβάλλον χρησιμοποιώντας συστήματα τηλεπισκόπησης, όπως μετεωρολογικούς σταθμούς και δορυφόρους. Προκειμένου να επιτευχθεί ακριβής παρακολούθηση και πρόβλεψη των καλλιεργειών, ο συνδυασμός εξελιγμένης τεχνολογίας και αναπτυγμένων στατιστικών μεθόδων κρίνεται απαραίτητος. Το πρώτο μέρος αυτής της διπλωματικής εργασίας αποσκοπεί στην βιβλιογραφική αναδρομή των στατιστικών μεθόδων που έχουν αναπτυχθεί για την χωροχρονική εκτίμηση και πρόβλεψη των φαινολογικών σταδίων στα σημαντικότερα είδη καλλιεργειών, με τη χρήση τηλεπισκοπικών δεδομένων, σε διαφορετικές κλίμακες (μικρές και μεγάλες καλλιεργήσιμες εκτάσεις). Στο δεύτερο μέρος αναπτύσσεται το θεωρητικό υπόβαθρο της πολυδιάστατης γραμμικής και πολυδιάστατης λογιστικής παλινδρόμησης και δίνονται εφαρμογές στην εκτίμηση ποσοστών σταδίων καλλιεργειών των Η.Π.Α.. Συγκεκριμένα, η εφαρμογή αφορά δεδομένα από το 2002 μέχρι το 2019 καλλιεργειών καλαμποκιών για την πολιτεία της Νεμπράσκα. Οι εβδομαδιαίες Αναφορές Εξέλιξης Καλλιεργειών (ΑΕΚ) για τα διαφορετικά φαινολογικά στάδια του καλαμποκιού λειτουργούν ως εξαρτημένες μεταβλητές και δύο χαρακτηριστικά τηλεπισκόπησης, ο κανονικοποιημένος δείκτης βλάστησης και ο θερμικός χρόνος, ως ανεξάρτητες μεταβλητές. Όλα τα μοντέλα που αναπτύσσονται, συγκρίνονται με βάση την προβλεπτική τους ικανότητα.","Precision Agriculture (PA) is a farm management plan aiming at optimizing returns on inputs whilst potentially reducing environmental impacts by using information technology, such us meteorological stations and satellites, namely Remote Sensing (RS). In order to achieve precise agricultural monitoring and prediction, a combination of advanced technology and powerful statistical methodology is considered necessary. The first part of this master thesis aims in the development of a state-of-the-art statistical methodology for assessing and predicting spatiotemporally the phenological state of major crop species, from remote sensing data, at different scales of description (small and large agricultural areas). In the second part, some elements from the theory of multivariate linear and multivariate logistic regression are presented, as well as an application to the problem of crop stage percentage estimation of USA croplands. In particular, the application concerns data from 2002 to 2019 for the corn fields of the Nebraska state. %Multivariate linear models using ordinary least %squares (OLS) as well as generalized least squares %(GLS) are constructed, The weekly Crop Progress Reports (CPRs) of the different corn phenological stages serve as the dependent variables and two remote sensing features, the Normalized Difference Vegetation Index (NDVI) and the Accumulated Growing Degree Days (AGDDs) as the independent variables. All the proposed models are tested and compared in terms of their predictive capacity."],"dc:identifier":["uoadl:2925641","https://pergamos.lib.uoa.gr/uoa/dl/object/2925641"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Regression techniques for aggregate predictions of crop progress stages with Remote Sensing: An application to USA croplands"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:40:47Z"}