A disszertáció elkészítésénél általános célul tűztük ki, hogy különböző távérzékelt adatok és adatfeldolgozási módszerek alkalmazásával vizsgáljuk meg a mezőgazdasági gyakorlatban meghatározó talajtani paramétereket és a növényzet térbeli változékonyságának tulajdonságait. Az általános és részletes célkitűzéseket a bevezetés fejezetében fogalmaztuk meg. A szakirodalmi áttekintésénél először a távérzékelés tudományos hátterét ismertettük. Az elektromágneses hullám fizikai tulajdonságai közül a távérzékelési folyamatokat leginkább meghatározó paramétereket mutattuk be a sugárforrástól a detektorig. Ismertettük a légkör és a természetes felszínek optikai tulajdonságait, különös tekintettel a talaj és a növényzetre. Csoportosítottuk és bemutattuk a szenzorokat a adatforrásokat a működési mechanizmusuk és a felvételek geometriai és radiometriai tulajdonságaik alapján. A távérzékelt adatok feldolgozását az előfeldolgozástól az eredmények értékeléséig lépésenként ismertettük. Részletesen foglalkoztunk a radiometriai és geometriai korrekció kérdésével, a képi jelerősítéssel, a képelemzési eljárásokkal, a képosztályozás eredményeinek értékelésével és az idősoros felvételek változásvizsgálatával. A távérzékelés gyakorlati alkalmazásai közül a talajtani vizsgálatokat, vegetációelemzés, földhasználat-vizsgálat és vízgazdálkodási szakterület szakirodalmát tekintettük át. Az anyag és módszer fejezetben ismertettük a vizsgálati helyszínek alapvető klimatikus és térbeli paramétereit. A vizsgálatok során előállított és alkalmazott felvételeket a szenzorok alapján csoportosítottuk, és ismertettük azok technikai paramétereit. A földközeli és alacsony repülési magasságból készített légifelvételezésre alkalmazott TETRACAM ADC multispektrális kamerának megvizsgáltuk a geometriai paramétereit, majd meghatároztuk a gyors terepi felvételezés alkalmazásának lehetőségeit. A kamerával különböző növényfajokról készített felvételeknél, 5-80% borítottság között a felvételekből számított borítottság és NDVI között szoros pozitív regressziót tapasztaltunk. A kamera a gyomosodott állományok borítási vizsgálatában eredményes eszköz volt, amely gyors, pontos, és olcsó földközeli valamint kis területek légi felvételezését teszi lehetővé. A kamera légi alkalmazása során készített felvétellel szikesedett területen őszi búza állományt vizsgáltunk. A felvételből számított NDVI index hatékony eszköznek bizonyult az őszi-búza állomány levélfelületének (LAI), szármagasságának és szemtermésének becslésében. A vizsgált mintaterületen az őszi búza jól indikálta a feltalaj vezetőképességének változását, így a számított NDVI indexből nem csak a növényállomány egyes biofizikai paramétereit, hanem a sótartalom térbeli változékonyságát is becsülni tudtuk. Megállapítottuk, hogy a feltalaj sótartalom növekedése csökkenti a növényi biomasszát (növénymagasság, termés). Savanyú homoktalajon, parlagfűvel (Ambrosia artemissifolia) gyomosodott napraforgó táblában vizsgáltuk az állományon belüli borítás és gyomösszetétel változását. A mintavételi eredményeket LANDSAT ETM+ felvétel reflektancia adataival hasonlítottuk össze. A számított NDVI adatok és a teljes borítás között gyenge determinisztikus kapcsolatot számítottunk, azonban a gyomok fajszintű becslését csak nagy bizonytalanság mellett lehetett a LANDSAT adatokból számítani. A szikesedési vizsgálatokat hipersektrális felvétel elemzésével is elvégeztük. A vizsgált mintaterület a felvétel készítésének idején kevert fajösszetételű növényállományt tartalmazott. Az általunk alkalmazott DAIS 7915 hiperspektrális felvételnek is csak néhány csatornának reflektancia /radiancia értékei mutattak statisztikai kapcsolatot a talaj sótartalmának változásával. A mintaterület vizsgálatánál megállapítottuk, hogy a hiperspektrális felvételek MIR és TIR tartományának bizonyos hullámhosszai alkalmazásával kaptuk a legpontosabb becslést a sótartalom változásra. A tedeji mintaterületen nagyparcellás növényvédelmi kísérlet keretein belül cukorrépa levélfelület térbeli változékonyságát vizsgáltuk. A mintaterületen különböző növényvédelmi kezeléseket alkalmaztak, amelynek a levélfelületben jelentkező hatásait vizsgáltuk a DAIS7915 felvétel feldolgozásával. Az egyes lombvédelmi kezelések térbeli mintázatát főkomponens analízis alkalmazásával vizsgáltuk, a növényzet változékonyságát reprezentáló első főkomponens értékeiből. A regresszió számítás alkalmával megállapítottuk, hogy a NIR csatornák mindegyikével jól becsülhető a levélfelület változása, azonban a MIR és TIR tartomány kevésbé érzékeny a vegetáció változásra. A számítások során az előfeldolgozás során számított NDVI, VEP (Red Edge Point, REP) értékeivel hasonlítottuk össze a levélfertőzöttség értékeit. A legszorosabb regressziót a 1,668 μm tartományból számított iterációs modell (R2 =0,731, p<0,05) tudtuk becsülni. A tedeji Puszta-mintaterületen 6 földhasználati kategóriát vizsgáltunk LANDSAT ETM+ és DAIS-7915 felvételekkel, ahol ellenőrzött és az ellenőrizetlen osztálybasorolást alkalmaztunk. A pontosságot a vizsgálatba bevont területek maszkolásával és a hiperspektrális felvételnél az ismétlések számának emelésével tudtuk növelni. A hiperspektrális vizsgálatnál a csatorna szám csökkentésére alkalmazott főkomponens analízissel (PCA) számított főkomponensek alkalmazásával tudtuk növelni az osztályozás pontosságát. Az osztályozások pontosságát a vizsgálatba bevont területek maszkolásával és a K-means módszernél az ismétlések számának emelésével tudtuk növelni. Az osztályozási módszerek közül a maximum likelihood módszere adta a legmegbízhatóbb eredményt, az átlagos pontosság a LANDSAT esetében 78,22% volt, míg a DAIS 7915 esetében 85,52%. A Szolnok-Túri-sík mintaterületen regionális szintű földhasználat elemzést végeztünk SPOT-5 multispektrális felvételek alkalmazásával. A felvételeket EOV vetületi rendszerbe transzformáltuk. A felvételek osztályozásánál az ellenőrzött osztálybasorolás maximum likelihood módszerével kaptuk a legpontosabb eredményt. A két időpont közül a kora őszi időszak osztályozásával kaptunk pontosabb eredményt, amelyet a két időpont összevonásával tovább javítottuk. Az osztályozott parcellák vizsgálatánál a hiba jelentős része a geometriai korrekcióból, a parcella méréséből és a szegélyhatásból származott. Az osztályozás értékelésére olyan módszert alkalmaztunk, amely a hagyományosan használt hibamátrixszal szemben parcellánként vizsgálja az osztályozás pontosságát, és az eredmények parcellánként is lekérdezhetőek. A vegetáció idősoros vizsgálatához MODIS felvételeket alkalmaztunk, ahol térben homogén mintatereket jelöltünk ki a vizsgálat céljára. A felvételek geometriai transzformációja után felvétel-páronként végeztük el az atmoszférikus korrekciót, a felhős területek leválogatására. A regionális vizsgálatnál alkalmazott MODIS felvételből számított NDVI-ből a növényzet fejlődésének idősoros dinamikáját számítottunk, majd trendvonal felvételével meghatároztuk a vegetáció dinamikáját. A SPOT-5 osztályozásból számított parcellák és az idősoros MODIS adatokból kialakított koncepcionális modell vázlatát dolgoztuk ki, amely további kutatásokkal alátámasztva alkalmazható regionális vízgazdálkodási modellek input paramétereként.

The general objective of the dissertation was the examination of decisive soil parameters in agricultural practice in addition to the spatial variability of vegetation characteristics through the application of different remote sensing data and data processing methods. The general and the specific objectives were defined in the introduction chapter. The review of relevant literature contains the scientific background of remote sensing methods. Among the physical characteristics of electro-magnetic waves the primary parameters affecting remote sensing processes were presented from the radiance source to the sensor. The optical features of the atmosphere and natural surfaces were evaluated and reviewed with special regard to soil and vegetation. The introduction and categorization of sensors based on their data source, operation mechanisms and the geometric and radiometric features of the images were presented. Image processing of remotely sensed data, from pre-processing to the evaluation of the results, were reviewed. The problem of radiometric and geometric correction, feature determination and classification methods, as well as the valuation of classification and the analysis of time-series images were discussed comprehensively. Regarding the practical applications of remote sensing, the relevant literature of soil and vegetation analysis, land-use examinations and water management were reviewed. The fundamental climatic and spatial parameters of the model/sample area were presented in the materials and methods chapter. Images taken in the course of investigation were categorized according to the applied sensors and their technical parameters were presented. The geometric parameters of the TETRACAM ADC multispectral camera - used for the near-surface and low altitude airborne imaging - were examined then its applicability for fast field measurements/surveying were determined. A strong positive regression between vegetation coverage and NDVI were detected - within the range of 5-80% coverage - on images taken on different plant species with the camera. The camera proved to be a fast, accurate and cost-effective means of surveying weed infected crops with near-surface and low altitude airborne imaging. The camera was used for the examination of winter wheat crop in a salt affected area with airborne imaging. The obtained NDVI, derived from the taken image, demonstrated its efficiency for the estimation of leaf-area index (LAI), stem height and seed production of winter wheat crop. Winter wheat indicates changes in the conductivity of the upper soil layer; therefore the calculated NDVI not only allows the estimation of certain biophysical parameters of the crop, but the spatial variance of the salt content of the soil, as well. It was concluded that the increasing salt content of the upper soil layer negatively affects plant biomass (plant/stem height, seed production). Changes in weed coverage and composition were investigated in sunflower crop infested with common ragweed (Ambrosia artemisiifolia) on acidic sandy soil. The results of sampling were compared with reflectance data of LANDSAT ETM+ images. Weak deterministic relationship were discovered between the calculated NDVI data and total coverage, however the identification/estimation of weeds at a species level from LANDSAT data could be performed only with a high level of uncertainty. Examinations of salinization were also carried out by the analysis of hyperspectral images. At the time the image was taken the investigated model area was covered with a mixed composition of plant species. Only the value of a few reflectance/radiance bands of the applied DAIS 7915 hyperspectral image showed statistic connections with the changes in the salt content of the soil. Based on the examination of the model area it could be concluded that the most accurate estimations of salt content changes could be achieved with the application of certain wavelengths within the MIR and TIR range. The examinations of the spatial variability of sugar beet leaf area were performed in the frame of a large scale field pest control experiment in the Tedej model area. The effects of different pest control treatments on leaf area - applied on the model area - were studied by processing DAIS 7915 images. The spatial pattern of each treatment was examined by principal component analysis using the values representing the variability of vegetation as the principal component. Based on the regression analysis it could be concluded that each NIR channel is suitable for the estimation of leaf area changes, although MIR and TIR range is less sensible to vegetation changes. In the course of calculations NDVI, REP values were obtained from pre-processing and compared to values of leaf contamination/infestation. The highest regression rates could be estimated from the iteration model (R2 =0,731, p<0,05) calculated from the 1,668 μm range. Six land-use categories were examined in the Tedej model area with LANDSAT ETM+ and DAIS-7915 images, where supervised and unsupervised classification was applied. Accuracy could be improved by masking sample areas and by increasing repetitions of hyperspectral images. The accuracy of classification in hyperspectral examinations could be improved by the application of principal components calculated with principal component analysis for the reduction of channel number. The accuracy of classification could be improved by masking sample areas and by increasing repetitions when using K-means method. Among the different classification methods the most reliable results were provided by the maximum likelihood method, average accuracy being 78,22% in case of LANDSAT and 85,52% in case of DAIS 7915. In the Szolnok-Túri-Plain model area regional scale land-use analysis was performed with the application of SPOT-5 multispectral images. Images were transformed to the Hungarian national projection system (EOV). The most reliable results for the classification of the images were achieved by the maximum likelihood method with supervised classification. Between the two examined moments the early autumn date provided more accurate results, which could be further improved by merging/contracting the two moments. The majority of errors in the examination of classified plots could be linked to geometric correction, errors in plot measurement and border effect. For the evaluation of the classification such a method was used which - unlike the traditionally used error matrix - examined the accuracy of classification by plots and the results could be queried by plots, too. For the time-series examination of vegetation MODIS images were used, where spatially homogenous sample areas were defined for the examinations. Atmospheric correction was carried out on image pairs after the geometric transformation of images in order to select cloudy areas. NDVI - calculated from MODIS images applied in the regional examinations – was used for calculating the time series of vegetation growth dynamics, then define the dynamics of vegetation by drawing trend lines. A draft concept model was developed - based on the plots computed from the SPOT-5 classification and the MODIS time series data - which could be applied as input parameter for regional water management models in case it is supported by further research.