Machine learning models and technology for classification of forest on satellite data
Ескіз недоступний
Дата
2023
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Проект присвячений проблемі семантичної сегментації супутника зображення для створення карти типу лісу з високою роздільною здатністю. Щоб вирішити проблему, пропонуємо 4 різні варіанти моделей машинного навчання. Два з них засновані на Random Forest і два інших - на згортковій нейронній мережі 3 U-Net. Як вхід ми використовуємо 2 зображення Sentinel-2 (один для літа і один для зими, по 4 спектральні смуги з кожного). як результат (мітки) ми використовуємо набір даних типу лісу Коперника за 2018 рік. Наші моделі показав обнадійливі результати перевірки даних. З усіх моделей закінчилася та, що базується на U-Net є найефективнішим у класифікації лісів. Після порівняння результатів ми використали найкраща модель для створення та порівняння лісових карт північної частини Київської області 2018 року та 2022 рік. Експеримент підтвердив стійкість моделі та її масштабованість. Розроблені моделі впроваджено в хмарну платформу, що спеціалізується на супутникових даних - КРЕОДІЇ. Створена карта може надати цінні дані для лісівників, біологів тощо дослідників для прийняття рішень щодо управління та збереження лісів, а також забезпечити, щоб європейські ліси управлялися екологічно стійким способом.
Опис
Salii Y. Machine learning models and technology for classification of forest on satellite data / Y. Salii1, A. Hohol, V. Kuzin ; sci. advisers H. Yailymova, N. Kussul // Black Sea Science 2023 : proc. of the Intern. Competition of Student Scientific Works / Odesa National University of Technology; eds. B. Iegorov, L. Ivanchenkova, M. Mardar. – Odesa, 2023. – P. 603-618 : tabl., fig.– Ref.: 26 tit.
Ключові слова
машинне навчання, класифікація типів лісу, Sentinel-2, U-Net, нейронна мережа