Рубрики
КАРТОГРАФУВАННЯ ЗЕМНОЇ ПОВЕРХНІ ЗАСОБАМИ GOOGLE НА ОСНОВІ ДЕРЕВА РІШЕНЬ

Карти земного покриву (land cover maps) відіграють важливу роль для відображення динаміки екосистем та розв’язання задач супутникового моніторингу. А саме, вихідний продукт супутникового моніторингу використовують для визначення змін та росту рослин у землекористуванні, підвищення точності класифікації та оцінки площ, прогнозування врожайності, тощо.

Раніше, створення глобальних карт земного покриву здійснювалось з використанням супутникових зображень низького просторового розрізнення. Однак використання карт низького розрізнення спричиняє значну недооцінку або переоцінку площ певних типів земного покриву чи їхніх змін і є неефективним при розв’язанні задач еколого-економічного моніторингу на обласному та районному рівнях.

З моменту виведення на орбіту американських космічних апаратів Landsat [1], а також з запуском Європейської програми спостереження Землі Copernicus [2] світовій спільноті відкрився доступ до великих об’ємів супутникових даних високого просторового розрізнення. Тому, особливою важливістю задачі картографування земної поверхні стала можливість створення карт високого розрізнення з потрібною періодичністю.

Вже відомий підхід до картографування земної поверхні, що базується на застосуванні методів активного навчання (нейронних мереж архітектури “багатошаровий персептрон”) до класифікації часових рядів оптичних супутникових зображень космічних апаратів Landsat-5,6,7,8. Такий підхід представлений в роботах [3,4] і виявився надзвичайно ефективним для побудови карт земного покриву та картографування посівів.

Процес створення карт земного покриву вимагає опрацювання великих обсягів супутникових даних, а застосування методів машинного навчання для обробки цих даних вимагає залучення значних обчислювальних ресурсів. Саме тому, в даній роботі, для вирішення задачі картографування земної поверхні пропонується використання дерев прийняття рішень (методу, що є простішим для реалізації і вимагає значно менше обчислювальних ресурсів) для класифікації часових рядів супутникових зображень.

В якості програмно-апаратного середовища для обробки супутникових зображень пропонується використати хмарний сервіс обробки геопросторовоих даних – Google Earth Engine. Google Earth Engineпредставляє доступ до архівних зображень космічних апаратів серії Landsat, а також Sentinel-1 і надає можливість обробляти ці зображення засобами мов програмування JavaScript, або Python. Всі операції з обробки та візуалізації геопросторових даних здійснюються на стороні серверів Google, що дозволяє проводити обробку знімків на малопотужних ПК

опубліковано: Сергій Варченко    2015-11-15 19:11