Збільшення просторового розрізнення температурних продуктів Sentinel-3 з використанням рекурентних нейронних мереж
Вантажиться...
Дата
2020-05-20
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Кваліфікаційна робота містить: 100 стор., 45 рисунків, 5 таблиць, 70 джерел.
Температура земної поверхні (LST) є важливим показником стану міських територій та може використовуватися для виявлення проблемних зон міста та моніторингу природних лих. Супутникові дані є єдиним джерелом інформації, що дає можливість проводити аналіз LST для
великих територій. Для цього використовуються алгоритми моделювання LST на основі термальних каналів мультиспектральних супутникових даних.
В рамках проекту ERA-Planet SMURBS Інститут Космічних Досліджень НАНУ та ДКАУ розробляє сервіси моніторингу та аналізу розумних міст. Важливими сервісами є моніторинг температури земної поверхі міста, аналіз планування міста за допомогою характеристик поверхні землі та виявлення підземних та наземних пожеж. Двома основними актуальними місіями, які надають мультиспектральні дані для моделювання температури земної поверхні є місія Sentinel-3 та місія Landsat-8. Проте різне просторове та часове розрізнення спричиняє складнощі у поєднані даних отриманих від цих супутникових місій. Landsat-8 надає супутникові дані, що дозволяють отримувати карти температури земної поверхні з високим просторовим розрізненням термального каналу 30 м., проте має низьке часове розрізнення 16 днів, що є недостатнім для сервісів моніторингу температури земної поверхні в режимі близькому до реального часу. Місія Sentinel-3 дає можливість отримувати карти температури земної поверхні з просторовим розрізнення 1 км., що робить ці знімки малоінформативними для аналізу міської поверхні,при цьому ця місія має високе часове розрізнення в 2 знімки на день (ранковий та вечірній час). Враховуючи ці специфіки даних виникає актуальна задача збільшення просторового розрізнення LST продуктів Sentinel-3. Це є можливим при застосуванні сучасних методів злиття мультиспектральних супутникових даних та методів глибинного навчання.
Результатом даної дисертації є новий метод збільшення просторового розрізнення супутникових даних Sentinel-3 на основі злиття даних Sentinel-2, Landsat-8 та Sentinel-3 i архітектури рекурентної нейронної мережі LSTM. Покращено метод відновлення хмар супутникових продуктів на основі регресійної моделі випадкових лісів, яка застосовується для виявлення незамаскованих пікселів хмар в якості аномалій і відновлення хмар. Зроблено прикладні дослідження з використанням супутникових даних для міста Рівне, Ірпінь та Київ.
Опис
Ключові слова
температура земної поверхні, нейронні мережі, дистанційне зондування Землі, Long Short Term Memory Recurrent Neural Networks, Sentіnel-3, розумні міста, land surface temperature, neural network, remote sensing, smart city
Бібліографічний опис
Шуміло, Л. Л. Збільшення просторового розрізнення температурних продуктів Sentinel-3 з використанням рекурентних нейронних мереж : магістерська дис. : 113 Прикладна математика / Шуміло Леонід Леонідович. – Київ, 2020. – 102 с.