Порівняння методів машинного навчання для детектування пошкоджених лісів для території України за супутниковими даними
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Кваліфікаційна робота містить: 80 сторінок, 29 рисунків, 8 таблиць, 35 джерел.
Останнім часом у всьому світі спостерігається досить помітна зміна кліматичних умов. Саме це є однією з причин, яка призводить до навали шкідників та пожеж через спекотнішу погоду і, як катастрофічний наслідок з цього, знищення щороку мільйонів гектарів лісів – легень нашої планети. З огляду на ці небезпеки, точне і своєчасне виявлення загроз та пошкоджень стає доволі важливою задачею для збереження лісів.
Метою дослідження є визначення ефективності виявлення пошкоджених ділянок лісу на основі супутникових даних Sentinel-2 за допомогою різних методів машинного навчання. Об’єктом дослідження є процес виявлення та аналізу пошкоджених лісових ділянок на супутникових зображеннях. Предметом дослідження є методи розпізнавання пошкоджень лісових ділянок, зокрема, методи машинного навчання.
У роботі порівнювалася точність та продуктивність методів машинного навчання, використовуючи два датасети – з вегетаційними індексами та без них, щоб визначити їх вплив на результати. З порівняльного аналізу випливає, що найкращий результат за точністю та часом показав XGBoost (з вегетаційними індексами та без точність виявилася однаковою).
Опис
Ключові слова
машинне навчання, вегетаційний індекс, sentinel-2, супутникові дані, ліс, хворий лі
Бібліографічний опис
Іорданова, В. Е. Порівняння методів машинного навчання для детектування пошкоджених лісів для території України за супутниковими даними : дипломна робота … бакалавра : 113 Прикладна математика / Іорданова Валерія Едуардівна. – Київ, 2024. – 80 с.