Модель перенесення навчання для оцінки хлорофілу-а за допомогою супутникового зображення
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація містить 118 сторінок, 16 ілюстрацій, 3 таблиці та 40 літературних джерел.
Актуальність: оцінка концентрації хлорофілу-а є дуже важливою для моніторингу водних екосистем та біорізноманіття. Хлорофіл-а відображає фотосинтетичну активність фітопланктону, який є ключовими компонентами водних екологічних систем та базовим джерелом органіки. Традиційні методи вимірювання хлорофілу-а є трудомісткими, дорогими і обмеженими по простору та часу. Використання супутникових даних для моніторингу великих територій з високою частотою є ефективним. Представлений підхід
із використанням моделі перенесення навчання дозволяє здійснювати моніторинг хлорофілу-а на великих територіях.
Мета даної роботи: розробка та апробація інтелектуальної моделі трансфертного навчання оцінки хлорофілу-a на основі супутникових зображень.
Для досягнення мети було використано: модель багатошарового персептрона; супутникові зображення Sentinel-2/Sentinel-3, продукт GCOM-C/SGLI L3, дані Coriolis для перевірки; платформа Google Earth Engine (GEE); Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів.
Завдання: налаштування програмного середовища для обробки та аналізу даних; підготовка даних супутникових систем Sentinel-2, Sentinel-3 та GCOM-C/SGLI L3 V2, а також від наземних вимірювань Coriolis; стандартизація даних для подальшого аналізу; проведення кореляційного аналізу між концентрацією хлорофілу-a (Chla) з різних джерел даних; застосування технології перенесення навчання в пілотній зоні для Середземного моря – Лімасол, Кіпр для прогнозування значень концентрацію хлорофілу за супутниковими даними; побудова карти просторового розподілу концентрації хлорофілу-а в акваторії Лімассолу (Кіпр); моделювання хлорофілу-а за даними вищого просторового розрізнення; тестування моделі при використанні хлорофілу-а з різних джерел даних.
Об’єкт дослідження: концентрація хлорофілу-а в морських екосистемах, зокрема в Середземноморському регіоні, і можливості його оцінки за допомогою супутникових зображень.
Предмет дослідження: методи оцінки концентрації хлорофілу-а у водних екосистемах на основі супутникових зображень.
Методи дослідження: системний аналіз, кореляційний аналіз, алгоритми машинного навчання, методи обробки цифрових зображень, оптимізація гіперпараметрів моделей, методи аналізу даних та математичної статистики.
Наукова новизна даної праці полягає в розробці та використанні моделі трансфертного навчання для оцінки концентрації хлорофілу-а за допомогою супутникових зображень для Середземного моря. Основні пункти включають: адаптація моделі MLP для нових географічних зон з використанням різних супутникових даних; визначення спектральних та інформативних показників, які корелюють з концентрацією хлорофілів-а; розробка методів підвищення просторового розрізнення концентрації хлорофілу-а на основі супутникових даних.
Практична новизна дослідження полягає у розробці методології, яка дозволяє здійснювати оперативний моніторинг якості води на великих територіях. Практична новизна включає: використання супутникових зображень Sentinel-2 та GCOM-C/SGLI для оцінки концентрації хлорофілу-а, що дозволяє значно знизити витрати порівняно з традиційними методами моніторингу; розробка карт концентрації хлорофілу-а з високим просторовим розрізненням для різних регіонів, що може бути використано для управління природними ресурсами та охорони навколишнього середовища.
Апробація результатів дисертації. Матеріали різних розділів дисертації доповідалися та обговорювались на XXII Всеукраїнській науково-практичній конференцiї студентiв, аспірантів та молодих вчених теоретичнi i прикладні проблеми фізики, математики та iнформатики. 13−17 травня 2024 р., м. Київ, Україна.», міжнародному симпозіумі 4th International Symposium on Applied Geoinformatics (ISAG2024). 9-10 May 2024. Wroclaw, Poland.
Опис
Ключові слова
машинне навчання, хлорофіл-а, супутникові дані, хмарні технології, Google Earth Engine, multilayer perceptron, machine learning, chlorophyll-a, satellite data, cloud technologies
Бібліографічний опис
Геніцой, П. О. Модель перенесення навчання для оцінки хлорофілу-а за допомогою супутникового зображення : магістерська дис. : 113 Прикладна математика / Геніцой Павло Олексійович. – Київ, 2024. – 118 с.