KLASIFIKACIJA KULTURA NA SLIKAMA SA SENTINEL-2 SATELITA METODAMA MAŠINSKOG UČENJA

  • Branislav Pejak
Ključne reči: klasifikacija, mašinsko učenje, Sentinel-2, Random forest, vegetacioni indeksi

Apstrakt

U okviru rada opisana je klasifikacija poljoprivrednih kultura sa Sentinel-2 satelita uz proši­renje skupa obeležja dodatkom dvanaeset vegetacionih indeksa. Podaci predstavljaju vremensku seriju multispek­tralnih slika područja AP Vojvodine u periodu od marta do septembta za 2016. godinu i preuzeti su sa dve putanje satelita R036 i R136 koje obuhvataju teritoriju AP Vojvodine. Za obuku Random forest (RF) klasifikatora prikupljeni su podaci sa terena o kulturama posejanim na određenom broju parcela. Korišćenje vegetacionih indeksa doprinelo je poboljšanju tačnosti klasifikacije kultura za oko 1 %, čime je u svim eksperimentima ostvarena tačnost od 95 %.

 

Reference

[1] Lugonja P., Marko O., Panić M., Brkljač B., Brdar S., Crnojević V.: Sentinel-2 and Landsat-8 for highresolution land cover mapping in sustainable agriculture, 8. WorldCover Conference, European Space Agency (ESA), GEO, FAO, and EU, Rim: European Space Agency (ESA), 14-16 Mart, 2017
[2] Brkljač B., Lugonja P., Minić V., Brdar S., Crnojević V.: Data enrichment of Sentinel-2 and Landsat-8 surface-reflectance measurements for agriculture oriented services, 3. Earth Observation Open Science Conference, European Space Agency (ESA), Rim: European Space Agency (ESA), 25-28 Septembar, 2017
[3] Sentinel-2 User Handbook, https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook
[4] Xue, J. and Su, B., 2017. Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017.
[5] Breiman, L., 2001. Random forests. Machine learning, 45(1), pp.5-32.
[6] James, G., Witten, D., Hastie, T. and Tibshirani, R., 2013. An introduction to statistical learning (Vol. 112). New York: springer.
Objavljeno
2019-05-02
Sekcija
Biomedicinsko inženjerstvo