DOI:
10.18413/2518-1092-2020-5-2-0-3
АЛГОРИТМ ПОДГОТОВКИ МУЛЬТИСПЕКТРАЛЬНЫХ СПУТНИКОВЫХ ДАННЫХ ДЛЯ ЗАДАЧИ КЛАССИФИКАЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
В статье представлен разработанный алгоритм подготовки мультиспектральных спутниковых данных для задачи классификации сельскохозяйственных культур. Формализована процедура загрузки данных со спутника Copernicus Sentinel-2 с ресурса SentinelHub по заданным географическим координатам из geojson-файла с возможностью указания параметров, отражающих целевые даты получения данных. Описан алгоритм предобработки и аугментации данных к формату, необходимому для анализа математическими моделями машинного обучения.
Ключевые слова: классификация данных,
машинное обучение,
анализ многомерных данных,
спутниковые снимки,
сельскохозяйственные культуры,
Copernicus Sentinel.
Количество просмотров: 1242 (смотреть статистику)
Количество скачиваний: 5063
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Комарова А. Ф., Журавлева И. В., Яблоков В. М. Открытые мультиспектральные данные и основные методы дистанционного зондирования в изучении растительного покрова // Принципы экологии. 2016. №1 (17). С. 40-74.
2. Герц Ж.В., Пулатов А.С., Миршадиев М.М. Пространственно-временная оценка покровных культур в Узбекистане с помощью дистанционного зондирования временных рядов // Актуальные вопросы науки. 2015. №22. С 66-75.
3. Чурсин И.Н., Филиппов Д.В., Горохова И.Н. Распознавание сельскохозяйственных культур по мультиспектральным космическим снимкам высокого разрешения // Вестник компьютерных и информационных технологий. 2018. №11 (173). С. 22-27.
4. Viskovic L., Kosovic I. N., Mastelic T. Crop Classification using Multi-spectral and Multitemporal Satellite Imagery with Machine Learning // 2019 International Conference on Software, Telecommunications and Computer Networks (SoftCOM), Split, Croatia, 2019. P. 1-5.
5. Rustowicz R. M. Crop Classification with Multi-Temporal Satellite Imagery // Stanford Project Posters and Reports, Fall 2017
6. Kamilaris A., Prenafeta-Boldú, F. X. Deep Learning in Agriculture: A Survey // Computers and Electronics in Agriculture. 2018. No. 147 (1). P. 70-90.
7. Shibendu R. Exploring machine learning classification algorithms for crop classification using Sentinel 2 data // ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2019. Vol. XLII-3/W6. P. 573-578.
8. Brandt J. Spatio-temporal crop classification of low-resolution satellite imagery with capsule layers and distributed attention. 2019. URL: https://arxiv.org/pdf/1904.10130v1.pdf (дата обращения: 15.04.2020)
9. The Copernicus Sentinel-2 mission URL: https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-2 (дата обращения: 15.04.2020)
10. Sentinel Hub URL: https://docs.sentinel-hub.com/ (дата обращения: 15.04.2020)