Сравнение алгоритмов классификации с использованием машинного обучения при решении задач картографирования криогенного рельефа острова Арга (дельта реки Лены)

Аннотация

В докладе рассматривается задача выявления и картографирования криогенного рельефа в условиях активизации термоденудационных процессов, обусловленных современным потеплением климата. Показано, что деградация подземных льдов находит отражение в спектральных характеристиках земной поверхности и может быть зафиксирована по данным дистанционного зондирования Земли при использовании современных облачных технологий обработки больших массивов данных.

Целью работы являлось сравнение методов управляемой классификации с применением алгоритмов машинного обучения для решения задач геоинформационного картографирования криогенного рельефа острова Орга. В качестве исходных данных использовались космические снимки Sentinel, дополненные набором спектральных индексов и компонент главных компонент, что позволило сформировать многоканальное композитное изображение.

В ходе исследования были выделены обобщённые классы земной поверхности, отражающие различную степень проявления термоденудационных процессов, выполнено полуавтоматическое картографирование и проведена оценка точности результатов. Сравнение показало, что различные алгоритмы машинного обучения по-разному эффективны при распознавании отдельных классов, что позволяет рекомендовать дифференцированный подход к их применению при детальном анализе пространственной структуры криогенного рельефа.

Похожие материалы

• Практическое программирование ИИ: пример решения задачи множественной регрессии и классификации данных с обучением.
• С какой целью и каким образом геологи должны
  использовать анализ композиционных данных и машинное обучение
• Методы машинного обучения как эффективный инструмент современного инженера на этапе комплексной интерпретации данных потенциальных полей и сейсморазведки
• Техногенные месторождения – резерв будущего и охрана окружающей среды