hrvatski

Primjena metoda strojnog učenja za klasifikaciju šumskih područja

Zbog sve većih i bržih promjena u pokrovu zemljišta njegovo praćenje je danas od iznimne važnosti. Kako bi se promjene mogle što točnije pratiti potrebno je maksimalno automatizirati proces klasifikacije pokrova. U ovom radu testirane su dvije metode strojnog učenja, Random Forest i Neural Network (DNN). Klasifikacija je provođena na dvije uzastopne godine snimljene Sentinel-2 satelitom u ljetnim mjesecima. Kako su ulazni podaci o šumama zastarjeli, nakon prve klasifikacije provedeno je popravljanje ulaznih podataka te je ponovo provedena klasifikacija. Za svaku klasifikaciju i metodu izrađena je matrica konfuzije, pomoću koje je određena točnost klasifikacije. U radu se pokazalo kako je moguće izraditi model za predikciju koristeći strojno učenje, čak i koristeći zastarjele i nepotpune ulazne podatke. Upotrijebivši taj model klasificirano je područje dimenzija 100 x 100 km za 2015. i 2016. godinu, te izrađen prikaz nastalih promjena u tom periodu.

strojno učenje, Sentinel-2, klasifikacija, pokrov zemljišta, praćenje promjena

nije evidentirano