Pretražite po imenu i prezimenu autora, mentora, urednika, prevoditelja

Napredna pretraga

Pregled bibliografske jedinice broj: 1135234

Detekcija i analiza opožarenih područja primjenom metoda strojnog učenja i Google Earth Engine-a


Krolo, Marko
Detekcija i analiza opožarenih područja primjenom metoda strojnog učenja i Google Earth Engine-a, 2021., diplomski rad, diplomski, Geodetski fakultet, Zagreb


CROSBI ID: 1135234 Za ispravke kontaktirajte CROSBI podršku putem web obrasca

Naslov
Detekcija i analiza opožarenih područja primjenom metoda strojnog učenja i Google Earth Engine-a
(Detection and analysis of burned areas using machine learning methods and Google Earth Engine)

Autori
Krolo, Marko

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Geodetski fakultet

Mjesto
Zagreb

Datum
25.06

Godina
2021

Stranica
76

Mentor
Medak, Damir

Neposredni voditelj
Dobrinić, Dino

Ključne riječi
GEE, klasifikacija, opožarena područja, Random Forest, Sentinel, Support Vector Machine
(burn areas, classification, GEE, Random Forest, Sentinel, Support Vector Machine)

Sažetak
U ovom radu provest će se istraživanje točnosti upotrebe algoritama strojnog učenja za detektiranje i analizu opožarenih područja na području Dalmacije. Raspon proučavanja je odabran za vrijeme najvećih šumskih požara iz 2017. godine te današnjeg stanja. Analizama klasificiranih scena izvest će se zaključci o utjecaju požara na promjenu zemljišnog pokrova te u kolikoj mjeri je stradalo zemljište oporavljeno u 2020. godini. Primarni izvornik satelitskih snimki je misija Sentinel-2 kao dio Copernicus programa zasnovanog od strane Europske svemirske agencije. Sentinel-2 je multispektralna satelitska misija namijenjena opažanju zemljine površine u 13 spektralnih kanala. Također za klasificiranje i detekciju scene, biti će uključeni i spektralni indeksi koji su osjetljivi na opožarena područja, vegetacijski indeksi, indeksi za izgrađena područja te indeksi prilagođeni tlu. Programsko korisničko sučelje u okviru Google Earth Engine-a je osnova za korištenje metoda strojnog učenja bazirane na Support Vector Machine (SVM) i Random Forest (RF) algoritmima u svrhu nadziranih klasifikacija. Glavni cilj ovog rada je klasificiranje uzastopnih nizova satelitskih snimki, njihova statistička obrada i analiza promjena zemljišta te oporavka vegetacije. Posljednje će biti istražena mogućnost prijenosa najboljeg dobivenog modela na druge opožarene scene sličnom vremenskom razdoblju ; na planinskom području Svilaje i Dinare.

Izvorni jezik
Hrvatski

Znanstvena područja
Geodezija



POVEZANOST RADA


Ustanove:
Geodetski fakultet, Zagreb

Profili:

Avatar Url Damir Medak (mentor)

Avatar Url Dino Dobrinić (mentor)


Citiraj ovu publikaciju:

Krolo, Marko
Detekcija i analiza opožarenih područja primjenom metoda strojnog učenja i Google Earth Engine-a, 2021., diplomski rad, diplomski, Geodetski fakultet, Zagreb
Krolo, M. (2021) 'Detekcija i analiza opožarenih područja primjenom metoda strojnog učenja i Google Earth Engine-a', diplomski rad, diplomski, Geodetski fakultet, Zagreb.
@phdthesis{phdthesis, author = {Krolo, Marko}, year = {2021}, pages = {76}, keywords = {GEE, klasifikacija, opo\v{z}arena podru\v{c}ja, Random Forest, Sentinel, Support Vector Machine}, title = {Detekcija i analiza opo\v{z}arenih podru\v{c}ja primjenom metoda strojnog u\v{c}enja i Google Earth Engine-a}, keyword = {GEE, klasifikacija, opo\v{z}arena podru\v{c}ja, Random Forest, Sentinel, Support Vector Machine}, publisherplace = {Zagreb} }
@phdthesis{phdthesis, author = {Krolo, Marko}, year = {2021}, pages = {76}, keywords = {burn areas, classification, GEE, Random Forest, Sentinel, Support Vector Machine}, title = {Detection and analysis of burned areas using machine learning methods and Google Earth Engine}, keyword = {burn areas, classification, GEE, Random Forest, Sentinel, Support Vector Machine}, publisherplace = {Zagreb} }




Contrast
Increase Font
Decrease Font
Dyslexic Font