Naslov
Primjena metoda strojnog učenja za kartiranje poplava pomoću Sentinel-1 snimaka
(Application Of Machine Learning Methods For Flood Mapping Using Sentinel-1 Images)

Autori
Sudarević, Martin

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

Fakultet
Geodetski fakultet

Mjesto
Zagreb

Datum
16.08

Godina
2019

Stranica
49

Mentor
Medak, Damir

Neposredni voditelj
Dobrinić, Dino

Ključne riječi
Sentinel, GLCM, Kartiranje poplava, Sentinel-2, Strojno učenje
(Sentinel, GLCM, Flood mapping, Sentinel-2, Machine learning)

Sažetak
U ovome radu primjenom Sentinel – 1 synthetic aperture radar (SAR) snimaka određena je točnost izračunavanja površine poplavljenog područja s tri različite metode klasifikacije:(1) pomoću praga vrijednosti piksela na temeljnim obrađenim podacima, (2) pomoću različitih algoritama strojnog učenja: Decision Tree (DT) ; Random Forest (RF) ; Artificial Neural Network (ANN) ; k-Nearest Neighbours (k-NN) ; Normal Bayes (NB) ; Support Vector Machine (SVM), (3) te korištanjem prethodno navedenih metoda strojnog učenja na dodatnim Grey level co-occurrence matrix (GLCM) značajkama. U ovom radu na 4 snimke VV polarizacija je imal prosječnu točnost kappa od 0, 82 i ukupnu točnost (UT) od 97, 1% dok za VH ti podaci iznose 0, 73 i 96, 0%. Najbolje rješenje dobilo se kombinacijom obje polarizacije sa točnostima od 0, 85 za kappu i 97, 6% za ukupnu točnost. U ovom istraživanju RF, ANN, SVM na 4 snimke s dodatnim GLCM značajkama imaju prosječnu kappu od 0, 95, a prosječnu UT od 99, 3%. Nakon toga je DT s kappom od 0, 94 i OA od 99, 3%, pa k-NN s 0, 91 i 98, 7%, NB sa 0, 89 i 98, 4%. Te najnižu točnost u ovom radu postigao je SVM s vrijednostima Kappa 0, 81 i UT od 97, 2%. Razlika u procjeni površine poplavljenog područja između Sentinel-1 i Sentinel-2 klasifikacije iznosi 2, 5 km², odnosno dobivena površina za S1 je 8, 1 km², a za S2 je 10, 6 km². Iako je u ovom radu najnižu točnost postigao SVM algoritam, sa određenom površinom poplavljenog područja od 10, 2 km2 imao je najmanju razliku od istinite vrijednosti.

Izvorni jezik
Hrvatski

Znanstvena područja
Geodezija

POVEZANOST RADA