Класифікація покриву землі за допомогою супутникових даних і глибинного навчання

Комплексна класифікація покриву землі на основі дистанційного зондування та глибинного навчання від EOSDA для екологічного моніторингу, аграрного зонування та стратегічного планування.

  • До 90% точності для семи основних класів покриву поверхні на основі знімків Sentinel-2
  • Індивідуальна ML-архітектура, навчена на 10-канальних спектральних знімках для високої точності
  • Практичні результати: растрові карти класифікації землекористування, статистика площ та додаткові звіти
Карта класифікації земельного покриву від EOS Data Analytics

Підхід та методологія

Модель: ML-архітектура складається з індивідуальної моделі повністю зв’язаного регресійного аналізу (FCRM) для кожного класу.

Супутникові дані: для класифікації покриву землі використовуються супутникові знімки Sentinel-2 L2A із застосуванням 10 спектральних каналів.

Підтримувані класи: 7 основних класів земельного покриву, можливе додаткове навчання для інших класів.

Точність: до 90%.

Обмеження: території з високою хмарністю, об’єкти менші за 30-50 метрів у довжину або ширину.

Архітектура моделі класифікації землекористування та покриву землі високого рівня (EOS Data Analytics)

Очікувані результати та формати проєкту

Класифікація покриву землі за допомогою дистанційного зондування
  • Растрова маска класифікації з цільовими класами в межах заданої AOI (GeoTIFF): Відкрита земля, Штучні об’єкти, Вода, Ліс, Трав’яні угіддя, Болота, Сільськогосподарські угіддя.
  • Зведена статистика площ за класами землекористування відповідно до адміністративних меж регіонів, районів тощо (xlsx, csv), за потреби.
  • Аналітичний звіт або пояснювальна записка з інтерпретацією результатів, за потреби.

Дані, необхідні для проєкту класифікації землекористування

Вхідні дані від замовника

  • Область інтересу (AOI)
  • Таблиця (xlsx / csv)
  • Векторні формати (KML, ESRI shapefile, GPKG, GeoJSON)
  • Дані наземної перевірки для навчання/валідації моделі (необов’язково, якщо доступні)

Дані, зібрані та оброблені EOSDA

  • Супутникові знімки
  • Інші додаткові шари даних (міста, дороги, водойми тощо)
  • Затверджувальні набори даних

Типові етапи проєкту

Звичайна тривалість: 2-4 тижні

1

Аналіз рослинності в межах області інтересу

2

Маркування класів в AOI для навчання та валідації

3

Пошук і завантаження необхідних супутникових даних

4

Застосування моделі і супровід/контроль

5

Перевірка результатів і підготовка фінальних матеріалів

Переваги рішення з класифікації покриву землі від EOSDA

  • Екологічний моніторинг та збереження довкілля (відстеження змін екосистем, вирубки лісів, урбанізації та підтримка оцінки біорізноманіття).
  • Міське та регіональне планування (планування інфраструктури та розподіл ресурсів).
  • Підтримка управління природними ресурсами (використання водних ресурсів, розвідка корисних копалин тощо).
  • Сільськогосподарський моніторинг і продовольча безпека (визначення площ сільгоспугідь та їхніх змін, аналіз перелогових земель).
  • Розробка політик і дотримання вимог (підтримка національної та міжнародної звітності щодо використання земель і води та виконання екологічних цілей).