Технологии машинного обучения и обработки таксационных данных для визуализации геоинформационного моделирования лесных экосистем (Часть 1)
Потапов А. П., Вагизов М. Р.
Читать статью полностью
Технологии машинного обучения и обработки таксационных данных для визуализации геоинформационного моделирования лесных экосистем (Часть 1)(507,18 KB) Аннотация
В данной статье приведен пример решения задачи по моделированию таксационных описаний на основе спутниковых снимков и методов машинного обучения. Была создана методика последовательного прогнозирования таксационных показателей, что в результате позволяет получить таксационное описание изучаемой территории. Данная технология может быть интегрирована в состав геоинформационного моделирования лесных экосистем, для комплексного и одновременного отображения как визуальной составляющей геопространственной информации о лесе, так и количественного и качественного состава лесов в виде атрибутивных данных – таксационных описаний насаждений
Ключевые слова:
машинное обучение – machine learning; данные дистанционного зондирования – remote sensing data; анализ данных - data analysis; геоинформационное моделирование – geoinformation modeling; лесное хозяйство – forestry
Список литературы
1. Площадь земель лесного фонда : [Электронный ресурс]. – URL: https://fedstat.ru/indicator/38145# (дата обращения: 25.08.2021).
2. Приказ Рослесхоза от 15 декабря 1994 года № 265 «Об утверждении Инструкции по проведению лесоустройства в лесном фонде России» (Зарегистрировано в Минюсте РФ 28.06.1995 № 887).
3. Приказ Министерства природных ресурсов и экологии РФ от 29 марта 2018 года № 122 «Об утверждении Лесоустроительной инструкции» (Зарегистрирован 20.04.2018 № 50859).
4. Prudius, A. A. Analysis of machine learning methods to improve efficiency of big data processing in Industry 4.0 / A.A. Prudius, A.A. Karpunin, A.I. Vlasov // Journal of Physics Conference Series: International Conference "Information Technologies in Business and Industry" – 2 – Mathematical Simulation and Computer Data Analysis, Novosibirsk. – 2019. – Vol. 1333. – P. 032065.
5. Application of ensemble machine learning methods for modeling the heights of individual forest elements based on inventory data processing / M. Vagizov, A. Potapov, S. Navalikhin [et al.] // IOP Conference Series: Earth Environmental Science. – 2021. – Vol. 806. – P. 012035.
6. Вагизов, М. Р. Разработка технологии геоинформационного моделирования лесных экосистем (часть 2) / М.Р. Вагизов, Е.П. Истомин // Геоинформатика. – 2022. – № 1. – С. 40–46.
7. Вагизов, М. Р. Разработка базы данных трехмерных моделей хвойных лесообразующих пород сосны и ели обыкновенной для геоинформационной модели лесной экосистемы / М.Р. Вагизов // Информация и Космос. – 2022. – № 2. – С. 162–167.
8. Подсчёт деревьев при помощи методов глубокого обучения : [Электронный ресурс]. – URL: https://github.com/wolf-hash/DeepForest-Counting-Trees (дата обращения: 25.08.2021).
9. Подсчёт деревьев при помощи спутниковых снимков : [Электронный ресурс]. – URL: https://github.com/krutikabapat/Counting_Trees_Using_Satellite_Images (дата обращения: 25.08.2021).
10. Сегментация изображение на спутниковых снимках : [Электронный ресурс]. – URL: https://github.com/liyingben/Satellite-Image-Segmentation (дата обращения: 25.08.2021).
11. Детекция лесных пожаров при помощи нейронных сетей : [Электронный ресурс]. – URL: https://github.com/LeadingIndiaAI/Forest-Fire-Detection-through-UAV-imagery-using-CNNs (дата обращения: 25.08.2021).
12. Сегментация спутниковых снимков на примере распознавания деревьев : [Электронный ресурс]. – URL: https://habr.com/ru/post/421277/ (дата обращения: 25.08.2021).
13. Deep Learning Classification of Land Cover and Crop Types Using Remote Sensing Data / N. Kussul, M. Lavreniuk, S. Skakun, A. Shelestov // IEEE Geoscience and Remote Sensing Letters. – 2017. – Vol. 14. – P. 778–782.