Naslov (srp)

Картирање шумске вегетације на основу података сателитског осматрања земље коришћењем техника машинског учења : докторска дисертација

Autor

Kovačević, Jovan, 1993-

Doprinosi

Cvijetinović, Željko, 1965-
Lakušić, Dmitar, 1965-
Samardžić, Mileva, 1980-
Brajović, Ljiljana, 1961-
Radić, Boris, 1982-
Mihajlović, Dragan, 1957-

Opis (eng)

The necessity for quality data on quantitative and qualitative characteristics of forests is increasingas the pressure on this natural resource rises. Satellite Earth observation data has proven to be asuitable alternative to field methods when it comes to collecting information about forests. The maingoals of the research within this dissertation are the analysis, development and improvement of themethodology for mapping forest vegetation types using satellite Earth observation data. Theproposed methodology relies on the extraction of thematic information from satellite imagery usingsupervised non-parametric classification methods, especially machine learning techniques. Theresearch includes determining the applicability of different machine learning techniques (decisiontree, random forest and gradient boosting) for mapping forest vegetation types, analysis of differentdata representations for emphasizing spatial and temporal aspects in the classification model, andapplying techniques to create optimal balanced datasets and to determine optimal features forquality mapping of forest vegetation. The development and testing of the proposed methodologywere performed by identifying eight forest vegetation types in the Republic of Serbia. Sentinel-2satellite imagery from the 2019 was used in combination with additional data sources. The resultsof the conducted experiments match the results of similar studies which were based on high-resolution optical satellite imagery. In accordance with the conducted experiments, it can beconcluded that the proposed methodology is applicable for mapping forest vegetation types inSerbia. While the testing was performed on the territory of Serbia, the methodology has significantpotential to be applied in other regions as well, with the adjustment of the classification scheme andthe additional data for model training. Also, the proposed methodology can be considered to be ofa generic type, since it can be relatively easily adapted to other classification problems. Additionalresearch is planned in the future to test these assumptions

Opis (srp)

Потребе за квалитетним подацима квантитативних и квалитативних карактеристика шума сеповећавају како је притисак на овај природни ресурс све већи. Подаци сателитског осматрањаЗемље су се показали као погодна алтернатива теренским методама за прикупљањеинформација о шумама. Основни циљеви истраживања у оквиру ове дисертације су анализа,развој и унапређење методологије за картирање типова шумске вегетације на основу податакасателитског осматрања Земље. Предложена методологија се у основи ослања на издвајањетематских информација из сателитских снимака применом надзираних непараметарскихметода класификације, посебно техника машинског учења. Истраживање обухвата утврђивањеприменљивости различитих техника машинског учења (стабла одлучивања, случајне шуме иградијентног појачавања) за картирање типова шумске вегетације, анализу различитихрепрезентација података ради наглашавања просторних и временских аспеката укласификационом моделу, као и примену техника за креирање оптималног балансираног скупаподатака и избора атрибута од значаја за квалитетно картирање шумске вегетације. Развој итестирање предложене методологије је извршено идентификацијом осам типова шумскевегетације на подручју Републике Србије. Коришћени су подаци сателитске мисије Sentinel-2из 2019. године у комбинацији са додатним изворима података. Резултати спроведенихексперимената се подударају са резултатима сличних истраживања заснованих на оптичкимсателитским опажањима високе просторне резолуције. На основу спроведених експерименатаје закључено да је предложена методологија применљива за картирање типова шумскевегетације у Србији. Иако је тестирање извршено на територији Србије, методологија имазначајан потенцијал да се примени и на другим подручјима уз прилагођавање класификационешеме и допуне података за тренирање модела. Такође, може се сматрати да је предложенаметодологија општег типа, тј. она може бити релативно једноставно прилагођена и другимкласификационим проблемима. Додатна истраживања су предвиђена у будућности како би сеиспитале претходне претпоставке.

Opis (srp)

Геодезија - Фотограметрија и даљинска детекција, Геоинформатика / Geodesy -Photogrammetry and Remote Sensing, Geoinformatics Datum odbrane: 11.02.2022.

Jezik

srpski

Datum

2021

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Daljinska detekcija. Geografski informacioni sistemi

класификација, машинско учење, шумска вегетација, картирање, даљинска детекција, подаци сателитског осматрања Земље, Србија

OSNO - Opšta sistematizacija naučnih oblasti, Daljinska detekcija. Geografski informacioni sistemi

classification, machine learning, forest vegetation, mapping, remote sensing, satellite Earth observation, Serbia