Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases....
Gespeichert in:
| Datum: | 2024 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Englisch |
| Veröffentlicht: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2024
|
| Schlagworte: | |
| Online Zugang: | http://journal.iasa.kpi.ua/article/view/286178 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543582096195584 |
|---|---|
| author | Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia |
| author_facet | Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia |
| author_sort | Salii, Yevhenii |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2024-05-23T07:09:36Z |
| description | Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases. However, selecting informative features is key to building an effective model. In this work, the application of Bhattacharyya distance and Spearman’s rank correlation coefficient for feature selection from satellite images was investigated. A greedy algorithm was applied to form a subset of weakly correlated features. The experiment showed that selected features allow for improving the classification quality compared to using all spectral bands. The proposed approach demonstrates effectiveness for informative and weakly correlated feature selection and can be utilized in other remote sensing tasks. |
| first_indexed | 2025-07-17T10:28:20Z |
| format | Article |
| id | journaliasakpiua-article-286178 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:28:20Z |
| publishDate | 2024 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-2861782024-05-23T07:09:36Z Statistical methods of feature engineering for the problem of forest state classification using satellite data Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases. However, selecting informative features is key to building an effective model. In this work, the application of Bhattacharyya distance and Spearman’s rank correlation coefficient for feature selection from satellite images was investigated. A greedy algorithm was applied to form a subset of weakly correlated features. The experiment showed that selected features allow for improving the classification quality compared to using all spectral bands. The proposed approach demonstrates effectiveness for informative and weakly correlated feature selection and can be utilized in other remote sensing tasks. Своєчасне виявлення хвороб лісу є важливим завданням для запобігання їх поширенню та обмеження наслідків. Використання супутникових зображень надає можливості для великомасштабного моніторингу лісів. Моделі машинного навчання дають змогу автоматизувати аналіз цих даних для виявлення аномалій, що можуть свідчити про наявність хвороб. Відбір інформативних ознак є ключовим етапом побудови ефективної моделі. Досліджено можливість застосування відстані Бгаттачар’я та коефіцієнта кореляції Спірмена для відбору ознак із супутникових зображень. Застосовано жадібний алгоритм для формування підмножини слабко корельованих ознак. Експеримент показав, що обрані ознаки дозволяють покращити якість класифікації порівняно з використанням усіх спектральних каналів. Запропонований підхід продемонстрував ефективність для відбору інформативних і слабко корельованих ознак та може застосовуватися в інших задачах дистанційного зондування Землі. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024-03-29 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/286178 10.20535/SRIT.2308-8893.2024.1.07 System research and information technologies; No. 1 (2024); 86-98 Системные исследования и информационные технологии; № 1 (2024); 86-98 Системні дослідження та інформаційні технології; № 1 (2024); 86-98 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/286178/296362 |
| spellingShingle | Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title_alt | Statistical methods of feature engineering for the problem of forest state classification using satellite data |
| title_full | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title_fullStr | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title_full_unstemmed | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title_short | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| title_sort | статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними |
| topic | Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена |
| topic_facet | Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient |
| url | http://journal.iasa.kpi.ua/article/view/286178 |
| work_keys_str_mv | AT saliiyevhenii statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT lavreniukalla statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT kussulnataliia statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT saliiyevhenii statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi AT lavreniukalla statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi AT kussulnataliia statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi |