Валідація карт деградації земель на основі геопросторових даних
Today there is a lot of satellite data and products based on it in the public domain. By integrating them with heterogeneous socio-economic information and soil maps, model biophysical data using modern machine learning methods and modern approaches to geospatial data processing, it becomes possible...
Gespeichert in:
| Datum: | 2023 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2023
|
| Schlagworte: | |
| Online Zugang: | https://jais.net.ua/index.php/files/article/view/90 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Problems of Control and Informatics |
Institution
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-90 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2024-03-12T12:22:12Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
супутникові дані машинне навчання валідація карти деградації землі продуктивність землі карти вирубок лісів карти класифікації землі Leaf area index |
| spellingShingle |
супутникові дані машинне навчання валідація карти деградації землі продуктивність землі карти вирубок лісів карти класифікації землі Leaf area index Yailymov, Bohdan Shelestov, Andrii Emelyanov, Mikhail Parkhomchuk, Oleksandr Валідація карт деградації земель на основі геопросторових даних |
| topic_facet |
спутниковые данные машинное обучение валидация карты деградации земли продуктивность земли карты вырубок лесов карты классификации земли Leaf area index супутникові дані машинне навчання валідація карти деградації землі продуктивність землі карти вирубок лісів карти класифікації землі Leaf area index satellite data machine learning validation land degradation maps land productivity deforestation maps land classification maps Leaf area index |
| format |
Article |
| author |
Yailymov, Bohdan Shelestov, Andrii Emelyanov, Mikhail Parkhomchuk, Oleksandr |
| author_facet |
Yailymov, Bohdan Shelestov, Andrii Emelyanov, Mikhail Parkhomchuk, Oleksandr |
| author_sort |
Yailymov, Bohdan |
| title |
Валідація карт деградації земель на основі геопросторових даних |
| title_short |
Валідація карт деградації земель на основі геопросторових даних |
| title_full |
Валідація карт деградації земель на основі геопросторових даних |
| title_fullStr |
Валідація карт деградації земель на основі геопросторових даних |
| title_full_unstemmed |
Валідація карт деградації земель на основі геопросторових даних |
| title_sort |
валідація карт деградації земель на основі геопросторових даних |
| title_alt |
Validation of land degradation cards on the basis of geospatial data Валидация карт деградации земель на основе геопространственных данных |
| description |
Today there is a lot of satellite data and products based on it in the public domain. By integrating them with heterogeneous socio-economic information and soil maps, model biophysical data using modern machine learning methods and modern approaches to geospatial data processing, it becomes possible to create maps of land degradation. Considering that classification maps, productivity maps and deforestation maps are the main intellectual components to create a degradation map, it is these products that affect the overall reliability of the results. For their validation, the necessary quality metrics are determined in the work, and the corresponding calculations are made. To evaluate the land cover map, independent test data were used to build a confusion matrix, and the obtained areas of the main crops were compared with statistical data. Agricultural land productivity was estimated using time series land cover classification maps and Crop Growth Modeling System (CGMS) biophysical plant development, as well as biophysical plant growth parameters using satellite data and biophysical plant development models. The LAI Map Accuracy Assessment (based on CGMS) is based on the comparison of Leaf Area Index (LAI) values modeled using the CGMS software framework with LAI ground measurement data collected through ground surveys. Numerous experiments were carried out to assess the quality of models and the results of deforestation maps on an independent test sample, which was not used at the neural network training stage. Degradation maps for several years were also analyzed and their validation was carried out with respect to productivity, in particular for the region that has undergone significant changes for the territory of Ukraine. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2023 |
| url |
https://jais.net.ua/index.php/files/article/view/90 |
| work_keys_str_mv |
AT yailymovbohdan validationoflanddegradationcardsonthebasisofgeospatialdata AT shelestovandrii validationoflanddegradationcardsonthebasisofgeospatialdata AT emelyanovmikhail validationoflanddegradationcardsonthebasisofgeospatialdata AT parkhomchukoleksandr validationoflanddegradationcardsonthebasisofgeospatialdata AT yailymovbohdan validaciâkartdegradaciizemelʹnaosnovegeoprostranstvennyhdannyh AT shelestovandrii validaciâkartdegradaciizemelʹnaosnovegeoprostranstvennyhdannyh AT emelyanovmikhail validaciâkartdegradaciizemelʹnaosnovegeoprostranstvennyhdannyh AT parkhomchukoleksandr validaciâkartdegradaciizemelʹnaosnovegeoprostranstvennyhdannyh AT yailymovbohdan valídacíâkartdegradacíízemelʹnaosnovígeoprostorovihdanih AT shelestovandrii valídacíâkartdegradacíízemelʹnaosnovígeoprostorovihdanih AT emelyanovmikhail valídacíâkartdegradacíízemelʹnaosnovígeoprostorovihdanih AT parkhomchukoleksandr valídacíâkartdegradacíízemelʹnaosnovígeoprostorovihdanih |
| first_indexed |
2025-10-30T02:48:38Z |
| last_indexed |
2025-10-30T02:48:38Z |
| _version_ |
1847373351443496960 |
| spelling |
oai:ojs2.jais.net.ua:article-902024-03-12T12:22:12Z Validation of land degradation cards on the basis of geospatial data Валидация карт деградации земель на основе геопространственных данных Валідація карт деградації земель на основі геопросторових даних Yailymov, Bohdan Shelestov, Andrii Emelyanov, Mikhail Parkhomchuk, Oleksandr спутниковые данные машинное обучение валидация карты деградации земли продуктивность земли карты вырубок лесов карты классификации земли Leaf area index супутникові дані машинне навчання валідація карти деградації землі продуктивність землі карти вирубок лісів карти класифікації землі Leaf area index satellite data machine learning validation land degradation maps land productivity deforestation maps land classification maps Leaf area index Today there is a lot of satellite data and products based on it in the public domain. By integrating them with heterogeneous socio-economic information and soil maps, model biophysical data using modern machine learning methods and modern approaches to geospatial data processing, it becomes possible to create maps of land degradation. Considering that classification maps, productivity maps and deforestation maps are the main intellectual components to create a degradation map, it is these products that affect the overall reliability of the results. For their validation, the necessary quality metrics are determined in the work, and the corresponding calculations are made. To evaluate the land cover map, independent test data were used to build a confusion matrix, and the obtained areas of the main crops were compared with statistical data. Agricultural land productivity was estimated using time series land cover classification maps and Crop Growth Modeling System (CGMS) biophysical plant development, as well as biophysical plant growth parameters using satellite data and biophysical plant development models. The LAI Map Accuracy Assessment (based on CGMS) is based on the comparison of Leaf Area Index (LAI) values modeled using the CGMS software framework with LAI ground measurement data collected through ground surveys. Numerous experiments were carried out to assess the quality of models and the results of deforestation maps on an independent test sample, which was not used at the neural network training stage. Degradation maps for several years were also analyzed and their validation was carried out with respect to productivity, in particular for the region that has undergone significant changes for the territory of Ukraine. На сегодняшний день в открытом доступе большое количество спутниковых данных и продуктов на их основе. Интегрируя их с разнородной социально-экономической информацией и картами почв, модельными биофизическими данными с применением современных методов машинного обучения и современных подходов к обработке геопространственных данных, есть возможность создавать карты деградации земли. Поскольку при создании карты деградации основными интеллектуальными составляющими являются карты классификации, карты производительности и карты вырубки лесов, именно эти три продукта влияют на общую достоверность результатов. Для их валидации в работе определены необходимые метрики качества, а также произведены соответствующие расчеты. При оценке карты земного покрова использованы независимые тестовые данные для построения матрицы несоответствия, а также выполнено сравнение полученных площадей основных сельскохозяйственных культур со статистическими данными. Производительность сельскохозяйственных земель оценена с помощью временного ряда карт классификации земного покрова, биофизического моделирования развития растений Crop Growth Modeling System (CGMS), а также биофизических параметров роста растений с использованием спутниковых данных и биофизических моделей развития растений. Оценка точности карт LAI (CGMS) основана на сравнении значений индекса Leaf area index (LAI), смоделированных с помощью программного фреймворка CGMS, с данными наземных измерений LAI, собранными путем проведения наземных исследований. Проведены многочисленные эксперименты по оценке качества моделей и результатов карт вырубок лесов на независимой тестовой выборке, которая не использовалась на этапе обучения нейронной сети. Также проанализированы карты деградации за несколько лет и проведена их валидация относительно урожайности, в частности для региона, претерпевшего значительные изменения, на территории Украины. На сьогоднішній день у відкритому доступі є велика кількість супутникових даних та продуктів на їх основі. Інтегруючи їх з різнорідною соціально-економічною інформацією та картами ґрунтів, модельними біофізичними даними із застосуванням сучасних методів машинного навчання та сучасних підходів до обробки геопросторових даних, маємо можливість створювати карти деградації землі. Оскільки при створенні карти деградації основними інтелектуальними складовими є карти класифікації, карти продуктивності та карти вирубки лісів, то саме ці три продукти впливають на загальну достовірність результатів. Для їх валідації у роботі визначено необхідні метрики якості, а також проведено відповідні розрахунки. При оцінці карти земного покриву використано тестові незалежні дані для побудови матриці невідповідності, а також виконано порівняння отриманих площ основних сільськогосподарських культур зі статистичними даними. Продуктивність сільськогосподарських земель оцінено за допомогою часового ряду карт класифікації земного покриву, біофізичного моделювання розвитку рослин Crop Growth Modeling System (CGMS), а також біофізичних параметрів росту рослин із використанням супутникових даних і біофізичних моделей розвитку рослин. Оцінка точності карт LAI (CGMS) ґрунтується на порівнянні значень індексу Leaf area index (LAI), змодельованих за допомогою програмного фреймворку CGMS, з даними наземних вимірів LAI, зібраними шляхом проведення наземних досліджень. Проведено чисельні експерименти для оцінки якості моделей та результатів карт вирубок лісів на незалежній тестовій вибірці, яка не використовувалась на етапі навчання нейронної мережі. Також проаналізовано карти деградації за декілька років та проведено їх валідацію відносно врожайності, зокрема для регіону, що зазнав значних змін, на території України. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023-08-03 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/90 10.34229/1028-0979-2022-1-10 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 67 № 1 (2022): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 112-125 International Scientific Technical Journal "Problems of Control and Informatics; Том 67 № 1 (2022): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 112-125 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 67 No. 1 (2022): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 112-125 2786-6505 2786-6491 10.34229/1028-0979-2022-1 uk https://jais.net.ua/index.php/files/article/view/90/158 Copyright (c) 2022 Bohdan Yailymov, Andrii Shelestov, Mikhail Emelyanov, Oleksandr Parkhomchuk https://creativecommons.org/licenses/by-nc-nd/4.0/ |