Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/308776| Заглавие документа: | Классификация культур на основе снимков Sentinel-2 с использованием SVM |
| Другое заглавие: | Research on crop classification based on Sentinel-2 image using SVM / B. Zhao |
| Авторы: | Чжао, Б. |
| Тема: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Геодезия. Картография ЭБ БГУ::ОБЩЕСТВЕННЫЕ НАУКИ::Информатика ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Сельское и лесное хозяйство |
| Дата публикации: | 2023 |
| Издатель: | Минск : БГУ |
| Библиографическое описание источника: | ГИС-технологии в науках о Земле : материалы респ. науч.-практ. семинара студентов и молодых ученых, Минск, 15 нояб. 2023 г. / Белорус. гос. ун-т ; редкол.: А. Н. Червань (гл. ред.) [и др.]. – Минск : БГУ, 2023. – С. 381-387. |
| Аннотация: | В этой статье используются данные изображений Sentinel-2 в сочетании с данными наземной съемки для изучения использования модели SVM для классификации сельскохозяйственных культур в Ждановичском районе Беларуси. Сначала мы выполнили предварительную обработку изображения, включая такие этапы, как геометрическая коррекция, атмосферная коррекция и повторная выборка пикселей, а затем извлекли признаки изображения для классификации. И анализировать характеристики сельскохозяйственных культур на основе временного ряда NDVI. В классификации модели SVM мы выбираем ядро радиальной базисной функции (RBF) в качестве функции ядра и выполняем настройку параметров посредством перекрестной проверки. Результаты показывают, что модель SVM может эффективно классифицировать сельхозугодья Ждановича, а точность распознавания достигает 95 % |
| Аннотация (на другом языке): | This paper uses Sentinel-2 image data, combined with ground survey data, to study the use of SVM model to classify crops in the Zhdanovich region of Belarus. First, we performed image preprocessing, including steps such as geometric correction, atmospheric correction, and pixel resampling, and then extracted image features for classification. And analyze the characteristics of crops based on the time series NDVI. In the SVM model classification, we choose the radial basis function kernel (RBF) as the kernel function, and perform parameter tuning through cross-validation. The results show that the SVM model can effectively classify Zhdanovich farmland, and the recognition accuracy is as high as 95 % |
| Доп. сведения: | Раздел II. ГИС в управлении ООПТ и экологических исследованиях |
| URI документа: | https://elib.bsu.by/handle/123456789/308776 |
| ISBN: | 978-985-811-567-7 |
| Лицензия: | info:eu-repo/semantics/openAccess |
| Располагается в коллекциях: | 2023. ГИС-технологии в науках о Земле |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 381-387.pdf | 387,04 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.