RORSE
http://conf.rse.geosmis.ru

ВСЕРОССИЙСКИЕ ОТКРЫТЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов



English

Информационные технологии в дистанционном зондировании Земли - RORSE 2018

Электронный сборник статей 16-й конференции (12-16 ноября 2018 г., Москва, Россия)

Детектирование снега и облачности с использованием сверточной нейронной сети по данным прибора МСУ-МР КА «МЕТЕОР-М» №2

Л.С. Крамарева1, А.И. Андреев1, Е.В. Симоненко1,2, Е.И. Холодов1, Ю.А. Шамилова1, А.А. Сорокин2

  1. Дальневосточный центр ФГБУ «Научно-исследовательский центр космической гидрометеорологии «Планета», Хабаровск, Россия
    alexander.andreev.mail@gmail.com
  2. Вычислительный центр ДВО РАН, Хабаровск, Россия
DOI 10.21046/rorse2018.60
В работе представлен метод формирования масок облачности и снега с использованием классификаторов на основе сверточной нейронной сети. Входными данными являются текстуры, полученные по измерениям шести каналов прибора МСУ-МР с разрешением 1 км. Проведено сравнение полученного классификатора с алгоритмом Random Forest, где в качестве входных данных использовались отдельные пиксели, индексы NDVI и NDSI, а также текстурные признаки, вычисляемые из матрицы GLCM. Оценка полученных классификаторов была произведена путем расчета метрик машинного обучения на тестовом наборе текстур, таких как точность, полнота и f-мера, а также путем сравнения с результатами ручного дешифрирования опытным специалистом и сопоставлением с маской облачности по данным прибора VIIRS.
Ключевые слова: МСУ-МР, маска снега, маска облачности, машинное обучение, сверточная нейронная сеть, CNN
Литература:

Скачать pdf

Методы и алгоритмы обработки данных дистанционного мониторинга

60-67