Анализ эффективности различных подходов для классификации посевов на основе спутниковой и наземной информации

Abstract

Розглянуто задачу класифікації сільськогосподарських земель для трьох областей України площею 78,500 км2. Класифікацію проведено не за одним знімком, а за декількома різночасовими супутниковими зображеннями. Використані для розв’язання задачі дані характеризуються різним просторовим розрізненням і часовими характеристиками. На прикладі цієї задачі оцінюється робота різних класифікаторів (нейронних мереж, дерев розв’язків та методу опорних векторів) для істотно різних обсягів даних (навчальної та тестової вибірок): і для надзвичайно великих масивів даних, і за умови їх нестачі (відсутності).

A problem of crop classification for three regions of Ukraine with an area of 78,500 km2 is considered. Classification is carried out using not a single satellite but a timeseries of satellite images. Satellite data are characterized by different spatial and temporal resolution. We assessed efficiency of different classification algorithms (neural networks, decision trees and support vector machines) for various data sets in terms of training and testing sets.