- Анализ временных рядов спутниковых изображений для данных наблюдений за большой Землей (arXiv)
Автор: Рольф Симоэс, Жильберто Камара, Жильберто Кейрос, Фелипе Соуза, Педро Р. Андраде, Лорена Сантос, Александр Карвалью, Карин Феррейра.
Аннотация: Разработка аналитического программного обеспечения для больших данных наблюдения Земли сталкивается с рядом проблем. Дизайнерам необходимо найти баланс между конфликтующими факторами. Решения, эффективные для конкретных аппаратных архитектур, нельзя использовать в других средах. Пакеты, работающие на универсальном оборудовании и открытых стандартах, не будут иметь такой же производительности, как специализированные решения. Программное обеспечение, которое предполагает, что его пользователи являются программистами, является гибким, но может быть трудным для изучения широкой аудиторией. В этой статье описывается sits, пакет R с открытым исходным кодом для анализа временных рядов спутниковых изображений с использованием машинного обучения. Чтобы позволить экспертам в полной мере использовать спутниковые снимки, в Sits используется подход «сначала время, а потом пространство». Он поддерживает полный цикл анализа данных для классификации земель. Его API предоставляет простой, но мощный набор функций. Программное обеспечение работает в различных средах облачных вычислений. Временные ряды спутниковых изображений вводятся в классификаторы машинного обучения, а результаты подвергаются постобработке с использованием пространственного сглаживания. Поскольку для методов машинного обучения требуются точные обучающие данные, в SSIs включены методы оценки качества обучающих выборок. Программное обеспечение также предоставляет методы проверки и измерения точности. Таким образом, пакет включает производственную среду для анализа больших данных ЭО. Мы показываем, что этот подход обеспечивает высокую точность карт землепользования и растительного покрова на примере биома Серрадо, одного из самых быстроразвивающихся сельскохозяйственных районов мира на 2018 год.
2. Исследование временных сверточных нейронных сетей для классификации временных рядов спутниковых изображений (arXiv)
Автор: Джеймс Брок, Захра С. Абдаллах.
Аннотация: Временные ряды спутниковых изображений (SITS) поверхности Земли предоставляют подробные карты земного покрова, качество которых в пространственном и временном измерениях постоянно улучшается. Эти временные ряды изображений являются неотъемлемой частью разработки систем, целью которых является создание точных и актуальных карт земного покрова поверхности Земли. Области применения весьма разнообразны, и наиболее яркими примерами являются картирование экосистем, мониторинг процессов вегетации и отслеживание антропогенных изменений в землепользовании. Недавно предложенные методы классификации SITS продемонстрировали заслуживающие уважения достоинства, но этим методам, как правило, не хватает собственных механизмов, которые используют временное измерение данных; обычно это приводит к чрезмерной предварительной обработке данных и чрезмерно длительному времени обучения. Чтобы преодолеть эти недостатки, в этой статье делается попытка изучить и усовершенствовать недавно предложенный метод классификации SITS из литературы; а именно временные CNN. Всеобъемлющие эксперименты проводятся на двух эталонных наборах данных SITS, результаты которых демонстрируют, что Temporal CNN демонстрируют превосходную или конкурентоспособную производительность по сравнению с эталонными алгоритмами для обоих наборов данных. Исследования архитектуры Temporal CNN также выявили нетривиальную задачу оптимизации модели для нового набора данных.
