Kaugseire põhine loodusliku rohumaa ja põllumaa eristamine

Abstract

This work focused on developing a machine learning-based classification model to identify cropland and natural grassland in satellite images from 2008 to 2012, providing an overview of land cover. The workflow included selecting appropriate datasets and model architecture, data preprocessing, and training the classification model. The final model was based on a U-Net architecture and trained using Landsat 7 satellite data. The model achieved an overall precision of 79%. Töös arendati masinõppepõhist klassifitseerimismudelit, mis tuvastab põllumaad ja looduslikku rohumaad satelliitpiltidel aastatest 2008–2012, pakkudes ülevaadet maakattest. Töökäik hõlmas sobivate andmestike ja mudeli arhitektuuri valikut, andmete töötlemist ning klassifitseerimismudeli treenimist. Valminud mudel põhineb U-Net arhitektuuril ja treenitud Landsat 7 satelliidi andmete põhjal. Töös loodud mudel saavutas keskmise täpsuse 79%.