Suve- ja talvekultuuride tuvastamine Sentinel-2 andmete ja masinõppe abil

Abstract

Töö eesmärk oli hinnata Sentinel-2 andmete ja otsustusmetsa algoritmi sobivust suvi- ja taliviljade eristamiseks varakevadel. Uurimispiirkonnaks oli Tatra org Lõuna-Eestis. Kasutati Google Earth Engine’i keskkonda, kus viidi läbi andmetöötlus, treening ja klassifitseerimine. Mudeli koostamiseks kasutati spektraalindekseid ning välitöödel kogutud proovipunkte. Treeningandmetel saavutati kuni 86% täpsus, punktipõhisel valideerimisel 78% ja pikslipõhisel hindamisel 67%. Peamised eksimused esinesid taliviljade ja küntud maa vahel, mis viitab spektraalsele kattuvusele kevadel. Visuaalne analüüs näitas, et vigu leidus põllumassiivide kesk- ja servaaladel, kuid esines ka täpselt klassifitseeritud põlde. Järelduseks kinnitab töö, et Sentinel-2 andmed võimaldavad usaldusväärset klassifitseerimist kevadistes tingimustes. Tulemusi parandaks mitme sensori andmete kasutamine ning aegridade kaasamine.