Estimation biochemical components in vegetation based on statistical learning methods and remote sensing data

Abstract

Iнститут космiчних дослiджень НАН України та Державного космiчного агентства України У роботi представлено пiдхiд до оцiнювання стану рослинностi шляхом визначення концентрацiї хлорофiлу в листi рослин за спектральними даними iз застосуванням методу статистичного навчання. Проведено описання методу побудови моделi на основi рiшення двоїстої задачi оптимiзацiї. Представлено процедуру одержання експериментальних даних i результати комп'ютерних розрахункiв та порiвняльного аналiзу. ОЦЕНИВАНИЕ БИОХИМИЧЕСКИХ КОМПОНЕНТ В РАСТИТЕЛЬНОСТИ НА ОСНОВЕ МЕТОДОВ СТАТИСТИЧЕ-СКОГО ОБУЧЕНИЯ И ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ, Семенив О.В.-В работе представлен подход к оцениванию состояния растительности путем определения концентрации хлорофилла в листьях растений по спектральным данным с применением метода статистического обучения. Проведено описание метода построения модели на основе решения двойственной задачи оптимизации. Представлены процедура получения экспериментальных данных и результаты компьютерных расчетов, и сравнительного анализа. ESTIMATION BIOCHEMICAL COMPONENTS IN VEGETATION BASED ON STATISTICAL LEARNING METHODS AND REMOTE SENSING DATA, by Semeniv O.V.-An approach for vegetation state estimation is presented in the paper. It is based on the determination of the chlorophyll content in the plant leaves using spectral data and statistical learning methods. The problem of model identification is presented as dual optimization problem. Also the experimental data obtaining procedure, numerical results and comparative analysis are shown.

Methods of increasing the accuracy of classification of agrophytocenoses by satellite images

“…Спираючись на попередньо проведенi дослiдження [3,12,13], процес класифiкацiї супутникового зображення, а саме пiкселiв, розглядається в рамках класифiкацiї вхiдних векторiв x n , n = 1, ..., N на багато класiв, де кожен вектор мiстить спектральнi характеристики пiкселя i розмiрнiсть вектору залежить вiд кiлькостi спектральних каналiв приладу. Задачу класифiкацiї, як показано в [12,13], можна представити у виглядi поетапної класифiкацiї на два класи z n ∈ {−1, 1} iз подальшим розрахунком максимальної ймовiрностi (iнтегральної характеристики) потрапляння одного iз пiкселiв до одного iз заданих класiв, що здiйснюється шляхом розв'язання задачi…”

“…Семенив О.В. 1,2,3 , Подгородецкая Л.В. 1 1 Институт космических исследований НАН Украины и ГКА Украины, 03187, г. Киев, пр.…”

“…2 Svitla Systems, Inc., 02002, г. Киев, вул. Евгения Сверстюка, 2A 3 Thermo Fisher Scientific, Inc., 3380 Central Expressway, 95051 Санта Клара, США Статья посвящена проблеме классификации агрофитоценозов по данным спутникового наблюдения и методам повышения точности оценки. Построена модель определения типа сельскохозяйственных культур по мультиспектральным данным на основе метода опорных векторов.…”

“…Semeniv O.V. 1,2,3 , Pidgorodetska L.V. 1 1 Space Research Institute NASU & SSAU, 03187, Hlushkova Avenue 40, Kyiv, Ukraine 2 Svitla Systems, Inc., 02002, Yevhena Sverstyuka St. 2A, Kyiv, Ukraine 3 Thermo Fisher Scientific, Inc., 3380 Central Expressway, Santa Clara, CA 95051, USA The article is devoted to the problem of the agrophytocenoses classification with satellite observation data and noise filtration methods.…”