Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
2 results
Search Results
Item Особливості класифікації космічних зображень для ідентифікації лісів Прикарпатського регіону(Видавництво Львівської політехніки, 2022-06-14) Бурштинська, Х.; Декалюк, Я.; Заяць, І.; Burshtynska, Kh.; Dekaliuk, Ya.; Zayats, I.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityМета цієї роботи – дослідження ефективності використання контрольованої класифікації для ідентифікації лісової рослинності за космічними зображеннями високої розрізненості; ідентифікації здорової, повністюзасохлої та пошкодженої засиханням хвойної рослинності. Методика полягає у дослідженні впливу вибору кількості сигнатур для контрольованої класифікації на основі параметричного правила максимальної вірогідності за знімком високого розрізнення, який отримано зі знімальної системи GeoEye1. Результати. Дослідження виконано на основі аналізу статистичних характеристик спектральних яскравостей пікселів, що дає змогу зробити висновок про пріоритетність сигнатур того чи іншого розміру. Створені класифіковані зображення для двох випадків вибраних розмірів сигнатур за тестовими ділянками дають змогу оцінити точність площ вибраних класів. Наукова новизна та практична значущість. Новизною отриманих результатів роботи є дослідження розмірів навчальних вибірок для проведення контрольованої класифікації космічних зображень за методом максимальної вірогідності. Метод контрольованої класифікації за правилом максимальної вірогідності дає змогу ідентифікувати різні об’єкти, характерні для площ, зайнятих лісовою рослинністю. Використовуючи правильний вибір сигнатур та їх розташування на знімку, можна визначати тип лісових об’єктів, зокрема категорії хвойної рослинності: здорова, пошкоджена та суха, які мають складні спектральні яскравості. Тобто формування навчальних вибірок для класифікації лісових об’єктів із змішаними спектральними характеристиками потребує додаткового дослідженняItem Моніторинг засихання хвойних лісів Прикарпатського регіону з використанням даних дистанційного зондування(Видавництво Львівської політехніки, 2019-03-12) Бурштинська, Х. В.; Петрик, Ю. В.; Поліщук, Б. В.; Шило, О. Є.; Burshtynska, Kh.; Petryk, Yu.; Polishchuk, B.; Shylo, Ye.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityДля моніторингу стану лісів Тухлянського лісництва застосовано методику, що ґрунтується на використанні різних за спектральними характеристиками і розрізненістю космічних зображень, знімків, отриманих з БПЛА і, відповідно, їх опрацювання різними методами. Здійснено спектрофотометричні вимірювання здорової та пошкодженої хвойної рослинності для обґрунтування методів подальшого опрацювання зображень, розроблення ефективних підходів до ідентифікації ділянок із засиханням хвойних дерев. Аналіз отриманих спектральних кривих дає змогу вибирати відповідні діапазони електромагнітного спектра для ідентифікації пошкодженої та сухої рослинності. Дослідження ґрунтується на використанні космічних знімків високого середнього розрізнення, одержаних із супутників GeoEye-1 та Sentinel-2 на територію Тухлянського лісництва. Для отримання звіркової інформації та аналізу результатів використано знімання з безпілотного літального апарату. Дослідження виконано на території Тухлянського лісництва Сколівського району Львівської області. Для проведення польових досліджень здійснено три експедиції. Під час останньої експедиції знято з безпілотного літального апарату дві тестові ділянки. З метою ефективного використання спектральних ділянок відбиття відібрано зразки різного типу хвойної рослинності для проведення спектрофотометричних вимірювань. Аналіз отриманих спектральних кривих використано для вибору вегетаційних індексів, що дають змогу ідентифікувати пошкоджену та здорову рослинність. Для поліпшення інтерпретаційних можливостей індексних зображень створено синтезоване зображення за трьома вегетаційними індексами. Щоб визначити площі ділянок із пошкодженою хвойною рослинністю, виконано контрольовану класифікацію за методом максимальної вірогідності. Проаналізовано отримані результати.