Klasifikacija pet najzastupljenijih useva u Vojvodini upotrebom Random forest algoritma

Branislav Pejak

Istraživač pripravnik, Institut BioSens

 

Tokom naredne dve decenije, talas nove tehnološke revolucije doprineće značajnom povećanju efikasnosti poljoprivredne proizvodnje. Prolazimo kroz četvrtu industrijsku revoluciju gde upotreba informacionih tehnologija postaje deo svakodnevice. Deo te svakodnevice svakako čini i upotreba satelitskih tehnologija. U koliko bi se stvari posmatrale iz drugačije perspektive, kao što je u ovom slučaju iz satelita, mnogo je lakše sagledati i proceniti sve aspekte problema koji se javljaju u savremenoj poljoprivredi. Prednost satelita svakako se ogleda u mogućnosti unapređenja poljoprivrede koja je jedna od najvažnijih grana privrede svake države. Kako izreka kaže: „Ko na brdo, ak` i malo stoji,više vidi no onaj pod brdom“, u prenesenom značenju na kontest poljoprivrede bi značilo da pomoću satelita možemo dobiti širu perspektivu onoga što se dešava na parcelama. Upravo to je razlog zasto „idemo u svemir“.[/vc_column_text]

Slika 1. Lansiranje satelita u Zemljinu orbitu

ESA (engl. European Space Agency) Copernicus program je moderan svemirski program za opservaciju Zemljine površine koji pruža satelitske slike visoke rezolucije (10 m x 10 m po pikselu) svakih 5 dana. Sateliti Copernicus programa nazivaju se Sentinel i trenutno ih je 6 u Zemljinoj orbiti.

Slika 2. Copernicus logo

Moderni satelitski senzori, kao što su multispektralne kamere mogu da detektuju promene na vegetaciji. Na očitavanje senzora satelita u infracrvenom delu elektromagnetnog spektra najviše utiče struktura biljaka, dok na očitavanja u mikrotalasnom opsegu najveći uticaja ima količina, odnosno sadržaj vode u biljkama. Najveća prednost satelitskih slika u odnosu na slike sa ostalih platformi kao što su avioni ili dronovi, je ta što sateliti mogu da osmatraju mnogo veće površine.

Sentinel-2 sateliti su dizajnirani tako da isporučuju slike koje se mogu koristiti za prepoznavanje, odnosno klasifikaciju različitih vrsta useva, kao i za prikupljanje  podataka o brojnim osobinama biljaka kao što su sadržaj hlorofila, vode i ostalih, koji su nephodni za praćenja rasta biljaka.

Satelitske tehnologije daju veoma važne podatke kako za poljoprivredne proizvođače, kao i za državne institucije. Informacije dobijene iz satelitskih snimaka mogu se koristiti za razvoj poljoprivredne proizvodnje, zonski menadžment parcela, logistiku, predviđanje cena, planiranje skladištenja, strategije uvoza/izvoza, itd. Fuzijom satelitskih slika i daljinske detekcije sa metodama mašinskog učenja zasnovanih na veštačkoj inteligenciji može se unaprediti klasifikacija useva. Algoritmi mašinskog učenja donose zaključke upotrebom velikih količina podataka kojima sam čovek ne bi mogao da upravlja.

Slika 3. Sentinel-2 prilikom opservacije Zemljine površine

Savremene tehnike za obradu satelitksih slika i analizu podataka sa visokim performansama i velikim potencijalom, koriste tehnike mašinskog učenja kao što je Random forest algoritam. Ovaj algoritam je uspešno primenjen za klasifikaciju useva u Vojvodini. Istraživači sa Instituta BioSens nastavljaju da razvijaju, optimizuju i poboljšavaju algoritme kako bi postigli još bolje rezultate u preciznoj poljoprivredi.

U svrhu obuke klasifikatora prikupljeni su podaci sa terena koji su se sastojali od informacija o lokaciji i vrsti useva za preko 1500 parcela. Koristeći fuziju Random forest algoritma i satelitkih slika napravili smo klasifikator na bazi piksela sa vrlo visokim performansama. Predobrada satelitskih snimaka podrazumevala je atmosfersku korekciju i izbor slika bez oblaka. Slike sa Sentinel satelita prikupljane su sa istih putanja tokom vremena kako bi se napravila vremenska serija multispektralnih slika koje su činile ulazne podatke za klasifikaciju.

Prethodna istraživanja Instituta BioSens, koja su uključivala klasifikaciju useva pomoću optičkih multispektralnih satelitskih snimaka, dala su tačnost klasifikacije od 90% za 5 najčešćih kultura u Vojvodini. To su: kukuruz, pšenica, soja, šećerna repa i suncokret, koje su predstavljale klase za primenjenu klasifikaciju.

Slika 4. Mapa klasifikacije useva u Vojvodini (braon-soja, žuta-kukuruz, narandžasta-suncokret, zelena-pšenica, ljubičasta-šećerna repa)

No Comments

Sorry, the comment form is closed at this time.