Põllukultuuride tuvastamise masinõppe mudeli tunnuste olulisuse hindamine
Nimi
Mihkel Järveoja
Kokkuvõte
Kaugseireandmete ulatuslikum kasutuselevõtt tsiviilelus on eriti silmapaistev põllumaade seires. Suurte ja tihti inimsilmale keeruliste andmekihtide töötlemisel kasutatakse erinevaid masinõppepõhiseid lähenemisi. Magistritöös sobitati juhumetsa masinõppe mudel 28 Eesti põllukultuurigrupi automaatseks tuvastamiseks, kasutades treeningandmetena 2018. ja 2019. aasta kohta arvutatud Sentinel-1 radarsatelliidi, Sentinel-2 optilise satelliidi, mullastiku ja ilmastiku tunnuseid. Hinnati erinevate sisendtunnuste absoluutset olulisust ja nende olulisuse ajalist muutlikkust klassifitseerimise tulemustesse. Mudeli klassideülene kaalutud F1-skoor 2018. aasta testkogul oli 0,82 ja 2019. aasta testkogul 0,85. Olulisemate tunnuste hulka kuulusid Sentinel-1 erinevate polarisatsioonide (VH ja VV) tagasihajumise tunnused ja Sentinel-2 indeksid PSRI, NDVI ja TC_Vegetation. Ilmnes selge sesoonne varieeruvus eri tüüpi tunnuste olulisuses. Sentinel-2 tunnused osutusid määravamateks hooaja alguses (mai) ja lõpus (august), samas kui hooaja keskel (juuni, juuli) vähenes nende olulisus märgatavalt. Sentinel-1 tagasihajumise tunnused olid olulisemad kesksuvel.
Lõputöö keel
eesti
Lõputöö tüüp
Magister - Infotehnoloogia mitteinformaatikutele
Juhendaja(d)
Kaupo Voormansik, Tambet Matiisen
Kaitsmise aasta
2021