Супутниковий моніторинг оцінки стану забруднення водних об’єктів на основі машинного навчання

Simple item page
dc.contributor.authorКавац, Олена Олександрівнаuk_UA
dc.contributor.authorКавац, Юрій Віталійовичuk_UA
dc.contributor.authorДібрій, Данило Андрійовичuk_UA
dc.date.accessioned2025-03-14T08:05:10Z
dc.date.available2025-03-14T08:05:10Z
dc.date.issued2024
dc.descriptionО. Кавац: ORCID 0000-0002-0172-7856; Ю. Кавац: ORCID 0000-0002-0180-5957uk_UA
dc.description.abstractUKR: Супутниковий моніторинг є надійним інструментом отримання оперативної інформації про стан водних об'єктів та зміни в ньому із певною періодичністю, завдяки застосуванню широкого набору різнорідних даних. А наявність архівних даних стає вагомою перевагою та відкриває можливість порівнювати отримані результати і аналізувати чинники впливу на стан водних об’єктів та навколишнє середовище. В роботі описано основні методи та набори даних, які можна використовувати для застосування методів дистанційного моніторингу на основі машинного навчання. В якості основного набору даних пропонується використання багатоспектральних датчиків Landsat, у тому числі TM (Thematic Mapper), MSS (Multispectral Scanner), ETM (Enhanced Thematic Mapper) і OLI (Operational Land Imager). Проаналізовано приклади застосування дистанційного підходу щодо оцінки ступеню забрудненості водойм на великих площах. Вказано перспективні методи машинного навчання для вирішення прикладної задачі.uk_UA
dc.description.abstractENG: Satellite monitoring is a reliable tool for obtaining operational information about the state of water bodies and their changes with a certain periodicity, thanks to the use of a large set of heterogeneous data. And the availability of archival data becomes a significant advantage, opening up the possibility of comparing the obtained results and analyzing factors affecting the state of water bodies and the environment. The paper describes the main methods and datasets that can be used to apply remote monitoring methods based on machine learning. The use of medium spatial resolution data is proposed as the main data set. Examples of the application of the remote sensing approach to the assessment of water pollution in large areas are analyzed. Possible machine learning methods for solving an applied problem are presented, the new artificial intelligence (AI) approach of convolutional long-short-term memory (ConvLSTM) model significantly outperforms classical methods.en
dc.identifier.citationКавац О. О., Кавац Ю. В., Дібрій Д. А. Супутниковий моніторинг оцінки стану забруднення водних об’єктів на основі машинного навчання. Інформаційні технології в металургії та машинобудуванні – ІТММ’2024 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 10–11 квітня 2024 р.). Дніпро, 2024. C. 495–499. DOI: https://doi.org/10.34185/1991-7848.itmm.2024.01.095.uk_UA
dc.identifier.doihttps://doi.org/10.34185/1991-7848.itmm.2024.01.095en
dc.identifier.issn2708-0102 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/itmm/article/view/1833en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/19784en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ІВК «Системні технології», Дніпроuk_UA
dc.subjectводні об’єктиuk_UA
dc.subjectводоймиuk_UA
dc.subjectсупутниковий моніторингuk_UA
dc.subjectоцінка стану забрудненняuk_UA
dc.subjectекологічне навантаженняuk_UA
dc.subjectметоди ДЗЗuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectвалідаціяuk_UA
dc.subjectLandsat 8en
dc.subjectwater objectsen
dc.subjectsatellite monitoringen
dc.subjectassessment of the state of pollutionen
dc.subjectecological burdenen
dc.subjectmethods of environmental protectionen
dc.subjectmachine learningen
dc.subjectvalidationen
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technology::Image analysisen
dc.titleСупутниковий моніторинг оцінки стану забруднення водних об’єктів на основі машинного навчанняuk_UA
dc.title.alternativeSatellite Monitoring of Water Body Pollution Assessment Based on Machine Learningen
dc.typeThesisen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Kavats_ Dibrii.pdf
Size:
198.4 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
159 B
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Міжнародна науково-технічна конференція «Інформаційні технології в металургії та машинобудуванні. ІТММ'24»
Інші праці КІТС (ДМетІ)