Методы анализа спутниковых данных: применение нейронных сетей для кластеризации и оценки состояния окружающей среды
Рассмотрены возможности применения спутниковых снимков и нейронных сетей для оценки воздействия производственных предприятий, в частности нефтегазового комплекса, на природную среду. Актуальность данной проблемы возросла в условиях глобальных экологических изменений, поскольку процессы разведк...
| Опубликовано в: : | Вестник Томского государственного университета. Химия № 36. С. 218-223 |
|---|---|
| Главный автор: | |
| Другие авторы: | |
| Формат: | Статья в журнале |
| Язык: | Russian |
| Предметы: | |
| Online-ссылка: | https://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001151111 Перейти в каталог НБ ТГУ |
| Итог: | Рассмотрены возможности применения спутниковых снимков и нейронных сетей для оценки воздействия производственных предприятий, в частности нефтегазового комплекса, на природную среду. Актуальность данной проблемы возросла в условиях глобальных экологических изменений, поскольку процессы разведки, добычи и переработки углеводородов оказывают значительное негативное влияние на экосистемы. В статье анализируются современные методики диагностики экологической ситуации в регионах нефтедобычи, включая использование данных дистанционного зондирования Земли, для выявления экологических проблем. Предложен алгоритм анализа спутниковых снимков Landsat-8 в формате GeoTIFF с использованием методов кластеризации на основе нейронных сетей, в частности самоорганизующихся карт Кохонена. Данный алгоритм позволяет классифицировать элементы почвенно-растительного покрова и проводить ретроспективный сравнительный анализ изменений состояния экосистемы. Одним из преимуществ предложенного алгоритма является возможность проведения сравнительного анализа данных, полученных с помощью кластеризации изображений одного региона в разных временных периодах, а также выявлять изменения экологической обстановки. Для исследуемой территории Среднего Приобья с применением разработанного алгоритма установлено, что в 2019 г. увеличены классы хвойных и лиственных лесов на 7%, что свидетельствует об удовлетворительном состоянии растительного покрова в исследуемом регионе. Разработанный алгоритм автоматизированной обработки спутниковых изображений может служить важным инструментом для оценки и мониторинга экологической ситуации на нефтедобывающих территориях. |
|---|---|
| Библиография: | Библиогр.: 2 назв. |
| ISSN: | 2413-5542 |