Izvleček

Ugotavljanje sprememb rabe oziroma pokrovnosti zemljišč na satelitskih posnetkih je zahtevna naloga, še posebej pri spremembah iz njivskih v travniške površine. Fenološke faze njivskih površin se namreč spreminjajo zelo hitro, medtem ko so pri travnikih stabilnejše. Zaradi spektralne podobnosti poljščin v najvišji vegetacijski dobi in trav je zelo težko ločiti med njivami in travniki. V članku predstavljamo relativno preprost postopek za ugotavljanje sprememb njivskih površin v travnike z dobro učinkovitostjo in točnostjo. Pri predlagani metodi se uporablja kombinacija algoritma za prepoznavanje sprememb MAD (angl. multivariate alteration detection) in obstoječe metode strojnega učenja boosting, kot sta algoritma AdaBoost z različnimi šibkimi učenci in Extreme Gradient Boosting, ki je precej nov pristop na področju daljinskega zaznavanja. Glede na rezultate raziskave znaša točnost rezultatov 89,51 %. Predlagani postopek je bil testiran na podatkih Landsat s 30-metrsko prostorsko ločljivostjo, pri čemer je bila uporabljena prosto dostopna programska oprema: R in GRASS GIS ter knjižnica Orfeo Toolbox.

Ključne besede: daljinsko zaznavanje, strojno učenje, MAD, boosting, AdaBoost, strojno učenje, objektna analiza podob