Objektų identifikavimas skirtingo laikotarpio palydovinėse nuotraukose
Baigiamojo magistro darbo tikslas įvertinti objektų neautomatinio ,,maximum likelihood” ir automatinio ,,isodata” klasifikavimo tikslumą bei palyginti Rokiškio rajono 2015 m. ir 2019 m. aplinkos pokyčius. Teorinėje dalyje išnagrinėjami pagrindiniai aerofotografinių nuotraukų objektų indentifikavimo principai ir metodai, apžvelgiama ,,Sentinel - 2” palydovo misija, kurios gauti duomenys buvo naudojami magistrinio darbo tiriamojoje dalyje. Palydovinių nuotraukų indentifikavimo tikslumas apskaičiuotas pasitelkiant bendro tikslumo rodiklį ir Cohen Kappa koeficientą. Klasifikavimo metodų tikslumo lyginamoji analizė parodė, kad abu metodai yra tinkami naudoti, nes kappa koeficientas viršija 0,8. 2015 m. rezultatai parodė, kad automatinio klasifikavimo metodas buvo tikslesnis (bendras tikslumas - 90 %, kappa 0,88), tačiau vertinant 2019 m. duomenis buvo pastebėta, kad neautomatinis klasifikavimas tikslesnis (bendras tikslumas - 95 %, o kappa - 0,94). Vien remiantis gautais rezultatais negalima pasakyti, kuris metodas pranašesnis, tačiau automatinio klasifikavimo metu yra sumažinama žmogiškųjų klaidų tikimybė, todėl šis metodas yra tinkamesnis tolesniems tyrimams. Remiantis gautais klasifikavimo rezultatais atlikta 2015 m. ir 2019 m. automatinio klasifikavimo objektų pokyčio lyginamoji analizė, kuri parodė, kad didžiausias pasikeitimas įvyko žemės ūkio, dirvos, kitos žemės ir miško klasteriuose. Darbą sudaro 8 dalys: įvadas, literatūros šaltinių apžvalga, 3 skyriai, išvados, literatūros šaltinių sąrašas.Darbo apimtis - 55 p. teksto be priedų, 22 paveikslai, 11 lentelės, 41 bibliografiniai šaltiniai.Atskirai pridedami darbo priedai.
The final master's thesis aims to evaluate Rokiškis district 2015 and 2019 accuracy of the supervised classification ”maximum likelihood” and unsupervised ”iso-data” method and investigate environmental changes. The theoretical part examines the main principles and methods of orthophotography object identification, reviews the mission of the Sentinel - 2 satellite, which data were used in the research part of the master 's thesis. The accuracy of satellite image identification is calculated using the overall accuracy index and the Cohen Kappa coefficient. A comparative analysis of the accuracy of the classification methods showed that both methods are suitable for use because the kappa coefficient exceeds 0,8. 2015 The results showed that the unsupervised classification method was more accurate (overall accuracy 90 %, kappa 0,88). 2019 data showed that the supervised classification was more accurate (overall accuracy 95 % and kappa 0,94). Based on the results obtained alone, it is not possible to say which method is superior, but unsupervised classification reduces the likelihood of human error, making this method more suitable for further research. Based on the obtained unsupervised classification results in 2015 and 2019 comparative analysis of the changes was performed, which showed that the largest change occurred in the agricultural, soil, other lands, and forest clusters.Structure: introduction, review of literature sources, 3 chapters, conclusions and list of literature sources. Thesis consist of: 55 p. text without appendixes, 22 pictures, 11 tables, 41 bibliographical entries.Appendixes included.