Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
11 результатів
Результати пошуку
Документ Дослідження пожежонебезпечності лісових територій на основі використання капсульних та згорткових нейронних мереж(ПВНЗ "Університет економіки і підприємництва", 2019) Главчева, Дарія Максимівна; Яловега, В. А.; Подорожняк, Андрій ОлексійовичДокумент Розробка системи моніторингу екологічного стану ріки Дніпро з використанням даних дистанційного зондування Землі(ФОП Лисенко І. Б., 2019) Рудєв, М. Ю.; Жилін, Володимир АнатолійовичДокумент Методика створення картографічних моделей інфраструктури аеропортів за даними дистанційного зондування Землі(ФОП Лисенко І. Б., 2019) Сабадош, Анастасія Любомирівна; Жилін, Володимир АнатолійовичДокумент Навігаційні системи авіаційних носіїв апаратури дистанційного зондування Землі(Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут", 2019) Андрєєв, Сергій Михайлович; Жилін, Володимир АнатолійовичВикладено теоретичні основи побудови навігаційних систем літальних апаратів, особливості побудови навігаційних комплексів авіаційних носіїв апаратури дистанційного зондування Землі, основи супутникових навігаційних систем та їх застосування. Для студентів, що вивчають дисципліни "Засоби аерокосмічного моніторингу", "Фотограмметрія та дистанційне зондування", "Транспортно-навігаційні ГІС" за спеціальностями 193 "Геодезія i землеустрій" і 103 "Науки про Землю".Документ Моделювання лісових пожеж на основі прогностичної моделі Байєса та геоінформаційних технологій(Національний технічний університет "Харківський політехнічний інститут", 2022) Барабаш, Олег Володимирович ; Бандурка, Олена ІванівнаСьогодні різноманітну інформацію про лісові екосистеми можна отримати за допомогою методів дистанційного зондування Землі. Використання космічних даних моніторингу лісів є економічно вигідним тому, що дозволяє швидко отримувати об’єктивну інформацію, необхідну лісівникам для вирішення практичних задач. Супутникові дані забезпечують широке охоплення лісових угідь, високу точність результатів, а також високу частоту отриманих даних. Для дослідження було обрано космічні знімки території Овруцького району Житомирської області України влітку 2020 року. Визначення породного складу проведено методами керованої класифікації, а саме класифікатором Байєса. Встановлено, що 70% лісів є сосновими, у меншій кількості зустрічаються осикові, грабові, березові, вільхові та ясеневі породи дерев. За статистичними даними впродовж 2000-2020 рр. в Україні було пошкоджено і знищено лісовими пожежами 51,4 тис. га лісових насаджень. Тому об'єктивна і своєчасна інформація про наслідки пожеж необхідна для вирішення широкого класу прикладних завдань лісового господарства. Важливим завданням при оцінці еколого-економічного збитку, нанесеного лісовому господарству внаслідок лісових пожеж, є визначення площі пошкоджених лісів. У роботі розглядається технології визначення території лісу, де пройшла пожежа, з використанням космічних знімків супутника Landsat 8. Для виявлення спалених пожежею територій та рівнів враження використовується нормалізованого індексу згарища NBR до та після пожежі й індекс DNBR. Для прогнозування лісових пожеж створена математична модель на основі теореми Байєса та створена тематична карта з класами пожежної небезпеки поквартально. Для перевірки точності результатів створеної прогнозної моделі проведено суміщення тематичної карти з шаром визначених територій згарищ. Даний програмний продукт є досить гнучким та універсальним, він може бути легко адаптованим для застосування не тільки для визначення спалених лісових угідь, а й для інших територій.Документ Usage of intelligent methods for multispectral data processing in the field of environmental monitoring(Національний технічний університет "Харківський політехнічний інститут", 2021) Podorozhniak, Andrii; Liubchenko, Nataliia; Kvochka, Mykyta; Suarez, IvanThe subject of study in the article is artificial intelligence methods that can be used for recognition of specific areas of the earth's surface in multispectral images provided by Earth remote sensing systems (ERS). The goal is to automate data analysis for recognizing areas affected by fire on multispectral remote sensing images. The task is to study and formulate a method for processing multispectral data, which makes it possible to automate the process of operational recognition of areas of burned-out areas in images, for the development of an eco-monitoring software system using artificial intelligence tools such as deep learning and neural networks. As a result of the analysis of modern methods of processing multispectral data, an investigation of the supervised learning strategy was chosen. The choice of the described method for solving an applied problem is based on the high flexibility of these method, as well as, provided that there is a sufficient amount of used training input data and correct training strategies, the possibility of analyzing heterogeneous multispectral data with ensuring high accuracy of results for each individual sample. Conclusions: the application of methodologies for intelligent processing of multispectral images has been investigated and substantiated. The theoretical foundations of the construction of neural networks are considered, the applied area of application is selected. An architectural model of a software product is analyzed and proposed, taking into account its scalability, the model of software system is developed and the results of its work are shown. The obtained results show the efficiency of proposed system and prospects of the proposed algorithms, which is a reason for further research and improvement of the used algorithms, with their possible use in industrial and enterprise eco-monitoring systems.Документ Інформаційна система аналізу геоданих для відслідковування змін рослинності(Національний технічний університет "Харківський політехнічний інститут", 2021) Барабаш, Олег Володимирович; Бандурка, Олена Іванівна; Шпурик, Вадим Вадимович; Свинчук, Ольга ВасилівнаШвидке зростання можливостей геоінформаційних технологій в області обробки та аналізу просторових даних призвело до істотного зростання ролі геоінформаційних систем в різних областях людської діяльності. Застосування нових підходів до обробки просторової інформації з супутників для більш ефективної та оперативної оцінки стану рослинних покривів обумовлено зростаючою тенденцією доступності до даних дистанційного зондування Землі. У статті запропоновано інформаційну систему, яка дозволяє швидко та зручно відслідкувати зміни рослинного світу. Аналіз виконувався на прикладі Чорнобильської зони за період 2000-2020 років. Чорнобильська катастрофа співпала з періодом інтенсивного вегетаційного розвитку рослин. У цей період вони є найбільш чутливими до радіації. Було встановлено, що найчастіше для визначення кількісного стану біомаси застосовується індекс NDVI у різні часові інтервали. Але даний індекс стає не ефективним в періоди послаблення активної фази вегетації. У зв'язку з цим представляється практичний інтерес для оцінки можливості застосування методом К-середніх для аналізу космічних знімків рослинного покриву на різних фазах вегетації. В результаті дослідження коректно інтерпретовано водну поверхню, землі з рослинним покривом і без нього, завдяки чому визначено землі з розрідженою рослинністю та щільним рослинним покривом. Побудовано карти рослинного покриву за нормалізованим вегетаційним індексом за методом К-середніх, за яким можна чітко прослідкувати динаміку зміни рослинності протягом 20 років. Точність результатів була перевірена методом Байєса. Згідно проведених розрахунків визначено, що незважаючи на всі природні катаклізми (підвищення температури, засуха, зимові аномалії опадів та температур, буревії, лісові пожежі), а також людську діяльність (санітарні рубки, несанкціонована вирубка дерев), рослинність в Чорнобильській зоні продовжує рости і їхні площі зростатимуть, хоча і не так швидко.Документ Розпізнавання мультиспектральних зображень, отриманих при дистанційному зондуванні земної поверхні, з використанням згорткових нейронних мереж(Національний технічний університет "Харківський політехнічний інститут", 2019) Яловега, В. А.; Главчева, Дарія Максимівна ; Подорожняк, Андрій ОлексійовичДокумент Метод інтелектуальної обробки мультиспектральних зображень(Національний технічний університет "Харківський політехнічний інститут", 2017) Бондарчук, В. К.; Подорожняк, Андрій ОлексійовичДокумент Розробка методики визначення типів хмарності для замовлення оптимального часового періоду космічної зйомки(Національний технічний університет "Харківський політехнічний інститут", 2018) Андрєєв, С. М.; Волотівська, Д. О.; Жилін, Володимир АнатолійовичПредметом дослідження є методика визначення типів хмарності за даними, отриманими з супутників Національного управління океанічних та атмосферних досліджень Міністерства торгівлі США. Об'єктом дослідження є моніторинг оптико-метеорологічних характеристик хмарної атмосфери на основі космічних знімків. Метою роботи є підвищення результативності вивчення хмарного покриву та підвищення інформативності метеорологічних даних для підтримки прийняття рішень в задачах метеорології, керування повітряним рухом та використання даних дистанційного зондування Землі в різних сферах функціонування соціуму. Задля досягнення поставленої мети вирішено такі часткові задачі: створення картографічних моделей хмарності та підстильної поверхні з урахуванням часових періодів виконання зйомки; проведення аналізу існуючих ознак розпізнавання хмарності на космічних знімках; розробка і практична реалізація методики визначення по космознімках форм хмар та оптимального періоду зйомки хмарного покриву. Картографічні моделі хмарності з урахуванням періодів зйомки дають інформацію про оптимальний час замовлення цифрових даних, що значно скорочує затрати та оптимізує роботу зі супутниковою інформацією. Висновки: визначення оптимального періоду замовлення знімків високої якості на основі запропонованих картографічних моделей значно скорочує затрати на вирішення тематичних задач геоінформаційних систем. Вивчення типів хмарності з використанням запропонованої методики дає можливість відслідковувати динаміку та процес утворення будь-яких видів хмар та з високою ймовірністю безпомилковості прогнозувати небезпечні атмосферні явища. За рахунок цього підвищується ефективність керування повітряним рухом та використання даних дистанційного зондування Землі у всіх сферах життєдіяльності людства.