Тип публикации: статья из журнала
Год издания: 2024
Идентификатор DOI: 10.60797/IRJ.2024.148.140
Ключевые слова: remote sensing, forest fires, automatization, satellite systems, monitoring, artificial intelligence, neural networks, дистанционное зондирование Земли, лесные пожары, автоматизация, спутниковые системы, мониторинг, искусственный интеллект, нейронные сети
Аннотация: В статье рассматривается процесс автоматизации обнаружения лесных пожаров с использованием данных дистанционного зондирования проекта «Арктика-М». Представлен анализ эффективности спутниковых систем мониторинга и алгоритмов обработки данных для выявления пожаров. Проанализированы методы традиционного наблюдения и современные технолПоказать полностьюогии, такие как искусственный интеллект и машинное обучение. Рассмотрены преимущества применения данных дистанционного зондирования земли для мониторинга больших территорий и раннего обнаружения пожаров.Для решения задачи обнаружения лесных пожаров по данным дистанционного зондирования разработана свёрточная нейросетевая модель. Для обучения и тестирования модели использовались данные по пожарам со спутника Арктика-М за 2023 год. Точность обучения модели на тестовой выборке составляет 99.4%. Также проведена апробация модели на данных за 2024 год. Результаты апробации показали, что точность прогностической модели 98%, что является достаточным для применения в задачах обнаружения лесных пожаров по данным дистанционного зондирования Арктика-М. The article examines the process of automating the detection of forest fires using remote sensing data from the Arktika-M project. An analysis of the effectiveness of satellite monitoring systems and data processing algorithms for fire detection is presented. Traditional surveillance methods and modern technologies such as artificial intelligence and machine learning are analysed. The advantages of using earth remote sensing data for monitoring large areas and early fire detection are discussed.A convolutional neural network model was developed to solve the problem of forest fire detection from remotely sensed data. For training and testing of the model, the data on fires from the Arktika-M satellite for 2023 were used. The model training accuracy on the test sample is 99.4%. The model was also tested on data for 2024. The results of approbation showed that the accuracy of the predictive model is 98%, which is sufficient for application in the tasks of forest fire detection using remote sensing data from the Arktika-M satellite.
Журнал: Международный научно-исследовательский журнал
Выпуск журнала: № 10
ISSN журнала: 23039868
Место издания: Екатеринбург
Издатель: Индивидуальный предприниматель Соколова Марина Владимировна