Monitoring przemieszczeń poziomych z zastosowaniem uczenia maszynowego do analiz satelitarnych zobrazowań radarowych

Abstract

Głównym celem niniejszej pracy była analiza możliwości wykorzystania uczenia maszynowego do stworzenia nowej metody wyznaczania przemieszczeń poziomych w rejonach o dużej dynamice ruchów na podstawie satelitarnych zobrazowań radarowych. Przeprowadzone badania skupiały się przede wszystkim na analizie użyteczności konwolucyjnych sieci neuronowych do wykrywania tych samych obszarów na obrazach zarejestrowanych w inne dni. Analizy przeprowadzono zarówno na obrazach testowych, które poddano przesunięciu o zadany wektor, jak i w warunkach rzeczywistych, aplikując zaproponowaną metodykę do analizy prędkości lodowca. Prócz głównego celu rozprawy, przeanalizowano wpływ poszczególnych parametrów stosowanych w klasycznych metodach teledetekcyjnych na jakość map przemieszczeń poziomych. W ramach przeprowadzonych analiz badano użyteczność danych z pasma C i X, wpływ bazy czasowej oraz rozmiaru okna poszukiwawczego na pozyskiwane wyniki. Ponadto wyniki otrzymane w ramach zaproponowanej nowej metody wyznaczania przemieszczeń porównano z wynikami algorytmów już istniejących, co pozwoliło na ocenę dokładności zaproponowanej metodologii. Wyniki przeprowadzonych badań pozwoliły na potwierdzenie postawionej w rozprawie tezy, że zastosowanie algorytmów uczenia maszynowego do analizy satelitarnych zobrazowań radarowych pozwala skutecznie monitorować przemieszczenia poziome lodowców.

The main objective of this study was to analyze the feasibility of using machine learning to create a new method for determining horizontal displacements in regions with high movement dynamics from satellite radar imagery. The research conducted focused primarily on analyzing the usefulness of convolutional neural networks for detecting the same areas in images captured on different days. Analyses were carried out both on test images, which were subjected to shifting by a given vector, and in real conditions, applying the proposed methodology to glacier velocity analysis. In addition to the main purpose of the dissertation, the influence of individual parameters used in classical remote sensing methods on the quality of horizontal displacement maps was analyzed. The analyses examined the usability of C- band and X-band data, the influence of the time base and the size of the search window on the results obtained. In addition, the results obtained by the proposed new method of determining displacements were compared with the results of existing algorithms, which made it possible to assess the accuracy of the proposed methodology. The results of the conducted research made it possible to confirm the thesis set forth in the dissertation that the application of machine learning algorithms to the analysis of satellite radar imagery makes it possible to effectively monitor horizontal displacements of glaciers.