Napredna daljinska istraživanja

Naziv predmeta:

Napredna daljinska istraživanja

Opis:

Ovaj izborni kolegij upoznaje studente s naprednim algoritmima analize i obrade podataka daljinskih istraživanja temeljene na metodama strojnog učenja. Nastavno na osnovne metode daljinskih istraživanja i obradu rasterskih tipova podataka, ovaj kolegij će proširiti materiju na polja točaka i njihovu obradu. Glavni ciljevi kolegija su:
Upoznati različite algoritme strojnog učenja za potrebe analize podataka daljinskih istraživanja.
Upoznati različite alate i pristupe za potrebe implementacije metoda strojnog učenja u analizi podataka daljinskih istraživanja.
Upoznati metode pripreme podataka daljinskih istraživanja za upotrebu u metodama strojnog učenja.
Upoznati metode generacije polja točaka.
Upoznati metode klasifikacije polja točaka.
Upoznati metode vizualizacije masivnih polja točaka.
Upoznati primjere projekata koji koriste metode strojnog učenja i daljinskih istraživanja.

Kolegij zahtijeva prethodno osnovno iskustvo u programiranju te poznavanje materije daljinskih istraživanja u proširenom obliku. Podučava se u odabranim softverskim paketima i odabranim razvojnim okruženjima sa svrhom stjecanja praktičnog iskustva. Vrednovanje kolegija temelji se na rješavanju niza praktičnih zadataka.
Studenti će naučiti:
obilježja i korist osnovnih metoda strojnog učenja u daljinskim istraživanjima.
obilježja i korist naprednih metoda strojnog učenja u daljinskim istraživanjima.
kako integrirati metode strojnog učenja ovisno o vrsti daljinskih istraživanja te informaciji koju je potrebno stvoriti.
koje pripremne radnje je potrebno odraditi nad podacima daljinskih istraživanja kako bi bile primjerene za primjenu metoda strojnog učenja.
što su to polja točaka i kako ih je moguće generirati.
kako klasificirati polje točaka.
kako vizualizirati masivna polja točaka.
kako koristiti dostupne alate za obradu i analizu podataka daljinskih istraživanja.

Literatura:

Obavezna literatura:
1. Liang, S., Li, X., Wang, J. (2019) Advanced remote sensing: terrestrial information extraction and applications. 1st edn. Cambridge: Academic Press.

Dopunska literatura:
1. Chang, N., Bai, K. (2018) Multisensor data fusion and machine learning for environmental remote sensing. Boca Raton: CRC Press.
2. Thenkabail, P. S., Lyon, J. G., Huete, A. (2019) Advanced Applications in Remote Sensing of Agricultural Crops and Natural Vegetation. 2nd edn. Boca Raton: CRC Press.