Інформаційні технології для візуалізації та обробки даних у сфері геопросторової розвідки

DOI: 10.31673/2412-4338.2024.044726

Анотація

Актуальні дослідження демонструють великий потенціал інтеграції технологій великих даних та штучного інтелекту для автоматизованого дешифрування супутникових знімків, моніторингу змін ландшафтів, виявлення порушень та прогнозування техногенних ризиків. Використання алгоритмів машинного навчання у візуалізації геоданих значно прискорює аналіз інформації великих масивів, що критично важливо для екологічного моніторингу під час воєнних дій та швидкого відновлення території. Виявлення стану наземних об'єктів значно покращується за рахунок використання багатоспектральних і гіперспектральних знімків, зокрема з безпілотних літальних апаратів, після їх розрізнення дозволяє створювати високоякісні інформаційні продукти. Однак гіперспектральні знімки з космічної висоти все ще не забезпечують необхідного рівня деталізації для оперативно-тактичної розвідки. Дослідження підкреслюють ефективність інтеграції великих даних і штучного інтелекту для автоматичного дешифрування супутникових знімків, моніторингу змін ландшафтів та оцінки техногенних ризиків. Використання алгоритмів машинного навчання прискорює обробку великих масивів даних, що є особливим місцем для екологічного моніторингу під час воєнних дій та відновлення території. Підвищення точності виявлення стану об’єктів досягається за допомогою багатоспектральних та гіперспектральних знімків, особливо отриманих з безпілотників, а останні знімки з космічної платформи не мають достатньої деталізації для оперативних завдань.

Ключові слова: інформаційні технології, штучний інтелект, спектральні канали, дистанційні методи, алгоритм машинного навчання, візуалізації геоданих, дешифрування супутникових знімків.

Список використаної літератури

1. V. Trysnyuk, V. Prystupa, T. Trysnyuk, V. Vasylenko, A. Kurylo. Comprehensive environmental monitoring based on aerospace and ground research data. Наживо. XIX thInternationalConference “Geoinformatics: TheoreticalandAppliedAspects”. Geoinformatics 2020. 11-14 May 2020, Kyiv, Ukraine.DOI: https://doi.org/10.3997/2214-4609.2020geo066
2. Красовський Г.Я., Трофимчук О.М., Крета Д.Л., Клименко В.І. Пономаренко І.Г., Суходубов О.О. Синтез картографічних моделей забруднення земель техногенним пилом з використанням космічних знімків // Екологія і ресурси. - К.: ІПНБ, 2005. - №12. - С. 37 - 55. 2. ISSN 2412-4338 Телекомунікаційні та інформаційні технології. 2024. № 4 (85)
3. Машков О.А.; Триснюк В.М.; Мамчур Ю.В.; Жукаускас С.В.; Нігородова С.А.; Курило А.В. Новий підхід до синтезу відновлюючого керування для дистанційно пілотованих літальних апаратів екологічного моніторингу. Екологічна безпека та збалансоване ресурсокористування: наук.- техн. журн. - Івано-Франківськ : Симфонія форте. - 2019. № 1. (19) 2019. с. – 69-77.
4. Zaitsev S. V. Method of estimating reliability of information transmission in wireless networks channels increase in noise and interference / S. V. Zaitsev // International Journal «Information Models and Analyses». – Sofia : ITHEA, 2015. – Vol. 4 (1). – P. 87 – 99.
5. V. Trysnyuk, T. Trysnyuk, V. Okhariev, V. Shumeiko, A. Nikitin. Cartographic Models of Dniester River Basin Probable Flooding Сentrul Universitar Nord Din Bala Mare - UTPRESS ISSN 1582-0548, №1,2018 С.61-67.
6. Бондарчук А.П., Жебка В.В. Захист гетерогенної телекомунікаційної мережі від впливу дестабілізуючих факторів // Телекомунікаційні та інформаційні технології, 2023. № 1 (78), с. 4-16.
7. Shevchenko O., Bondarchuk A., Polonevych O., Zhurakovskyi B., Korshun N. (2021) Methods of the objects identification and recognition research in the networks with the IoT concept support. Workshop on Cybersecurity Providing in Information and Telecommunication Systems, (pp. 197–209)