Application of machine learning for NDVI-based erosion zone segmentation

2025

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.53894/ijirss.v8i3.7021
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This paper discusses the application of machine learning methods for the automatic detection of erosion zones based on the NDVI index. The U-Net model with the EfficientNetB0 pre-trained encoder is used, which allows us to achieve high segmentation accuracy. The study includes the preparation and analysis of geospatial data, model training, and testing on data from the region of South Kazakhstan. The developed system demonstrates an accuracy of 99.99%, which confirms the effectiveness of the proposed methodology. The obtained results can be used for monitoring soil degradation and taking measures to prevent erosion processes.