An exploration of automatic detection of large-scale solar plants: application of machine learning-based image classification in Google Earth Engine
Author
Vasku, Marek
Term
4. term
Publication year
2019
Pages
56
Abstract
Dette speciale undersøger automatisk registrering af storskala solparker i satellitbilleder fra Sentinel-1 og Sentinel-2 ved hjælp af Google Earth Engine, en skybaseret platform til geospatial analyse. Det vurderer, hvor gennemførlig og hvor præcis denne registrering kan være med sådanne fjernmåledata, og har til formål at tilbyde en mere tilgængelig arbejdsgang baseret på bredt tilgængelige værktøjer. Metoden er dokumenteret med kodeeksempler og et trin-for-trin workflow, og resultaterne sammenlignes ved hjælp af forskellige maskinlæringsklassifikatorer. Analysen gennemføres i Danmark med kendte referencedata (ground truth), og tilgangen anvendes derefter på en udvalgt tysk delstat.
This thesis explores automatic detection of large-scale solar power plants in satellite images from Sentinel-1 and Sentinel-2, using Google Earth Engine, a cloud-based platform for geospatial analysis. It examines how feasible and how accurate this detection can be with these remote sensing data, aiming to provide a more accessible workflow built on widely available tools. The method is documented with code examples and a step-by-step workflow, and results are compared using different machine learning classifiers. The analysis uses Denmark as a study area with known ground-truth data, and the approach is then applied to a selected German state.
[This abstract was generated with the help of AI]
Keywords
Documents