| 2023-2010 | 2008-2000 |
| 2023, 2022, 2020, 2019, 2018, 2016, 2014, 2011, 2010 | 2008, 2007, 2006, 2005, 2004, 2003, 2000 |
2024
Chapter. A Survey of Deep Learning for Remote Sensing, Earth Intelligence and Decision Making
Nataliia Kussul, Volodymyr Kuzin & Andrii Shelestov
Luntovskyy, A., Klymash, M., Melnyk, I., Beshley, M., Schill, A. (eds) Digital Ecosystems: Interconnecting Advanced Networks with AI Applications. TCSET 2024. Lecture Notes in Electrical Engineering, vol 1198. Springer, Cham. https://doi.org/10.1007/978-3-031-61221-3_5
Print ISBN 978-3-031-61220-6
Online ISBN 978-3-031-61221-3
This article presents a comprehensive overview of the applications of deep learning techniques in remote sensing. It discusses various neural network architectures, including convolutional neural networks (CNNs), recurrent neural networks (RNNs), generative adversarial networks (GANs), and graph neural networks, and their utilization in tasks such as land cover mapping, object detection, image segmentation, time series analysis, and change detection. Specifically focusing on Ukraine, the article highlights successful applications of deep learning, such as multi-temporal crop classification using Sentinel data, object detection for disaster monitoring, agricultural yield forecasting through RNNs and GANs, and the potential of graph neural networks in various remote sensing applications. Future prospects include further innovation in deep learning architectures, particularly transformers, and the adoption of hybrid models for Earth Intelligence and decision-making support.
2023
Nataliia Kussul, Andrii Shelestov & Bohdan Yailymov
Dovgyi, S., Trofymchuk, O., Ustimenko, V., Globa, L. (eds) Information and Communication Technologies and Sustainable Development. ICT&SD 2022. Lecture Notes in Networks and Systems, vol 809. Springer, Cham, pp 303–321.
https://doi.org/10.1007/978-3-031-46880-3_19
Print ISBN 978-3-031-46879-7
Online ISBN 978-3-031-46880-3
This paper addresses the problem of processing large volumes of satellite data and compares different cloud platforms for potential solutions. Existing cloud platforms like Google Earth Engine, Amazon Web Services (AWS), and CREODIAS have been used to tackle this challenge. However, this study proposes an optimal pipeline for satellite data processing, taking into account the advantages and limitations of each platform. The specific focus is on solving machine learning problems using satellite data. In the experiment conducted, the effectiveness of each cloud platform was analyzed. It was found that cloud platforms offer benefits such as flexibility, access to computing resources, and parallel processing architectures, leading to increased productivity and cost reduction. CREODIAS, in particular, stands out due to its specialization in satellite data and easy access to various data types, along with tools for data searching and visualization. The experiment demonstrated that tasks, from data loading to classification, were executed fastest on CREODIAS resources. However, AWS performed data classification faster. The availability of its own internal data bucket was a significant advantage of CREODIAS, especially when considering ARD data. These findings contribute to the advancement of AI methodologies and have practical implications for solving satellite monitoring applications.
Chapter. Current Advances on Cloud-Based Distributed Computing for Forest Monitoring
Andrii Shelestov, Yevhenii Salii, Nataliia Hordiiko, Hanna Yailymova
Dovgyi, S., Trofymchuk, O., Ustimenko, V., Globa, L. (eds) Information and Communication Technologies and Sustainable Development. ICT&SD 2022. Lecture Notes in Networks and Systems, vol 809. Springer, Cham, pp 322–336. https://doi.org/10.1007/978-3-031-46880-3_20
Print ISBN 978-3-031-46879-7
Online ISBN 978-3-031-46880-3
One of the most important tasks related to environmental protection is forests monitoring. Meanwhile, specialists deal with the problem of big data and the need to utilize powerful computing resources that are not always available. Cloud solutions (CREODIAS, Google Earth Engine, etc.) provide instant satellite data access and the ability to quickly and conveniently process geospatial data in the cloud and use it to search for information products. Forest monitoring is supported by the European Commission (EU project SWIFTT), the World Wildlife Fund and others. This work analyzes Sentinel-2 satellite spectral channels, which distribution of pixel values was constructed for diseased and healthy forests, and the possibility of separating these two classes was analyzed based on the Bhattacharya distance. The informativeness of time series application of the normalized difference vegetation index (NDVI) was analyzed. The assumption that the average value of NDVI decreases and the standard deviation increases when the forest changes is confirmed. Getting results for large areas will lead to a big data problem. Therefore, the structure of the pilot information system is proposed as the basis for a further cloud solution with the development of a machine (deep) learning model for forest monitoring in any territory (including Ukraine). This system allows monitoring forests dynamics based on time series of satellite data at the country level and worldwide. This will be an important step for Ukraine as a potential member of the EU in the field of providing information services and monitoring the most sensitive natural resources.
Моніторинг досягнення цілей сталого розвитку України за супутниковими даними
Н.М. Куссуль, О.П. Федоров, А.Ю. Шелестов.
К.: “Наукова думка” – 2023. – 164 с.
DOI: https://doi.org/10.15407/978-966-00-1865-5
ISBN: 978-966-00-1865-5
У монографії розглянуті результати розроблення та впровадження українськими вченими інформаційних технологій та сервісів оцінювання індикаторів сталого розвитку на основі використання супутникових даних спостереження за Землею. Робота спрямована на вирішення актуальних соціально-економічних проблем, зокрема, досягнення сформульованих ООН цілей сталого розвитку, моніторинг глобальних кліматичних змін, катастрофічних подій. Запропоновано методологію визначення індикаторів сталого розвитку, інформаційні технології їх обчислення на основі супутникових даних та продуктів їх обробки з використанням сучасних хмарних технологій. Зокрема йдеться про впровадження в Україні ідеології створюваної міжнародної системи систем спостереження Землі GEOSS та європейської програми Copernicus. Набутий досвід дозволяє запропонувати ідеологію українського сегменту GEOSS – інформаційної системи UkrGEO, яка передбачає інтеграцію та експлуатацію багатьох нових наборів супутникових даних, а також істотної модернізації національних статистичних і геопросторових систем в контексті цифровізації економіки та індустрії 4.0.
Для фахівців в галузі космічних інформаційних технологій, супутникових спостережень за Землею, геоінформаційних систем, екологічної безпеки, сталого розвитку, а також аспірантів та студентів відповідних спеціалізацій вишів.
2022
Chapter. Cloud-Based Technologies for Data Processing in Ukraine: International Context
Andrii Shelestov, Bohdan Yailymov, Hanna Yailymova, Svitlana Nosok, Oleh Piven.
Ilchenko, M., Uryvsky, L., Globa, L. (eds) Progress in Advanced Information and Communication Technology and Systems. MCiT 2021. Lecture Notes in Networks and Systems, vol 548. Springer, Cham. pp. 101–118
DOI: 10.1007/978-3-031-16368-5_5
During last time we have faced with big data problem in Earth observation domain. Fortunately, cloud solutions such as Amazon Web Services, Google Earth Engine and others platforms provide an access to Sentinel-1, Sentinel-2 and Landsat data with spatial resolution from 10 to 30 m, opportunities for quick and convenient way of geospatial data processing and usage for a lot of different information products retrieval like land cover classification maps, crop state monitoring etc. During last few years we had experience of cloud-based technologies usage within scientific and innovation projects, which are supported by European Commission, World Bank, United Nations Development Program, GEO Committee and have experience of open-source software development and machine (deep) learning usage in cloud environment, namely Open Data Cube. This package provides the opportunities for data collection, deployment and provision on the base of 3D model of data representation. The developed technologies are implemented on diverse cloud platforms and solve various types of applied problems, in particular, monitoring of agricultural lands, assessment of sustainable development indicators at the national level. All of these questions will be described in our chapter in more detail.
Chapter. Mathematical Models and Informational Technologies of Crop Yield Forecasting in Cloud Environment
Leonid Shumilo, Sofia Drozd, Nataliia Kussul, Andrii Shelestov, Sergiy Sylantyev
Ilchenko, M., Uryvsky, L., Globa, L. (eds) Progress in Advanced Information and Communication Technology and Systems. MCiT 2021. Lecture Notes in Networks and Systems, vol 548. Springer, Cham. pp. 143–164.
DOI: 10.1007/978-3-031-16368-5_7
The agricultural sector plays a very important role in the country’s economy. Often, crop failures are the cause of protracted financial crises, which are very difficult to overcome. Fortunately, modern scientific methods allow us to predict the yield of certain crops in selected fields based on data on soil properties and weather conditions. Such study requires high-resolution data, the downloading and processing of which requires the involvement of powerful cloud infrastructures, graphics processors and other technological solutions. Involvement of these technologies and reliable forecasting of yield help to make the right decision about sowing and avoid crop failure. However, collecting data on soil properties directly from agronomists and local farmers is a very long and hard process. In addition, the data collected may be inaccurate and expensive. As a result, a process will be launched that will eventually lead to an agrarian and financial crisis. However, a solution to this problem has already been found. Remote sensing data together with biophysical models has long been used in the world. In this section the state-of-the-art and current results in this area have been done.
2020
Chapter 18. Measurement Techniques. In Agroclimatology (eds J.L. Hatfield, M.V. Sivakumar and J.H. Prueger): Linking Agriculture to Climate
Howard, A., Chipanshi, A., Davidson, A., Desjardins, R., Kolotii, A., Kussul, N., McNairn, H., Skakun, S. and Shelestov, A.
2020. – Vol. 60. – P. 489-517
DOI: 10.2134/agronmonogr60.
Major themes of the book include: principles of energy exchange and climatology, understanding climate change and agriculture, linkages of specific biological systems to climatology, the context of pests and diseases, methods of agroclimatology, and the application of agroclimatic principles to problem-solving in agriculture.
Chapter 18 aims to identify key state of the art operational or near‐operational techniques and discusses them at scales that are relevant to agricultural production. It covers soil moisture measurement techniques that are available over a range of scales. Soil moisture is a key variable for crop productivity, crop management practices, flood and excess moisture risk, and is a controlling factor in greenhouse gas emissions from farming operations. Crop condition and drought monitoring techniques have been used as early warning for production and food security issues. Quantification of drought severity was originally based on meteorological and/or hydrological data. The chapter presents two case studies that apply the concepts and techniques toward measurement of the elements. The case studies presented are crop condition assessment in the Ukraine and the carbon footprint of beef in Canada.
2019
Методи глибинного навчання для геопросторового аналізу та задач спостереження Землі
Шелестов А. Ю., Лавренюк М. С., Яйлимов Б. Я., Ткаченко О. М.
К.: “Наукова думка” – 2019. – 228 с.
Книгу присвячено розробці методів геопросторового аналізу та розвязанню задач спостереження Землі, зокрема, класифікації земного покриву. Ці методи базуються на використанні інтелектуальних підходів до обробки геопросторових даних великого об’єму, таких як глибинне навчання.
2018
Despeckling of Multitemporal Sentinel SAR Images and Its Impact on Agricultural Area Classification
Vladimir Lukin, Oleksii Rubel, Ruslan Kozhemiakin, Sergey Abramov, Andrii Shelestov, Mykola Lavreniuk, Mykola Meretsky, Benoit Vozel and Kacem Chehdi
In Recent Advances and Applications in Remote Sensing. IntechOpen (Chapter 2). – 2018. – P. 21-40.
This chapter addresses an important practical task of classification of multichannel remote sensing data with application to multitemporal dual-polarization Sentinel radar images acquired for agricultural regions in Ukraine. We first consider characteristics of dual-polarization Sentinel radar images and discuss what kind of filters can be applied to such data. Several examples of denoising are presented with analysis of what properties of filters are desired and what can be provided in practice. It is also demonstrated that the use of preliminary denoising produces improvement of classification accuracy where despeckling that is more efficient in terms of standard filtering criteria results in better classification.
2016
Автоматизована інформаційна технологія картографування земного покриву на основі методів та моделей злиття супутникових даних
Яйлимов Б.Я.
Науковий керівник: професор кафедри інформаційної безпеки Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського», провідний науковий співробітник Інституту космічних досліджень НАН України та ДКА України, д.т.н., проф. Шелестов Андрій Юрійович
У дисертаційному дослідженні розв’язана задача підвищення точності класифікації і завчасності оцінки площ класів земного покриву та забезпечення високої точності картографування земної поверхні на великих територіях шляхом розроблення методів злиття різнорідних геопросторових даних великих обсягів та створення автоматизованої технології картографування. Удосконалений метод класифікації земного покриву за супутниковими даними великих обсягів на основі використання ансамблю нейронних мереж та розроблені методи злиття гетерогенних супутникових даних на рівнях пікселів та прийняття рішень для побудови карти реалізовані у створеній автоматизованій інформаційній технології картографування для всієї території України в межах сервіс-орієнтованого підходу. Розроблений метод картографування земного покриву був використаний при побудові карт для території України на основі Landsat-4/5/7 за 2010, 2000 та 1990 роки. Отримані карти дали можливість оцінити загальні тенденції різного призначення земного покриву в Україні. На основі розробленої технології вирішено проблеми оцінки збитків від посухи та порушення сівозміни, побудовано карти земного покриву для території Київської області протягом 2013-2015 років (з використанням супутникових даних Landsat-8, Sentinel-1).
2014
Аналіз ризиків надзвичайних ситуацій на основі супутникових даних. Моделі і технології
Куссуль Н.М., Скакун С.В., Шелестов А.Ю.
К.: “Наукова думка” – 2014. – 184 с.
Працю присвячено розробці методів і технологій геопросторового аналізу ризиків стихійних лих. Запропоновано постановку задачі геопросторової оцінки ризиків, пов’язаних зі стихійними лихами, і викладено методологію її вирішення з використанням різнорідної інформації (супутникових та наземних даних, а також результатів моделювання). Обгрунтовуються етапи вирішення цієї задачі та ансамблевий підхід до обробки даних різної природи. Розглядаються приклади практичного застосування розроблених методів та інформаційних технологій для оцінки ризику затоплень і засух. Для науковців, що займаються моделюванням ризиків стихійних лих, ліквідацією їхніх наслідків, а також дія викладачів і студентів вищої школи відповідних спеціальностей.
Геопросторовий аналіз ризиків стихійних лих
Куссуль Н.М., Скакун С.В., Шелестов А.Ю.
К.: “Наукова думка” – 2014. – 258 с.
Монографію присвячено розробленню методів та технологій геопросторового аналізу ризиків стихійних лих. Пропонується постановка задачі геопросторової оцінки ризиків, пов’язаних зі стихійними лихами, та методологія її розв’язання на основі різнорідної інформації (супутникових та наземних даних, а також даних моделювання). Обґрунтовуються етапи розв’язання задачі оцінки ризиків та ансамблевий підхід до обробки даних різної природи, розглядаються приклади практичного застосування розроблених методів та інформаційних технологій для оцінки ризику затоплень та посух.
2011
Grid and Cloud Database Management Grid
In Fiore, S.; Aloisio, G. (Eds.). — 2011, Springer.
Kussul N., Shelestov A., Skakun S. / Technologies for Satellite Data Processing and Management Within International Disaster Monitoring Projects. Р. 279-306.
Посилання>>>
Завантажити>>>
Intelligent Data Processing in Global Monitoring for Environment and Security
ITHEA, Київ-Софія, 2011.
Куссуль Н.М., Шелестов А.Ю., Скакун С.В., Кравченко О.М. / High-performance Intelligent Computations for Environmental and Disaster Monitoring. C. 76-103
Ця колективна монографія покликана представити кілька важливих аспектів інтелектуальної обробки даних у рамках глобального моніторингу навколишнього середовища та безпеки, які досліджуються авторами. Описано впровадження результатів у відповідних програмних системах для інтелектуальної обробки даних у GMES. Передбачається, що глави книги будуть цікаві як для фахівців у галузі інтелектуальних технологій глобального моніторингу, так і для практиків.
Зміст монографії
Завантажити>>>
Use of Satellite and In-Situ Data to Improve Sustainability
F. Kogan, A. Powell, O. Fedorov (Eds.). – NATO Science for Peace and Security Series C: Environmental Security, Springer, 2011.
Kussul N., Shelestov A., Skakun S. / Flood Monitoring on the Basis of SAR Data. P.19-29
This paper presents the intelligent techniques approach for flood monitoring using Synthetic Aperture Radar (SAR) satellite images. We applied artificial neural networks and Self-Organizing Kohonen Maps (SOMs), to SAR image segmentation and classification. Our approach was used to process data from different SAR satellite instruments (ERS-2/SAR, ENVISAT/ASAR, RADARSAT-1/2) for different flood events: Tisza River, Ukraine and Hungary in 2001; Huaihe River, China in 2007; Mekong River, Thailand and Laos in 2008; Koshi River, India and Nepal in 2008; Norman River, Australia in 2009; Lake Liambezi, Namibia in 2009; Mekong River, Laos in 2009. This approach was implemented using Sensor Web paradigm for integrated system for flood monitoring and management.
2010
Колект. монографія “Стан та перспективи розвитку інформатики в Україні”
Київ: Наукова думка, 2010.
Куссуль Н.M., Шелестов А.Ю./Оптимізація складних розподілених Grid-систем. С.510-517.
Головна мета монографії — ознайомити наукову спільноту з досягненнями українських інформатиків і кібернетиків у різних напрямах досліджень і розробок, що мають як фундаментальне, так і прикладне значення. Разом із спробою зафіксувати основні здобутки за минулі 50 років автори зосередили увагу на перспективах подальшого розвитку інформатики, зокрема розбудові інформаційного суспільства. Для науковців та інженерно-технічних працівників, які займаються проблемами інформатики та кібернетики, а також для викладачів та студентів вищих навчальних закладів.
2008
Grid-системы для задач исследования Земли. Архитектура, модели и технологии
Куссуль Н.Н., Шелестов А.Ю.
К.: “Наукова думка”, 2008. – 452 c.
Монографію присвячено питанням моделювання та створення Grid-систем з урахуванням особливостей прикладних задач дослідження Землі. Детально проаналізовано архитектуру сучасних систем, методи їх моделювання і технології побудови. Автори пропонують комплексний системний підхід до аналізу та моделювання подібних систем на різних стадіях життевого циклу. Всі запропоновані підходи та розв’язки успішно апробовано в процесі створення реальних систем міжнародного рівня.
Монографія представляє інтерес як для експертів в області інформаційних технологій та математичного моделювання, так і для молодих вчених, що тільки починають наукову кар’єру. Фахівець знайде у книзі низку нових результатів, а також аналіз відомих підходів до побудови та моделювання розподілених систем. Початківцю книга допоможе швидко ознайомитись з сучасним станом досліджень у означеній області.
2007
Интеллектуальные вычисления в задачах обработки данных наблюдения Земли
Куссуль Н.Н., Шелестов А.Ю., Скакун С.В., Кравченко А.Н.
К.: “Наукова думка”, 2007. – 196 с.
Монографія присвячена сучасним задачам та методам обробки даних спостереження Землі. Детально розглянуто застосування інтелектуальних методів і методів інтеграції даних до розв’язання низки задач, зокрема моніторингу та прогнозування паводків, оцінювання стану рослинності та біорізноманіття, одержання метеорологічних параметрів з використанням супутникових даних і даних моделювання, структурної та параметричної ідентифікації складних моделей, прогнозування параметрів космічної погоди. Усі наукові положення проілюстровано результатами комп’ютерного моделювання. Для фахівців у галузі інтелектуальних обчислень та математичного моделювання обробки супутникових даних.
2006
Інтелектуальні обчислення. Навчальний посібник (навчальний посібник з грифом МОН України)
Куссуль Н.М., Шелестов А.Ю., Лавренюк А.М.
К.: “Наукова думка”, 2006. — 186 с.
В навчальному посібнику автори намагаються систематизувати теорію інтелектуальних обчислень, її основні концепції, евристики та алгоритми реалізації. Багато уваги приділяється теоретичним аспектам гнучких обчислень. Посібник розрахований на студентів старших курсів, що навчаються за напрямками “Комп’ютерні науки” та “Прикладна математика” та мають відповідні базові знання з математики та комп’ютерних наук. Читачі посібника повинні розуміти основні поняття класичної (булевої) логіки, класичної теорії множин, теорії оптимізації та теорії ймовірності.
Матеріал посібника поділяється на чотири логічні частини. В першому розділі наводяться основні означення понять, що використовуються в курсі інтелектуальних обчислень. Друга частина книги описує біологічні основи та основні парадигми штучних нейронних мереж. Ця частина найбільша за об’ємом. В ній описані найбільш популярні та практично застосовні архітектури, принципи налаштування вагових коефіцієнтів, а також наведено приклади розв’язання конкретних задач. В третій частині описані методи еволюційних обчислень, що включають алгоритми моделювання генетичних процесів та основних чинників еволюції, а в четвертій – принципи нечіткої логіки та їх застосування для реалізації нечітких контролерів. В заключному розділі посібника наводяться приклади поєднання різних аспектів інтелектуальних обчислень при реалізації інтелектуальних систем.
2005
Использование РНР. Самоучитель
Куссуль Н.Н., Шелестов А.Ю.
М.: «Диалектика», 2005.
Дана книга призначена для тих, хто прагне навчитись використовувати мову PHP для створення найсучасніших Web-додатків, проте дане видання буде корисним і для тих, хто вже знайомий з цим типом програмного забезпечення. В книзі на простій та доступній мові пояснюються складні концепції сучасних підходів до програмування розподілених систем, а також особливості нової версії мови PHP5. Весь матеріал книги, пов’язаний із нововведеннями, що з’явились в PHP5, відмічений відповідною піктограмою. Наприкінці кожної глави запропоновані тести та вправи для закріплення засвоєного матеріалу.
Програмування. Основи створення Web-додатків: Метод. вказівки до викон. лабораторних робіт для студ. ІІ курсу Фізико-технічного інституту НТУУ “КПІ” спец. “Інформатика”, “Інформаційна безпека”
Куссуль Н.М., Шелестов А.Ю., Лавренюк А.М., Скакун С.В.
К.: ІВЦ «Політехніка», 2005. – 52 с.
2004
Робастные методы оценивания, идентификации и адаптивного управления
Азарсков В.М., Блохин Л.Н., Житецкий Л.С., Куссуль Н.Н.
К.: НАУ, 2004. — 500 с.
2003
Програмування. Об’єктно-орієнтований підхід. Методичні вказівки до виконання лабораторних та курсової робіт для студентів І курсу Фізико-технічного інституту НТУУ “КПІ” спец. “Інформатика”, “Інформаційна безпека”
Куссуль Н.М., Лавренюк А.М., Шелестов А.Ю. Тимощук О.Л.
К.: ІВЦ “Видавництво “Політехніка””, 2003. – 48 с.
2000
Методичні вказівки до циклу лабораторних робіт з дисципліни “Програмування та алгоритмічні мови (мова програмування С)”
Куссуль Н.М., Тимощук О.Л., Шелестов А.Ю.
Київ: НТУУ “КПІ”, ННК “ІПСА” 2000, – 49 с.
Методичні вказівки до циклу лабораторних робіт з дисципліни “Програмування. Базова мова С++” для студентів фізико-технічного інституту
Куссуль Н.М., Тимощук О.Л., Шелестов А.Ю.
Київ: ФТІ НТУУ “КПІ”, 2000. – 52 с.
Методичні вказівки до лабораторних робіт з дисципліни “Програмне забезпечення ЕОМ”
Куссуль Н.М., Лунтовський А.О.
Київ: ФТІ НТУУ “КПІ”, 2000. – 84 с.