Автоматическое определение лесных пород методами машинного обучения на основе обработки спутниковых снимков

Мониторинг состояния и видового разнообразия древесных пород играет значительную роль в рамках менеджмента лесных ресурсов. Появление мультиспектральных спутниковых снимков высокого качества открывает возможности для использования информации о вегетации растительности на определенной территории в течение длительного периода времени, извлекаемых из фотографий, в дополнение к данным, получаемым в результате полевых исследований. В работе рассматривается использование снимков со спутника Sentinel 2 для автоматизированной разметки на примере территории памятника природы «Природный парк Кумысная Поляна», расположенного в окрестностях г. Саратова. В качестве инструментов автоматизации использовались методы машинного обучения с учителем. В работе было описано три подхода, различающиеся используемыми алгоритмами, а также способами структурирования получаемой информации со спутниковых снимков. В результате работы тестовая часть исследуемой территории была классифицирована по семи видам деревьев, включающим в себя выделы с доминированием наиболее распространенных пород. В дальнейшем подобный подход к автоматизации разметки лесных карт потенциально позволит увеличить интервал обновления данных в рамках полевых исследований и повысить их эффективность.

мониторинг леса, Природный парк Кумысная Поляна, машинное обучение, логистическая регрессия, метод опорных векторов, метод ближайших соседей, алгоритм случайный лес, XGBoost, CatBoost, LightGBM, сверточные нейронные сети, LSTM