Запас лесов является важной характеристикой состояния экосистем, необходимой, в том числе для оценки запаса и бюджета углерода наземной биомассы, и которую можно определить с помощью методов дистанционного зондирования.
Доклад посвящен разработке и исследованию методов глубокого машинного обучения для оценки запаса стволовой древесины лесов. В докладе описаны результаты экспериментов по использованию модели глубокой нейронной сверточной сети, основанной на архитектуре U-Net с некоторыми модификациями для предсказания запаса леса по спектральным признакам, отражающим сезонные изменения и динамику лесного покрова.
Для оценки запасов лесов архитектура модели U-net была адаптирована для решения задачи регрессии, с учетом некоторых особенностей используемых данных. Сеть обучалась методом стохастического градиентного спуска на основе входных изображений-признаков и соответствующих данных запасов.
В качестве признаков для обучения модели были использованы ежедневные композитные изображения MODIS, полученные на основе методов фильтрации и интерполяции, разработанных в ИКИ РАН. В частности, использовались коэффициенты спектральной яркости в видимом, ближнем ИК и среднем ИК каналах MODIS, полученные в течение вегетационного периода с 1 июня по 15 сентября 2010 года с шагом 15 дней. Также использовалось сочетание красного и ближнего инфракрасного композита MODIS за зимний сезон 2010-2011 года.
В результате проведенных исследований была создана экспериментальная база для применения методов глубокого машинного обучения для определения запаса лесов. Построенная модель сравнивалась с полученными ранее результатами оценка запаса на основе метода градиентного бустинга LightGBM. Результат применения модели на территорию страны получается менее зашумленным и боле сглаженным, что является особенностью семейства сверточной модели. Модель лучше обрабатывает места с низкими значениями и улучшает точность оценки характеристик лесов. Также модель способна лучше воспроизводить высокие значения запаса, присутствующие в исходной обучающей выборке. Полученные для 2010 года результаты далее могут использоваться для воссоздания временного ряда запаса стволовой древесины за период с 2001 по 2024 годы на основе инвариантных спутниковых индикаторов.