Методы машинного обучения часто используются для оценки характеристик лесов на основе данных ДЗЗ. Существует огромное многообразие подходов, и выбор наилучшего подхода для конкретной задачи затруднителен. Эта лекция дает краткий обзор современных практик применения машинного обучения в области дистанционного зондирования, и описывает некоторые ключевые подходы оценки характеристик растительность на основе машинного обучения. В частности особое внимание уделяется:

- вопросу получения обучающей выборки и ее балансировке;

- вопросу выбора признаков/спутниковых индикаторов для выполнения машинного обучения;

- различным методам машинного обучения, включая случайные леса, градиентный бустинг и нейронные сети;

- оценке точности полученных результатов.

Кроме общего обзора проблемы в лекции описываются разрабатываемые в ИКИ РАН методы оценки характеристик лесного покрова, включая карты породного состава, запаса стволовой древесины и другие.

Карты характеристик лесов России, описанные в этой лекции, получены с использованием инфраструктуры Центра коллективного пользования системами архивации, обработки и анализа данных спутниковых наблюдений ИКИ РАН для решения задач изучения и мониторинга окружающей среды