Для формирования по спутниковым данным Дистанционного Зондирования Земли (ДЗЗ) карт характеристик леса, в том числе необходимых для оценки их запасов углерода, в национальном масштабе, используются данные ДЗЗ со средним пространственным разрешением (~250 м/пиксель). Однако, наиболее актуальные данные наземных обследований лесов, доступные для их валидации, характеризуют лесной покров на уровне пробных площадей (ПП) диаметром около 30 м, что затрудняет их прямое сопоставление. В связи с этим актуальной является задача создания карт характеристик лесов высокого разрешения с размером пикселя 10-30 м, основанных на совместном использовании материалов ПП и ДЗЗ, в том числе для валидации продуктов обработки данных ДЗЗ среднего пространственного разрешения.
Использованы данные Sentinel-2 с пространственным разрешением 10-20 м с временным шагом 5 дней в течение вегетационного периода, а также зимнее композитное изображение, в видимых, ближних и средних ИК каналах, характеризующих сезонную и фенологическую динамику спектрально-отражательных характеристик лесного покрова, а также материалы реласкопических ПП, расположенных регулярной сетью (шаг 200 м) на тестовый полигон 2×2 км. Оценка запаса стволовой древесины проводилась с применением алгоритма машинного обучения Random Forest.
В докладе представлен подход, включающий три этапа обработки обучающей выборки для учёта особенностей реласкопического метода обследований:
1. Расширение и балансировка выборки: добавление синтезированных безлесных эталонов и исключение ПП с крайне низким запасом древесины;
2. Пространственная коррекция: оптимизация расположения ПП в пределах локального окна для достижения максимальной корреляции спектральных признаков с запасом стволовой древесины;
3. Идентификация выбросов: определение статистически нерепрезентативных ПП для их потенциального исключения с целью повышения устойчивости модели.
Проведен эксперимент и выполнен сравнительный анализ точности оценок, полученных на основе исходных и скорректированных ПП, с использованием кросс-валидации. Применение предложенного комплекса методов обеспечило повышение точности и устойчивости модели.