Данная работа представляет метод предварительной подготовки данных для классификации лесных территорий. Для проведения классификации важно, чтобы лесные классы были спектрально различимы друг с другом. Спектральная различимость пород деревьев сильно зависима от времени года, потому построение разносезонных композитных изображений несомненно важно. Современные требования к пространственному разрешению делают необходимым использование данных Sentinel-2 (10-20м). Уменьшение числа измерений в течение года усложняют задачу построения качественных композитных изображений. Используемая платформа Google Earth Engine также накладывает ограничения, как и по размеру одновременно обрабатываемой территории, так и по сложности алгоритма. С другой стороны облачная платформа позволяет довольно быстро обрабатывать большое количество данных. Также важно отметить, что на сегодняшний день доступны долговременные ряды атмосферно скорректированных спутниковых изображений Sentinel-2 с 2019 года, которые регулярно обновляются и пополняются, что позволяет строить и обновлять продукты на территорию России за последние пять лет. В ходе работы был использован пороговый алгоритм для наиболее эффективной фильтрации зашумленных данных.
Работа выполнена в рамках реализации важнейшего инновационного проекта государственного значения «Разработка системы наземного и дистанционного мониторинга пулов углерода и потоков парниковых газов на территории Российской Федерации, обеспечение создания системы учёта данных о потоках климатически активных веществ и бюджете углерода в лесах и других наземных экологических системах» (рег. № 123030300031-6). Работа с информационными продуктами осуществлялась с использованием ЦКП "ИКИ-Мониторинг" (Лупян и др., 2019), поддерживаемого программой “Мониторинг” (государственный регистрационный номер 122042500031-8).