Анализ характеристик лесов на основе радиолокационных и оптических данных дистанционного зондирования на примере центральной Якутии

Лесной покров планеты, как один из значимых природных ресурсов и хранитель существенной доли мирового углерода, давно исследуется при помощи данных дистанционного зондирования. В последние годы получили развитие исследования с использованием радиолокационных данных, на получение которых не влияют облачность и освещение, и данных беспилотной съемки, проводимой ниже облачного покрова и с любой частотой.
Данная работа посвящена оценке запасов древесины и определению породного состава лесов центральной Якутии на основе мультимасштабных данных дистанционного зондирования в оптическом (материалы беспилотной съемки) и радиодиапазоне (Sentinel-1 SAR, ALOS-2 PALSAR).
Оценка запасов древесины была проведена установлением зависимости между значениями радиолокационных сигналов и поствольных запасов древесины, вычисленных на основе данных беспилотной съемки, в ходе регрессионного анализа. Результаты демонстрируют, что длинноволновые радиолокационные данные ALOS-2 PALSAR-2 более чувствительны к запасам, чем коротковолновые данные Sentinel-1 SAR. Кроме того, наиболее чувствительны сигналы, полученные при отрицательной температуре воздуха в момент съемки. Наилучшая оценка имеет коэффициент детерминации R2 = 0,47 и СКО = 43 м3/га для объемного рассеяния, полученного в результате декомпозиции Freeman-Durden октябрьского снимка ALOS-2 PALSAR-2. Данные в С-диапазоне не показали хороших результатов даже в случае разреженных якутских лесов.
Классификация породного состава лесов проводилась на основе радиолокационных сигналов и производных продуктов алгоритмом Random Forest. Для снимков ALOS-2 PALSAR-2 достоверность классификации на отобранных наиболее ценных признаках составила 87 % на тестовой выборке. Ценными признаками были когерентности для пар снимков за разные даты и объемное рассеяние. Наибольшее количество ошибок было получено в классах лиственничного, березово-лиственничного и березового лесов. Для снимков Sentinel-1 SAR наибольшая достоверность классификации существенно ниже и достигает 55 %. Несмотря на то, что снимки Sentinel-1 SAR хуже справлялись с определением породного состава лесов, они имеют перспективы в использовании для выделения лесных масок.
Работа выполнена по российско-британскому проекту «Мультиплатформенный дистанционный мониторинг воздействия изменения климата на северные леса России». Проект финансируют Британский Совет (грант Institutional Links № 352397111) и Министерство науки и высшего образования РФ (уникальный идентификатор проекта RFMEFI61618X0099).