Развитие метода детектирования повреждений растительности природными пожарами: нейросетевая оценка качества получаемых контуров

Ранее был разработан метод автоматического детектирования повреждений растительного покрова природными пожарами по данным спутников Landsat и Sentinel-2 (Кашницкий, 2022). Исходными данными для метода служат пожары, выделенные по данным активного горения (Лупян и др., 2017): на первом шаге зона обработки выбирается по контуру пожара, а затем при необходимости итеративно расширяется. Повреждения выделяются по разностному индексу NBRswir (Liu et al., 2020) между медианными композитами после пожара и за аналогичные периоды двух предыдущих лет. В настоящей работе проведено развитие метода:
– разработан и встроен в программу обработки нейросетевой метод оценки качества полученного контура без использования эталона;
– реализовано совместное использование данных Sentinel 2A/B/C MSI, Landsat 4/5 TM и Landsat 8/9 OLI;
– в программе обработки были реализованы два режима: оперативный и для всех пожаров по окончании сезона;
– проведена предварительная работа по расширению базы эталонных контуров за счёт данных из разных источников.
Одна из основных проблем при массовом применении исходного метода заключается в том, что при обработке произвольного пожара неизвестно, насколько верен полученный контур. При этом в ряде случаев метод даёт значительные ошибки (значение метрики Жаккара относительно эталона ниже 0.5). Поэтому предложено оценивать каждый контур нейронной сетью, которая по изображению разновременного синтеза с нанесённым контуром предсказывает ожидаемое значение метрики Жаккара (надёжность контура) и отклонение его площади от эталона. Эталон на вход сети не подаётся, поэтому оценка доступна для любого обработанного пожара.
Новый набор эталонных контуров был собран из нескольких источников: ИСДМ-Рослесхоз (Kashnitskii et al., 2021), набора, использованного для коррекции площадей пожаров (Лупян и др., 2021), и данных других проектов ИКИ РАН. Все контуры в этих наборах созданы по данным высокого пространственного разрешения вручную или с помощью автоматизированной кластеризации отдельных сцен (Кашницкий и др., 2015). Анализ выборки показал, что около 15 % гарей привязаны к нескольким записям активного горения из-за преждевременного «закрытия» пожаров. Для таких гарей эталон сопоставляется только с «главным» пожаром, охватывающим остальные. После объединения и очистки для оценки пригодны более 12 тыс. контуров за 2009–2025 гг.
Для обучения использована очищенная выборка из 1500 гарей за 2020–2025 гг. (разбиение на обучающую, валидационную и тестовую части 1200/150/150). На вход сети подаётся изображение 384×384 пикселя из трёх каналов: индекс NBRswir после пожара, тот же индекс до пожара и маска полученного контура. Итоговый вариант выбран сравнением 84 вариантов входного изображения и 14 архитектур; среди лучших, различающихся в пределах статистического разброса, выбрана наиболее быстрая ConvNeXt V2-Tiny (Woo et al., 2023). Надёжность и отклонение площади предсказываются двумя независимыми моделями.
На отложенной выборке (150 гарей) средняя абсолютная ошибка предсказания метрики Жаккара составила 0.063, корреляция с фактическим значением — 0.93. При пороге надёжности 0.7 точность отбора составила 0.94, полнота — 0.95: все 23 контура с метрикой ниже 0.5 отбракованы, среднее значение метрики у принятых контуров — 0.84. Средняя абсолютная ошибка оценки отклонения площади составила 0.11 (в долях площади эталона).
При обработке пожаров полной эталонной выборки за 2009–2025 гг. контур получен для 7770 пожаров (63 %). Большинство пожаров без контура (86 %) относятся к 2009–2013 гг.; пропуски в основном связаны с отсутствием данных до или после пожара: Landsat 5 TM завершил съёмку в 2011 г., а Landsat 8 начал её только в 2013 г. За 2019–2025 гг. контур получен для 94 % пожаров, медианное значение метрики Жаккара по годам составило 0.78–0.85. Сеть обучалась на Sentinel-2, однако и для 2009–2019 гг., не участвовавших в обучении (по Landsat), медианная ошибка оценки надёжности составила 0.05–0.07. Порог надёжности 0.7 прошли 3682 контура, из них у 87 % фактическое значение метрики Жаккара не ниже 0.7 (91 % по площади).
Таким образом, оценка надёжности может использоваться как критерий качества срабатывания метода. Далее планируются создание нового очищенного эталонного набора с перепривязкой пожаров, переобучение на нём сети оценки надёжности, доработка метода для случаев, когда данные есть, но полученный контур имеет низкую надёжность, а также построение многолетней карты повреждений лесов пожарами.
Получение и обработка данных выполнены с помощью возможностей Центра коллективного пользования «ИКИ-Мониторинг» (http://ckp.geosmis.ru/) (Лупян и др., 2019) в рамках темы ИКИ РАН «Мониторинг» (госрегистрация № 126031818938-6).