Применение метода Random Forest для распознавания посевов сельскохозяйственных культур на основе временных серий оптических и радиолокационных вегетационных индексов

Использование данных мультиспектральной оптической и радиолокационной съёмки позволяет проводить дистанционный мониторинг растительности и повышать точность классификации посевов сельскохозяйственных культур [1-4]. Особенно это актуально для регионов с высокой облачностью в вегетационный период. Совместное использование оптических и радиолокационных индексов не только компенсирует ограничения каждого из них, но и даёт синергетический эффект, особенно при классификации сельхозкультур. Временные серии оптических вегетационных индексов (например, NDVI) более чувствительны к изменениям состояния посевов и их биофизических свойств. В свою очередь, радиолокационные индексы (DpRVI) могут предоставить дополнительную информацию, связанную с изменением структуры растительного покрова и влажности.
Настоящая работа направлена на сравнительный анализ классификации сельскохозяйственных культур по данным оптических и радиолокационных спутниковых изображений Sentinel-1/2 с применением алгоритма машинного обучения Random Forest. Исследование проведено на территории Хабаровского района Хабаровского края и Михайловского района Приморского края за вегетационные сезоны 2021 и 2025 гг. Рассматривались три класса культур: соя, зерновые и залежь. В результате было выявлено, что объединение данных стабильно улучшает значения метрики F1-macro (особенно для зерновых) при сохранении общей точности.