Пространственная кросс-валидация моделей машинного обучения для классификации и сегментации растительности вулканических ландшафтов Камчатки по данным ДЗЗ

Работа посвящена проблеме пространственной валидации моделей машинного обучения при картографировании растительности вулканических ландшафтов. На примере кальдеры Узон (Камчатка) показано, что традиционное случайное разбиение выборок завышает оценки точности из-за пространственной автокорреляции данных [1, 2]. Исследование выполнено на многоканальном растре, включающем оптические каналы Sentinel-2, радиолокационные данные Sentinel-1, тепловой канал Landsat 9, цифровую модель рельефа ArcticDEM и её производные, а также данные о высоте растительности и надземной биомассе. Пространственное разрешение — 10 м/пиксель. Обучающая выборка составила 608 точек, тестовая — 425 точек, представляющих 10 классов растительности и поверхности: ольховый и кедровый стланики, кустарничковые и лишайниковые тундры, растительность на осыпях, болота, термальная растительность, березняки, водные объекты, снег.
Предложена методика пространственной кросс-валидации на основе автокоррелограммы глобального индекса Морана I, которая одновременно используется для определения оптимального размера скользящего окна текстурных признаков и для формирования буфера исключения тестовых и валидационных точек. Оптимальный размер окна для кальдеры Узон составил 11×11 пикселей (110 м), что соответствует точке выхода автокоррелограммы на плато. Буфер исключения того же радиуса (110 м) обеспечил пространственную независимость выборок.
Было выяснено, что учёт пространственной автокорреляции снижает завышение оценок точности на 3–8% в зависимости от класса, а также повышает обобщающую способность модели при переносе на соседнюю территорию (кальдера Бурлящий), притом увеличивая точность классификации растительности этой, новой для модели, территории. При комбинировании модели, обученной на Узоне, с моделью, обученной на малом количестве данных Бурлящего (40–50 точек), F1-мера на территории Бурлящего увеличилась с 71 до 76 процентов.