XXIV.F.603
Построение карты типов наземных экосистем по данным высокого разрешения для горного региона на основе продуктов ИКИ РАН.
Михайлов Н.В. (1), Барталев С.А. (1)
(1) Институт космических исследований РАН, Москва, Россия
В условиях климатических изменений и возрастает необходимость в картах земного покрова, которые сохраняют подробную легенду существующих продуктов и при этом, передают структуру растительности на высоком пространственном разрешении. Такие карты нужны для мониторинга наземных экосистем, анализа факторов, меняющих растительный покров, и для последующих оценок его продуктивности и углеродного баланса. Карты на основе MODIS задают преобладающий тип покрова в пикселе низкого разрешения и сглаживают особенности мозаики горных ландшафтов, где рядом оказываются разные лесные формации, луговая и тундровая растительность, открытый грунт и скалы, снег.
В ИКИ РАН на основе спутниковых данных разрабатываются информационные продукты о состоянии и структуре наземных экосистем, в том числе карты типов растительного покрова. Одним из направлений их развития является детализация карт низкого разрешения до сетки Sentinel-2 методами машинного обучения: карта MODIS служит источником обучающих данных, а сезонные спектральные признаки Sentinel-2 и рельеф являются основой для восстановления классов внутри пикселя.
Целью работы является оценка возможности построения карты земного покрова Западного Кавказа в разрешении Sentinel-2 по разметке продуктов ИКИ РАН на основе данных MODIS с использованием сезонных признаков и производных морфометрических характеристик рельефа.
В качестве признаков использовались композиты Sentinel-2 за 2024 год: показатели NDVI и его сезонного хода, индексы состояния полога, открытой воды и открытого грунта, медианы отражения каналов видимого, ближнего и коротковолнового инфракрасного диапазонов, а также высота, уклон и экспозиция рельефа. Модель строилась методом градиентного бустинга на основе CatBoost (Prokhorenkova et al., 2018) на языке Python, а также проведен анализ признаков. Обучение и проверка проводились по пространственно-разделенным выборкам, так что оценка характеризует согласие прогноза с исходной картой на независимых участках.
Полученные результаты показали, что такой набор признаков позволяет перенести классы карты MODIS на разрешение Sentinel (10м) и восстановить неоднородность покрова внутри пикселя низкого разрешения. Рельеф разделяет высотные пояса, а сезонный ряд Sentinel-2 уточняет состав растительности внутри пояса, в том числе для спектрально близких классов.
Результаты работы могут быть использованы для анализа пространственной структуры горных экосистем и для уточнения картографических продуктов ИКИ РАН, включая карту типов растительного покрова. В дальнейшем подход может применяться для актуализации границ типов покрова и для повышения детальности оценок продуктивности и углеродного баланса, которые опираются на эти карты.
Работа выполнена в рамках темы ИКИ РАН «Мониторинг» (госрегистрация № 126031818938-6) с использованием сервиса «Вега-Science» (Loupian et al., 2022) и инфраструктуры Центра коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2015).
Ключевые слова: ДЗЗ, MODIS, Sentinel-2, машинное обучение, градиентный бустинг, landcover
Литература:
- Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263–284.
- CatBoost: unbiased boosting with categorical features / L. Prokhorenkova, G. Gusev, A. Vorobev [et al.] // Advances in Neural Information Processing Systems (NeurIPS 31) / ed. by S. Bengio [et al.]. – [S. l.] : Curran Associates, Inc., 2018. – P. 6638–6648.
- Loupian E.A., Burtsev M.A., Proshin A.A., Kashnitskii A.V., Balashov I.V., Bartalev S.A., Konstantinova A.M., Kobets D.A., Radchenko M.V., Tolpin V.A., Uvarov I.A. Usage experience and capabilities of the vega-science system // Remote Sensing. 2022. Vol. 14, No. 1. DOI 10.3390/rs14010077
Дистанционное зондирование растительных и почвенных покровов