Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne ImagesКлассификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images На сегодняшний день инвазия уссурийским полиграфом признана одним из основных
факторов широкомасштабного усыхания сибирских лесов. Появление этого нового организма в пихтарниках серьезно ухудшило их состояние и привело к разнообразным
экологическим эффектам в таежных экосистемах. В очагах массового размножения
происходит снижение естественного биологического разнообразия, продуктивности
лесов, изменение состава и структуры древесного и подчиненных ярусов. В данной
работе предлагается методика определения степени поражения древостоев по цветным
авиационным изображениям сверхвысокого разрешения (5…10 см на пиксель) с использованием методов машинного обучения. Методика включает в себя этапы предварительной обработки, сегментации крон отдельных деревьев, обучаемой классификации и оценки степени поражения в соответствии со стандартными категориями. Для
отработки методики использовались изображения тестовых территорий заповедника
«Столбы» (Красноярский край), полученные с помощью аппаратуры, установленной на
беспилотные летательные аппараты DJI Phantom 3 Pro и Yuneec Typhoon H в мае 2016 г.
Для этапа построения обучающего ансамбля предложена методика фильтрации обучающих данных, которая позволила повысить точность расчетов на этапе классификации.
Приведено обоснование разделения трех основных классов объектов на подклассы с
использованием кластерного анализа. Наличие подклассов обусловлено наличием различных пород деревьев на тестовом участке. Проведено сравнение эффективности различных методов обучаемой классификации, используемых для решения данной задачи.
Показано, что все рассмотренные методы позволяют достичь предельно высокой точности – почти 95 %. Расчет значений параметра каппа показывает, что классификации,
проведенные с помощью всех рассмотренных методов, имеют отличное соответствие
экспертным данным. Проведен анализ устойчивости обучения. Оценки полной вероятности ошибки, полученные методами кросс-валидации и переклассификации, отличаются менее чем на 0,1 %, что свидетельствует об отсутствии проблемы переобучения.
Анализ соотношения точности и скорости обработки показал, что наиболее целесообразно использовать нормальный байесовский классификатор. Высокая точность классификации позволяет получить оценки 6 степеней поражения древостоев на тестовом
участке. Полученные результаты в дальнейшем могут быть использованы для работы
региональных служб по управлению лесным хозяйством.
Для цитирования: Дмитриев Е.В., Козуб В.А., Мельник П.Г., Соколов А.А., Сафонова
А.Н. Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения // Лесн. журн. 2019. № 5. С. 9–24.
(Изв. высш. учеб. заведений). DOI: 10.17238/issn0536-1036.2019.5.9
Финансирование: Работа выполнена при финансовой поддержке РФФИ, проект
№ 19-01-00215 «Исследование оперативных возможностей гиперспектральных технологий ДЗЗ для решения региональных задач с использованием действующих и перспективных ГСК космического базирования» Итого: 0.00руб. Электронное издание «Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения = Classification and Assessment of the State of Mixed Forests from Very High Spatial Resolution Airborne Images» (бесплатно). Скачать номера в формате PDF. |