Леса относятся к ценным возобновляемым природным ресурсам Российской Федерации и являются одним из важнейших объектов аэрокосмического мониторинга. До недавнего времени основным источником дистанционной информации, используемой для классификации, оценки параметров и определения изменений состояния древостоев, являлись мультиспектральные спутниковые изображения среднего пространственного разрешения (10-30 м). Анализ публикаций за последнее десятилетие показывает, что единичные спутниковые изображения не являются достаточно информативными при решении некоторых задач мониторинга древостоев, в частности, для задачи дистанционной оценки видового состава. Для повышения информативности были разработаны спектрально-временные признаки, получаемые на основе многовременных мультиспектральных изображений, эффективность использования которых обусловлена различиями в динамике фенологического развития отдельных видов и экотипов деревьев. Дальнейшее повышение точности методов обработки дистанционных данных, основанных на использовании спектральных характеристик, возможно за счет использования информации о пространственной структуре лесного полога, получаемой с помощью спутниковых систем сверхвысокого пространственного разрешения (<1 м).
В настоящей работе представлен метод распознавания видового состава и структуры смешанных древостоев, характерных для средних широт европейской части России. В основе метода лежит совместная спектрально-текстурная обработка многовременных мультиспектральных изображений среднего пространственного разрешения (Sentinel-2) и спутниковых карт сверхвысокого пространственного разрешения, получаемых из открытых картографических сервисов (Bing Maps, Google Maps и др.). Для отработки метода выбран тестовый участок площадью около 2500 Га, расположенный на территории Бронницкого лесничества (Раменский городской округ, Московская область). Участок содержит основные лесообразующие виды деревьев, произрастающие в лесах европейской части РФ. Особенностью тестовой территории является наличие значительных площадей искусственных насаждений.
Основными этапами предлагаемого метода тематической обработки являются определение маски древостоев по изображениям сверхвысокого пространственного разрешения на основе текстурного анализа и попиксельная классификация видового состава по мультиспектральным изображениям среднего пространственного разрешения с использованием спектрально-временных признаков. Предложена эффективная схема текстурной сегментации основанная на комбинировании статистических и спектральных признаков. Для рассмотренного тестового участка ошибка построения маски древостоев составила величину 3.5%, при этом большая часть ошибок соответствует граничным пикселям. Ошибка сегментации естественных и искусственных древостоев составляет величину около 15%.
Результаты попиксельной классификации с использованием спектрально-временных признаков показали, что выделенные 9 основных для рассматриваемого тестового участка видов деревьев классифицируются с ошибками от 1 до 8%. По оценкам на основе метода кросс-валидации, наименьшие ошибки соответствуют сегментации насаждений ели, сосны и трех экотипов лиственницы. Полная вероятность ошибки классификации составляет величину менее 1%. Для березы, осины и дуба ошибка классификации - около 4%. Практически для всех рассматриваемых видов деревьев классификация на основе вегетационных индексов оказалась менее точной по сравнению с классификацией непосредственно спектральных коэффициентов отражения из спутниковых каналов. Сравнение дистанционных оценок с данными наземной лесотаксации показывает совпадение доминантного вида для 87% от общей пощади учетных древостоев тестового участка. При этом 4% от общей пощади соответствует ошибкам слабого типа.
Исследование выполнено при финансовой поддержке РНФ в рамках научного проекта № 23-29-00128 «Методы машинного обучения в задаче автоматизации обработки данных космических систем высокодетального мониторинга растительного покрова».